Yang akhirnya ingin kita ajarkan kepada model, sama dengan yang kita ajarkan kepada anak-anak.

Penulis artikel, sumber: Machine Heart

Banyak orang mengatakan bahwa di era AI, selera adalah benteng terakhir manusia. Tetapi Boris Cherny tidak berpikir demikian.

Dia adalah anggota teknis Anthropic dan salah satu pembangun utama Claude Code. Setiap hari ia menggunakan model untuk menulis kode, sekaligus menggunakan model untuk meneliti model. Dan tren yang ia lihat adalah: apa yang disebut "selera" juga dengan cepat dipelajari oleh model.

Jika bahkan "yang harus dilakukan" bisa dikuasai oleh model, lalu apa yang tersisa bagi manusia?

Dalam sebuah wawancara terbaru, Boris membahas topik ini.

Bagaimana Claude Code secara mendasar mengubah sistem perusahaan;

Setelah model dapat menulis sebagian besar kode, apakah masih layak merekrut insinyur? Jika ya, apa yang perlu diperhatikan?

Mengapa banyak orang di Anthropic adalah Member of Technical Staff, tanpa tingkat dan pembagian tugas yang jelas?

Saran kontra-intuitif untuk semua pengusaha mengapa adalah "Hire fewer people, give more tokens"?

……

Masalah-masalah ini secara tampak membahas tentang kelahiran dan iterasi sebuah produk, tetapi setiap jawaban pada setiap tingkatan menunjuk pada perubahan yang lebih mendasar: cara organisasi beroperasi sedang didefinisikan ulang oleh model itu sendiri.

Sedangkan jawaban yang diberikan Boris sangat layak untuk direnungkan dengan tenang.

Bagaimana Claude Code lahir?

Ketika host bertanya tentang asal-usul Boris Claude Code, jawabannya agak mengejutkan.

Dalam ceritanya, Claude Code bukanlah produk inti yang direncanakan Anthropic dari awal, bahkan bisa dikatakan merupakan produk yang tak terduga.

Pada akhir 2024, Boris bergabung dengan Tim Labs di Anthropic. Tugas tim ini bukan memelihara produk yang sudah ada, melainkan mengeksplorasi bentuk produk masa depan. Di satu sisi, mereka perlu terus mendorong batas kemampuan model; di sisi lain, mereka juga mencari produk baru yang benar-benar dapat melepaskan potensi tersebut.

Pada saat itu, tim merasakan dengan sangat kuat: model telah memiliki kemampuan yang jauh melampaui produk yang ada, tetapi belum ada produk di pasar yang mampu memanfaatkan kemampuan ini sepenuhnya. Hal ini terutama berlaku di bidang pemrograman.

Pada saat itu, alat pemrograman AI di pasar sebagian besar masih terbatas pada dua arah. Satu arah adalah autocomplete, yang membantu pengembang menyelesaikan baris kode berikutnya; arah lainnya adalah asisten tanya jawab, di mana pengembang dapat menanyakan makna dari suatu kode atau solusi untuk kesalahan tertentu. Namun, Boris percaya bahwa pada saat itu belum ada Coding Agent yang benar-benar nyata.

Oleh karena itu, tim memutuskan untuk melakukan percobaan yang lebih agresif: tidak lagi menjadikan model sebagai alat bantu, tetapi langsung menjadikannya sebagai inti pengembangan. Mereka ingin melihat apa yang akan terjadi jika mereka membangun produk pemrograman sepenuhnya berpusat pada Agent dari nol.

Namun Boris juga secara jujur mengakui bahwa Claude Code awalnya tidak mudah digunakan.

Dalam jangka waktu yang lama, ia hanya mampu menyelesaikan sekitar 10% hingga 20% pekerjaannya. Sebagian besar kode masih perlu ditulis sendiri olehnya. Claude Code yang dilihat orang hari ini sama sekali bukanlah hal yang sama dibandingkan dengan produk pada masa itu.

Mengapa Anthropic begitu menekankan Coding?

Banyak orang menganggap alasan Anthropic menekankan Coding sangat sederhana—pasar pemrograman cukup besar, nilai bisnisnya cukup tinggi. Namun, penjelasan Boris sama sekali berbeda.

Dia mengatakan, jika Anda secara acak menghentikan seorang karyawan di kantor Anthropic dan menanyakan mengapa mereka datang ke sini, kemungkinan besar jawabannya akan sama: AI Safety.

Menurut Boris, misi paling inti Anthropic sejak berdiri selalu adalah keamanan AI. Baik penelitian tentang interpretabilitas, penelitian tentang alignment, maupun berbagai arah keamanan lainnya, pada dasarnya berusaha memahami perilaku model. Namun, semua penelitian ini pada akhirnya menghadapi masalah yang sama: hanya mengamati model di laboratorium tidak cukup; para peneliti juga harus mengamati apa yang terjadi ketika model memasuki dunia nyata.

Dan Coding secara kebetulan merupakan tempat eksperimen yang hampir ideal.

Berbeda dengan menulis, melukis, atau tugas terbuka lainnya, pemrograman memiliki mekanisme umpan balik yang sangat jelas. Kode dapat dijalankan atau tidak, program dapat lulus pengujian atau tidak, kompilasi berhasil atau gagal—jawabannya seringkali sangat jelas. Seiring itu, internet menyediakan sejumlah besar kode sebagai data pelatihan. Dibandingkan dengan tugas seperti menciptakan puisi yang mungkin memiliki tak terhingga banyak jawaban yang baik, ruang solusi yang benar untuk masalah pemrograman jauh lebih terkonsentrasi, sehingga lebih mudah untuk memverifikasi kemampuan model.

Karena itu, Anthropic telah sangat memperhatikan Coding, Penggunaan Alat, dan Penggunaan Komputer sejak awal. Arah-anah ini tidak hanya memiliki nilai komersial, tetapi yang lebih penting lagi, mereka menyediakan lingkungan eksperimen alami untuk meneliti bagaimana model berinteraksi dengan dunia nyata.

Dari sudut pandang ini, Claude Code bukan hanya alat produktivitas untuk programmer. Dalam narasi Boris, ia juga merupakan platform eksperimen penting yang digunakan Anthropic untuk memahami sistem AI masa depan.

Mengapa Claude Code tiba-tiba menjadi lebih kuat?

Setelah memperkenalkan asal-usul Claude Code, moderator mengajukan pertanyaan yang banyak orang ingin tahu. Karena ketika Claude Code baru lahir, ia hanya mampu menyelesaikan sekitar 10% hingga 20% pekerjaan Boris, lalu apa yang sebenarnya terjadi selanjutnya? Toh hari ini Boris telah secara terbuka menyatakan bahwa ia belum menulis kode secara langsung selama enam bulan. Dari hanya mampu menyelesaikan sebagian kecil tugas hingga hampir sepenuhnya mengambil alih pekerjaan pengembangan, jelas terjadi perubahan besar di tengahnya.

Untuk pertanyaan ini, jawaban Boris justru sangat sederhana. Ia mengatakan bahwa pihak luar sering kali memfokuskan perhatian pada fitur produk, tetapi jika ia meninjau kembali momen-momen yang benar-benar membawa lompatan kemampuan, alasan paling penting hanyalah satu: model menjadi lebih kuat.

Dalam setahun terakhir, tim Anthropic memang terus meningkatkan Claude Code itu sendiri. Mereka melakukan sejumlah besar pekerjaan teknis, menambahkan berbagai cara interaksi baru dan bentuk produk. Awalnya, Claude Code hanyalah alat baris perintah, kemudian secara bertahap diperluas ke desktop, seluler, Slack, GitHub, dan berbagai skenario lainnya. Tim juga terus mencoba fitur-fitur baru, seperti mode perencanaan (Plan Mode) dan berbagai mekanisme lain yang membantu pengembang berkolaborasi dengan Agent. Namun, menurut Boris, semua ini termasuk perbaikan inkremental.

Yang benar-benar menentukan batas atas Claude Code adalah model dasarnya sendiri.

Dia menyebutkan beberapa titik kunci. Dari Sonnet 4, Opus 4, hingga Opus 4.5 selanjutnya, setiap peningkatan kemampuan model langsung tercermin dalam kinerja Claude Code.

Pembawa acara kemudian bertanya apakah pengalaman menggunakan Claude Code akan berdampak balik pada pengembangan model. Jawaban Boris adalah bahwa hampir semua orang di Anthropic menggunakan Claude Code setiap hari, termasuk orang-orang yang mengembangkan model, pengembang produk... seluruh perusahaan menggunakannya.

Oleh karena itu, tidak ada saluran umpan balik khusus. Umpan balik itu sendiri merupakan bagian dari pekerjaan sehari-hari perusahaan.

Para peneliti menemukan masalah selama penggunaan, tim model akan melihat masalah-masalah ini; setelah kemampuan model meningkat, orang-orang langsung merasakan perubahan dalam pekerjaan nyata. Produk dan model bukanlah dua garis paralel, tetapi berkembang bersama dalam satu siklus yang sama.

Seberapa besar peningkatan produktivitas yang dibawa Claude Code bagi Anthropic?

Boris mengatakan bahwa setelah bekerja lama di laboratorium AI, orang-orang akan terbiasa memikirkan masalah dengan cara pertumbuhan eksponensial. Banyak indikator internal—baik pendapatan, penggunaan, maupun kemampuan model—terlihat lebih seperti kurva eksponensial, sehingga mereka bahkan terbiasa menggunakan skala logaritmik untuk mengamati perubahan.

Sedangkan output kode juga menunjukkan tren serupa.

Berdasarkan data yang pernah diungkapkan oleh Anthropic, sejak Claude Code digunakan secara luas di dalam perusahaan, jumlah kode yang dihasilkan setiap insinyur meningkat sekitar tiga kali lipat. Namun, Boris secara khusus menekankan bahwa data ini sudah usang. Peningkatan sebenarnya jauh melebihi angka ini.

Yang lebih menarik, pertumbuhan ini terjadi selama proses perluasan skala perusahaan yang cepat.

Menurut pengalaman tradisional, semakin banyak insinyur sebuah perusahaan, produktivitas rata-rata cenderung semakin rendah. Karyawan baru perlu mempelajari sistem, sementara karyawan lama perlu menjawab pertanyaan, sehingga biaya komunikasi organisasi terus meningkat.

Namun, yang diamati Boris justru sebaliknya. Dulu, seorang insinyur baru yang bergabung dengan perusahaan mungkin memerlukan beberapa minggu untuk benar-benar mengenal sistem internal. Sekarang, proses ini sering kali hanya memerlukan dua hari.

Alasannya bukan karena sistem pelatihan mengalami perubahan revolusioner, tetapi karena semua orang sudah terbiasa langsung bertanya kepada Claude. Para anggota baru tidak perlu tahu bagaimana cara mengquery database. Mereka bahkan tidak perlu tahu siapa yang harus ditanya. Di dalam Anthropic, ketika seseorang bertanya “bagaimana cara mengquery database?”, jawaban yang sering diberikan adalah: “Buka Claude, biarkan Claude yang mengquery database.” Banyak pengetahuan implisit yang sebelumnya harus dikuasai oleh insinyur senior mulai dipindahkan ke agen. Menurut Boris, ini mungkin merupakan perubahan paling penting.

Claude Code tidak hanya meningkatkan kecepatan generasi kode, tetapi juga secara bertahap mengurangi biaya transmisi pengetahuan di dalam organisasi. Dulu, perusahaan bergantung pada transmisi pengetahuan secara bertingkat. Sekarang, semakin banyak pengetahuan yang secara langsung dikemas ke dalam model.

Dari pita berlubang hingga Vibe Coding, manusia sekali lagi meningkatkan tingkat abstraksi pemrograman

Karena Claude Code sangat hebat, apakah insinyur baru yang direkrut Anthropic masih menulis kode? Ketika moderator mengajukan pertanyaan ini, fokus diskusi langsung beralih ke: bagaimana Anda mendefinisikan "menulis kode"?

Menurut Boris, sejarah perkembangan rekayasa perangkat lunak pada dasarnya adalah sejarah peningkatan tingkat abstraksi yang terus-menerus.

Kakeknya pernah memprogram menggunakan kartu lubang di era Uni Soviet. Pada masa itu, programmer harus membuat lubang pada kartu kertas, lalu memasukkan kartu tersebut ke komputer dan menunggu hasilnya. Kemudian muncul bahasa assembly. Setelah itu muncul Fortran dan COBOL. Lalu Java, Python, dan JavaScript. Setiap peningkatan tingkat abstraksi, selalu ada yang berpendapat: ini bukan pemrograman sejati. Programmer yang menulis assembly meremehkan yang menggunakan bahasa tingkat tinggi, sementara yang menulis C merasa Python terlalu sederhana. Namun Boris berpendapat, hal yang terjadi hari ini pada dasarnya tidak berbeda. Manusia sekali lagi meningkatkan tingkat abstraksi pemrograman.

Dia menggambarkan perubahan proses kerjanya selama setahun terakhir. Pada awalnya, ia seperti kebanyakan pengembang lainnya: membuka IDE, menulis kode, dan sesekali menggunakan autocomplete, yang merupakan cara pengembangan perangkat lunak tradisional.

Setelah Claude Code muncul, cara kerjanya berubah menjadi: mendeskripsikan kebutuhan kepada Claude, meminta Claude menulis kode, dan dirinya sendiri bertanggung jawab untuk memeriksa dan memperbaiki. Pada tahap ini, manusia masih secara langsung mengarahkan model. Hanya saja, kodenya dihasilkan oleh model. Namun, Boris percaya bahwa ini sebenarnya hanyalah tahap transisi.

Perubahan yang benar-benar menarik terjadi baru-baru ini. Dia mengatakan: Sekarang saya bahkan tidak lagi secara langsung meminta Claude. Pekerjaannya telah berubah menjadi bentuk lain. Dia menulis berbagai proses dan siklus yang berjalan otomatis. Siklus-siklus ini bertanggung jawab untuk mengajukan pertanyaan kepada Claude, memecah tugas, mengelola konteks, serta mengoordinasikan pekerjaan di antara beberapa contoh Claude.

Dengan kata lain: dulu orang memberikan perintah kepada Claude. Sekarang, program yang memberikan perintah kepada Claude atas namanya. Dan pekerjaannya berubah menjadi merancang sistem yang berjalan otomatis. Ia merangkumnya dengan satu kalimat yang sangat ringkas: Pekerjaan saya sekarang adalah menulis Loops.

Tampaknya, Boris tidak hanya mengoutsourcing kode ke Claude, tetapi juga mengotomatisasi proses itu sendiri—berkomunikasi dengan Claude. Ini sudah bukan lagi model Copilot yang biasa kita kenal, melainkan lebih mirip sistem yang terdiri dari beberapa Agent yang berjalan terus-menerus.

Boris menyebutkan bahwa pada November tahun lalu, ia bahkan menghapus IDE-nya. Alasannya bukan sekadar simbolis, melainkan karena ia menyadari bahwa ia sudah satu bulan tidak membuka IDE sama sekali. Karena sama sekali tidak digunakan, ia memutuskan untuk menghapusnya. Selama periode itu, ia biasanya menjalankan lima hingga sepuluh instance Claude secara bersamaan, dengan Claude yang berbeda menangani tugas yang berbeda, sementara ia fokus pada pengawasan keseluruhan proses.

Insinyur tidak lagi menulis kode, apa yang dicari dalam rekrutmen?

Pada saat itu, moderator mengajukan pertanyaan yang sangat menarik: Jika seorang insinyur hari ini ingin bergabung dengan Anthropic, bagaimana Anthropic akan menilainya? Atau: Di dunia yang semakin sedikit menulis kode secara langsung, perusahaan sebenarnya mencari orang seperti apa?

Jawaban Boris hampir secara langsung memicu diskusi berikutnya tentang bentuk organisasi. Ia mengatakan bahwa kelompok orang yang paling disukai oleh tim Claude Code sebenarnya adalah: Generalist.

Alasannya sederhana: organisasi perangkat lunak masa lalu memiliki pembagian tugas yang sangat jelas—peneliti pengguna bertanggung jawab memahami pengguna, desainer bertanggung jawab merancang produk, manajer produk bertanggung jawab merencanakan kebutuhan, insinyur bertanggung jawab mengimplementasikan fitur, dan setiap orang bekerja di bagian masing-masing seperti sebuah jalur perakitan.

Namun, tim Claude Code menemukan dalam enam bulan terakhir bahwa pembagian tugas ini sedang cepat runtuh. Setiap insinyur di tim hampir setiap hari melakukan berbagai tugas yang sebelumnya tidak termasuk dalam tanggung jawab 'insinyur'. Ada yang berkomunikasi langsung dengan pengguna, ada yang mendesain interaksi, ada yang mengumpulkan data, melakukan analisis data, dan membangun dashboard. Tidak ada yang hanya fokus pada satu tahap sempit.

Boris bahkan memberikan contoh yang lebih ekstrem: desainer Anthropic juga menulis kode, dan rekan keuangan pun menulis kode. Satya Nadella menyebut peran semacam ini sebagai "Builder". Istilah ini mungkin lebih akurat daripada "insinyur", karena batasan sejati bukan lagi "apakah kamu bisa menulis kode", melainkan "apakah kamu bisa mewujudkan sebuah ide menjadi kenyataan".

Dari perspektif Boris, AI tidak secara sederhana menggantikan programmer; yang benar-benar berubah adalah hubungan antara pengetahuan dan eksekusi. Di masa lalu, seseorang tidak bisa memikul banyak peran sekaligus sebagian besar karena biaya pembelajaran yang terlalu tinggi. Sekarang, model terus menurunkan biaya transisi di antara kemampuan-kemampuan tersebut. Oleh karena itu, orang yang paling unggul di masa depan belum tentu ahli paling mendalam di satu bidang tertentu, tetapi mungkin mereka yang mampu dengan cepat melintasi berbagai bidang dan terus mengintegrasikan sumber daya.

Inilah mengapa Boris percaya: kita sedang memasuki era keemasan bagi para Generalist. Bagi mereka yang bersedia melakukan banyak hal, kini mungkin merupakan zaman terbaik dalam sejarah.

Anggota Staf Teknis bukanlah gimmick, melainkan pra-penyelenggaraan masa depan

Host mengalihkan topik dari produk ke budaya dan desain organisasi. Ia memperhatikan bahwa gelar Boris bukan "Direktur Produk" atau "Direktur Teknik", melainkan Member of Technical Staff, dan banyak orang di Anthropic memiliki gelar yang sama. Ia ingin tahu: apa manfaatnya? Apakah ada kerugiannya?

Boris sangat jujur. Dia mengatakan hal terburuknya adalah: ketika Anda mengirim pesan ke seseorang di Slack dengan gelar MTS, Anda sama sekali tidak tahu apakah orang itu adalah desainer, insinyur, atau manajer, atau apa proyek yang sedang dikerjakannya. Tetapi dia sangat menyukai gelar tersebut.

Dia mengingat pengalaman di Meta. Semua insinyur perangkat lunak di Meta hanya memiliki satu gelar: Software Engineer, tanpa tingkatan seperti senior atau principal. Awalnya dia tidak terlalu memahami, tetapi kemudian menyadari bahwa ini sebenarnya merupakan desain budaya. Jika Anda memberi seseorang gelar "senior", orang lain akan enggan membantah ide buruknya karena rasa hormat. Namun, dengan menempatkan semua orang dalam ruang yang tampak setara, justru mendorong semua orang untuk bersaing berdasarkan ide mereka sendiri, bukan berdasarkan masa kerja.

Tentu, dia mengakui bahwa level tidak benar-benar hilang hanya karena judulnya tidak lagi ditampilkan. Anda tahu seseorang adalah L7, hanya saja judulnya tidak ditulis. Tetapi yang menarik adalah, seringkali Anda benar-benar tidak tahu.

Dia bercerita tentang pengalamannya saat bekerja sebagai insinyur L4 di Facebook. Dia memiliki sebuah ide, lalu langsung mendatangi VP yang bertanggung jawab atas konektivitas dan berkata: "Ini ide saya, mari kita kerjakan bersama." VP tersebut sama sekali tidak tahu levelnya. Dia kemudian mendatangi VP lain, tetapi gagal lagi. Di percobaan ketiga, berhasil. Mereka membentuk tim dan mulai mengembangkan produk.

Boris mengatakan bahwa sekarang ia melihat hal yang sama setiap hari di tim Claude Code. Insinyur senior dengan pengalaman 20 hingga 30 tahun justru membutuhkan berbulan-bulan untuk "unlearn"—melepaskan kebiasaan lama yang sudah tidak lagi berlaku. Sementara itu, seorang lulusan baru universitas yang bergabung dengan tim justru bisa mengajarkannya cara menggunakan Claude Code dengan lebih baik, karena generasi muda secara alami berpikir dengan pendekatan model.

Setiap kali model baru muncul, semua orang harus melakukan recalibrate. Pengalaman di era ini bukanlah akumulasi linier, terkadang bahkan menjadi beban.

Jadi, gelar yang tampak kabur seperti Member of Technical Staff, menurut Boris, adalah pra-penampilan dari kenyataan yang akan datang: batas antara insinyur, PM, desainer, dan peneliti pengguna akan hampir hilang pada akhir tahun. Alih-alih menerima perubahan ini secara pasif, lebih baik gunakan gelar untuk secara aktif mendorong semua orang ke peran yang sama: Builder.

Saran untuk semua pendiri: kurangi rekrutmen, perbanyak penerbitan token

Host meminta Boris memberikan saran yang lebih umum kepada para pendiri dan perusahaan dari perspektif Anthropic: Bagaimana organisasi harus menyesuaikan pola pikirnya sebelum akhir 2026?

Kalimat pertama Boris sudah membawa humor: "Berikan sebanyak mungkin token kepada semua orang." Seperti kalimat terkenal Huang Renxun: "Semakin banyak yang Anda beli, semakin banyak yang Anda hemat."

Ini bukan lelucon. Dia serius. Saran spesifik yang dia berikan adalah dua hal:

Pertama, berikan sebanyak mungkin token agar semua orang bisa bereksperimen secara liar.

Kedua, setiap proyek sengaja "memberi lebih sedikit orang". Jika Anda merasa sebuah proyek membutuhkan empat insinyur, cukup tempatkan dua orang, lalu beri mereka banyak token, biarkan mereka mencari cara sendiri. Anda akan menemukan bahwa kemungkinan besar mereka benar-benar bisa melakukannya. Mereka akan mengotomatisasi segala sesuatu yang bisa diotomatisasi, dan karena sudah diotomatisasi, proyek berikutnya akan lebih cepat dan lebih murah. Ini adalah efek bunga majemuk.

Host merangkum saran ini dengan sangat ringkas: gunakan lebih sedikit orang, dan alihkan anggaran dari gaji manusia ke token. Ini akan meningkatkan biaya awal Anda, tetapi secara signifikan mengurangi biaya berkelanjutan. Seperti pre-compiling—Anda menyelesaikan semua pekerjaan kotor dan melelahkan sekali saja, dan setiap eksekusi berulang setelahnya hampir gratis.

Boris menyatakan sepenuhnya setuju. Moderator kemudian mengajukan pertanyaan yang lebih tajam: Dulu, orang-orang sangat bangga dengan discipline (bidang keahlian) mereka. PM bangga dengan artikel produk yang mereka tulis, desainer bangga dengan portofolio indah mereka. Apakah dalam 12 bulan, semua orang harus melepaskan identitas diri mereka sebagai “saya adalah seseorang” dan berubah menjadi “tas fleksibel yang mengonsumsi token”?

Boris berkata: "Saya mungkin akan menggunakan redaksi yang sedikit berbeda, tapi... ya, kurang lebih seperti itu."

Selera juga akan terkikis oleh model? Yang tersisa akhirnya hanyalah "nilai-nilai"

Host menyebut topik yang sebelumnya dibahas dengan anggota Anthropic lainnya, Jared, dan ingin mendengar pendapat Boris: Bagaimana Anda memahami 'taste'?

Jawaban Boris sangat jujur. Ia mengatakan, setiap kali ia merasa memiliki "selera khusus" dalam pemrograman, akhirnya terbukti salah.

Dia dulunya sangat menyukai pemrograman fungsional, seperti bahasa Haskell dan Scala. Di kode awal Claude Code, dia menetapkan aturan: jangan gunakan class, hanya boleh menggunakan function. Para insinyur secara diam-diam mengirimkan kode yang berisi class pada akhir pekan, dan pada hari Senin kode tersebut ditolak olehnya. Kemudian, model mulai menulis kode dalam skala besar, dan model langsung menulis class. Setelah memeriksa lama, akhirnya dia berkata: "Baiklah, mungkin model yang benar. Obsesi saya ini mungkin memang tidak bermakna apa-apa; hasil bisnis sudah tercapai, bahkan lebih cepat, dan kodenya pun tidak buruk."

Kemudian ia melakukan inferensi yang lebih berani. Saat ini, semua orang selalu mengatakan, "Selera produk adalah alpha terakhir." Namun, ia percaya bahwa alpha semacam ini juga cepat menghilang.

Dia sekarang sudah menjalankan ratusan instance Claude secara bersamaan. Beberapa sedang mengumpulkan umpan balik di Twitter, beberapa memeriksa issue GitHub, beberapa memantau Slack, lalu menganalisis sendiri fitur apa yang harus dikembangkan selanjutnya. Saat ini sebagian besar ide masih buruk, sekitar 20% yang baik. Tetapi setelah model berikutnya, dan menunggu 3 hingga 6 bulan lagi—sebagian besar ide kemungkinan besar akan baik.

Pembawa acara menanyakan lebih lanjut: Lalu, apa yang masih menjadi keunikan manusia? Apakah ada sesuatu yang tidak akan pernah bisa dilakukan oleh model?

Boris berpikir sejenak, lalu berkata: Nilai.

Dia mengatakan bahwa pada akhirnya, hal yang ingin kita ajarkan kepada model adalah hal yang sama dengan yang kita ajarkan kepada anak-anak: bagaimana menjadi keberadaan yang baik. Bagaimana melakukan hal yang benar, bukan hanya melakukan hal dengan benar.