Saya mengomel selama 9 menit tentang kebodohan perusahaan

Bahasa IndonesiaالعربيةDeutschEnglishEspañolFrançaisहिन्दी日本語한국어PortuguêsРусский中文
MMaximilian Schwarzmüller
Computing/SoftwareBusiness NewsManagement

Transcript

00:00:00Mari kita bahas salah satu tren paling konyol yang kita lihat selama beberapa minggu dan bulan terakhir,
00:00:05yang sepertinya sudah mulai berakhir. Memang seharusnya begitu, karena itu tidak masuk akal.
00:00:12Token maxing. Token maxing, jika Anda belum tahu, adalah tentang menggunakan, atau bisa dibilang
00:00:18menghabiskan, token AI sebanyak mungkin per bulan, per tahun, atau periode waktu apa pun yang
00:00:24Anda ukur. Jadi, idenya, dari perspektif perusahaan, karena istilah ini berasal dari
00:00:30dunia perusahaan, idenya adalah Anda ingin mendorong karyawan untuk menggunakan sebanyak mungkin
00:00:37token AI, misalnya melalui alat seperti Claude Code. Sebagai catatan sampingan, itu adalah alat yang berguna,
00:00:44sama seperti Codex dan alat lainnya. Anda bisa menyelesaikan pekerjaan melalui alat-alat itu. Saya punya kursus tentang Claude Code
00:00:50dan Codex jika Anda ingin belajar lebih banyak. Kursus itu sangat mendalam dan menunjukkan beberapa tips dan trik. Tapi
00:00:54idenya adalah Anda menggunakan alat-alat ini untuk membakar atau menggunakan token sebanyak mungkin, karena
00:01:00itu akan memberikan output yang bagus, benarkah? Tidak. Seperti disebutkan, alat-alat ini berharga. Sebagai pengembang,
00:01:09saya yakin Anda perlu mampu bekerja dengan alat-alat ini, tetapi gunakanlah sebagai asisten. Idenya di balik
00:01:16token maxing, atau insentif di balik token maxing, jelas sekali adalah agar Anda membuang-buang token pada akhirnya,
00:01:23agar Anda menghabiskannya tanpa pikir panjang, melakukan perintah demi perintah demi perintah, agar Anda melihat
00:01:29output sesedikit mungkin, atau tidak sama sekali, karena itu hanya akan membuat Anda terus memberikan perintah
00:01:36lagi. Kita pernah mendengar tentang perusahaan yang memiliki papan peringkat internal, di mana orang yang menghabiskan token paling banyak
00:01:42akan berada di posisi teratas dan berpotensi mendapatkan imbalan. Dan tentu saja, itu tidak masuk akal. Dan tentu saja,
00:01:50saya terutama berbicara tentang AI yang digunakan untuk pengembangan di sini, karena itulah bidang saya. Tapi saya akan
00:01:57mengatakan itu tidak masuk akal dalam konteks apa pun. Namun terutama jika kita berbicara tentang menggunakan AI untuk menulis
00:02:03kode atau untuk menghasilkan kode, Anda ingin memahami dan meninjau kode tersebut. Ini bukan tentang menghasilkan kode
00:02:11sebanyak mungkin. Tidak pernah begitu. Bahkan sebelum AI, bukan ide yang bagus untuk mengukur produktivitas seorang
00:02:20pengembang berdasarkan jumlah baris kode yang bisa mereka tulis dalam sehari. Dan tidak berbeda dengan AI. Kualitas
00:02:27itu penting. Dan saya tahu bahwa ini tampaknya bukan sesuatu yang akan disetujui oleh semua perusahaan saat ini. Tapi ya,
00:02:35memang benar. Jika Anda masuk ke dalam lubang kelinci pengodean yang sembrono, dan Anda membiarkan AI menghasilkan semua itu
00:02:43kode spaghetti, dan Anda benar-benar kehilangan jejak apa yang terjadi, dan Anda tidak memahami tentang apa kodenya
00:02:50dan Anda tidak mampu untuk terjun ke dalam kode secara manual pada suatu titik, karena terlalu banyak,
00:02:55maka Anda kalah. Maka Anda benar-benar kalah. Karena AI jauh dari sempurna, seperti yang mungkin kita semua tahu. Jadi tentu saja,
00:03:03kita memerlukan sentuhan manusia itu, kontrol manusia itu, untuk menggunakan AI secara efisien dan untuk mendapatkan hasil yang baik. Dan
00:03:11itulah mengapa saya katakan di semua video saya, dan saya masih sangat yakin akan hal itu, AI bisa menjadi
00:03:17alat yang berguna. Tetapi itu adalah alat. Ini bukan pengganti pengembang, tidak peduli seberapa banyak perusahaan tertentu
00:03:23menginginkan hal itu. Dan tentu saja, keseluruhan ide di balik token maxing pada akhirnya adalah, mudah-mudahan,
00:03:30dari perspektif perusahaan, Anda bisa sampai pada titik di mana karyawan Anda menggunakan AI begitu banyak sehingga
00:03:37mereka menghasilkan banyak output yang luar biasa. Dan sebagai perusahaan, Anda pada suatu titik bisa mengatakan, bagus, sekarang kita
00:03:42tidak membutuhkan semua karyawan itu lagi, atau setidaknya kita butuh lebih sedikit dari mereka. Nah, ternyata ini tidak
00:03:49berhasil dengan baik. Ada laporan tentang Uber, yang menjadi cukup populer di X, misalnya, selama
00:03:57beberapa minggu terakhir, di mana COO Uber, dan saya pikir juga CTO mereka, pada akhirnya menyebutkan bahwa mereka menghabiskan
00:04:05seluruh anggaran AI tahun 2026 mereka dalam empat bulan. Jadi mereka punya anggaran token yang ingin mereka bayar atau gunakan,
00:04:14dan mereka menghabiskannya dalam beberapa bulan. Nah, tentu saja, dan itu penting, menurut saya,
00:04:20salah satu alasannya adalah anggaran itu kemungkinan ditetapkan pada tahun 2025, kita asumsikan, atau pada akhir 2025 atau awal
00:04:292026. Dan kemudian kita mengalami peningkatan pengodean agen di awal 2026. Jadi itu terjadi. Dan itu terjadi,
00:04:40tentu saja, karena model-model tertentu seperti Opus 4.5, tetapi juga GPT 5.4, atau Codex sebelum itu, menjadi sangat
00:04:50bagus atau menjadi lebih baik, terutama dalam mengikuti instruksi di akhir tahun lalu. Dan kemudian
00:04:55alat-alat itu, Claude Code, Codex, yang kursusnya saya sebutkan, yang luar biasa, alat dan
00:05:00kursusnya, alat itu juga menjadi lebih baik dan menggunakan model-model tersebut dengan sangat efisien. Dan tentu saja, juga alat lainnya
00:05:05seperti Pi, yang merupakan agen pengodean yang luar biasa, dan seterusnya. Nah, kombinasi dari itu menyebabkan lebih banyak
00:05:12penggunaan alat-alat ini. Tetapi karena kita berbicara tentang pengodean agen di sini, di mana alat-alat ini,
00:05:18atau di mana model-model dalam alat ini berpikir dan menggunakan alat, memanggil alat, melakukan pencarian, menganalisis hasil
00:05:25pencarian. Semua itu menghabiskan lebih banyak token daripada cara kita atau perusahaan-perusahaan ini menggunakan AI tahun lalu, di mana itu adalah
00:05:35sesi yang lebih pendek, bukan begitu banyak sesi agen yang berjalan lama. Dan tentu saja, semakin lama sesi berjalan,
00:05:40semakin banyak token yang dihabiskan. Jadi perhitungan yang terjadi pada 2025 tidak ada hubungannya dengan realitas
00:05:47tentang bagaimana AI digunakan pada tahun 2026 dengan model pengodean agen yang ditingkatkan dan alat-alat di sekitarnya.
00:05:55Namun demikian, Uber menghabiskan seluruh anggarannya. Sekarang, jika mereka mendapatkan hasil yang luar biasa,
00:06:02mereka pasti akan menambah anggaran mereka, tetapi sepertinya bukan itu yang terjadi. Seorang eksekutif NVIDIA
00:06:10juga mengatakan biaya komputasi jauh melampaui biaya karyawan. Jadi lebih mahal saat ini untuk
00:06:18menggunakan AI daripada menggunakan manusia. Nah, tentu saja, Anda bisa mengatakan tidak masalah jika AI 10 kali lebih produktif
00:06:25sebagai karyawan manusia. Tidak masalah jika itu 10 kali atau delapan kali lebih mahal, kan? Mungkin bahkan akan
00:06:31baik-baik saja jika itu 15 kali lebih mahal karena bisa mendapatkan lebih baik, sedangkan untuk produktivitas manusia
00:06:39itu bisa juga meningkat, tapi mungkin tidak setajam itu dari AI.
00:06:45Tetapi kita juga tidak dekat dengan angka-angka ini, 10x, 15x, karena lagi, jumlah baris kode yang dihasilkan adalah
00:06:54bukan ukuran yang baik. Dan kita memerlukan karyawan manusia dengan pengalaman mereka, dengan empati mereka, dengan
00:07:01pemahaman mereka tentang basis kode, dengan koneksi mereka ke departemen lain dan perusahaan, dengan semua nuansa
00:07:08yang membentuk sebuah pekerjaan. Tentu saja, dengan semua kepercayaan yang diberikan kepada manusia. Dan tentu saja,
00:07:15juga dengan pemahaman mendalam mereka tentang apa yang membuat basis kode yang baik, apa yang kemungkinan akan datang berikutnya dalam sebuah
00:07:21basis kode, kemampuan masa depan apa yang mungkin diperlukan. Semua hal yang tentu saja tidak dimiliki oleh model AI. Jadi sangat
00:07:29bodoh dari begitu banyak sudut pandang yang berbeda untuk membandingkan produktivitas dari model AI dengan produktivitas manusia.
00:07:36Dan perusahaan-perusahaan pertama mulai melihat itu, saya pikir. Itulah sebabnya semua token maxing di sini akan segera berakhir.
00:07:43Anda bisa membaca tentang lebih banyak perusahaan seperti Amazon, Meta dan banyak, banyak lainnya yang sedang
00:07:48mengurangi papan peringkat token mereka, yang sedang mengurangi anggaran AI mereka atau pada pendekatan
00:07:54token maxing di sini. Dan saya benar-benar berharap, saya tidak tahu sih, saya berharap kita akan segera memasuki era di mana
00:08:02hal-hal akan lebih tenang sedikit lagi. AI ada di sini untuk tinggal dan AI itu berguna. Itu alat yang berguna.
00:08:09Itu bisa membuat Anda lebih produktif. Ini bagus untuk melakukan penelitian tambahan. Ini bagus untuk memproduksi kode
00:08:15boilerplate atau juga kode non boilerplate. Tapi berdasarkan spesifikasi yang didefinisikan dengan jelas dengan tinjauan manusia,
00:08:22idealnya berdasarkan beberapa basis kode yang setidaknya dibentuk dan disesuaikan oleh manusia, AI bisa menjadi
00:08:30sangat berguna di sana. Dan itu bahkan bisa berguna untuk pengodean seadanya jika Anda memerlukan alat kecil yang hanya melakukan
00:08:38sesuatu yang perlu Anda selesaikan sekarang, yang tidak Anda rencanakan untuk dipublikasikan ke dunia, di mana Anda tidak
00:08:43peduli tentang semua bug dan di mana Anda tidak akan menambahkan banyak fitur, yang tidak harus Anda pelihara.
00:08:48Itu bisa menjadi sangat bagus untuk itu juga, untuk alat sekali pakai ini. Ada banyak kasus penggunaan yang hebat untuk AI dan
00:08:55itu adalah teknologi yang ada di sini yang akan tetap ada dan yang akan menjadi lebih baik, tentu saja. Dan tidak ada yang tahu
00:09:00apa yang akan terjadi dalam 10 tahun atau lebih. Tapi saat ini, saya benar-benar berharap hal-hal akan lebih tenang sedikit lagi
00:09:07dan kita akan menggunakan AI untuk apa itu adanya, alat yang berguna, tetapi bukan hal ajaib saat ini yang mengubah
00:09:15segalanya dan kita akan menyingkirkan semua pekerjaan dan kita akan mengganti semua karyawan dan semua manusia dalam
00:09:2012 bulan ke depan atau lebih. Dan sepertinya, mungkin karena alasan publisitas sih, bahwa bahkan CEO teknologi favorit kita,
00:09:28Sam Altman dan terutama juga Dario Amodei, agak menarik diri mengenai pernyataan yang cukup kuat
00:09:36tentang seberapa cepat AI akan menggantikan hampir semua pekerjaan kerah putih, kan? Sam Altman mengatakan
00:09:45dalam sebuah wawancara bahwa dia cukup salah tentang dampak ekonomi AI. Dan CEO Anthropic Dario Amodei,
00:09:52yang belum lama ini menyebutkan bahwa sebagian besar atau hampir semua pekerjaan kerah putih akan digantikan oleh AI
00:09:59relatif segera, sekarang mengatakan otomatisasi mungkin sebenarnya memperluas pekerjaan yang dilakukan orang. Mungkin sih,
00:10:06karena departemen humas mereka memberi tahu mereka bahwa sementara itu luar biasa untuk menjual alat mereka kepada perusahaan
00:10:13ketika mereka mengatakan berapa banyak karyawan yang bisa mereka ganti, itu tidak begitu luar biasa jika seluruh dunia berbalik melawan
00:10:21mereka. Jadi saya tidak terlalu peduli tentang pernyataan mereka sebelumnya dan saya tetap tidak peduli sekarang bahwa mereka membalikkan
00:10:28pernyataan itu, saya selalu cukup yakin bahwa tidak akan ada waktu di masa depan AI akan menggantikan semua pekerjaan kerah putih.
00:10:37Saya yakin itu justru akan mengarah pada lebih banyak pekerjaan. Itu telah terjadi dengan semua terobosan teknologi tersebut.
00:10:43Dan seperti dengan semuanya, kita hanya tidak melihat bagaimana peran masa depan akan terlihat. Tapi ketika kita
00:10:48melihat pengodean, kita bahkan belum mendekati titik di mana Anda ingin membiarkan AI menulis semua
00:10:56kode dan tidak memedulikannya sama sekali untuk produk serius apa pun. Setidaknya saya pasti tidak akan dan saya pikir
00:11:03perusahaan mana pun yang akan melakukan itu, akan membuat kesalahan besar. Tapi sepertinya, perusahaan juga mudah-mudahan mulai
00:11:11menyadari bahwa AI lebih baik digunakan sebagai alat yang hebat daripada solusi melakukan segalanya.

Key Takeaway

Tren 'token maxing' yang boros dan tidak produktif dalam pengembangan perangkat lunak kini mulai ditinggalkan perusahaan besar karena terbukti lebih mahal daripada biaya manusia dan tidak menjamin kualitas kode yang layak.

Highlights

  • Fenomena 'token maxing' yang mendorong karyawan menggunakan AI sebanyak mungkin demi imbalan papan peringkat internal terbukti tidak efektif dan merugikan produktivitas.

  • Uber menghabiskan seluruh anggaran AI tahun 2026 dalam durasi empat bulan karena peningkatan penggunaan alat pengodean agen yang jauh lebih boros token daripada metode tahun sebelumnya.

  • Biaya komputasi AI saat ini melampaui biaya tenaga kerja manusia menurut eksekutif NVIDIA, menjadikan penggunaan AI sembarangan sebagai strategi yang mahal secara finansial.

  • Kualitas kode jauh lebih penting daripada kuantitas baris kode yang dihasilkan oleh AI, terutama untuk pemeliharaan jangka panjang dan pemahaman basis kode.

  • Perusahaan besar seperti Amazon dan Meta mulai mengurangi atau menghapus kebijakan insentif token AI karena menyadari AI hanyalah alat pendukung, bukan pengganti pengembang manusia.

Timeline

Kegagalan Strategi Token Maxing

  • Token maxing adalah praktik mendorong karyawan menghabiskan kuota token AI sebanyak-banyaknya tanpa memperhatikan kualitas output.
  • Mengukur produktivitas pengembang berdasarkan jumlah baris kode yang dihasilkan AI adalah metrik yang keliru dan tidak efektif.
  • Ketergantungan berlebihan pada AI tanpa kontrol manusia menciptakan kode yang sulit dipahami dan penuh kesalahan teknis.

Praktik ini berakar dari keinginan perusahaan untuk mengganti posisi manusia dengan AI melalui volume output yang tinggi. Namun, sebagai alat bantu, AI memerlukan pengawasan manusia agar tidak terjebak dalam kode spaghetti yang tidak terkelola. Fokus utama dalam pengembangan tetap pada pemahaman basis kode secara mendalam, bukan sekadar perintah berulang untuk menghasilkan baris kode.

Realitas Anggaran AI dan Pengodean Agen

  • Uber menghabiskan anggaran token tahun 2026 dalam empat bulan akibat transisi ke model pengodean agen yang lebih cerdas namun jauh lebih intensif token.
  • Perhitungan anggaran di tahun 2025 gagal mengantisipasi lonjakan konsumsi token oleh agen AI yang otonom di tahun 2026.
  • Biaya operasional komputasi AI saat ini jauh lebih mahal dibandingkan biaya penggajian karyawan manusia.

Peningkatan efisiensi model seperti Opus 4.5 dan GPT 5.4 membuat alat agen lebih mampu berpikir dan memanggil alat secara mandiri. Meskipun output yang dihasilkan lebih baik, sesi agen yang berjalan lama mengonsumsi jauh lebih banyak token daripada sesi interaksi singkat tahun lalu. Akibatnya, perusahaan menghadapi lonjakan biaya yang tidak sebanding dengan peningkatan produktivitas yang dihasilkan.

Masa Depan AI Sebagai Alat Bantu

  • Perusahaan teknologi besar seperti Amazon dan Meta mulai membatasi anggaran AI dan menghapus papan peringkat penggunaan token.
  • AI berfungsi optimal sebagai asisten untuk kode boilerplate atau tugas sekali pakai yang tidak memerlukan pemeliharaan jangka panjang.
  • Pernyataan petinggi teknologi seperti Sam Altman dan Dario Amodei kini melunak mengenai kecepatan AI dalam menggantikan pekerjaan manusia.

Kepemimpinan perusahaan mulai menyadari bahwa AI bukanlah keajaiban yang bisa mengganti seluruh peran manusia dalam 12 bulan. AI tetap menjadi alat yang berguna untuk penelitian dan penulisan kode terstruktur, namun integritas manusia, empati, dan pemahaman nuansa bisnis tetap tidak tergantikan. Perkembangan teknologi historis menunjukkan bahwa inovasi justru cenderung memperluas peran manusia daripada menghilangkannya secara total.

Community Posts

No posts yet. Be the first to write about this video!

Write about this video