Pemutusan hubungan kerja akan berlanjut hingga kami belajar menggunakan AI
Penulis asli: Arnav Gupta, insinyur AI
Baoyu, Analis AI

Di kantor atasan perusahaan kami, ada daftar pemutusan hubungan kerja yang mencakup hingga 8.000 orang. Saya memiliki peluang 10% untuk berada di daftar tersebut. Dalam beberapa hari lagi, tepatnya pada 20 Mei, saya akan mengetahui takdir saya.

Melihat pengumuman hari ini dari Coinbase tentang "PHK AI", saya memutuskan untuk menulis artikel ini. Saya sengaja menulisnya sebelum 20 Mei, karena saya ingin berbagi pandangan yang paling jujur, tanpa emosi pribadi seperti "saya pergi atau tetap". Gagasan-gagasan ini tidak hanya terkait dengan apakah saya di-PHK atau tidak, dan tidak hanya terbatas pada perusahaan tempat saya bekerja. Mereka berasal dari suara hati teman-teman saya yang bekerja di berbagai perusahaan menengah dan besar.

Saat ini banyak artikel yang memperdebatkan: gelombang pemutusan hubungan kerja baru ini (yang secara umum dianggap dimulai ketika Jack Dorsey memecat 40% karyawan Square) benar-benar disebabkan oleh AI, atau hanya sekadar melakukan “AI-washing” (menggunakan klaim penerimaan AI sebagai kedok untuk menyembunyikan kegagalan bisnis lain atau tujuan pemutusan kerja yang sebenarnya).

Saya tidak ingin memenuhi artikel ini dengan berbagai tautan berita dan makalah untuk menyiksa Anda, karena kemungkinan besar Anda sudah pernah melihat konten ini, atau cukup mencarinya di Google atau bertanya ke ChatGPT.

AI produktivitas yang banyak dipuji dan bukti yang sulit diidentifikasi

Apakah AI benar-benar membuat kita lebih efisien? Ini benar-benar pertanyaan besar yang penuh kontroversi! Jika kita memikirkan sebaliknya, dan menyatakan bahwa "AI tidak mengubah apa-apa", saya rasa bahkan orang-orang paling meragukan nilai AI pun tidak akan setuju dengan pernyataan ini.

Terutama di perusahaan teknologi, lonjakan penggunaan AI merupakan fakta yang jelas terlihat. Bahkan perusahaan yang paling konservatif, membatasi anggaran AI, dan tidak menyediakan alat AI bagi karyawan pun tetap tidak bisa menyangkal bahwa sebagian pekerjaan sebenarnya dilakukan oleh AI—meskipun karyawan hanya dengan susah payah secara diam-diam menggunakan Gemini atau Copilot di Google atau Microsoft Office untuk mengedit dokumen.

Untuk perusahaan-perusahaan yang lebih visioner dan terjun ke dalam lautan token AI (unit dasar yang diproses model AI, di mana perusahaan biasanya dibebani biaya berdasarkan jumlah token yang dikonsumsi saat menggunakan model bahasa besar), seperti Uber atau Shopify (saya tidak menyertakan perusahaan seperti Meta atau Microsoft yang mengembangkan model bahasa besar sendiri, maupun Vercel atau Cloudflare yang aktif membangun infrastruktur AI; hanya membahas pengguna murni), penggunaan AI mereka benar-benar menjadi liar.

Kita sudah tidak asing lagi: dari 90% hingga 100% kode yang dihasilkan oleh AI, hingga jumlah tinjauan kode (PRs/diffs) yang dikirimkan setiap minggu meningkat 2 hingga 5 kali lipat, hingga anggaran AI tahunan bernilai ratusan juta dolar habis dalam beberapa bulan saja.

Namun, para kritikus teknologi dan investor seperti Ed Zitron, Will Manidis, Gary Marcus, dan Michael Bury pasti akan mengajukan pertanyaan yang langsung menyerang inti: jika demikian, mengapa pendapatan perusahaan-perusahaan ini tidak meningkat 2 hingga 5 kali lipat? Mengapa aplikasi mereka tampak hampir identik dengan enam bulan lalu? Jika AI benar-benar sangat produktif, apa yang sebenarnya mereka hasilkan dengan AI? Jika mereka menulis 5 kali lebih banyak kode, tetapi pengguna akhir tidak menyadarinya, lalu apa arti dari kode-kode tersebut? Ini adalah pertanyaan yang sangat tajam dan masuk akal.

Input, Output, dan Outcome

Kita harus menyisipkan pelajaran dasar manajemen perusahaan terlebih dahulu. Ketika sebuah perusahaan menengah yang tumbuh cepat, memperoleh pendanaan berlebihan, dan menghabiskan uang di mana-mana akhirnya menghadapi kehabisan dana, Anda mendatangi seorang CEO berpengalaman untuk meminta saran. Ia akan menyarankan Anda meminta tim McKinsey untuk meninjau situasi tersebut. Konsultan konsultasi akan menempatkan slide putih polos di halaman pertama presentasi mereka, dengan tiga kata ditulis menggunakan font Arial bawaan: “Input, Output, Outcome”.

Mereka akan menjelaskan kepada Anda esensi bisnis yang dipahami semua orang, tetapi sering dilupakan:

Kode, hanya investasi.

Fungsi, itulah hasilnya.

Pengguna bersedia mengeluarkan uang untuk produk Anda, itulah hasilnya.

AI (atau setidaknya produk seperti Claude Enterprise) pada dasarnya adalah produk layanan perangkat lunak B2B (B2B SaaS). Anda akan menemukan bahwa penetapan harga dan strategi pemasaran produk SaaS bervariasi. Jika suatu produk secara langsung mengubah «hasil», mereka biasanya mengambil persentase langsung dari «hasil» tersebut. Bayangkan kalimat penjualan seperti ini: «Alat kami dapat meningkatkan kecepatan Anda dalam menghasilkan prospek penjualan sebesar 36%. Coba sekarang, cukup bayar biaya layanan rendah sebesar 5% dari penjualan Anda.»

Ini pasti akan membuat pelanggan terkesan. Dengan semua kondisi lain tetap sama, jika sebelumnya Anda menyelesaikan 100 transaksi dalam 100 hari, sekarang Anda hanya perlu 63 hari. Hari yang dihemat—36 hari (jika saya hitung benar)—bisa membuat Anda menyelesaikan 57 transaksi tambahan! Artinya, potensi peningkatan penjualan Anda sebesar 57%. Siapa pun akan sangat senang memberikan 5% dari komisi penjualan mereka untuk mendapatkan tambahan pendapatan 57%. Dan jika Anda tidak menggunakan produk ini, Anda tidak perlu membayar sepeser pun.

Anda mungkin sudah menebak apa yang ingin saya katakan—model penetapan harga Token untuk Claude sama sekali tidak seperti ini. Jika insinyur perangkat lunak Anda kecanduan memprogram dengan Claude seperti narkoba (saya baru menyadari bahwa singkatannya sama-sama 'cc'), dan menghasilkan 100 juta Token setiap hari, maka Anda harus membayar 100 dolar AS per hari untuk setiap insinyur.

Meskipun sebagian kode yang mereka hasilkan dibuang ke tempat sampah karena tidak bisa dijalankan;

Meskipun beberapa kode kemudian menyebabkan gangguan sistem serius (SEV) (SEV merujuk pada Severity, yang sering digunakan perusahaan teknologi untuk menggambarkan insiden online serius yang menyebabkan gangguan layanan) dan segera di-rollback;

Bahkan meskipun masih ada sebagian kode, hanya untuk mengganti tampilan alat internal agar para wakil presiden merasa lebih lucu saat melihat dashboard data;

Semuanya harus diterima sepenuhnya. Karena kode hanyalah “investasi”. Meskipun biasanya, selama arahnya benar, semakin banyak “investasi” akan cenderung menghasilkan lebih banyak “output”, yang pada gilirannya menghasilkan “hasil” yang lebih baik. Namun, ketika Anda memperbesar investasi Anda lima kali lipat dalam semalam, hukum ini tidak lagi berlaku. “Investasi” tambahan yang Anda tambahkan bisa tiba-tiba berubah menjadi lalat yang kehilangan arah, benar-benar menyimpang dari “output” atau “hasil” yang diharapkan.

Apa sebenarnya yang menghambat kita!

Di masa lalu, setiap kali CEO atau product manager (PM) ingin melakukan 10 hal, tim pengembang selalu mengatakan bahwa mereka hanya bisa menyelesaikan dua hal paling penting, dan tidak punya waktu untuk 8 hal lainnya. Alasannya apa? Karena menulis kode bukanlah main-main; mengembangkan perangkat lunak yang kompleks dan berjalan dengan baik membutuhkan banyak waktu.

Hmm... tapi sekarang kode hampir gratis. Mengapa kita masih belum melakukan 8 hal tersisa itu?

Ada dua jawaban: satu yang tidak disukai oleh CEO dan produk manajer; satu lagi yang tidak disukai oleh manajemen menengah dan karyawan berpengalaman.

Hanya karena CEO atau produk manajer memiliki 10 ide di kepala mereka, tidak berarti ide-ide itu benar-benar dapat diubah menjadi hasil bisnis nyata. Bahkan jika Anda benar-benar mengembangkan 10 fitur baru (output), itu tidak menjamin pengguna akan menerimanya dan menjadi lebih sering menggunakan App Anda (hasil).

Faktanya, karena sumber daya pengembangan sebelumnya terbatas, "gaya gesekan" ini memaksa semua orang untuk berdebat lebih sengit, sehingga ide-ide buruk dapat segera dibuang sebelum menghabiskan terlalu banyak sumber daya, dan hanya dua ide terbaik yang dipilih. Sekarang, menulis kode menjadi cepat dan murah, sehingga berdebat tentang kualitas ide tampak tidak masuk akal. Bahkan jika Anda mencoba membantah mereka, apakah Anda benar-benar percaya bisa menghentikan CEO atau PM untuk berbalik dan langsung meminta Claude? Jangan repot-repot mencoba.

Kita semua tahu betapa melelahkannya hal ini. Pertama, semua pemangku kepentingan harus mencapai kesepakatan mengenai “mengapa” hal ini harus dilakukan; selanjutnya, perlu rapat tambahan untuk membahas “apa yang” harus dilakukan; dan akhirnya, semua pihak masih harus berdebat panjang mengenai “bagaimana” melakukannya.

Semakin banyak tim, semakin banyak proyek yang terjebak di "neraka penyelarasan". Dulu, masalah ini tertutupi karena kecepatan penulisan kode yang lambat. Sekarang, begitu keputusan "melakukan sesuatu" diambil, langsung ada orang yang bekerja semalaman untuk menghasilkan produk minimal layak (MVP) (produk yang dikembangkan dengan biaya terendah untuk sekadar menunjukkan ide inti, guna uji coba cepat), dan pada hari berikutnya langsung mengatur rapat berikutnya.

Dalam rapat tersebut, Anda terkejut menemukan tim lain juga diam-diam mengembangkan MVP! Lebih parah lagi, karena Anda berdasarkan asumsi yang berbeda, logika operasional kedua produk tersebut saling bertolak belakang.

Of course, you can sit back and take your time to discuss whose assumptions are correct.

Tapi sejujurnya, Anda dan tim Anda yang memiliki tak terbatasnya Claude Token tidak akan repot-repot melakukan hal semacam ini. Tim lain pun juga tidak akan melakukannya. Anda akan langsung berbalik dan menyerahkan semuanya pada Claude, meminta Claude untuk mengimplementasi ulang pekerjaan tim lawan dengan cara yang menurut Anda paling sempurna. Dan Claude hanya akan dengan patuh menjawab: “Anda benar sekali!” lalu langsung mulai mengetik kode.

Pemutusan hubungan kerja sebenarnya dapat menyelesaikan masalah apa?

Baiklah, terima kasih telah bersabar mendengarkan saya berbicara panjang lebar tentang hal-hal jelas ini. Saya tahu kalian ingin melihat inti utama yang paling penting.

Apa tujuan sebenarnya dari pemutusan hubungan kerja? Menurut asumsi saya, jika AI tidak benar-benar menggantikan 30% karyawan secara satu-ke-satu (hal ini seharusnya bisa disepakati bersama, kan? Meskipun dalam banyak tugas, ia lebih unggul daripada staf administrasi pemula, namun dalam tugas lain ia kalah dibanding manusia—IA sama sekali bukan komponen yang bisa dicabut dan dipasang begitu saja, apalagi bisa langsung menggantikan 10%, 20%, bahkan 30% orang di sebuah perusahaan).

Jika demikian, logika pemutusan hubungan kerja di mana? Karena itu secara langsung menyelesaikan dua masalah jangka pendek yang terlihat jelas.

Ini sebenarnya hanya soal aritmetika arus kas paling dasar. Jelas bahwa jika para insinyur yang kecanduan Claude Anda menghabiskan $100 per hari di Claude (yaitu $2.500 per bulan, $30.000 per tahun), jumlah itu sudah setara dengan seluruh gaji seorang insinyur pengembang perangkat lunak (SDE) di India; setengah gaji SDE di Eropa; dan seperempat gaji SDE di Amerika Serikat.

Jika dilakukan perhitungan paling sederhana dan langsung: misalkan di sebuah perusahaan dengan struktur datar, semua karyawan adalah SDE. Untuk mempertahankan total pengeluaran gaji saat ini (termasuk pengeluaran untuk pembelian Token), Anda harus memberhentikan 50% (India), 33% (Eropa), atau 20% (Amerika Serikat) karyawan.

Faktanya, karena penggunaan AI sedang meningkat secara liar tanpa memperdulikan apa pun, sementara pendapatan perusahaan tidak mengalami peningkatan yang sepadan, pemutusan hubungan kerja menjadi pilihan yang tak terhindarkan. Jika tidak, neraca perusahaan akan runtuh total. Jika biaya input Anda meningkat 50%, tetapi hasil bisnis akhirnya tidak berubah bahkan tetap stagnan, maka ekonomi per unit dari seluruh siklus hidup pengembangan perangkat lunak Anda benar-benar kolaps.

Jika kita benar-benar belajar cara menggunakan AI—memahami cara mengubah peningkatan biaya input sebesar 50% menjadi peningkatan pendapatan sebesar 50%—kita tidak perlu melangkah ini. Namun, karena Anda belum belajar, beberapa dari Anda harus pergi agar ada uang untuk membayar gaji Anthropic.

Tidak diragukan lagi, ukuran perusahaan besar mana pun jauh melebihi skala yang diperlukan hanya untuk 「bertahan hidup」. Ini adalah ciri khas perusahaan besar, organisasi besar ditakdirkan untuk menumpuk 「lemak organisasi」, yang merupakan konsekuensi tak terhindarkan dari desain struktur organisasi.

Di perusahaan-perusahaan ini, bahkan jika seseorang keluar, sistem tetap berjalan karena selalu ada orang lain yang tahu apa yang dulu dia lakukan. Di banyak perusahaan besar, Anda bahkan bisa istirahat cuti melahirkan selama enam bulan dengan tenang, dan proyek yang Anda tangani tetap berjalan lancar. Ini semua adalah hal-hal baik! Namun, ini juga merupakan bukti kuat: jika sebagian orang di-PHK, perusahaan tidak akan langsung lumpuh. Sebaliknya, setelah melewati beberapa minggu awal rasa sakit sistemik, dalam beberapa bulan berikutnya, kecepatan operasional bahkan akan menjadi lebih cepat!

Masih ingat dua tim yang sebelumnya saling bersitegang karena solusi teknis mereka? Sangat sederhana, cukup berhentikan salah satu tim, lalu biarkan tim yang tersisa begadang beberapa malam untuk menyelesaikan pekerjaannya—mereka tidak perlu lagi “menyelaraskan” diri dengan siapa pun.

Kami tidak dapat memprediksi apa yang akan terjadi dalam jangka panjang (atau menggunakan kata-kata ekonom Keynes—“dalam jangka panjang, kita semua akan mati”), tetapi dalam jangka pendek, memecat 10-20% karyawan di perusahaan besar hanya akan membuat ritme kerja menjadi lebih cepat.

Seiring berjalannya waktu, perusahaan besar tak terhindarkan akan menumpuk redundansi dan kelebihan tenaga kerja, sama seperti menumpuk utang teknis, mereka juga menumpuk banyak "utang organisasi". Inilah penyakit umum perusahaan besar. Memotong 10% karyawan hari ini tidak akan mencegah masalah lama kambuh lagi dalam dua tahun. Namun, ketika Anda melihat semua orang membanggakan bahwa mereka telah mengirimkan lima kali lebih banyak kode daripada sebelumnya, tetapi tetap tidak bisa meluncurkan produk karena terhambat oleh tim lain, obat paling langsung dan paling kasar jelas adalah: memecat beberapa orang, sehingga tidak ada lagi yang saling menghambat.

Ini adalah pemutusan hubungan kerja akibat AI, meskipun AI tidak secara langsung menggantikan posisi Anda

Apakah nomor pegawaimu digantikan oleh instance Claude baru yang berjalan di mesin virtual? Kita semua tahu bahwa hal itu tidak benar.

Meskipun demikian, apakah di perusahaan Anda banyak proses kerja yang sebelumnya memerlukan Anda mengetik atau mengklik di VS Code, Figma, Canva, atau Google Docs, tetapi kini berubah menjadi orang lain (mereka yang sebelumnya membutuhkan hasil kerja Anda) langsung berteriak ke model bahasa besar untuk menulis petunjuk, dan tak lagi repot-repot meminta bantuan Anda? Ini juga fakta yang tak terbantahkan.

Pemutusan hubungan kerja ini benar-benar termasuk “AI washing”? Artinya—apakah perusahaan sebenarnya sudah memiliki berbagai masalah mendasar yang tidak terkait AI (misalnya rekrutmen berlebihan, penurunan laba, tekanan persaingan, keputusan bisnis yang buruk), dan sekarang hanya menggunakan AI sebagai “alasan” untuk pemutusan hubungan kerja? Ya, dalam beberapa hal, ini juga masuk akal.

Anda juga mungkin akan menemukan bahwa jika mengumpulkan semua email pemotongan tenaga kerja yang dikirim oleh para CEO selama periode ini, Anda bahkan mungkin merasa mereka membuat grup obrolan dan saling berkonsultasi untuk menulis email-email ini. “Tim native AI,” “manajer yang menulis kode,” “memperluas cakupan manajemen,” “arsitektur datar,” “mengelola tim agen AI”… Anda akan menemukan kata-kata baru ini muncul secara identik di setiap email. Seolah-olah mereka memberikan prompt yang sama kepada GPT.

Namun, kenyataannya adalah bahwa meskipun pemutusan hubungan kerja ini bukan karena AI secara langsung menggantikan Anda, meskipun ada unsur "pembersihan AI" di dalamnya, pemutusan hubungan kerja ini pada dasarnya tetap disebabkan oleh AI. Dan gelombang pemutusan hubungan kerja ini akan terus berlanjut hingga kita benar-benar belajar cara menggunakan AI.

Sampai kita belajar cara mengubah sejumlah besar AI Token menjadi hasil bisnis nyata, bukan hanya investasi kode; sampai kita belajar membuat kecepatan "penyelarasan" antar organisasi menyamai kecepatan pemrograman generasi baru; sampai kita memahami bagaimana memanfaatkan produktivitas tambahan ini untuk mengejar 10 ide baru berpotensi lainnya, di luar 2 ide bagus dan 8 ide buruk sebelumnya.

Sebelum kita benar-benar memahami bagaimana AI secara nyata mendorong pertumbuhan PDB global, perusahaan hanya bisa mengisi pengeluaran token tahunan yang mencapai $70 miliar (total pendapatan enterprise dari OpenAI dan Anthropic) dengan cara memotong gaji karyawan.

Sebelum kita belajar cara lebih efisien untuk mengatasi fenomena saling menghambat antar tim, satu-satunya solusi untuk masalah ini adalah—menghapus kami langsung dari struktur organisasi.

Masih 15 hari lagi, saya akan mengetahui takdir saya. Tetapi terlepas dari hasilnya, saya rasa saya sudah tahu penyebabnya. Bahkan jika saya yang berada di kantor CEO yang luas di sudut itu yang membuat keputusan itu, saya tidak tahu apakah saya bisa melakukan lebih baik, mungkin saya juga hanya akan membuat pilihan yang sama seperti CEO-CEO lain yang membuat grup.

Original link

Klik untuk mengetahui posisi yang sedang dibuka oleh BlockBeats

Selamat bergabung dengan komunitas resmi BlockBeats:

Grup langganan Telegram: https://t.me/theblockbeats

Grup Telegram: https://t.me/BlockBeats_App

Akun resmi Twitter: https://twitter.com/BlockBeatsAsia