AI Tidak Akan Mendemokratisasi Teknologi, Melainkan Memberi Reward kepada Orang yang Tepat

Penulis: Naman Bhansali

Terjemahan: Deep潮 TechFlow

Panduan DeepCha: Pada awal adopsi teknologi baru, orang-orang sering mengalami ilusi "pemerataan teknologi": ketika fotografi, penciptaan musik, atau pengembangan perangkat lunak menjadi sangat mudah, apakah keunggulan kompetitif akan hilang? Naman Bhansali, pendiri Warp, menggabungkan pengalaman pribadinya dari sebuah kota kecil di India hingga MIT, serta praktik kewirausahaan di bidang payroll yang dipimpin AI, untuk mengungkap kebenaran yang kontra-intuitif: semakin rendah ambang batas teknologi (Floor), semakin tinggi langit-langit industri (Ceiling) yang tercapai.

Di era di mana eksekusi menjadi murah, bahkan bisa di-"vibecoded" oleh AI, penulis berpendapat bahwa moat sejati kini bukan lagi sekadar distribusi lalu lintas, melainkan "selera" (Taste) yang sulit dipalsukan, wawasan mendalam terhadap logika dasar sistem kompleks, serta kesabaran untuk terus berlipat ganda dalam skala sepuluh tahun. Artikel ini bukan hanya pemikiran dingin tentang kewirausahaan AI, tetapi juga argumen kuat terhadap hukum pangkat yang menyatakan bahwa "teknologi rakyat menghasilkan hasil aristokrat".

Seluruh teks berikut:

Setiap kali teknologi baru menurunkan hambatan masuk, prediksi yang sama selalu mengikuti: karena sekarang setiap orang bisa melakukannya, maka tidak ada lagi yang memiliki keunggulan. Ponsel kamera membuat setiap orang menjadi fotografer; Spotify membuat setiap orang menjadi musisi; AI membuat setiap orang menjadi pengembang perangkat lunak.

Prediksi semacam ini selalu benar sebagian: dasar (the floor) memang naik. Lebih banyak orang terlibat dalam penciptaan, lebih banyak orang merilis produk, dan lebih banyak orang bergabung dalam persaingan. Namun, prediksi semacam ini selalu mengabaikan langit-langit (the ceiling). Langit-langit naik lebih cepat. Dan jarak antara dasar dan langit-langit—yaitu tingkat median dan tingkat teratas—tidak menyempit, justru semakin melebar.

Ini adalah ciri hukum pangkat (power laws): ia tidak peduli dengan niat Anda. Teknologi yang mempromosikan kesetaraan selalu menghasilkan hasil yang aristokratis. Setiap kali demikian.

AI juga tidak terkecuali, bahkan akan menunjukkan perilaku yang lebih ekstrem.

Ketika Spotify diluncurkan, ia melakukan sesuatu yang benar-benar radikal: ia memberikan akses ke saluran distribusi yang sebelumnya hanya dapat dijangkau oleh perusahaan rekaman, anggaran pemasaran, dan keberuntungan luar biasa kepada setiap musisi di dunia. Hasilnya adalah ledakan industri musik—jutaan artis baru muncul, miliaran lagu baru dirilis. Standar dasar memang naik sebagaimana dijanjikan.

Namun, yang terjadi selanjutnya adalah: artis top 1% sekarang menangkap proporsi pemutaran yang lebih besar daripada era CD. Bukan lebih kecil, tetapi lebih besar. Lebih banyak musik, lebih banyak persaingan, dan lebih banyak cara untuk menemukan konten berkualitas membuat para pendengar yang tidak lagi dibatasi oleh lokasi geografis atau ruang rak, berpindah ke karya-karya teratas. Spotify tidak menciptakan kesetaraan dalam musik; ia hanya memperparah kompetisi ini.

Cerita yang sama juga terjadi di bidang penulisan, fotografi, dan perangkat lunak. Internet melahirkan penulis terbanyak dalam sejarah, tetapi juga menciptakan ekonomi perhatian yang lebih kejam. Lebih banyak peserta, taruhan yang lebih tinggi di puncak, dan pola dasar yang sama: sejumlah kecil orang memperoleh sebagian besar nilai.

Kami terkejut karena kami terbiasa berpikir secara linier—kami mengharapkan peningkatan produktivitas tersebar merata seperti menuangkan air ke dalam wadah datar. Namun, sebagian besar sistem kompleks tidak berfungsi seperti itu, dan mereka tidak pernah begitu. Distribusi pangkat bukanlah keanehan pasar atau kegagalan teknologi; itu adalah pengaturan bawaan alam. Teknologi tidak menciptakannya, teknologi hanya mengungkapkannya.

Pikirkan Hukum Kleiber. Pada semua makhluk hidup di Bumi—dari bakteri hingga paus biru, melintasi 27 orde skala berat—tingkat metabolisme berbanding lurus dengan pangkat 0,75 dari berat badan. Metabolisme paus tidak sebanding dengan ukuran paus secara proporsional. Hubungan ini adalah hukum pangkat, dan mempertahankan presisi yang sangat tinggi di hampir semua bentuk kehidupan. Tidak ada yang merancang distribusi ini; ia hanyalah bentuk yang muncul ketika energi mengikuti logika bawaannya dalam sistem kompleks.

Pasar adalah sistem kompleks, dan perhatian adalah sumber daya. Ketika gesekan menghilang—ketika geografi, ruang rak, dan biaya distribusi tidak lagi berfungsi sebagai penyangga—pasar akan berkonvergensi ke bentuk alaminya. Bentuk ini bukan kurva lonceng distribusi normal, melainkan hukum pangkat. Cerita kesetaraan hidup berdampingan dengan hasil aristokratis, dan inilah mengapa setiap teknologi baru membuat kita terkejut. Kita melihat garis dasar naik, lalu mengasumsikan langit-langit juga naik dengan kecepatan yang sama. Faktanya tidak demikian, langit-langit sedang menjauh dengan percepatan.

Dorongan AI terhadap proses ini akan lebih cepat dan lebih kuat daripada teknologi apa pun sebelumnya. Garis dasar sedang naik secara real-time—siapa pun dapat merilis produk, merancang antarmuka, dan menulis kode lingkungan produksi. Tetapi langit-langit juga naik, dan naik lebih cepat. Pertanyaan yang patut ditanyakan adalah: apa sebenarnya yang menentukan posisi akhir Anda?

Pada tahun 1981, Steve Jobs bersikeras bahwa papan sirkuit di dalam Macintosh generasi pertama harus indah. Bukan bagian luar, tetapi bagian dalam—bagian yang tidak pernah akan dilihat oleh pelanggan. Para insinyurnya menganggapnya gila. Tetapi dia tidak gila. Dia memahami sesuatu yang mudah dianggap sebagai perfeksionisme, tetapi sebenarnya lebih mendekati suatu bentuk bukti: cara Anda melakukan sesuatu adalah cara Anda melakukan segalanya. Seseorang yang mampu membuat bagian tersembunyi menjadi indah bukan sedang mempertunjukkan kualitas, tetapi secara pribadi tidak mampu mentolerir peluncuran produk yang buruk.

Ini penting karena kepercayaan sulit dibangun, tetapi mudah dipalsukan dalam waktu singkat. Kami terus menjalankan penilaian heuristik untuk mencoba memahami siapa yang benar-benar unggul dan siapa yang hanya berpura-pura unggul. Kredensial membantu tetapi bisa dimanipulasi; latar belakang membantu tetapi bisa diwariskan. Yang benar-benar sulit dipalsukan adalah selera—yaitu komitmen yang berkelanjutan dan dapat diamati terhadap standar yang tidak ada yang meminta. Jobs tidak perlu membuat papan sirkuit seindah itu. Dia melakukannya, dan tindakan itu sendiri memberi tahu Anda bagaimana dia akan bertindak di tempat yang tidak Anda lihat.

Selama sebagian besar dekade terakhir, sinyal ini某种程度上 tertutupi. Di masa kejayaan SaaS (sekitar tahun 2012 hingga 2022), eksekusi menjadi begitu terstandarisasi sehingga distribusi menjadi sumber daya yang benar-benar langka. Jika Anda mampu mendapatkan pelanggan secara efisien, membangun mesin penjualan, dan mencapai "Aturan 40" — produk itu sendiri hampir tidak penting. Selama strategi pemasaran Anda kuat, Anda bisa menang dengan produk yang biasa saja. Sinyal yang dikirimkan oleh estetika tenggelam dalam kebisingan indikator pertumbuhan.

AI benar-benar mengubah rasio sinyal terhadap noise. Ketika siapa pun dapat menghasilkan produk fungsional, antarmuka yang indah, dan repositori kode yang berjalan dalam satu sore, apakah sesuatu itu "mudah digunakan" bukan lagi faktor pembeda. Masalahnya sekarang menjadi: apakah ini benar-benar luar biasa? Apakah orang ini tahu perbedaan antara "baik" dan "luar biasa" (Insanely great)? Bahkan tanpa paksaan, apakah mereka cukup peduli untuk menutup celah terakhir itu?

Ini terutama berlaku untuk perangkat lunak kritis bisnis—sistem yang menangani pembayaran gaji, kepatuhan, dan data karyawan. Ini bukan produk yang bisa Anda coba-coba dan tinggalkan pada kuartal berikutnya. Biaya perpindahan nyata, mode kegagalan serius, dan orang yang mengimplementasikan sistem bertanggung jawab atas konsekuensinya. Artinya, sebelum menandatangani kontrak, mereka akan menjalankan semua heuristik kepercayaan. Produk yang indah adalah salah satu sinyal paling kuat yang bisa diberikan. Ini mengatakan: para pembuatnya sangat serius. Mereka peduli pada bagian yang terlihat oleh mata Anda, yang berarti mereka kemungkinan besar juga peduli pada bagian yang tidak terlihat.

Di dunia di mana eksekusi murah, estetika adalah bukti kerja (Proof of Work).

Logika ini selalu berlaku, tetapi selama sepuluh tahun terakhir, lingkungan pasar membuatnya hampir tak terlihat. Pernah suatu waktu, keterampilan paling penting di industri perangkat lunak bahkan tidak berhubungan dengan perangkat lunak itu sendiri.

Antara tahun 2012 hingga 2022, arsitektur inti SaaS telah terbentuk. Infrastruktur cloud menjadi murah dan terstandarisasi, alat pengembangan pun semakin matang. Membangun produk yang berfungsi memang sulit, tetapi itu adalah “kesulitan yang telah terpecahkan”—Anda bisa menyelesaikannya dengan merekrut tenaga kerja, mengikuti pola yang sudah ditetapkan, dan mencapai batas minimal selama sumber daya mencukupi. Yang benar-benar langka dan membedakan pemenang dari yang biasa-biasa saja adalah kemampuan distribusi. Apakah Anda bisa mendapatkan pelanggan secara efisien? Apakah Anda bisa membangun tindakan penjualan yang dapat diulang? Apakah Anda memahami model ekonomi unit (unit economics) cukup dalam untuk menambah bahan bakar pada api pertumbuhan pada waktu yang tepat?

Pendiri yang bersinar dalam lingkungan tersebut sebagian besar berasal dari bidang penjualan, konsultasi, atau keuangan. Mereka sangat memahami indikator-indikator yang sepuluh tahun lalu terdengar seperti bahasa asing: Net Dollar Retention (NDR), Average Contract Value (ACV), Magic Number, dan Prinsip 40. Mereka hidup dalam spreadsheet dan tinjauan saluran penjualan, dan dalam konteks itu, mereka memang benar. Puncak SaaS melahirkan pendiri SaaS puncak. Ini adalah adaptasi evolusioner yang rasional.

Tetapi saya merasa sesak.

Saya tumbuh di sebuah kota kecil di negara bagian India dengan populasi 250 juta. Setiap tahun, hanya sekitar tiga siswa di seluruh India yang bisa masuk ke Massachusetts Institute of Technology (MIT). Tanpa kecuali, mereka semua berasal dari sekolah persiapan mahal di Delhi, Mumbai, atau Bangalore—lembaga-lembaga yang didirikan khusus untuk tujuan ini. Saya adalah orang pertama di negara bagian saya yang masuk ke MIT. Saya menyebutkan hal ini bukan untuk pamer, tetapi karena ini adalah versi mikro dari argumen artikel ini: ketika ambang masuk terbatas, latar belakang (Pedigree) memprediksi hasil; ketika ambang masuk terbuka, orang-orang yang mendalam (Deep people) selalu menang. Di ruangan yang penuh dengan orang-orang berlatar belakang terhormat, saya adalah taruhan yang menang karena kedalaman. Ini adalah satu-satunya cara bertaruh yang saya ketahui.

Saya mempelajari fisika, matematika, dan ilmu komputer, dan dalam bidang-bidang ini, wawasan paling mendalam bukanlah datang dari optimasi proses, melainkan dari melihat kebenaran yang dilewatkan orang lain. Tesis magister saya membahas mitigasi straggler dalam pelatihan mesin terdistribusi: ketika Anda menjalankan sistem skala besar, bagaimana cara mengoptimalkan kendala ini tanpa merusak integritas keseluruhan jika sebagian komponen tertinggal.

Ketika saya berusia dua puluhan dan melihat dunia startup, saya melihat gambaran di mana wawasan mendalam ini tampak tidak relevan. Pasar memberikan premi pada “go-to-market”, bukan pada produk itu sendiri. Membangun sesuatu yang secara teknis unggul tampak naif—dianggap sebagai gangguan terhadap “permainan sebenarnya” (yaitu akuisisi pelanggan, retensi, dan kecepatan penjualan).

Kemudian, pada akhir 2022, lingkungannya berubah.

Yang ditunjukkan oleh ChatGPT—dengan cara yang lebih intuitif dan menggugah daripada puluhan tahun penelitian—adalah kurva telah melengkung. Sebuah kurva S baru telah dimulai. Transisi tahapan (phase transitions) tidak memberi penghargaan kepada mereka yang paling mampu beradaptasi dengan tahap sebelumnya, tetapi kepada mereka yang mampu melihat potensi tak terbatas dari tahap baru sebelum orang lain memahami harganya.

Saya pun mengundurkan diri dari pekerjaan dan mendirikan Warp.

Taruhan ini sangat spesifik. Amerika Serikat memiliki lebih dari 800 lembaga perpajakan—federal, negara bagian, lokal—masing-masing dengan persyaratan pelaporan, tenggat waktu, dan logika kepatuhan sendiri. Tidak ada API, tidak ada antarmuka akses terprogram. Selama puluhan tahun, setiap penyedia gaji (Payroll provider) menangani masalah ini dengan cara yang sama: menambah personel. Ribuan ahli kepatuhan bekerja secara manual, berputar-putar di dalam sistem-sistem yang sama sekali tidak dirancang untuk dijalankan secara skala besar. Raksasa tradisional—ADP, Paylocity, Paychex—membangun model bisnis lengkap di sekitar kompleksitas ini; mereka tidak menyelesaikan kompleksitas, tetapi menyerapnya ke dalam jumlah karyawan dan memindahkan biayanya kepada pelanggan.

Pada tahun 2022, saya melihat agen AI masih rapuh. Namun, saya juga melihat kurva perbaikannya. Seseorang yang mendalam dalam sistem terdistribusi skala besar dan mengamati secara dekat jalur evolusi model dapat membuat taruhan akurat: teknologi yang saat itu rapuh, dalam beberapa tahun akan menjadi sangat kuat. Maka kami bertaruh: membangun platform native AI dari prinsip pertama, memulai dari alur kerja paling sulit dalam kategori ini—alur kerja yang karena batasan arsitektur, tidak pernah bisa diotomatisasi oleh raksasa tradisional.

Sekarang, taruhan ini sedang dibayar. Namun, yang lebih penting secara makro adalah pengenalan pola. Pendiri teknologi di era AI tidak hanya memiliki keunggulan teknis, tetapi juga keunggulan wawasan. Mereka dapat melihat titik masuk yang berbeda dan membuat taruhan yang berbeda. Mereka dapat meninjau sistem yang dianggap semua orang sebagai “kompleks permanen” dan bertanya: apa yang diperlukan untuk mencapai otomatisasi sejati? Kemudian, kuncinya adalah mereka dapat secara langsung membangun jawabannya.

Penguasa era SaaS puncak adalah pencapaian rasional di bawah batasan. Namun, AI sedang menghapus batasan-batasan ini dan memasang batasan baru. Di lingkungan baru ini, sumber daya langka bukan lagi distribusi, melainkan kemampuan untuk memahami kemungkinan—serta membangunnya sesuai standar estetika dan keyakinan yang tepat. Namun, masih ada variabel ketiga yang menentukan segalanya, dan inilah kesalahan kritis yang sedang dilakukan oleh sebagian besar pendiri era AI.

Di dunia startup saat ini, ada sebuah meme yang populer: Anda memiliki dua tahun untuk melarikan diri dari kelas bawah permanen. Bangun cepat, kumpulkan dana cepat, atau keluar atau hancur.

Saya memahami dari mana sikap ini berasal. Kecepatan perkembangan AI menciptakan rasa krisis eksistensi, dan jendela peluang untuk menangkap gelombang ini tampak sangat sempit. Pemuda yang melihat kisah ketenaran semalam di Twitter secara alami percaya bahwa inti permainan adalah kecepatan—pemenangnya adalah mereka yang berlari paling cepat dalam waktu paling singkat.

Ini benar di dimensi yang sepenuhnya salah.

Kecepatan eksekusi memang sangat penting. Saya sangat percaya pada hal ini—bahkan terpatri dalam nama perusahaan saya (Warp). Namun, kecepatan eksekusi tidak sama dengan pandangan yang sempit. Pendiri perusahaan paling berharga di era AI bukanlah mereka yang berlari selama dua tahun lalu mencairkan keuntungan, melainkan mereka yang berlari selama sepuluh tahun dan menikmati bunga majemuk.

Kesalahan dari pandangan jangka pendek: hal-hal paling berharga dalam perangkat lunak—data pribadi, hubungan pelanggan mendalam, biaya peralihan nyata, keahlian regulasi—memerlukan bertahun-tahun untuk dikumpulkan, dan tidak dapat dengan cepat disalin oleh pesaing, seberapa banyak modal atau kemampuan AI yang mereka bawa. Ketika Warp mengelola pembayaran gaji untuk perusahaan lintas negara bagian, kami sedang mengumpulkan data kepatuhan lintas ribuan yurisdiksi. Setiap pemberitahuan pajak yang diselesaikan, setiap kasus batas yang ditangani, setiap pendaftaran pemerintah negara bagian yang diselesaikan, semuanya melatih sistem yang semakin sulit disalin seiring berjalannya waktu. Ini bukan sekadar fitur, ini adalah parit pertahanan, yang ada karena kami telah mendalaminya dengan kualitas sangat tinggi selama waktu yang cukup lama, hingga menciptakan kepadatan kualitas.

Bunga majemuk ini tidak terlihat pada tahun pertama. Pada tahun kedua, ia samar-samar muncul. Pada tahun kelima, ia menjadi seluruh permainannya.

Frank Slootman, mantan CEO Snowflake, pernah membangun dan menskalakan lebih banyak perusahaan perangkat lunak daripada siapa pun yang ada saat ini, dan ia merangkumnya dengan singkat: Anda harus terbiasa dengan keadaan “tidak nyaman.” Bukan untuk lari cepat, tetapi menjadikannya sebagai keadaan permanen. Kabut perang di tahap awal startup—rasa kehilangan arah, informasi yang tidak lengkap, dan keharusan untuk membuat keputusan tindakan—tidak akan hilang setelah dua tahun. Ia hanya berubah, ketidakpastian baru akan menggantikan yang lama. Pendiri yang bertahan bukanlah mereka yang menemukan kepastian, tetapi mereka yang belajar bergerak dengan jelas di tengah kabut.

Membangun sebuah perusahaan sangatlah kejam, dan kekejaman ini sulit disampaikan kepada mereka yang belum pernah melakukannya. Anda hidup dalam ketakutan ringan yang berkelanjutan, yang terkadang ditemani oleh ketakutan yang jauh lebih besar. Anda membuat ribuan keputusan dengan informasi yang tidak lengkap, sambil menyadari bahwa serangkaian keputusan salah saja bisa menyebabkan kehancuran. Keberhasilan "semalam" yang Anda lihat di Twitter bukan hanya outlier dalam distribusi pangkat, tetapi juga ekstrem dari outlier. Mengoptimalkan strategi Anda berdasarkan kasus-kasus ini sama saja dengan melatih diri untuk maraton dengan mempelajari hasil orang-orang yang salah jalan dan secara kebetulan menyelesaikan 5 kilometer.

Jadi mengapa harus melakukan ini? Bukan karena nyaman, bukan karena peluang menang besar. Tapi karena bagi sebagian orang, tidak melakukannya rasanya bukan hidup secara sungguh-sungguh. Karena satu-satunya hal yang lebih buruk daripada ketakutan akan “membangun sesuatu dari nol” adalah suffokasi sunyi yang ditimbulkan oleh “tidak pernah mencoba”.

Dan—jika Anda menebak dengan benar, jika Anda melihat kebenaran yang belum dihargai oleh orang lain, jika Anda menjalankannya dalam jangka waktu yang cukup panjang dengan estetika dan keyakinan—hasilnya tidak hanya bersifat keuangan. Anda membangun sesuatu yang benar-benar mengubah cara orang bekerja. Anda menciptakan produk yang orang-orang cintai untuk digunakan. Anda mempekerjakan dan mewujudkan potensi terbaik orang-orang di bisnis yang Anda bangun sendiri.

Ini adalah proyek selama sepuluh tahun. AI tidak bisa mengubah fakta ini, dan tidak pernah mengubahnya.

Yang diubah oleh AI adalah langit-langit (Ceiling) yang dapat dicapai selama dekade ini oleh para pendiri yang mampu bertahan hingga akhir untuk melihatnya secara langsung.

Lalu, di seberang semua ini, seperti apa wujud perangkat lunaknya?

Optimis mengatakan AI menciptakan kelimpahan—lebih banyak produk, lebih banyak pembangun, lebih banyak nilai yang didistribusikan kepada lebih banyak orang. Mereka benar. Pesimis mengatakan AI menghancurkan moat perangkat lunak—apa pun bisa disalin dalam sehari, pertahanan sudah mati. Mereka juga sebagian benar. Tetapi kedua kelompok ini hanya fokus pada dasar (The floor), tidak ada yang memperhatikan langit-langit (The ceiling).

Ribuan solusi titik tunggal akan muncul di masa depan—alat-alat kecil, fungsional, dan dihasilkan oleh AI, yang cukup mampu menyelesaikan masalah-masalah sempit tertentu. Banyak di antaranya bahkan tidak dibangun oleh perusahaan, tetapi dikembangkan oleh individu atau tim internal untuk mengatasi masalah mereka sendiri. Untuk kategori perangkat lunak dengan ambang masuk rendah dan mudah diganti, pasar akan mengalami demokratisasi sejati. Tingkat persaingan sangat tinggi, dan margin keuntungan sangat tipis.

Namun, untuk perangkat lunak kritis bisnis—sistem yang menangani arus kas, kepatuhan, data karyawan, dan risiko hukum—situasinya sangat berbeda. Ini adalah alur kerja dengan tingkat toleransi kesalahan yang sangat rendah. Ketika sistem pembayaran gaji gagal, karyawan tidak mendapatkan gaji; ketika pelaporan pajak salah, IRS akan datang; ketika pembayaran tunjangan terputus selama periode pendaftaran terbuka, orang-orang nyata akan kehilangan perlindungan. Orang yang memilih perangkat lunak harus bertanggung jawab atas konsekuensinya. Tanggung jawab ini tidak dapat diserahkan kepada AI yang dirakit secara asal-asalan dengan “kode berdasarkan perasaan” di sore hari.

Untuk alur kerja ini, perusahaan akan terus mempercayai penyedia. Di antara penyedia-penyedia ini, dinamika "pemenang mengambil semuanya" akan jauh lebih ekstrem dibandingkan generasi perangkat lunak sebelumnya. Ini bukan hanya karena efek jaringan yang lebih kuat (meskipun memang demikian), tetapi terutama karena platform berbasis AI yang beroperasi dalam skala besar dan mengakumulasi data pribadi dari jutaan transaksi dan ribuan kasus tepi kepatuhan, memiliki keunggulan kompounding yang membuat pesaing baru hampir tidak mungkin mengejar secara instan. Parit perlindungan bukan lagi sekadar fitur, melainkan kualitas yang terakumulasi dari operasi berstandar tinggi yang berkelanjutan di bidang yang menghukum kesalahan.

Ini berarti tingkat integrasi pasar perangkat lunak akan melebihi era SaaS. Saya memperkirakan dalam sepuluh tahun mendatang, di bidang SDM dan penggajian, tidak akan ada 20 perusahaan masing-masing memiliki pangsa pasar satu digit. Saya memperkirakan dua hingga tiga platform akan menguasai sebagian besar nilai, sementara daftar panjang solusi titik tunggal hampir tidak mendapatkan bagian apa pun. Pola yang sama akan terjadi di setiap kategori perangkat lunak di mana kompleksitas kepatuhan, akumulasi data, dan biaya perpindahan bekerja bersama.

Perusahaan-perusahaan di puncak distribusi ini tampak sangat serupa: didirikan oleh para teknisi dengan selera produk yang nyata; dibangun dari hari pertama di atas arsitektur native AI; beroperasi di pasar-pasar di mana raksasa-raksasa saat ini tidak dapat merespons secara struktural tanpa membongkar bisnis yang sudah ada. Mereka sejak awal mempertaruhkan wawasan unik—melihat kebenaran yang belum diberi harga oleh AI—dan bertahan cukup lama hingga efek bunga majemuk menjadi jelas terlihat.

Saya telah menggambarkan pendiri semacam ini secara abstrak. Tetapi saya sangat tahu siapa dia, karena saya sedang berusaha menjadi dirinya.

Saya mendirikan Warp pada tahun 2022 karena saya percaya bahwa seluruh stack yang dioperasikan karyawan—gaji, kepatuhan perpajakan, tunjangan, onboarding, manajemen perangkat, proses SDM—didirikan di atas tenaga kerja manual dan arsitektur lama, yang dapat digantikan sepenuhnya oleh AI. Bukan diperbaiki, tetapi digantikan. Raksasa lama membangun bisnis bernilai miliaran dolar dengan menyerap kompleksitas ke dalam jumlah karyawan; sementara kami akan membangun bisnis dengan menghilangkan kompleksitas sejak sumbernya.

Tiga tahun membuktikan taruhan ini. Sejak peluncuran, kami telah menangani lebih dari $500 juta dalam transaksi, tumbuh dengan cepat, dan melayani perusahaan-perusahaan yang membangun teknologi paling penting di dunia. Setiap bulan, data kepatuhan yang kami kumpulkan, kasus-kasus tepi yang kami tangani, dan integrasi yang kami bangun membuat platform menjadi semakin sulit ditiru dan semakin bernilai bagi pelanggan. Moat masih di tahap awal, tetapi sudah mulai terbentuk dan semakin mempercepat.

Saya memberi tahu Anda ini bukan karena kesuksesan Warp tak terhindarkan—di dunia distribusi pangkat, tidak ada yang tak terhindarkan—tetapi karena logika yang membawa kita ke titik ini, adalah logika yang saya jelaskan sepanjang artikel ini: melihat kebenaran. Menelusuri lebih dalam daripada siapa pun. Membangun standar tinggi yang dapat dipertahankan tanpa tekanan eksternal. Bertahan cukup lama untuk melihat apakah Anda benar.

Perusahaan unggulan di era AI akan didirikan oleh mereka yang memahami prinsip berikut: akses bukanlah sumber daya langka, melainkan wawasan (Insight); eksekusi bukanlah parit pertahanan, melainkan estetika (Taste); kecepatan bukanlah keunggulan, melainkan kedalaman (Depth).

Hukum pangkat tidak peduli dengan niat Anda. Tetapi ia memberi penghargaan pada niat yang benar.