Di tengah sesak napas cakupan dan tanpa henti AI Dalam hiruk pikuk beberapa tahun terakhir, salah satu perusahaan teknologi terbesar di dunia—Amazon—sangat absen.
Matt Garman, CEO Layanan Web Amazoningin mengubahnya. Pada konferensi AWS re:Invent baru-baru ini, Garman mengumumkan serangkaian model AI terdepan, serta alat yang dirancang untuk memungkinkan pelanggan AWS membuat model mereka sendiri. Alat tersebut, Nova Forge, memungkinkan perusahaan untuk terlibat dalam apa yang dikenal sebagai prapelatihan khusus—menambahkan data mereka dalam proses pembuatan model dasar—yang memungkinkan model yang lebih disesuaikan dan sesuai dengan kebutuhan perusahaan tertentu. Tentu, itu tidak memiliki keseksian seperti a Sora 2 pengumuman tersebut, tapi itu bukan tujuan Garman: Dia kurang tertarik pada penggunaan AI oleh konsumen secara massal dan lebih tertarik pada solusi perusahaan yang akan mengintegrasikan AI ke dalam semua penawaran AWS—dan memiliki dampak material pada laba dan rugi perusahaan.
Untuk episode minggu ini Wawancara Besarsaya bertemu dengan Garman setelah AWS re:Invent untuk membicarakan tentang apa yang diumumkan perusahaan, apakah ia merasa tertinggal dalam perlombaan AI, bagaimana pendapatnya mengenai mengelola tim yang besar (dan mengelola perbedaan pendapat internal), dan mengapa ia tidak yakin bahwa AI adalah (atau seharusnya menjadi) pencuri pekerjaan terbesar di zaman kita. Inilah percakapan kami.
Wawancara ini telah diedit agar panjang dan jelasnya.
KATIE DRUMMOND: Matt Garman, selamat datang di Wawancara Besar.
MATT GARMAN: Terima kasih. Terima kasih telah menerima saya.
Kami selalu memulai percakapan ini dengan beberapa pertanyaan singkat, seperti pemanasan. Apakah kamu siap?
Teruskan. Melontarkan.
Jika AWS memiliki maskot, apakah itu?
Kami kadang-kadang memiliki keranjang S3 besar yang bisa berputar-putar, jadi kami akan menyebutnya demikian.
Maaf, apa itu bucket S3?
Ember S3 seperti tempat Anda menyimpan objek S3, namun sebenarnya kami memiliki ember busa besar yang dapat berjalan berkeliling dan terlihat seperti ember cat.
Jadi, Anda punya maskot.
Nah, S3 punya ember, ada maskotnya. Itu mungkin yang paling dekat yang kita miliki, dan saya menyukainya.
Apa kesalahan termahal yang pernah kamu lakukan?
Secara pribadi atau profesional? Itu pertanyaan yang bagus. Secara pribadi, kesalahan paling mahal yang pernah saya lakukan adalah bermain basket terlalu lama dan Achilles saya robek. Jadi, saya harus mengeluarkan biaya sekitar sembilan bulan untuk bisa berjalan. Saya mungkin seharusnya tahu bahwa di usia tiga puluhan, saya sudah melewati usia bermain bola basket. Saya kehilangan sedikit waktu di sana.
Secara pribadi kedengarannya mahal.
Ya.
Jika Anda dapat mengganti nama cloud hari ini, Anda akan menyebutnya apa?
Apa namanya hari ini?
Awan.
Menurut saya cloud adalah nama yang cukup bagus. Jadi saya tidak tahu apakah saya akan mengganti namanya. Saya akan mengganti nama apa yang kami sebut Amazon AWS, atau Amazon Web Services. Sekarang, tidak ada yang tahu apa itu layanan web. Jadi, saya mungkin akan mengganti namanya sedikit, tapi sebenarnya saya suka dengan nama cloudnya, jadi saya tidak yakin akan mengganti namanya.
Mungkin Layanan Cloud Amazon.
Ya mungkin.
Bagian pekerjaan apa yang ingin Anda alihkan ke agen AI?
Saya mencoba melakukan outsourcing sebagian besar pekerjaan saya ke agen AI, jika saya bisa. Namun ternyata saya masih belum menemukan cara untuk melakukan outsourcing untuk menjawab email saya sehari-hari. Namun, menurut saya, hal itu menyita banyak waktu saya. Jika saya bisa mengetahuinya, saya pikir itu akan sangat bagus.
Namun sepertinya Anda sudah mencobanya, dan saya tahu kita seharusnya melakukan pertanyaan singkat, namun saya akan menanyakannya nanti. Ceritakan sedikit tentang bagaimana Anda mencoba memasukkan kecerdasan buatan ke dalam alur kerja Anda, ke dalam kehidupan pribadi dan profesional Anda.
Ada beberapa cara yang telah saya lakukan. Namun khususnya bagi saya, banyak manfaat yang saya peroleh dalam pekerjaan saya adalah menerima banyak masukan informasi dan kemudian membagikannya kepada orang yang sama atau orang lain dan menghubungkan banyak titik-titik tersebut.
Untuk peran khusus saya, saya belum menemukan jalan pintas yang besar untuk dapat melakukan hal tersebut, terutama yang berkaitan dengan media di mana kita berkomunikasi, seperti email atau tempat lain seperti itu.
Karena menurut saya semua pintasan kehilangan sebagian nuansanya. Ada beberapa ringkasan dan hal-hal yang berhasil. Pastinya ada beberapa alat yang memungkinkan saya meringkas konten lebih cepat atau mempelajari konten baru dengan lebih cepat, yang menurut saya sangat berguna. Tapi saya belum menemukan keuntungan besar khususnya untuk peran saya, karena tidak banyak pekerjaan yang berulang atau hal-hal lain seperti itu.
Ini sebagian besar adalah pengetahuan yang saya coba dapatkan dari berbagai sumber dan kemudian konsolidasi untuk dibagikan kepada orang lain.
Hal ini sebenarnya sangat menarik bagi saya, dan juga meyakinkan, karena terkadang saya merasa seharusnya saya sudah menemukan banyak jalan pintas sekarang.
Jadi, dari mantan pekerja magang AWS—yaitu Anda—hingga calon pekerja magang di masa depan, apa saran terbaik Anda?
Saya menemukan bahwa orang-orang selalu melebih-lebihkan seberapa banyak teknologi yang telah ditemukan dan berpikir bahwa tidak ada lagi yang bisa dilakukan. Apa yang saya temukan adalah kita masih berada pada tahap awal evolusi. Selama Anda penasaran, ingin mencoba, dan ingin mencoba teknologi baru, bidang baru, kita selalu berada pada tahap awal mengenai apa yang dapat ditemukan.
Terkadang saya bertemu dengan pekerja magang yang berkata, “Saat Anda memulai AWS, AWS masih kecil, namun sekarang sudah menjadi perusahaan besar dan peluangnya tidak sama.” Dan menurut saya itu tidak benar. Menurut saya, peluang yang ada sama besarnya, jika tidak lebih besar dari yang pernah ada.
Yang membawa saya ke pertanyaan berikutnya: Bagaimana orang tahu jika Anda tidak terkesan?
Jika saya tidak terkesan, saya akan memberi tahu mereka secara langsung.
Adil. Jadi, umpan balik langsung.
Namun, secara garis besar, ini bukan tentang membuat saya terkesan. Saya suka ketika orang-orang bijaksana, ketika mereka mengambil keputusan yang tepat. Ini tidak berarti orang-orang menciptakan sesuatu yang super baru setiap hari. Saya suka ketika orang-orang telah melakukan pekerjaan sehingga kita memiliki semua informasi, baik itu masukan pelanggan atau masukan data atau masukan penjualan atau apa pun, sehingga sebagai sebuah kelompok kita dapat membuat keputusan yang bijaksana.
Saya terkesan ketika orang-orang telah melakukan pekerjaan itu sebelumnya sehingga ketika kita berkumpul, kita dapat mengambil keputusan yang baik, dan keputusan yang bijaksana. Saya sering mengatakan kepada orang-orang bahwa rekomendasi tersebut belum tentu membuat saya terkesan, namun saya ingin kami memiliki semua informasi sehingga sebagai sebuah tim, kami dapat bergerak maju dan mengambil keputusan yang baik.
Hobi apa yang Anda harap memiliki lebih banyak waktu? Saya berasumsi ini bukan bola basket, berdasarkan apa yang baru saja kami pelajari tentang Anda.
Bukan; Saya telah beralih ke golf. Saya terjangkit penyakit ini beberapa tahun yang lalu dan sangat suka bermain golf. Saya tidak bisa bermain terlalu banyak, tapi saya menikmatinya.
Biarkan saya mengatur panggungnya sedikit. Kami di sini untuk berbicara, khususnya, tentang sejumlah pengumuman yang baru-baru ini Anda buat seputar AWS dan AI serta AI agen yang dicakup oleh WIRED. Saya bias, tapi menurut saya kami berhasil melakukan liputan tersebut dengan baik. Namun saya juga ingin belajar sedikit tentang Anda dalam konteks profesional. Jadi ceritakan pada saya, dan ceritakan pada kami semua, tentang perjalanan karir Anda sejauh ini. Sekarang Anda adalah CEO AWS, namun Anda memiliki karir yang sangat panjang di Amazon sebelumnya. Bagaimana Anda bisa sampai di tempat Anda sekarang?
Saya akan mulai dari awal. Saya bekerja untuk beberapa startup di awal karir saya. Tak satu pun dari mereka yang berhasil dengan baik, namun saya belajar banyak dari mereka, dan itu sangat bagus. Setelah startup kedua saya, saya dan istri berhenti dari pekerjaan kami dan melanjutkan ke sekolah bisnis, yang merupakan peluang luar biasa.
Saat saya di sana, salah satu hal selama magang yang ingin saya coba eksplorasi adalah seperti apa kewirausahaan di dalam sebuah perusahaan. Tujuan saya adalah selalu kembali dan memulai lagi. Jadi sebagai bagian dari itu, saya melihat beberapa perusahaan yang berbeda dan saya mengunjungi Amazon dan benar-benar berbicara dengannya [president and CEO] Andy Jassy, dan mereka berbicara tentang membangun kemampuan layanan teknologi ini di dalam Amazon. Saya pikir itulah yang ingin saya lihat. Saya ingin melihat seperti apa sebuah perusahaan teknologi yang sukses mencoba membangun sesuatu yang baru di dalamnya, karena saya hanya ingin melihat seperti apa gerakan tersebut dan bagaimana saya dapat belajar dari wirausahawan berpengalaman dan apa yang berbeda dari sebuah startup.
Mengerti.
Jadi saya magang di AWS pada tahun 2005 sebelum kami meluncurkannya. Saya terpesona olehnya. Saya pikir ini adalah kesempatan yang luar biasa, dan saya berkata, “Bagus, saya ingin kembali dan bekerja di sini selama beberapa tahun,” lalu saya akan kembali dan memulai startup.
Jadi saya mulai bekerja penuh waktu pada tahun 2006, secara efektif sebagai manajer produk untuk semua AWS. Hal ini sebagian besar mendefinisikan semua layanan saat kami meluncurkannya. Jadi saya memulainya beberapa minggu setelah S3 diluncurkan, dan sebelum layanan kami lainnya diluncurkan, dan membantu meluncurkannya serta memberi nama dan memberi harga serta melakukan banyak hal.
Kemudian saya terus mendapatkan lebih banyak tanggung jawab. Saya fokus pada EC2, yang merupakan layanan komputasi kami. Saya mulai mengambil tim teknik, benar-benar meluncurkan layanan penyimpanan blok kami, menulis PR/FAQ untuk itu dan mempekerjakan tim teknik pertama dan meluncurkannya.
Kemudian saya tumbuh untuk memimpin sebagian besar area produk komputasi, jaringan, dan penyimpanan inti kami. Jadi semua tim produk dan teknik untuk itu. Itu menyenangkan. Saya harus belajar banyak sepanjang perjalanan. Saya belum tentu, atau awalnya bukan, orang yang mendalami teknologi, tetapi saya harus belajar tentang hypervisor dan rekayasa kernel serta sekumpulan teknologi inti tingkat rendah ini, dan itu keren. Itu sangat menarik. Ini adalah ruang yang sangat menarik, dan seiring pertumbuhan AWS yang sangat pesat, kami pun ikut tumbuh bersamanya, dan kami mengembangkan tim dengan cukup signifikan.
Kami cukup beruntung bisa bekerja sama dengan beberapa orang teknologi terbaik di dunia saat kami membangun layanan ini, dan sejumlah layanan, sebagai grup bisnis. Saya tidak ingat waktu pastinya, tapi itu terjadi setelah sekitar 12 atau 13 tahun, jadi seperti tahun 2019, kira-kira seperti itu, suatu hari Andy Jassy menelepon saya di kantornya dan bertanya apakah saya akan memimpin penjualan dan pemasaran. Saya benar-benar tidak tahu apa-apa tentang penjualan dan pemasaran. Sebenarnya, saya melihat sekeliling untuk melihat apakah dia sedang berbicara dengan orang lain. Tapi ini adalah kesempatan bagus untuk mempelajari ruang itu, dan ini adalah kesempatan unik, bukan?
Ya.
Saya pada dasarnya ditugaskan di salah satu dari dua atau tiga organisasi penjualan dan pemasaran perusahaan terbesar di dunia, dan saya belum pernah melakukan pekerjaan tersebut sebelumnya. Saya pikir Amazon agak unik karena kami memercayai orang. Jika Anda pintar, Anda tahu cara mengoperasikannya, Anda tahu bisnisnya, Anda tidak perlu tahu persis apa yang akan Anda geluti. Timnya ramah dan membantu saya mempelajarinya. Itu adalah kesempatan bagus untuk mempelajari cara menjalankan organisasi lapangan dalam skala besar dan menghabiskan lebih banyak waktu dengan pelanggan, untuk benar-benar memahami perbedaan antara apa yang dicari oleh pelanggan startup versus perusahaan, versus pemerintah, dan itu luar biasa.
Lalu saya mengambil alih jabatan CEO dua tahun lalu, atau satu setengah tahun lalu. Jadi saya menghabiskan hampir 20 tahun di Amazon, semuanya di AWS.
Seberapa besar organisasi berdasarkan jumlah karyawan?
Saya tidak tahu angka pastinya, tapi jumlahnya mencapai ratusan ribu. Kami memiliki pusat data yang besar. Kami menjalankan organisasi operasional yang sangat besar. Kami memiliki pusat data di seluruh dunia. Jadi ini tim yang cukup besar.
Saya menyukai manajemen, dan sudah jelas sejak awal karier saya bahwa ke sanalah saya ingin pergi. Apakah gagasan bahwa Anda ingin mengambil alih lebih banyak perusahaan selalu jelas bagi Anda? Bahwa Anda melakukan apa yang seharusnya Anda lakukan?
Ya, aku menyukainya dan menurutku aku cukup pandai dalam hal itu, kurasa.
Kami akan menanyakan beberapa karyawan Anda.
Saya mengambil lebih banyak dan lebih banyak lagi seiring berjalannya waktu. Anda bisa bertanya kepada orang lain. Saya kira itu bukan hak saya untuk mengatakannya, tetapi saya menyukainya. Anda tahu, itu adalah pembelajaran yang sangat banyak. Apa yang benar-benar saya sukai adalah ketika saya mengambil peran di mana saya bisa belajar lebih banyak, dan mengembangkan diri.
Sejujurnya, saya suka membangun dan senang memberikan pengaruh pada apa yang dilakukan bisnis dan apa yang dilakukan pelanggan kami. Ini sulit karena Anda tidak mendapatkan kegembiraan karena secara fisik bisa membangun sesuatu atau mengirimkannya sendiri.
Di duniaku, itu seperti tidak bisa menulis cerita.
Itu r benar. Tapi Anda bisa menulis lebih banyak cerita dalam kasus itu. Dan Anda belajar melakukannya melalui orang lain, yang merupakan keterampilan yang menarik dan berguna. Anda belajar cara berkomunikasi dengan tim, pertama melalui manajemen langsung, kemudian melalui manajemen berlapis.
Jadi, Anda harus memikirkan bagaimana Anda membangun mekanisme. Ini adalah salah satu hal yang saya senang pelajari, yaitu bagaimana pendapat Anda tentang membangun mekanisme yang memungkinkan Anda membantu kontributor individu tersebut membuat beberapa jenis keputusan yang tepat, dan strategi yang ingin Anda dorong untuk tim atau bisnis atau perusahaan? Saya sangat menikmati mempelajari cara memanfaatkan beberapa mekanisme tersebut pada skala yang berbeda. Itu juga menyenangkan untuk dilakukan.
Anda baru saja berbicara tentang beralih dari mengelola orang ke mengelola manajer, dan saya bersumpah saya meminta seorang teman, tetapi apakah Anda memiliki mekanisme tertentu yang Anda ambil dalam 20 tahun yang menurut Anda merupakan strategi yang sangat efektif? Karena menurut saya ada sesuatu yang sangat spesifik berbeda dalam mengelola seseorang yang kemudian mengelola orang dan kemudian mengelola tim yang terdiri dari orang-orang.
Ya.
Ini berpotensi menjadi permainan telepon yang sangat tidak produktif. Mekanisme apa yang Anda terapkan agar lebih efektif dari itu?
Maksudku, dengar, setiap orang punya caranya sendiri untuk melakukan ini. Jadi, Anda harus sedikit menemukan apa yang berhasil, dan menurut saya seiring dengan bertambahnya jumlah tim di organisasi Anda, Anda harus mengubah beberapa hal tersebut. Saya pikir salah satu kesalahan umum yang saya lihat adalah bahwa orang-orang akan berasumsi bahwa hal yang bekerja dengan baik ketika mereka menjadi manajer lini, mengelola tim yang terdiri dari enam hingga 10 orang, akan bekerja sama seperti ketika mereka mengelola tim yang terdiri dari seratus orang.
Hal yang sama tidak akan berhasil. Ada perubahan lain seperti ketika Anda tidak mengetahui nama semua orang di tim Anda. Atau organisasi Anda, yang sayangnya saya tidak dapat mengetahuinya hari ini. Biasanya itu memecah sekitar seratus hingga 200 orang, di suatu tempat di sana.
Benar.
Anda akan bertemu dengan orang-orang di tim Anda yang tidak Anda kenal atau tidak Anda ketahui namanya. Anda hanya perlu memikirkan semua hal itu secara berbeda. Anda ingin memberikan model mental kepada sebanyak mungkin orang di tim Anda tentang bagaimana Anda akan mengambil keputusan di tempat mereka dan bukan apa keputusan sebenarnya.
Karena jika Anda mengirimkan dekrit sepanjang hari—seperti, kita akan melakukan iniatau kamu ingin melakukan iniatau Saya akan mengambil keputusan mengenai hal itu—itu tidak memberdayakan tim Anda. Dan ada kemungkinan apa pun yang Anda katakan akan disalahkomunikasikan. Namun jika Anda dapat memberikan model mental kepada orang-orang, misalnya, “Jika saya akan menghadapi situasi ini, ini adalah cara saya memikirkannya, atau ini adalah cara saya melakukan trade-off,” maka Anda dapat memberdayakan puluhan ribu orang untuk mengambil keputusan.
Kemudian Anda dapat fokus untuk memastikan bahwa Anda mempekerjakan orang-orang pintar dan tidak menghukum mereka ketika mereka membuat keputusan yang buruk, tetapi mengarahkan mereka ke arah yang benar. Begitulah cara saya belajar dalam skala besar, di mana titik pengaruh Anda yang sebenarnya adalah memastikan bahwa Anda memiliki mekanisme yang tepat.
Saya menghargai saran manajemen gratis. Saya yakin banyak pendengar kami juga demikian, jadi terima kasih.
Sekarang saya ingin bertanya kepada Anda tentang AWS dalam konteks yang luas. Saya akan menggambarkan audiens WIRED sebagai generalis yang penasaran. Jelas sekali, mereka mendengarkan atau membaca ini, karena mereka tertarik dengan teknologi dan dampaknya terhadap dunia. Mereka mungkin sudah memahami apa itu AWS. Namun mereka mungkin tidak tahu seberapa besar AWS dan seberapa pentingnya AWS dalam hal infrastruktur. Bisakah Anda menjelaskannya kepada kami?
Bukan seperti kami berusia lima tahun, tapi seperti kami berusia 21 tahun, kami baru saja lulus dengan gelar humaniora, mencoba memahami hal yang menjadi tanggung jawab Anda.
Pada tingkat tinggi, gagasan kami di balik AWS tidak berubah dalam 20 tahun terakhir, yaitu bahwa ada banyak teknologi yang benar-benar tidak dapat membedakan sehingga perusahaan harus melakukannya sendiri dalam waktu yang lama. Dulu mereka harus membangun data center. Mereka harus mencari server, mereka harus menjaga servernya. Ketika disk drive rusak, mereka harus memperbaikinya. Mereka harus menyiapkan jaringannya, dan sebagainya. Ada banyak pekerjaan yang harus mereka lakukan sebelum mereka dapat menulis aplikasi keren yang memungkinkan mereka melakukan streaming film atau menghubungkan individu dengan orang-orang yang memiliki kamar yang ingin mereka sewa.
Ketika Anda memikirkan semua pekerjaan tersebut, tujuan kami adalah: Bagaimana jika kami dapat melakukan pekerjaan tersebut untuk perusahaan sehingga mereka tidak perlu melakukan hal tersebut? Itulah tesis ketika kami memulai. Sehingga seseorang dapat datang dan berkata, “Bagus, berikan saya server, berikan saya penyimpanan, berikan saya database,” dan kami akan menyediakannya untuk mereka. Kemudian, melalui koneksi internet, mereka dapat mengaksesnya. Ternyata itu adalah ide yang sangat ampuh. Saya pikir kami melakukan pekerjaan yang baik dalam mengeksekusi beberapa abstraksi yang membuatnya sangat kuat.
Netflix, Airbnb, dan Pinterest adalah beberapa pelanggan awal kami yang membangun bisnis mereka sejak awal di AWS dan cloud. Mereka tidak memiliki pusat data, mereka sebagian besar hanya berjalan di dalam AWS. Awalnya, ketika kami pertama kali meluncurkan bisnis ini, kami mengira hal ini akan sangat menarik bagi startup dan beberapa perusahaan teknologi, namun seiring pertumbuhan kami, kami menemukan bahwa perusahaan dan organisasi yang sangat besar sama-sama terdorong oleh proposisi nilai ini, dan kami harus membangun lebih banyak kemampuan untuk mereka. Baik itu seperti kemampuan enkripsi atau log audit atau kemampuan untuk mencapai hal-hal kepatuhan tertentu atau apa pun itu.
Mengerti.
Namun sekarang kami memiliki pelanggan seperti Pfizer dan JP Morgan, serta pemerintah Amerika Serikat dan badan intelijen. Itu adalah kemenangan besar bagi kami ketika kami meyakinkan pemerintah AS bahwa kami dapat membangun wilayah yang sangat rahasia dan mereka dapat menjalankan beban kerja intelijen di dalam AWS.
Saya ingin sekali menjadi lalat di dinding dalam pertemuan-pertemuan itu. Apa yang diperlukan untuk meyakinkan pemerintah Amerika Serikat bahwa mereka harus mendukung AWS?
Kami membahas beberapa pertanyaan arsitektural yang mereka miliki, dan… Anda tahu, ada keseluruhannya [request for proposal] proses dan ada banyak pekerjaan yang kami lakukan, tapi itu juga hanya papan tulis di mana kami menjelaskan cara kerjanya, dan pada akhirnya, cloud terdengar seperti teknologi ajaib, tapi itu adalah pusat data dan jaringannya serta servernya, dan hal-hal lain yang kami jalankan dengan keandalan yang sangat tinggi, dengan keamanan yang sangat tinggi.
Kami menemukan beberapa orang yang memiliki pandangan maju di bidang teknologi yang ingin mencari tahu bagaimana mereka dapat memperoleh manfaat bagi pemerintah. Ternyata jika Anda dapat menemukan orang yang tepat dalam sebuah organisasi, bahkan di organisasi sebesar dan birokratis seperti pemerintah AS, Anda akan menemukan orang-orang yang ingin maju, bergerak lebih cepat—mereka ingin memberikan nilai bagi masyarakat. Jadi, ketika menemukan orang yang tepat dan bisa berkolaborasi dengannya, mata mereka berbinar-binar seperti di perusahaan startup, bukan?
Orang-orang ini seringkali sangat berorientasi pada misi, dan jika mereka dapat melihat peluang untuk memberikan nilai lebih bagi misi yang mereka jalani, mereka akan sangat bersemangat dengan hal tersebut.
Jadi saat ini, hal tersebut ada di hampir setiap negara dan setiap industri yang Anda pikirkan sepanjang kehidupan sehari-hari. Masih banyak lagi yang harus dilakukan, namun menurut saya ada banyak perusahaan yang kini menggunakan AWS sebagai infrastruktur inti mereka. Pasar perdagangan NASDAQ dijalankan di AWS; perusahaan jasa keuangan yang dijalankan di AWS; rumah sakit dijalankan di AWS; media dan hiburan—siaran langsung atau streaming—kami mendukung sebagian besar teknologi tersebut.
Saat Anda mengira telah selesai mempelajari pekerjaan tersebut, muncullah kecerdasan buatan. Yang membawa saya ke pertanyaan saya berikutnya. Tentu saja, kita berada di era baru untuk Anda dan organisasi Anda. Anda mengadakan konferensi re:Invent ini pada bulan Desember, dan Anda menyiarkannya secara streaming Fortnitesaya mungkin menambahkan…
Ya.
Anda mengumumkan beberapa perubahan yang cukup signifikan pada AWS, pada misi Anda, pada prioritas Anda, dan pada apa yang akan Anda tawarkan kepada konsumen Anda. Saya harap Anda dapat membujuk kami melalui transformasi tersebut.
Teknologi selalu berulang dan mengalami transformasi. Jadi bagi kami, tetap menjadi yang terdepan dalam setiap inovasi sangatlah penting. Saya pikir hampir tidak ada lompatan teknologi sejak adanya cloud, dan internet sebelumnya, [as big as AI]. Jadi kami telah berinvestasi pada AI, pada AWS dan Amazon, selama lebih dari satu dekade terakhir, mungkin dua dekade. Namun tentunya dengan lompatan maju dari AI generatif selama tiga tahun terakhir, kami baru saja melihat perubahan besar dalam hal yang dapat dilakukan pelanggan.
Jadi kami mempunyai visi bahwa hal ini tidak akan terjadi begitu saja, AI sudah berakhir di satu sisi dan bisnis Anda lainnya akan berakhir di sisi lain. Pada dasarnya AI akan dibangun dalam apa yang dilakukan semua orang. Agar hal itu terjadi, nomor satu adalah Anda harus memiliki semua data Anda di dunia cloud. Dan kami telah membangun seluruh platform alat yang memungkinkan Anda, setelah Anda memiliki data tersebut di cloud, untuk memberikan nilai yang berbeda kepada pelanggan Anda.
Beberapa hal yang kami luncurkan—yang membuat saya sangat bersemangat—di re:Invent sebenarnya seputar agen AI dan perbedaan antara alat AI generasi pertama [and the next]. Generasi pertama benar-benar seputar peringkasan dan pembuatan konten, bukan? Kami semua sangat bersemangat dan mendapat banyak manfaat darinya. Tapi hanya sejauh ini saja. Saya pikir tahap selanjutnya adalah para agen ini. Nilai sebenarnya adalah mereka dapat mengambil akses ke data Anda—mereka masih dapat melakukan beberapa ringkasan dan pembuatan konten, namun mereka benar-benar dapat menyelesaikan tugas. Mereka mampu bernalar.
Ketika Anda memiliki agen-agen yang dapat mempertimbangkan dan menyelesaikan tugas atas nama Anda, tiba-tiba Anda bisa melipatgandakan apa yang mampu Anda lakukan. Jadi kami meluncurkan beberapa hal. Salah satunya disebut Nova Forge, yang memungkinkan pelanggan mengambil data mereka dan mengintegrasikannya pada tahap awal pelatihan salah satu model frontier ini. Sehingga memberikan perusahaan salah satu model AI yang sangat memahami data dan domain mereka. Kemudian kami meluncurkan sejumlah agen terdepan yang memungkinkan pelanggan untuk benar-benar memberikan banyak pekerjaan, baik dalam pengkodean, operasi, atau keamanan.
Kami telah menghabiskan waktu untuk benar-benar membangun platform ini agar dapat memberikan nilai. Saya pikir secara umum masyarakat telah memahami apa itu strategi jangka panjang. Mereka benar-benar mengerti. Saat mereka melihat proyek benar-benar membuahkan hasil, dan memiliki nilai nyata, mereka melihat bahwa AWS adalah platform yang mereka inginkan untuk mencapai hal tersebut. Itulah yang berulang kali diberitahukan pelanggan kepada kami [at re:Invent].
Saya merasa tahun 2025—yang, alhamdulillah, hampir selesai—adalah tahun yang membingungkan dalam narasi AI. Saya mengatakan itu karena saya merasa seperti di bulan Januari saya menghadiri beberapa konferensi, berbicara dengan beberapa orang, dan sentimennya adalah “Ini adalah tahunnya agen. Agentic AI telah hadir. Ini akan mengubah segalanya.” Itu hampir setahun yang lalu.
Ya.
Apakah saat ini saya menggunakan AI agen? Sama sekali tidak. Apakah hal tersebut telah membuahkan hasil seperti yang dibicarakan orang-orang di bulan Januari? Pada saat yang sama, Anda telah melihat laporan dari MIT, misalnya, yang menemukan bahwa 95 persen uji coba gen AI di perusahaan gagal menghasilkan peningkatan produktivitas yang menurut saya akan diperoleh oleh para pemimpin perusahaan.
Bagaimana Anda memahami semua narasi tersebut? Apakah perusahaan bergerak terlalu cepat?
Jika Anda melompat ke depan dan tidak membangun fondasi yang kuat Saya punya data, saya tahu alur kerjanya, saya benar-benar tahu bagaimana beberapa hal ini akan saling terkaitmaka Anda tidak akan mendapatkan nilai apa pun darinya.
Anda hanya akan memiliki chatbot, yang keren dan terlihat rapi. Lalu semua orang punya chatbot lalu apa? Jadi alur kerja yang berbeda-beda itu lho, dan kurang seksi serta menarik untuk dilihat orang, tapi alur kerja yang bisa membantu Anda mengotomatiskan pemrosesan klaim asuransi sangatlah berharga, bukan? Anda benar-benar dapat membuat klaim orang diproses lebih cepat, memastikan bahwa Anda memangkas biaya, mendapatkan pengalaman pelanggan yang lebih baik, memastikan Anda memiliki akurasi yang lebih baik—Anda dapat menyampaikan semua hal ini.
Beberapa teknologi tidak tersedia pada bulan Januari. Teknologi ini berkembang begitu cepat sehingga kemampuannya jauh b setelah hari ini.
Saya akan memberitahu Anda, di re:Invent, saya duduk di ruangan eksekutif untuk berbagai perusahaan, dan saya meminta untuk menunjukkan siapa yang sekarang mulai melihat ROI positif pada investasi AI mereka atau melihat jalur yang jelas menuju ROI positif yang berarti dalam enam bulan ke depan. Saya pikir 90 persen tangan terangkat.
Hmm.
Itu bukanlah jawaban yang akan saya dapatkan setahun yang lalu, tapi itu karena kami telah melakukan banyak pekerjaan ini, dan itu karena kami telah melakukan banyak pekerjaan ini bersama-sama dengan pelanggan untuk memahami dengan tepat apa yang mereka inginkan, bagaimana kami memecahkan masalah mereka, dan bagaimana kami memberikan solusi yang memberikan mereka nilai nyata dan bukan hanya, Anda tahu, headline clickbait yang terdengar bagus.
Dalam hal ini, sejujurnya, Amazon belum menjadi bagian penting dari banyak narasi AI ini, bukan? Ada perusahaan lain yang telah membuat pengumuman. Saya dapat memberitahu Anda, memimpin WIRED, ini adalah aliran berita yang terus-menerus, “Kami melakukan ini, kami melakukan itu.” Apakah itu membuat Anda khawatir? Apakah Anda khawatir Amazon tidak akan terlibat dalam narasi tersebut, atau apakah Anda merasa sudah meluangkan waktu?
Menurut saya kedua hal itu benar. Saya mengkhawatirkan hal ini, karena saya tidak ingin pelanggan berpikir kami tidak berinovasi atau mendorong teknologi terbaru yang mereka perlukan. Saya ingin memastikan bahwa ini bukan sekadar berita utama dan benar-benar hebat.
Jeff Bezos pernah mengatakan bahwa Anda harus rela disalahpahami dalam jangka waktu yang lama. Bagi kami, saya pikir itulah yang terjadi dalam dua tahun terakhir.
Saya pikir banyak narasi tersebut telah berubah sekarang. Jika Anda berbicara dengan banyak analis, jika Anda berbicara dengan orang-orang di media, jika saya berbicara dengan pelanggan, mereka akan berkata, “Begini, sebenarnya AWS sejauh ini memiliki platform agen terkuat untuk dikembangkan. Mereka memiliki rangkaian model terluas yang dapat saya bangun. Mereka memiliki rangkaian kontrol keamanan dan kontrol kepatuhan terluas sehingga, jika saya menempatkan agen-agen ini dalam produksi, saya benar-benar dapat mengaudit, mengetahui apa yang mereka lakukan, mengontrol apa yang mereka lakukan.” Itulah yang kami lihat.
Itu tidak berarti menghilangkan apa pun [other AI tools]. ChatGPT adalah aplikasi konsumen yang luar biasa, tetapi itu adalah hal yang berbeda. Itu bukan urusan kami. Tugas kami adalah memastikan bahwa bank dan perusahaan layanan kesehatan serta perusahaan media dan hiburan serta perusahaan energi dapat menggerakkan bisnis mereka dan memberikan hasil yang lebih banyak bagi pelanggan mereka atau memangkas biaya atau apa pun yang ingin mereka lakukan.
Jadi, saya cukup senang dengan keadaan kita saat ini, dan saya pikir kita telah melihat bahwa sebagian besar narasi telah berubah.
Saya ingin bertanya lebih banyak tentang Nova Forge. Hal yang sangat menarik bagi saya di sini adalah gagasan mengenai pra-pelatihan khusus, yang bertentangan dengan gagasan penyempurnaan, sebagai cara agar perusahaan dapat mengambil model dan benar-benar menjadikannya milik mereka. Bisakah Anda menjelaskan perbedaan itu kepada semua orang sebelum saya menggali lebih dalam?
Bukan hal baru jika orang-orang berpikir, “Oke, ada model out-of-the-box yang ingin saya sesuaikan,” dan mekanisme terbaik yang sampai saat ini kami sesuaikan adalah model bobot terbuka ini. Meta hebat dan merilisnya dengan model Llama pertama mereka, tapi sekarang kita telah melihat variasinya, entah itu Mistral atau DeepSeek atau Qwen atau apa pun.
Ada beberapa, tapi tetap saja kotak hitam, bukan? Pada dasarnya Anda mendapatkan model yang sudah terlatih sepenuhnya, lalu mereka membuka beban dan Anda dapat menyesuaikan beban untuk fokus pada area tertentu. Atau ada teknik baru seperti pembelajaran penguatan di mana Anda dapat mulai mengirimkan lebih banyak informasi ke model ini yang melatih mereka setelah kejadian tersebut.
Apa yang kami temukan adalah jika Anda memasukkan terlalu banyak data baru ke dalam model-model ini pada tahap selanjutnya, mereka akan melupakan hal-hal awal sehingga mereka lupa apa yang membuat mereka hebat dalam berpikir. Atau mereka benar-benar melupakan sebagian data itu karena mereka terlalu terlatih dalam beberapa data yang Anda berikan.
Benar.
Kemudian mereka kehilangan apa yang awalnya berharga. Jadi hanya sejauh ini hal itu bisa dilakukan. Kami juga menemukan bahwa teknik tersebut sangat tidak efektif jika model belum dilatih di domain Anda. Jadi, jika Anda mencoba mengajarkan salah satu model open-weight tentang pelipatan protein dan mereka tidak tahu apa-apa tentang pelipatan protein, maka itu tidak akan berhasil, karena model tersebut tidak tahu cara bernalar tentang hal tersebut.
Apa yang kami temukan adalah jika Anda bisa melatih mereka lebih awal, dan saya menggunakan analogi ini dalam pembicaraan re:Invent saya tentang otak manusia, itu seperti belajar bahasa. Anda dapat mempelajari bahasa baru sejak dini ketika Anda masih muda. Jauh lebih mudah. Sekarang, jika saya mencoba mempelajari bahasa baru, itu jauh lebih sulit dilakukan. Jadi modelnya agak mirip dengan itu.
Apa yang telah kami lakukan, yang merupakan hal unik, kami menyebutnya sebagai pelatihan terbuka, namun sebenarnya idenya adalah Anda memiliki kumpulan data yang berasal dari domain Anda dan perusahaan khusus Anda serta cara Anda melakukan sesuatu. Jika Anda dapat memasukkannya ke dalam tahap pra-pelatihan dan kemudian menggabungkan sekumpulan data yang digunakan untuk melatih model tersebut dan kemudian menyelesaikan pra-pelatihan model tersebut, setelah selesai, model tersebut sebenarnya mengetahui semua hal Anda secara inheren. Ia mengetahui tentang data Anda, mengetahui tentang perusahaan Anda, mengetahui tentang domain Anda, dan apa pun yang Anda lakukan dengan penyesuaian atau pasca-pelatihan setelah itu sebenarnya jauh lebih efektif.
Hal ini tidak pernah mungkin terjadi sebelumnya. Karena model bobot terbuka tidak akan pernah mengekspos datanya, dan tidak ada mekanisme yang memungkinkan model tersebut melakukan hal ini. Jadi kami melakukan ini dengan model Nova dan model Nova 2 kami.
Ambil contoh perusahaan jasa keuangan. Anda dapat mengambil semua informasi Anda, memasukkan data Anda, menggabungkannya dengan kumpulan data yang dikurasi Amazon. Ini adalah data yang kami gunakan sebagai hak milik. Kami akan memberi Anda alat untuk mencampurkannya dengan mudah. Dan kemudian Anda menyelesaikan pra-pelatihan model tersebut, dan Anda secara efektif memiliki model perbatasan kustom Anda sendiri yang memahami bisnis Anda sehingga Anda dapat melatihnya dengan biaya beberapa ratus ribu dolar atau berapa pun biayanya untuk menyelesaikan pelatihan itu, dibandingkan miliaran dolar untuk melakukan semua penelitian untuk benar-benar membangun dan membangun model perbatasan.
Saya ingin tahu tentang risiko dalam konteks Nova Forge dalam beberapa cara berbeda. Anda sudah berurusan dengan perusahaan yang memiliki informasi kepemilikan rahasia, bukan? Anda baru saja menyebutkan layanan keuangan yang memasukkan semua data tersebut ke dalam model ini dan ke dalam pelatihan ini. Anda juga memberikan contoh yang sangat menarik dari re:Invent dari Reddit, yang menggunakan Nova Forge untuk mengembangkan model yang dapat digunakan untuk moderasi konten, yang pada dasarnya berarti melatih model yang melanggar banyak aturan konvensional tentang bagaimana model ini biasanya dirancang, bukan? Mereka akan dirancang untuk sepenuhnya menghindari konten yang menyinggung atau kekerasan. Reddit, di sisi lain, membutuhkan model yang dapat bersandar pada konten semacam itu untuk melakukan moderasi. Jadi, itulah dua contoh berbeda yang baru saja saya berikan, namun saya ingin tahu jenis risiko apa yang ada ketika kita memulai pra-pelatihan khusus semacam ini, dan apakah ada risiko berbeda yang mungkin berbeda dari apa yang telah kita lihat secara historis?
Saya tidak tahu apakah ada risiko tertentu yang berbeda. Menurut saya, dari sudut pandang perlindungan data, kami memiliki segala macam perlindungan terkait hal ini. Salah satu hal yang kami banggakan, dan kami miliki selama 20 tahun terakhir, adalah benar-benar melindungi data pelanggan dan memastikan bahwa data tersebut terisolasi dan terlindungi.
Ketika orang membangun modelnya sendiri, hal ini tetap berlaku, apa pun yang terjadi, jika mereka menyempurnakannya, jika mereka melakukan pekerjaan tersebut, perusahaan harus memikirkan keluarannya, dan mereka harus memiliki keluaran dari model mereka sendiri.
Mmm-hmm.
Sekalipun mereka menggunakan model siap pakai, Anda harus memiliki keluarannya.
Saya rasa itulah salah satu kuncinya: Anda tidak bisa begitu saja melepaskan tanggung jawab atas apa pun yang dilakukan teknologi Anda. Anda tidak bisa melepaskan tanggung jawab karena database membuat gabungan tertentu dan Anda seperti, “Saya tidak tahu, hanya saja database melakukannya.” AI tidak berbeda dengan itu.
Kami memberikan alat canggih kepada pelanggan, namun mereka harus memiliki keluaran tersebut dan memikirkannya. Omong-omong, kami masih memiliki pengklasifikasi keamanan untuk berbagai hal. Anda tidak dapat melatih sesuatu terlebih dahulu dan kemudian membuatnya untuk membuat bom atau semacamnya. Kita masih memiliki banyak kendali keselamatan, dan kita tidak bisa menghindarinya.
Namun sehubungan dengan hal-hal seperti moderasi konten, itu adalah pilihan orang lain, dan mereka dapat membuat pilihan dan memiliki sendiri seperti apa tampilannya. Mereka harus yakin bahwa mereka membuat pilihan yang tepat untuk konten yang ada di situs web mereka, yang sesuai untuk situs mereka.
Jadi, kita berbicara tentang premis di mana agen AI akan lebih terintegrasi ke dalam lingkungan perusahaan, dan saya ingin tahu bagaimana pendapat Anda tentang hal itu dalam konteks tenaga kerja. Saya mengingat kembali tahun 2025 dan mengingat komentar yang dibuat oleh eksekutif AI lainnya tentang gangguan pekerjaan, pengurangan tenaga kerja, dan lain-lain.
Anda sebenarnya memberikan komentar menarik yang mengatakan bahwa mengganti karyawan junior dengan AI adalah, kutipan, “salah satu ide paling bodoh” yang pernah Anda dengar, yang membuat saya tertawa.
Ha!
Bisakah Anda menjelaskan lebih lanjut tentang hal ini dan bagaimana Anda melihat kecerdasan buatan dan AI agen mengubah tempat kerja di tahun-tahun mendatang. Karena menurut saya Anda mempunyai sudut pandang mengenai hal ini yang mungkin dianggap meyakinkan oleh sebagian orang, dan menurut saya berbeda dengan apa yang kita dengar dari banyak pemimpin lainnya.
Ngomong-ngomong, poin itu khusus tentang pengembang perangkat lunak, tapi menurut saya ini berlaku untuk banyak hal. Ada pemikiran bahwa Anda hanya akan mengganti semua insinyur junior dan semua karyawan junior Anda dan Anda hanya akan memiliki karyawan paling senior, paling berpengalaman, dan kemudian agen.
Yang pertama, menurut pengalaman saya, banyak orang junior yang sebenarnya paling berpengalaman dengan alat AI. Jadi sebenarnya merekalah yang paling bisa memanfaatkannya secara maksimal. Kedua, mereka biasanya paling murah karena mereka sudah lulus kuliah dan umumnya berpenghasilan lebih rendah. Jadi, jika Anda memikirkan tentang pengoptimalan biaya, mereka bukanlah satu-satunya orang yang ingin Anda optimalkan.
Ketiga, pada titik tertentu semuanya akan meledak dengan sendirinya. Jika Anda tidak memiliki saluran bakat yang sedang Anda bangun dan tidak ada orang-orang junior yang Anda bimbing dan besarkan melalui perusahaan, kita sering kali mendapati bahwa di situlah kita mendapatkan beberapa ide terbaik.
Kami mendapatkan darah segar baru ke dalam perusahaan dari karyawan yang lulus dari perguruan tinggi. Ada banyak kegembiraan. Ada banyak pemikiran baru. Anda harus berpikir jangka panjang mengenai kesehatan sebuah perusahaan, dan hanya berkata, “Oke, bagus, kami tidak akan mempekerjakan karyawan junior lagi,” itu bukanlah langkah awal bagi siapa pun yang mencoba membangun perusahaan jangka panjang.
Namun, apa dampaknya bagi angkatan kerja secara umum? Apa dampaknya bagi tenaga kerja Amazon? Seperti apa hal ini ketika agen AI menyusup—yang bukan merupakan kata yang murah hati, namun itulah kata yang terlintas di benak kita—cara kita bekerja dan hidup.
Salah satu hal yang saya katakan kepada karyawan kita adalah “Pekerjaan Anda akan berubah.” Tidak ada dua cara untuk melakukannya. Jika hanya ada satu hal yang bisa saya janjikan kepada Anda, cara Anda melakukan pekerjaan Anda empat tahun lalu bukanlah cara Anda melakukan pekerjaan Anda tahun depan. Anda akan dapat memberikan dampak yang lebih besar. Anda akan dapat melakukan lebih banyak hal, Anda akan dapat memiliki cakupan tanggung jawab yang lebih luas, dan hal-hal yang membuat Anda sukses tidak akan sama seperti lima tahun lalu. Anda harus mempelajari keterampilan baru, Anda harus mempelajari cara-cara baru dalam bekerja. Kami mungkin harus mengatur tim kami secara berbeda. Kita mungkin harus menghadapi masalah dengan cara yang berbeda. Jadi masyarakat harus fleksibel. Pasti akan ada gangguan dalam cara kerja dilakukan, karena pekerjaan akan berubah dan industri akan berubah.
Jika tidak, kemungkinan besar mereka akan tertinggal dari orang-orang yang bergerak lebih cepat dan melakukan perubahan. Pasti akan ada gangguan di sana. Sepertinya tidak ada pertanyaan di pikiranku.
Ketika Anda mengatakan gangguan, apakah yang Anda maksud dalam konteks hilangnya pekerjaan, dalam gambaran besarnya, secara ekonomi?
Itu tidak pasti bagi saya. Saya sangat yakin dalam jangka menengah dan panjang bahwa AI pasti akan menciptakan lebih banyak lapangan kerja daripada menghilangkannya pada awalnya. Saya pikir kapan pun Anda menemukan peluang untuk menciptakan kemakmuran ekonomi baru atau membangun pengalaman baru atau hal-hal seperti itu, akan ada lebih banyak lapangan kerja yang tercipta. Tapi mereka akan berbeda. Ada lapangan pekerjaan yang hampir pasti akan dihilangkan atau dikurangi.
Ada beberapa hal di mana Anda tidak lagi membutuhkan banyak orang untuk melakukan pekerjaan tertentu. Jadi tugas kita juga memberikan pelatihan dan upskilling agar kita bisa berlatih kembali, sehingga ada peran lain yang bisa dilakukan oleh beberapa orang tersebut. Tidak semua orang mau melakukan hal itu. Mungkin akan terjadi perubahan dalam jangka pendek, karena orang-orang ragu untuk mempelajari keterampilan baru atau tidak ingin mempelajari keterampilan baru atau hal-hal lain yang serupa.
Namun hal ini berlaku untuk hampir setiap perubahan teknologi: Hal ini juga berlaku untuk otomasi industri pada tahun 1930an. Hal ini benar adanya ketika komputer pribadi hadir, dan ketika internet hadir. Hal ini juga berlaku untuk AI. Akan ada beberapa pekerjaan yang jumlahnya tidak banyak, itu benar. Dan saya pikir akan ada lapangan kerja baru.
Saya ingin tahu bagaimana pendapat Anda tentang semua ini dari sudut pandang lingkungan. Saya pikir salah satu bagian penting dari AI agen adalah menjalankannya terus menerus selama berjam-jam atau berhari-hari. Saya membayangkan ada permintaan energi yang berkelanjutan dalam konteks tersebut. Kita sudah membicarakan tentang teknologi yang sangat boros energi. Amazon saat ini merupakan pembeli kontrak energi baru terbarukan terbesar di dunia, setidaknya selama lima tahun terakhir.
Itu benar.
Bagaimana Anda menyatukan komitmen tersebut dengan kebutuhan energi yang meningkat drastis?
Lihat, bagian dari hal itu adalah kita berinvestasi. Ini bukan sekadar keluar dan membeli barang-barang yang sudah ada. Yaitu berinvestasi pada proyek-proyek baru dan mewujudkan proyek-proyek energi terbarukan secara online. Itu merupakan komitmen besar bagi kami. Itu adalah sesuatu yang kami lakukan setiap tahun dan akan terus kami lakukan. Karena menurut kami hal ini penting dari sudut pandang dampak lingkungan, dan sejujurnya, dari sudut pandang ketersediaan energi. Saya pikir kita harus terus mencari sumber energi lain. Saya pikir tenaga nuklir adalah salah satu hal yang sangat penting untuk kita pertimbangkan dalam jangka menengah dan panjang.
Kita harus memastikan bahwa kita memiliki cukup energi bebas karbon di luar sana, namun kita perlu mempertimbangkan semua sumber energi tersebut, dan ini tidak berarti bahwa tidak ada yang akan menggunakan gas alam dalam jangka menengah. Saya yakin beberapa di antaranya juga benar. Tujuan kami adalah, bagaimana kami secara terus-menerus, dari waktu ke waktu, dari tahun ke tahun, mengurangi intensitas karbon dari energi yang kami konsumsi? Kami masih berkomitmen terhadap hal tersebut sebagai sebuah perusahaan, dan kami telah menghabiskan banyak waktu untuk hal tersebut.
Bagaimana Anda menanggapi kritik terhadap usaha ini, yang merupakan usaha besar, secara internal? Saya ingin tahu tentang bagian manajemen di sana. Beberapa minggu yang lalu Anda memiliki lebih dari seribu karyawan Amazon—memang, ini adalah perusahaan dengan basis karyawan tujuh digit, jika saya benar—tetapi mereka menggambarkan kutipan perusahaan tersebut, “semua biaya dapat dibenarkan” Pendekatan yang sangat cepat terhadap pengembangan AI. Mereka mengatakan bahwa hal ini akan menyebabkan, misalnya, “kerusakan yang sangat besar terhadap demokrasi, terhadap pekerjaan kita, dan terhadap Bumi.” Pernyataan tersebut cukup jelas dari karyawan Amazon sendiri. Ketika Anda mendengarnya dibacakan kembali, bagaimana Anda mengatasinya?
Yang pertama, kami mendorong karyawan kami untuk memiliki pemikiran mereka sendiri mengenai cara mereka memikirkan berbagai hal.
Itu bagus karena banyak perusahaan teknologi saat ini tidak senang melihat hal itu terjadi.
Saya juga akan mengatakan bahwa ketika Anda memiliki organisasi dengan ukuran berapa pun, Anda memiliki sudut pandang dari banyak tempat berbeda. Menurut saya, itu bukan pendapat mayoritas atau bahkan pendapat mayoritas karyawan kami. Saya rasa sebagian besar karyawan kami sangat antusias dengan teknologi yang kami bangun. Bersemangat dengan nilai yang kami berikan kepada pelanggan, dan bersemangat dengan potensi serta janji iklim yang kami miliki dan jalur yang kami tempuh. Jadi menurut saya tidak apa-apa. Selama kekhawatiran tersebut bersifat terhormat, kami bersedia mendengarkannya. Tapi menurut saya mereka jauh dari mayoritas.
Saya sebutkan di bagian atas percakapan bahwa pada bulan Januari 2025 semua orang berjanji kepada saya bahwa ini adalah tahun AI agen. Mereka salah. Jadi menjelang tahun 2026, saya penasaran dengan prediksi Anda: Dalam konteks AI, apa yang akan terjadi pada tahun depan bagi kita? Kemudian dalam 12 bulan, saya akan menelepon Anda dan kita lihat saja nanti.
Bersikaplah sangat, sangat jelas, saya buruk dalam memprediksi masa depan.
Saya juga, tapi saya harus bertanya.
Anda bisa menelepon saya, saya mungkin tidak benar. Namun menurut saya, salah satu hal besar yang akan sangat kami fokuskan bagi pelanggan kami adalah memberikan keuntungan bisnis yang nyata bagi mereka. Baik melalui agen, melalui model yang disesuaikan, melalui infrastruktur yang dapat diperluas, atau melalui penghapusan utang teknologi melalui penggunaan teknologi. [Amazon’s] Transformasi untuk mengeluarkannya dari mainframe atau mengeluarkannya dari database lama. Menurut saya, hal itu akan menjadi fokus besar. Ini bukan tentang pergi dan bereksperimen. Itu tidak akan dan mencoba teknologi baru. Ini benar-benar memberikan nilai kepada pelanggan akhir dan bisnis.
Jadi inilah saatnya P&L tampil sedikit berbeda tahun depan.
Ya. Saya pikir di situlah pelanggan mengandalkan AWS untuk membantu mereka melakukan peningkatan selama 20 tahun terakhir. Dan itulah yang sangat kami kuasai.
Bagaimana Mendengarkan
Anda selalu dapat mendengarkan podcast minggu ini melalui pemutar audio di halaman ini, namun jika Anda ingin berlangganan gratis untuk mendapatkan setiap episodenya, berikut caranya:
Jika Anda menggunakan iPhone atau iPad, buka aplikasi bernama Podcasts, atau cukup ketuk tautan ini. Anda juga dapat mengunduh aplikasi seperti Overcast atau Pocket Casts dan mencari “Uncanny Valley.” Kami aktif Spotify juga.
