Bumi, dikatakan, adalah rumah bagi lebih dari 10.000 startup AI. Jumlahnya lebih banyak dibandingkan cheetah. Jumlahnya melebihi pohon sequoia fajar. Angka tersebut tentu saja hanya dugaan saja—startup datang, startup pergi. Namun tahun lalu, lebih dari 2.000 di antaranya mendapatkan pendanaan putaran pertama. Ketika para investor menyalurkan miliaran dana mereka ke dalam AI, ada baiknya bertanya: Apa sajakah makhluk-makhluk yang sedang booming ini? sedang mengerjakan?
Saya memutuskan untuk mendekati sebanyak mungkin pendiri AI terkini. Tujuannya bukan untuk memilih pemenang, namun untuk melihat seperti apa pembuatan produk AI di lapangan—bagaimana alat AI telah berkembang. mengubah sifat pekerjaan mereka; betapa menakutkannya berkompetisi di lapangan yang ramai. Semuanya terdengar seperti mencoba menari tap di permukaan matahari yang bergolak. OpenAI meluncurkan pembaruan, dan banyaknya postingan di X meramalkan pembantaian seratus startup. Brutal!
Apakah ini sebuah revolusi yang berakhir dengan kematian banyak insinyur? Yang pasti—tidak semua dari mereka dapat bertahan hidup. Startup adalah sebuah eksperimen, dan sebagian besar eksperimen gagal. Tapi jalankan ribuan dari mereka di seluruh lanskap ekonomi dan Anda mungkin akan mengetahui apa yang akan terjadi dalam waktu dekat.
Navvye Anand adalah salah satu pendiri perusahaan bernama Mengikat dengan baik. Saat kami melakukan panggilan video, dia berbicara dengan setengah tersenyum dan dengan sikap yang agak sopan saat dia memberi tahu saya bagaimana dia mengembangkan pestisida menggunakan model AI khusus. Situs web Bindwell pernah mendeskripsikan model ini sebagai “sangat cepat” dan mengklaim bahwa model tersebut dapat memprediksi, dalam “hanya dalam hitungan detik”, hasil eksperimen yang memakan waktu berhari-hari. Mendengar Anand menjelaskan bagaimana dia menerapkan prinsip-prinsip penemuan obat AI, mudah untuk melupakan bahwa dia berusia 19 tahun.
Anand dibesarkan di India dengan membaca Hacker News bersama ayahnya dan sedang membangun model bahasa besar miliknya sendiri di pertengahan masa sekolah menengah atas. Sebelum lulus, dia, salah satu pendirinya (sekarang berusia 18 tahun), dan dua teman lainnya dari perkemahan musim panas menerbitkan sebuah kertas di bioRxiv, tentang LLM yang mereka buat untuk memprediksi aspek perilaku protein. Hal ini membuat para ilmuwan tertarik pada X. Makalahnya adalah dikutip dalam jurnal yang dihormati. Mereka memutuskan untuk mencoba membangun startup, bertukar pikiran, dan memilih pestisida berbasis protein. Kemudian, dongeng berlanjut, seorang sprite kayu (maaf, pemodal ventura) menghubungi LinkedIn dan menawari mereka $750.000 untuk putus sekolah dan perguruan tinggi dan bekerja di perusahaan penuh waktu. Mereka menerima dan memulai. Para remaja ini sama sekali tidak tahu apa-apa tentang agribisnis. Itu bulan Desember lalu.
Lima bulan kemudian, Anand dan salah satu pendirinya membuka laboratorium pengujian biologis pertama mereka di San Francisco Bay Area, lalu pindah ke laboratorium lain, di mana mereka secara pribadi memasukkan tetesan molekul yang menjanjikan ke dalam botol kecil. (Senyawa berbasis protein bisa lebih tepat menargetkan belalang atau kutu daun, menurut teori, dan tidak juga membunuh manusia, cacing tanah, lebah.) Saya bertanya kepadanya bagaimana dia memperoleh keterampilan untuk bekerja di laboratorium basah. “Aku mempekerjakan seorang teman,” katanya riang. Temannya melatihnya selama musim panas sebelum kembali ke perguruan tinggi pada musim gugur. “Sekarang saya bisa melakukan beberapa tes biokimia,” kata Anand. “Tidak seperti seluruh rangkaian pengujian, namun validasi dasar model kami di laboratorium basah.”
Hah, pikirku. Bahwa beberapa remaja dalam beberapa bulan telah membangun LLM mereka sendiri, mempelajari biokimia pengendalian hama, menggunakan model mereka untuk mengidentifikasi molekul potensial, dan sekarang melakukan pipet di laboratorium mereka sendiri tampaknya tidak buruk. Sebenarnya, setelah aku menghitung semua yang telah mereka lakukan, menurutku itu benar-benar tidak masuk akal. Saya sudah mengira bahwa alat AI akan mempercepat pembangunan sebuah perusahaan, namun saya hanya bisa merasakan secara samar-samar skala dampaknya. Jadi dalam wawancara saya berikutnya, dengan salah satu pendiri startup berusia 14 bulan menelepon Teknologi BundaranSaya langsung membahasnya: Uraikan apa yang berubah dan seberapa banyak.
“Kami telah mengirimkan barang dalam jumlah yang sangat banyak,” kata Collin Barnwell kepada saya. Perusahaannya yang beranggotakan empat orang (dua di antaranya dimulai pada bulan April lalu) membuat sistem penglihatan real-time untuk lampu lalu lintas, untuk meningkatkan pengaturan waktu merah dan hijau. Mengingat miliaran jam waktu manusia dihabiskan di jalan raya yang sepi di titik merah, alasan untuk revolusi AI di persimpangan tampak jelas. Barnwell menguraikan daftar pencapaian mereka sejak bulan April, sambil beralih dari satu asisten AI ke asisten berikutnya—melatih jaringan visi berdasarkan data mereka sendiri, menggunakan LLM untuk meneliti kota secara mendalam, menulis perangkat lunak untuk GPU mereka, membuat berbagai dasbor, merekayasa komponen perangkat keras. “Anda benar-benar merasa alat-alat ini membawa Anda ke titik terdepan,” katanya. Dia menganggap dirinya seorang pembuat kode menengah dan tampak senang dengan apa yang mampu dia buat. “Menurut saya kita berada di Collin AGI. Kita belum sepenuhnya berada di Sabeek AGI.”
Sabeek Pradhan adalah salah satu pendirinya. “Pembuatan yang memakan waktu beberapa minggu berubah menjadi lima menit menunggu model dijalankan,” kata Pradhan kepada saya. Sejauh ini, bagian pekerjaan mereka yang paling memakan waktu adalah menemukan pelanggan manusia pertama mereka. Pada bulan Juli, saat perusahaan mendekati ulang tahun pertamanya, pasangan ini bekerja sama dengan kota San Anselmo, sebelah utara San Francisco, untuk memasang sistem mereka di persimpangan tersibuk. Pada bulan Oktober, lampu lalu lintas tersebut ditayangkan di persimpangan satu jalan, dengan 11 lampu lalu lintas lagi yang direncanakan.
Hampir setiap pendiri yang saya ajak bicara mengatakan hal serupa: Satu atau dua minggu pekerjaan coding kini bisa dilakukan dalam satu hari. Seorang pria mengatakan kepada saya bahwa membuat perangkat lunak menjadi sangat sederhana sehingga “bahkan tidak menyenangkan”. Yang lain mengatakan kepada saya bahwa ketika internet mati, “menyiksa” dan “sangat menyakitkan” harus menulis kodenya sendiri. Ketergantungan LLM itu nyata. Namun tidak ada yang lebih terikat dengan model-model besar selain orang-orang yang membangun produk sepenuhnya di atasnya: kru agen AI.
Justin Lee dan Linus Talacko sedang bekerja di sebuah startup medis di Australia ketika mereka mendengar panggilan AI. Sudah waktunya untuk melompat. “Kami baru tahu bahwa hal ini terjadi setiap 20 tahun sekali,” kata Lee, yang berusia 21 tahun. Para insinyur perangkat lunak melihat kehidupan mereka, melihat monotonnya rutinitas kerja mereka, dan bertanya-tanya mengapa tugas mereka yang berulang-ulang tidak diotomatisasi. Mereka memutuskan untuk membangun sebuah agen, yang pada dasarnya adalah bot magang yang dapat mereka kelola di Slack. Mereka menelepon perusahaan mereka Dia.
Lee dan Talacko, yang berusia 22 tahun, dengan cepat menemui jalan buntu. Mereka membangun agen mereka untuk menjadi cerewet, namun orang-orang tampak tidak sabar dengan dialog tersebut. Sebaliknya, kata Lee, pengguna sepertinya ingin memperlakukannya “seperti skrip Python atau alur kerja di Zapier”—bukan seperti percakapan bolak-balik dengan rekan kerja dan lebih seperti tombol untuk diklik. Mereka membuang apa yang telah mereka bangun dan mencoba lagi. Tantangannya, jelas Lee, adalah tidak ada seorang pun yang tahu bagaimana orang ingin berinteraksi dengan AI, sehingga para insinyur pada dasarnya hanya menebak-nebak dan berharap. “Ini adalah salah satu masa yang paling cepat dan dinamis dalam hal laju perubahan, misalnya, dalam sejarah,” lanjutnya. “Banyak hal ditimpa setiap bulan.” Seperti yang dikatakan Talacko, satu-satunya cara untuk bertahan hidup adalah dengan bersikap fleksibel selamanya. Bersiaplah untuk membuang seluruh basis kode Anda dan memulai kembali. “Saya terus-menerus mengesampingkan asumsi saya tentang bagaimana dunia akan terlihat dalam dua minggu,” kata Lee. “Karena seringkali saya melakukan undershooting.”
Satu hal cepat yang dibangun Talacko adalah agen yang memantau ketika seseorang mendaftarkan minat di situs web mereka dan kemudian mencari di Google untuk melihat apakah mereka terkenal. “Itulah cara kami menyadari bahwa Ivan Zhao dari Notion telah mendaftar untuk menggunakan produk kami,” kata Lee, menyebut nama CEO sebuah perusahaan. alat produktivitas yang populer. “Agen itu bertindak seperti penjaga, berpatroli di database kami. Itu jelas sesuatu yang tidak akan pernah dilakukan oleh manusia.”
Benar, manusia. Dalam hal ini, bukan berarti suatu pekerjaan dihilangkan atau tidak diciptakan. Ini lebih dari yang bisa dilakukan oleh orang yang didukung AI menggeliat. Seperti yang dikatakan Barnwell dari perusahaan lampu lalu lintas, dia menulis kode yang tidak akan dia tulis jika tidak. Dua tahun yang lalu, ketika coding masih sulit, dia menghabiskan sebagian besar waktunya dengan fungsi dan algoritma. Sekarang dia dapat lebih mengabdikan dirinya untuk penelitian, eksplorasi, dan tugas yang umumnya dikenal sebagai berpikir. “Anda terus-menerus membuat perangkat lunak sekali pakai untuk membantu Anda mencapai sesuatu,” katanya.
Kode sudah tidak berharga lagi, dan sifat sekali pakai tersebut dapat mengganggu kestabilan. Lee menceritakan kepada saya bagaimana setahun yang lalu mereka menghabiskan tiga bulan belajar dan menderita untuk menyusun kode agen dengan cermat, dan bahwa sekarang semua pekerjaan mereka “mungkin dapat ditulis dalam tiga hari, tanpa sentuhan kami.” Lee mengaku merasa agak sedih dan mendapati dirinya bertanya-tanya apa yang layak dipelajari akhir-akhir ini.
“Apa yang gila tentang hari ini,” tambah Talacko, “adalah jika pelanggan mengirimi Anda email berisi bug atau permintaan fitur, Anda benar-benar dapat menyalin dan menempelkan apa yang mereka tulis ke dalam Claude Code, dan Anda akan mendapatkan fitur tersebut dalam 15 menit.”
“Jadi,” saya bertanya, “apakah otak Anda tidak terlibat?”
Dia menghela nafas dan berhenti untuk berpikir. “Saya kira, pertimbangan apakah Anda harus membangun fitur tersebut adalah hal yang paling penting. Ini bukan tentang kemampuan untuk membuat sesuatu dan menyebarkannya ke seluruh dunia, melainkan tentang bersikap taktis dan strategis dengan apa yang Anda pilih untuk dibangun.”
Ketika membangun sistem menjadi ini mudah, Anda dapat menjalankan eksperimen yang tak terhitung jumlahnya. Berjalan menyusuri gang-gang gelap. Hukuman untuk mencoba pendekatan yang berbeda sudah sangat rendah sehingga sebuah startup dapat memparalelkan dirinya sendiri ke dalam sejumlah versi sebelum akhirnya terjerumus ke dalam satu bentuk yang cerdas dan masuk akal. Ketika, seperti yang dikatakan beberapa orang, Anda dapat menulis kode untuk sebuah startup di akhir pekan, pekerjaan membangun perusahaan teknologi bukan lagi coding. Lalu, apa pekerjaannya?
“Konsekuensinya,” kata Lee kepada saya, “adalah rasa menjadi hal yang paling penting. Segala sesuatu yang lain merupakan ekspresi atau implementasi dari rasa tersebut.”
Aku ragu-ragu, merasakan pertanyaan mustahil menguasai pikiranku. Lalu saya berkata: Bagaimana mereka mendefinisikan rasa? Saya mengantisipasi keheningan yang tidak nyaman.
Lee tersenyum dan berkata, “Sebenarnya kami melakukan obrolan grup secara keseluruhan, untuk menentukan apa rasanya.”
Kami menghabiskan beberapa menit berdiskusi, tetapi jawaban yang tajam tidak kami dapatkan. Setelah panggilan berakhir, email dari Lee muncul di kotak masuk saya. Isinya satu set tautan ke bacaan favoritnya tentang selera. Beberapa di antaranya adalah postingan di X. Ada artikel cerdas di LinkedIn. Namun favoritnya—dan favorit saya—adalah esai yang ditulis oleh bapak baptis startup, Paul Graham.
Kemungkinannya adalah Anda tahu siapa Graham. Salah satu pendiri Penggabung Y. Poster produktif di X dan penulis blog. Dia juga menjadi cameo dalam wawancara saya dengan bocah pestisida, Navvye Anand. (Pada bulan Februari, Graham diposting di X bahwa dia tidak menyetujui VC yang membujuk remaja untuk putus sekolah. Seingat Anand, Graham bertemu dengannya dan salah satu pendirinya—yang saat itu sudah putus sekolah—saat minum teh pada hari itu. Graham telah menyampaikan ketidaksukaannya dan kemudian, alur ceritanya, juga memutuskan untuk mendanai mereka.)
Pembaca biasa karya Graham mungkin pernah menemukan “Modus Pendiri” (2024) atau “Lakukan Hal-Hal yang Tidak Berskala” (2013). Anda harus masuk cukup jauh ke dalam kanon sebelum Anda mencapai “Selera untuk Pembuat” (2002).
Rasa, tulis Graham, adalah kemampuan untuk membuat sesuatu menjadi indah. Sesederhana itu. Seseorang yang memiliki selera memiliki pengalaman untuk mengenali apa yang baik dan keterampilan teknis untuk merancang hal-hal tersebut. Jadi apa desain yang bagus? Antara lain sederhana, abadi, dan berani. Kemudian Graham sendiri menjadi lebih berani: Desain yang bagus juga sedikit lucu. Desain yang bagus seringkali aneh.
Saya memikirkan kata-kata itu ketika saya berbicara dengan pendiri demi pendiri. Beberapa tim insinyur sedang membuat robot rumahan, dan hal ini sedang mengalami momen penting—sekali lagi karena mereka kini dapat mencapai kemajuan dengan biaya yang jauh lebih sedikit dan jumlah orang yang lebih sedikit dibandingkan sebelumnya (ditambah suku cadang murah dari Tiongkok). Salah satu robot itu, Menenun Robotika‘ Isaac, seperti lampu lantai beroda, dengan lengan tebal yang ujungnya cakar kepiting. Dengan keranjang mungil di satu cakarnya, ia dapat berputar dari satu ruangan ke ruangan lain sambil mengumpulkan cangkir dan mainan, seperti penduduk desa abad ke-18 yang sedang memetik sayuran di pasar. Di San Francisco, Isaac adalah stasiunnya ed di ruangan yang penuh dengan mesin cuci, tempat ia melipat pakaian untuk memulai binatu.
Seorang pekerja rumahan yang lebih mengesankan, K-bot, memiliki bentuk humanoid yang familiar tetapi semuanya berkulit hitam, ramping, dan maskulin. Saat ia menjatuhkan sepotong roti ke dalam pemanggang roti, tercium bau yang mengancam—sebongkah logam besar tidak ada gunanya membuat sarapan. Mungkin Anda bosan dengan demo selama satu dekade yang tidak membuahkan hasil, dan ini terdengar normal. Tapi bersihkan kerak dari mata Anda, karena memang begitu masih aneh untuk melihat tentara robot menyajikan roti panggang. Begitu pula dengan penduduk desa yang tak kenal lelah dengan keranjangnya yang unik. Mungkin di sinilah peran “lucu” dan “aneh”. Keduanya menambah kejutan dalam kehidupan sehari-hari. Mereka melemparkan Anda ke tempat baru.
Benjamin Bolte adalah orang di balik K-bot; perusahaannya dipanggil Lab Skala K. Saat dia sedang memikirkan ide startup, dia menyimpulkan bahwa satu-satunya rencana yang masuk akal adalah mengatasi masalah tersulit yang bisa dia temukan. “Semua ide yang masuk akal beberapa tahun lalu kini tidak lagi masuk akal,” kata Bolte, mengacu pada perangkat lunak bisnis yang mendominasi teknologi. “Anda perlu mengembangkan wawasan Anda sendiri agar memiliki kesempatan untuk tidak dibanjiri oleh semua perusahaan lain yang melakukan hal-hal ini.” Begitulah cara dia mendapatkan humanoid sumber terbuka yang murah; bayangkan menyusun enam dari mereka dan memulai sebuah perusahaan konstruksi.
Bolte tidak asing dengan dunia luar. Para kutu buku sejati pasti sudah mengetahui hal ini, tetapi bagi kita semua: “Skala K” mengacu pada skala Kardashev, yang diambil dari nama ahli astrofisika Rusia Nikolai Kardashev. Dalam makalah tahun 1964 berjudul “Transmission of Information by Extraterrestrial Civilizations,” Kardashev mengusulkan ukuran kemajuan teknologi, yang menurutnya mungkin bisa membantu dalam pencariannya untuk menemukan alien. Skala terbawahnya adalah Tipe 1, sebuah peradaban yang dapat memanfaatkan semua energi yang tersedia di planetnya. (Beberapa perkiraan menyebutkan manusia berada pada angka 0,7.) Pada X, biografi Bolte berbunyi, “Memindahkan umat manusia ke skala Kardashev.” Pemikirannya adalah bahwa jaringan robot yang terjangkau dapat mengangkat kita ke Tipe 1.
Semuanya agak memabukkan. Atau tidak. Karena hanya beberapa hari kemudian saya memulai percakapan kedua tentang Kardashev. Saya telah menghubungi sebuah perusahaan bernama Starcloud yang berupaya menempatkan pusat data di luar angkasa (untuk membantu menjalankan semua AI itu, tentu saja). Starcloud dimulai pada musim panas 2024 dan berencana meluncurkan GPU pertama ke orbit rendah Bumi pada bulan November. Jika pusat data membuat sungai menjadi kering, dan warga kota yang kesal sudah ingin meluncurkannya ke masa mendatang, mengapa tidak melibatkan mereka? Orang yang bertanggung jawab telah mengarahkan pandangannya untuk membawa umat manusia ke Tipe 2, yang didefinisikan sebagai memanfaatkan semua energi bintang. Tidak ada kekurangan ambisi di sini.
Jadi, ya, segala sesuatunya bergerak cepat. Tepatnya seberapa cepat? Sulit untuk mengatakannya. Pikiran mungkin terasa seperti melaju kencang, sementara jam mengatakan sesuatu yang lain. Seperti yang ditemukan dalam makalah terbaru dari Cornell, pengembang yang mengandalkan AI ternyata lebih lambat dibandingkan orang yang menulis kode dengan tangan. Waktu yang dulunya dihabiskan untuk pengkodean aktif sekarang mungkin terbuang untuk tugas-tugas lain. Dan—harus diakui—peluang besar bagi startup mana pun untuk bertahan hingga tahun 2027, tidak peduli seberapa besar AI membantu mereka menyelesaikan tugas mereka.
Namun, ada perasaan yang eksponensial tentang dunia saat ini. Bahkan ambisi yang lebih membumi dari beberapa perusahaan rintisan bisa terdengar sangat kuat secara keseluruhan—mengirimkan AI ke pabrik-pabrik di Rust Belt, ke toko-toko kelontong independen, ke pemerintah daerah. AI sering disebut Promethean karena perpaduan antara bahaya dan kekuatannya. Jadi masuk akal jika beberapa orang yang optimis akan mengincar bola api besar itu, hanya untuk melihat apa yang terjadi selanjutnya.
