a16z tentang analisis mendalam terbaru pasar AI: Apakah perusahaan Anda masih bekerja dengan "darah"?

Penulis: DeepThink Circle

Pernahkah Anda berpikir bahwa industri perangkat lunak mungkin sedang mengalami perubahan yang jauh lebih besar daripada sekadar beralih dari antarmuka baris perintah ke antarmuka grafis? Baru-baru ini saya mendengarkan analisis mendalam dari David George dari a16z tentang pasar AI, dan saya terkejut oleh satu rangkaian data: Perusahaan AI dengan pertumbuhan tercepat sedang berkembang dengan tingkat pertumbuhan tahunan sebesar 693%, sementara pengeluaran mereka untuk penjualan dan pemasaran jauh lebih rendah dibandingkan perusahaan perangkat lunak tradisional. Ini bukan kasus tunggal, seluruh kelompok perusahaan AI tumbuh lebih dari 2,5 kali lipat dibandingkan perusahaan non-AI. Lebih luar biasanya lagi, ARR per FTE (pendapatan tahunan berulang per karyawan) dari perusahaan-perusahaan ini mencapai 500.000 hingga 1 juta dolar, sedangkan standar perusahaan perangkat lunak generasi sebelumnya adalah sekitar 400.000 dolar.

Apa artinya ini? Artinya kita sedang menyaksikan lahirnya sebuah model bisnis baru, sebuah era di mana dengan lebih sedikit orang dan biaya yang lebih rendah, kita bisa menciptakan nilai yang jauh lebih besar.

David George dalam presentasinya menyebutkan bahwa ini bukan sekadar penyesuaian kecil, melainkan sebuah perubahan paradigma secara menyeluruh. Konsep inti—pengendalian versi, template, dokumentasi, bahkan konsep pengguna—semuanya sedang didefinisikan ulang karena alur kerja yang didorong oleh agen AI. Saya yakin bahwa dalam lima tahun ke depan, perusahaan yang gagal beradaptasi dengan perubahan ini akan benar-benar tersingkir.

Fakta Menakjubkan tentang Pertumbuhan Perusahaan AI

Data yang dipaparkan David George membuat saya memikirkan kembali apa arti sebenarnya dari pertumbuhan. Tahun 2025 akan menjadi tahun percepatan pertumbuhan bagi perusahaan AI. Setelah mengalami perlambatan pertumbuhan akibat kenaikan suku bunga dan kontraksi industri teknologi pada 2022, 2023, dan 2024, tahun 2025 membalikkan tren tersebut secara total. Yang paling mencengangkan adalah, di antara perusahaan-perusahaan yang berbeda tingkatannya, perusahaan-perusahaan yang benar-benar luar biasa pertumbuhannya, pertumbuhannya sangat luar biasa.

Reaksi pertama saya saat melihat data ini adalah: Apakah angka ini benar? Kelompok perusahaan AI terbaik mengalami pertumbuhan 693% secara year-over-year. David mengatakan bahwa tim mereka juga memeriksa angka ini tiga kali sebelum percaya. Tapi ini sepenuhnya sesuai dengan apa yang mereka lihat dari portofolio investasi dan studi kasus nyata. Ini bukan fenomena terisolasi, melainkan perubahan sistemik yang sedang terjadi di seluruh bidang AI.

Lebih penting lagi adalah kualitas pertumbuhan tersebut. Perusahaan perangkat lunak tradisional biasanya membutuhkan waktu yang lama untuk mencapai pendapatan tahunan 100 juta dolar, sedangkan perusahaan AI yang tumbuh tercepat mampu mencapai tonggak ini jauh lebih cepat. David menekankan bahwa ini bukan karena mereka menghabiskan lebih banyak uang untuk penjualan dan pemasaran—justru sebaliknya, perusahaan AI yang paling cepat pertumbuhannya mengeluarkan biaya penjualan dan pemasaran yang lebih sedikit dibandingkan perusahaan SaaS (perangkat lunak sebagai layanan) tradisional. Mereka tumbuh lebih cepat dengan pengeluaran yang lebih kecil. Mengapa demikian? Karena kebutuhan pelanggan sangat kuat dan produk mereka sangat menarik.

Ini mengungkapkan sebuah perubahan logika bisnis yang mendalam. Di era perangkat lunak sebelumnya, pertumbuhan sering bergantung pada tim penjualan yang besar dan anggaran pemasaran yang besar pula. Anda harus mendidik pasar, meyakinkan pelanggan, dan mengatasi hambatan adopsi. Tapi di era AI, produk yang benar-benar unggul mampu berbicara sendiri. Ketika sebuah produk mampu langsung memberikan nilai kepada pengguna dan membuat mereka merasakan peningkatan efisiensi sejak penggunaan pertama, permintaan pasar akan muncul secara otomatis. Model pertumbuhan yang didorong oleh produk ini jauh lebih sehat dan berkelanjutan dibandingkan model yang bergantung pada penjualan langsung.

Data lain yang dipaparkan David juga sangat menarik. Margin laba kotor perusahaan AI sebenarnya sedikit lebih rendah daripada perusahaan perangkat lunak tradisional. Pendapat mereka unik: bagi perusahaan AI, margin laba yang rendah dalam beberapa hal adalah sebuah “medali kehormatan”. Jika margin rendah disebabkan oleh biaya inferensi yang tinggi (inference costs), itu berarti dua hal: pertama, orang benar-benar menggunakan fitur AI tersebut; kedua, seiring waktu, biaya inferensi ini akan menurun. Jadi, jika ada perusahaan AI yang margin laba sangat tinggi, itu malah patut dicurigai—mungkin berarti fitur AI tersebut bukan benar-benar digunakan atau dibeli pelanggan.

Mengapa Perusahaan AI Bisa Lebih Efisien

Saya terus memikirkan satu pertanyaan: mengapa perusahaan perangkat lunak yang sama, AI mampu menghasilkan lebih banyak pendapatan dengan lebih sedikit orang? Dalam presentasinya, David menyoroti metrik ARR per FTE, yaitu pendapatan tahunan berulang yang dihasilkan per karyawan penuh waktu. Indikator ini secara keseluruhan mengukur efisiensi operasional perusahaan, termasuk efisiensi penjualan, pemasaran, manajemen, dan R&D.

Perusahaan AI terbaik mencapai ARR per FTE sebesar 500.000 hingga 1 juta dolar, sedangkan standar perusahaan perangkat lunak generasi sebelumnya sekitar 400.000 dolar. Angka ini mungkin tampak hanya perbedaan angka, tapi sebenarnya mencerminkan model bisnis dan cara operasional yang sangat berbeda. David berpendapat bahwa perbedaan utama ini disebabkan oleh tingginya permintaan pasar terhadap produk-produk ini, sehingga mereka membutuhkan sumber daya yang lebih sedikit untuk membawa produk ke pasar.

Namun, saya percaya ini hanya permukaan. Penyebab yang lebih dalam adalah bahwa perusahaan AI sejak awal dipaksa untuk berpikir dan beroperasi secara berbeda. Mereka tidak punya pilihan lain selain menggunakan AI untuk merancang ulang proses internal, pengembangan produk, dan sistem dukungan pelanggan mereka. Inovasi yang dipaksa ini justru membantu mereka menemukan model bisnis yang lebih efisien.

David memberi contoh yang sangat hidup. Ia mengatakan baru-baru ini berbicara dengan pendiri sebuah perusahaan, yang merasa kecewa dengan kemajuan produk mereka. Pendiri tersebut langsung mengatur dua insinyur yang sangat mendalam di bidang AI, agar mereka menggunakan Claude Code, Cursor, dan alat pemrograman terbaru lainnya dari awal untuk membangun ulang produk tersebut, bahkan memberikan anggaran tak terbatas untuk alat pemrograman. Hasilnya? Pendiri tersebut mengatakan bahwa mereka mempercepat kemajuan sekitar 10 sampai 20 kali lipat. Bahkan, tagihan biaya alat-alat ini sangat tinggi sehingga mereka mulai memikirkan ulang struktur organisasi mereka secara keseluruhan.

Contoh ini sangat mengesankan karena ini bukan sekadar perbaikan bertahap, melainkan lonjakan kuantitas yang besar. Percepatan 10-20 kali lipat berarti apa? Artinya, proyek yang sebelumnya membutuhkan waktu satu tahun, sekarang bisa selesai dalam satu atau dua bulan. Perbedaan kecepatan ini akan memberikan dampak kompetitif yang sangat besar. Pendiri tersebut menyimpulkan bahwa mereka perlu membuat seluruh tim produk dan engineering bekerja dengan cara ini, dan yakin bahwa dalam 12 bulan ke depan, perubahan ini akan terjadi secara luas. Tapi ini juga berarti struktur organisasi mereka akan mengalami perubahan fundamental. Dimana batas antara produk, engineering, dan desain? Semua pertanyaan ini harus didefinisikan ulang.

Saya percaya bahwa Desember 2024 akan menjadi titik balik di bidang pemrograman. David merasakan hal yang sama. Ia merasa bahwa pada saat itu, alat pemrograman mengalami lonjakan kualitas yang besar. Dalam 12 bulan ke depan, perubahan ini akan benar-benar mengakar di perusahaan, atau perusahaan yang tidak mengadopsinya akan tertinggal jauh dari kompetitor. Ini bukan sekadar khayalan, melainkan kenyataan.

Beradaptasi dengan AI atau Tersingkir

Dalam presentasinya, David menyampaikan pandangan yang sangat serius: perusahaan yang didirikan sebelum era AI harus beradaptasi atau akan mati. Pernyataan ini terdengar ekstrem, tapi saya sepenuhnya setuju. Adaptasi ini harus dilakukan di dua level sekaligus: depan dan belakang.

Di depan, perusahaan perlu memikirkan bagaimana mengintegrasikan AI secara asli ke dalam produk mereka, bukan sekadar menambahkan chatbot di alur kerja yang sudah ada. Mereka harus membayangkan kembali apa yang bisa dilakukan produk mereka setelah AI hadir, dan melakukan perubahan secara radikal. David memberi beberapa contoh menarik. Ada perusahaan perangkat lunak sebelum era AI, yang CEO-nya sudah sepenuhnya terinspirasi oleh konsep AI. Ia berkata: kita harus menjadi perusahaan AI. Produk kita harus mampu mengatakan, “Sekarang karyawan Anda berubah menjadi agen AI Anda.” Itu adalah topik yang sedang mereka diskusikan.

Contoh yang lebih ekstrem adalah seorang CEO yang berkata: Untuk setiap tugas yang harus kami selesaikan, saya akan bertanya: apakah ini bisa dilakukan dengan listrik (AI dan otomatisasi), atau harus dengan darah (manual manusia)? Ini adalah perubahan pola pikir yang sangat mendalam. Menggunakan listrik berarti menggunakan AI dan otomatisasi, sedangkan menggunakan darah berarti mengandalkan tenaga manusia. Perubahan pola pikir ini memaksa Anda untuk meninjau ulang setiap proses dan tugas dalam perusahaan.

Di belakang, perusahaan harus mengadopsi model dan alat pemrograman terbaru secara total. Semua pengembang harus menggunakan alat bantu pemrograman terbaru, dan setiap departemen harus mengadopsi alat terbaru mereka. Sampai saat ini, adopsi di bidang pemrograman adalah yang tertinggi dan menunjukkan lonjakan terbesar. Tapi perubahan ini sedang menyebar ke departemen lain juga.

David menyebutkan bahwa bagi perusahaan sebelum era AI, kabar baiknya adalah bahwa evolusi model bisnis masih dalam tahap awal. Perubahan paling destruktif terjadi ketika teknologi dan produk berubah secara besar-besaran, dan bersamaan dengan itu, model bisnis juga mengalami transformasi. Saat ini, teknologi dan produk memang sedang mengalami perubahan besar, tetapi perubahan model bisnis belum sepenuhnya terjadi.

Ia memandang model bisnis sebagai sebuah spektrum. Di ujung paling kiri adalah model lisensi (licenses), yang merupakan model sebelum era SaaS dan berlangganan. Kemudian muncul model SaaS dan berlangganan, yang biasanya berbasis biaya per seat, sebuah inovasi besar yang sangat disruptif. Anda bisa melihat apa yang terjadi saat Adobe beralih ke model ini. Selanjutnya adalah model berbasis konsumsi (consumption-based), yaitu model pembayaran berdasarkan penggunaan, yang umum di layanan cloud. Banyak bisnis berbasis tugas beralih dari model berbasis seat ke model berbasis konsumsi.

Tahap berikutnya adalah model berbasis hasil (outcome-based). Ketika Anda menyelesaikan sebuah tugas, idealnya Anda membayar berdasarkan keberhasilan tugas tersebut. Saat ini, satu-satunya bidang yang benar-benar bisa menerapkan model ini adalah layanan pelanggan dan keberhasilan pelanggan, karena hasilnya bisa diukur secara objektif. Tapi seiring kemampuan model meningkat, jika fungsi lain selain layanan pelanggan juga bisa mengukur hasil ini, maka itu akan menjadi gangguan besar bagi perusahaan yang ada.

Saya merasa jalur evolusi ini sangat tajam dan penuh wawasan. Dari lisensi ke langganan, dari langganan ke konsumsi, dari konsumsi ke hasil—setiap perubahan adalah sebuah revolusi terhadap model bisnis sebelumnya. Saat ini, kita berada di ambang transisi dari konsumsi ke hasil. Begitu agen AI mampu menyelesaikan tugas secara andal dan hasilnya bisa dievaluasi secara objektif, maka model penetapan harga berbasis hasil akan menjadi arus utama. Pada saat itu, perusahaan yang masih mengenakan biaya per seat akan kehilangan daya saing secara drastis.

Tantangan Adopsi AI di Perusahaan Besar

Mengenai adopsi AI di perusahaan Fortune 500, pandangan David sangat menarik. Ia mengatakan bahwa ada jarak besar antara apa yang dikatakan CEO besar ini dan apa yang sebenarnya terjadi. Mereka semua bilang: kita harus beradaptasi, kita ingin tahu alat AI apa yang dibutuhkan, kita siap mengubah bisnis kita, kita akan menjadi perusahaan AI.

Tapi kenyataannya berbeda jauh. Perbedaan terbesar adalah: manajemen perubahan sangat sulit. Bahkan sekadar membuat orang menggunakan asisten AI untuk membantu mereka bekerja lebih baik sudah sangat menantang. Mengubah proses bisnis, mengelola perubahan, itu jauh lebih sulit lagi.

David mengatakan bahwa ia tidak terkejut jika rumor bahwa kemajuan berjalan lebih lambat dari yang diharapkan benar adanya. Tapi bagi perusahaan-perusahaan terbaik yang benar-benar mengadopsi AI secara menyeluruh dan tahu apa yang harus dilakukan, dampaknya sudah nyata secara bisnis. Ia memberi beberapa contoh konkret: Chime mengurangi biaya dukungan pelanggan sebesar 60%; Rocket Mortgage menghemat 1,1 juta jam proses underwriting, meningkat 6 kali lipat, yang setara dengan penghematan operasional tahunan sebesar 40 juta dolar.

Saya melihat ini sebagai masalah utama: gap antara keinginan dan kemampuan. CEO perusahaan besar ingin mengadopsi AI, tapi apakah mereka mampu melaksanakan? Manajemen perubahan sering kali diremehkan. Ini bukan sekadar membeli alat atau merekrut insinyur AI, tetapi mengubah proses, budaya, dan struktur organisasi secara fundamental.

Banyak perusahaan besar juga perlu menyesuaikan bisnis mereka agar siap untuk AI. Menggunakan chatbot adalah satu hal, tapi peningkatan produktivitas yang didapatkan mungkin tidak signifikan. Tapi jika Anda harus mengubah sistem, data, dan backend secara total agar cocok dengan AI, banyak pekerjaan yang bersifat potensial dan belum terlihat hasilnya.

David memprediksi bahwa 12 bulan ke depan akan sangat menarik. Ia yakin kita akan melihat lebih banyak contoh, dan ada perusahaan yang mampu melakukannya, serta yang tidak. Perusahaan yang mampu beradaptasi akan mendapatkan keuntungan besar dalam produktivitas, sementara yang tidak akan tertinggal jauh. Saya percaya bahwa perbedaan ini akan semakin cepat dan besar.

Model Busters dan Masa Depan Pasar

David menyebutkan konsep yang sangat tajam: Model Busters. Ini adalah perusahaan yang pertumbuhan dan durasinya jauh melampaui prediksi apa pun di situasi apa pun. Contoh klasiknya adalah iPhone. Jika melihat prediksi sebelum peluncuran iPhone dan performa 4-5 tahun kemudian, prediksi tersebut meleset tiga kali lipat. Padahal ini adalah perusahaan yang paling banyak diperhatikan di dunia.

Menurut David, AI akan menjadi salah satu Model Buster terbesar dalam kariernya. Banyak perusahaan di bidang AI akan menunjukkan performa jauh melampaui prediksi di spreadsheet mana pun. Saya sangat setuju dengan pandangan ini. Ketika sebuah platform teknologi membawa lonjakan kuantitas yang besar, prediksi konvensional akan gagal.

Ia menyebutkan bahwa teknologi sendiri adalah sebuah Model Buster. Tapi sejak 2010, teknologi telah menyediakan pendapatan dengan margin tinggi secara luar biasa cepat dan besar. Pada awalnya, teknologi ini tampak mahal, tapi berulang kali melampaui ekspektasi dan menciptakan nilai jauh melebihi modal yang diinvestasikan. Ia tidak melihat alasan mengapa kali ini berbeda.

Dalam hal pengeluaran modal, data yang dipaparkan David juga menarik. Dibandingkan dengan gelembung internet, pengeluaran modal saat ini didukung oleh arus kas, dan persentase pengeluaran modal terhadap pendapatan jauh lebih rendah. Penyedia cloud hyperscaler—perusahaan besar dan terbaik—mengambil beban terbesar dalam pengeluaran modal ini.

David menekankan bahwa sebagai perusahaan portofolio mereka sangat menyambut baik pengeluaran modal ini. Ia berkata: bangun kapasitas sebanyak mungkin, sediakan sebanyak mungkin sumber daya untuk pelatihan dan inferensi, ini adalah hal yang sangat positif. Dan yang menanggung beban terbesar adalah perusahaan-perusahaan bisnis terbaik di dunia.

Mereka mulai memperhatikan bahwa utang masuk ke dalam perhitungan ini. Anda tidak bisa hanya mengandalkan arus kas untuk membiayai semua pengeluaran modal di masa depan. Pasar mulai memperhatikan utang ini. Tapi secara umum, mereka merasa tenang dengan perusahaan yang membiayai dengan arus kas, terus menghasilkan arus kas, dan menggunakan utang—selama mitra mereka adalah Meta, Microsoft, AWS, Nvidia, dan sejenisnya.

David menyebutkan satu contoh yang patut diperhatikan: Oracle. Oracle selalu menguntungkan, melakukan buyback saham, tapi mereka berkomitmen untuk pengeluaran modal yang sangat besar—sebuah taruhan besar. Mereka akan mengalami arus kas negatif selama bertahun-tahun ke depan. Pasar sudah mulai memperhatikan hal ini, dan biaya swap kredit (CDS) Oracle meningkat sekitar 2% dalam tiga bulan terakhir. Ini adalah sinyal yang perlu diwaspadai.

Saya berpendapat bahwa fase pembangunan yang sangat padat modal ini memang diperlukan, tapi tidak tanpa risiko. Kuncinya adalah memastikan bahwa investasi ini akhirnya akan menghasilkan pengembalian yang sesuai. Saat ini, permintaan jauh melebihi pasokan. Semua penyedia cloud hyperscaler melaporkan permintaan yang jauh melebihi kapasitas. Gavin Baker yang diwawancarai David memberi analogi yang bagus: era internet membangun banyak fiber optik, tapi fiber ini tidak digunakan—disebut dark fiber. Tapi di era AI, tidak ada dark GPU. Jika Anda memasang GPU di data center, GPU itu akan langsung digunakan secara penuh.

Pertumbuhan Pendapatan yang Mengagumkan

Data yang dipaparkan David sangat mencengangkan. Ia membandingkan pertumbuhan pendapatan dari cloud, perusahaan perangkat lunak publik, dan pendapatan bersih baru di 2025. Perusahaan perangkat lunak publik akan menambah total sekitar 460 miliar dolar pendapatan baru pada 2025. Jika hanya melihat OpenAI dan Anthropic, pendapatan baru mereka hampir setengah dari angka ini.

Dan David memperkirakan bahwa jika kita melihat tahun 2026, seluruh industri perangkat lunak publik (termasuk SAP dan perusahaan perangkat lunak lama lainnya, bukan hanya SaaS), pendapatan baru dari perusahaan AI (model perusahaan) bisa mencapai 75% sampai 80%. Kecepatan ini sangat luar biasa. Artinya, dalam beberapa tahun saja, nilai baru yang diciptakan perusahaan AI akan melampaui seluruh industri perangkat lunak tradisional.

Goldman Sachs memperkirakan bahwa pembangunan AI akan menghasilkan sekitar 9 triliun dolar pendapatan. Jika diasumsikan margin laba 20% dan rasio P/E 22, ini akan menghasilkan kapitalisasi pasar baru sekitar 35 triliun dolar. Saat ini, sekitar 24 triliun dolar kapitalisasi pasar sudah diperkirakan tercermin dari ekspektasi ini. Meskipun kita bisa berdebat apakah semua ini benar-benar karena AI atau performa perusahaan teknologi besar, tetap ada potensi besar untuk kenaikan, dan jika asumsi ini benar, ruang untuk kenaikan masih sangat besar.

David juga melakukan perhitungan sederhana. Berdasarkan estimasi saat ini, pada 2030, pengeluaran modal dari hyperscaler akan sedikit di bawah 5 triliun dolar. Untuk mendapatkan pengembalian 10% dari investasi sebesar 4,8-5 triliun dolar ini, pendapatan tahunan dari AI harus mencapai sekitar 1 triliun dolar. Dalam konteks global, angka ini sekitar 1% dari PDB dunia, dan untuk menghasilkan 10% pengembalian.

Apakah ini mungkin tercapai? Mungkin saja, atau mungkin sedikit kurang. Tapi David berpendapat bahwa melihat sampai 2030 saja terlalu sempit. Pengembalian dari investasi ini mungkin akan terjadi dalam jangka waktu lebih panjang, misalnya antara 2030 dan 2040. Jika saat ini pendapatan AI sekitar 50 miliar dolar (perkiraan kasar), dan selama satu setengah tahun terakhir saja sudah meningkat ke angka tersebut, maka pertumbuhan dari 50 miliar ke 1 triliun tidaklah mustahil.

Refleksi Saya tentang Masa Depan

Setelah mendengar presentasi David, saya merasa bahwa kita sedang berada di awal sebuah titik balik sejarah, bukan di tengah atau di akhir. Ini adalah siklus produk yang bisa berlangsung 10-15 tahun, dan kita baru saja memulai. Ini membuat saya merasa bersemangat sekaligus cemas.

Antusiasme karena peluang besar yang muncul. Perusahaan yang mampu beradaptasi dengan cepat dan mengadopsi AI secara menyeluruh tidak hanya akan mendapatkan keunggulan kompetitif, tetapi juga berpotensi menjadi perusahaan yang mendefinisikan era berikutnya. Kita akan melihat munculnya unicorn baru, model bisnis baru, dan cara organisasi perusahaan yang benar-benar berbeda.

Kekhawatiran karena perubahan ini bisa terjadi jauh lebih cepat dari yang diperkirakan. Data yang disebutkan David tentang durasi perusahaan di indeks S&P 500 yang menurun 40% dalam 50 tahun terakhir menunjukkan bahwa tingkat disrupsi semakin cepat. Di era AI, kecepatan ini bisa semakin meningkat.

Saya percaya akan munculnya perbedaan yang nyata dalam beberapa tahun ke depan. Beberapa perusahaan akan benar-benar memahami potensi AI dan merombak produk, proses, serta struktur organisasinya secara fundamental. Mereka akan mendapatkan efisiensi dan keunggulan kompetitif yang besar. Sementara perusahaan lain, meskipun ingin berubah, akan tertahan oleh tantangan manajemen perubahan, kebiasaan organisasi, dan beban teknis. Perbedaan ini akan semakin nyata dalam beberapa tahun mendatang.

Bagi para pendiri startup, ini mungkin saat terbaik. Permintaan pasar sangat tinggi, teknologi berkembang pesat, dan pasar modal tetap mendukung perusahaan yang benar-benar berpotensi. Dibandingkan generasi perangkat lunak sebelumnya, saat ini kita bisa mencapai skala yang sama dengan sumber daya yang lebih sedikit dan lebih cepat. Ini menurunkan hambatan masuk, tapi meningkatkan tuntutan terhadap kualitas produk dan kecocokan pasar.

Bagi investor, kuncinya adalah mengidentifikasi Model Busters sejati. Perusahaan-perusahaan ini akan menunjukkan pertumbuhan yang jauh melampaui prediksi model konvensional. Tapi ini juga membutuhkan visi dan kesabaran, karena pertumbuhan mereka yang tidak masuk akal ini bisa menimbulkan risiko.

Bagi para profesional, baik engineer, product manager, designer, maupun lainnya, harus belajar dan beradaptasi dengan alat dan cara kerja baru. Contohnya, dua engineer yang menggunakan alat pemrograman terbaru bisa 10-20 kali lebih cepat dari sebelumnya—ini bukan sekadar contoh, melainkan tren. Mereka yang mampu menguasai alat dan metode baru ini akan mendapatkan keuntungan karir yang besar.

Akhirnya, saya ingin menegaskan bahwa perubahan ini bukan sekadar peningkatan teknologi, melainkan perubahan cara berpikir. Dari “bagaimana kita harus melakukan” menjadi “apa hasil yang ingin kita capai”, dari “menambah orang” menjadi “menggunakan AI untuk menyelesaikan masalah”, dari “mengikuti proses yang ada” menjadi “membayangkan kemungkinan baru”. Pertanyaan ekstrem seperti “menggunakan listrik atau darah” mencerminkan inti dari perubahan ini.

Kita sedang menyaksikan penulisan ulang dunia perangkat lunak. Ini bukan sekadar upgrade bertahap, melainkan sebuah rekonstruksi total. Mereka yang memahami dan merangkul perubahan ini akan mendefinisikan era berikutnya.