Startup AI Vertikal Bertahan di Tengah Dominasi Model Umum

Kecerdasan mulai tumbuh secara nonlinier, logika dasar perusahaan AI sedang ditulis ulang.

Penulis artikel, sumber: GeekPark

90%, ini adalah probabilitas kegagalan startup AI yang diberikan oleh investor untuk tahun 2026.

Pada bulan April, platform evaluasi model AI Yupp yang didanai seri benih sebesar $33 juta dipimpin oleh a16z tiba-tiba mengumumkan penghentian operasinya. Platform yang pernah mendapat dukungan dari sejumlah tokoh besar Silicon Valley seperti Jeff Dean, ilmuwan kepala Google, dan Biz Stone, salah satu pendiri Twitter, menarik 1,3 juta pengguna dalam waktu kurang dari satu tahun sejak peluncurannya, namun tiba-tiba dihentikan oleh pendirinya. Meskipun secara keuangan masih memiliki banyak dana, pendiri telah kehilangan harapan. “Hanya dalam setahun terakhir, lanskap kemampuan model AI telah berubah secara signifikan; masa depan bukan lagi sekadar model, melainkan sistem Agent,” tulis pendiri Yupp, Pankaj Gupta, dalam blog perpisahannya.

Pada periode yang sama, perusahaan gambar AI NeuroPixel menutup operasinya karena peningkatan kemampuan model besar seperti Google NanoBanana Pro, dan pendiri NeuroPixel menggunakan satu kata untuk menggambarkan kekalahan ini: outgunned—“dihancurkan tanpa bisa melawan sama sekali dalam semalam.”

Dalam konteks peningkatan cerdas model dasar secara bertahap, batas kemampuan AI terus meluas. Awalnya, kotak obrolan menggantikan pencarian, sehingga pengguna tidak lagi perlu menggulir halaman untuk mencari hasil. Selanjutnya, agen mulai menggantikan perangkat lunak; sebuah agen yang mampu memanggil alat dan memecah tugas dapat menyelesaikan hal-hal yang sebelumnya memerlukan seluruh menu dan aplikasi. Ketika AI dapat langsung menulis kode, memanggil antarmuka, dan melakukan eksekusi di terminal, batas sistem perangkat lunak tradisional pun sedang didefinisikan ulang.

Bagi produk manajer, mereka perlu mempertimbangkan untuk mendefinisikan ulang bentuk dan cara interaksi produk. Sementara bagi para pendiri, masalah yang menentukan kelangsungan hidup telah berada di depan mata:

Ketika kecerdasan model dasar semakin kuat, bagaimana seharusnya saya memulai bisnis? Bagaimana cara memastikan hal yang saya lakukan sekarang tidak langsung tergantikan oleh pembaruan model berikutnya?

Pendiri FlashLabs, Shi Yi, telah hidup dengan pertanyaan ini selama setahun terakhir. Ia membuat serangkaian keputusan yang tampak sangat bertentangan dengan akal sehat menurut orang luar: membatalkan rute produk, secara aktif memperkecil tim, melepaskan indikator komersialisasi jangka pendek, bahkan mengganti nama perusahaan. Kami berbicara dengannya tentang bagaimana perusahaan AI spesifik yang dulu ada bisa bertahan hidup di era evolusi model umum.

Rasa krisis bukan muncul hari ini di depan pendiri. Pada akhir 2024, Shi Yi sudah menyadari bahwa kecepatan evolusi kecerdasan model universal terlalu cepat.

Yang pertama kali membuatnya merasa ada yang tidak beres adalah kehancuran perusahaan AI unicorn, Jasper. Perusahaan bintang yang pernah dianggap sebagai tolok ukur lapisan aplikasi AI, dalam waktu 18 bulan mencapai valuasi 1,5 miliar dolar AS, tetapi pendapatannya anjlok setengahnya setelah kemampuan asli GPT dibuka. “ARR Jasper langsung berkurang setengah,” ingat Shi Yi, “perusahaan-perusahaan yang sebelumnya fokus pada NLP akan dimakan oleh model besar seiring peningkatan kemampuan model besar tersebut.”

Pernyataan ini seperti duri yang menancap di hatinya, menimbulkan ketidaknyamanan yang samar. Pada saat itu, perusahaannya masih bernama FlashIntel dan masih menjalankan bisnis SaaS B2B yang relatif tradisional. Menurut logika SaaS B2B tradisional, selama Anda mengumpulkan cukup banyak data industri di segmen yang cukup spesifik, serta membangun hambatan teknis yang patuh dan aman, pasti akan ada ruang pasar untuk bertahan hidup, tetapi kini semuanya sudah tidak lagi berlaku.

“Apakah hal yang saya lakukan juga akan menghadapi masalah yang sama?” Pertanyaan ini mulai muncul berulang-ulang dalam pemikirannya. Segera ia menyadari bahwa pekerjaannya pada dasarnya tidak berbeda dengan yang dilakukan Jasper, dan sistem produk masa lalu semuanya dibangun atas asumsi bahwa kemampuan model tidak akan melebihi model khusus. Begitu kecerdasan model dasar melewati titik kritis tertentu, semua lapisan teknis dan optimasi skenario yang ditumpuk di atas produk khusus berpotensi kehilangan keunggulannya dalam semalam.

Dengan kesimpulan tersebut, ia langsung menempatkan masalah kunci ini sebagai prioritas tertinggi dalam strategi perusahaan, memaksa tim untuk membuat keputusan: perusahaan harus benar-benar beralih dari SaaS ke AI Native.

Penyesuaian ini tidak terjadi dalam semalam. Pertanyaan pertama yang ia ajukan adalah, sebenarnya struktur organisasi seperti apa yang dibutuhkan oleh perusahaan AI generasi berikutnya?

Dia merasa bahwa saat ini, perusahaan tidak lagi bisa mengejar jumlah tim dan spesialisasi yang mendalam. “Di era AI, semakin banyak orang justru semakin buruk penggunaan AI-nya, karena semakin spesifik pembagian tugas, masing-masing orang semakin bergantung pada bagian mereka sendiri.” Dia mulai secara aktif mengurangi ukuran tim, dan mengubah standar perekrutan dari “melihat pengalaman dan proyek” menjadi sepenuhnya “melihat cara berpikir dan kemampuan full-stack.” Metode pengujian kandidatnya juga berubah: dia tidak lagi melihat riwayat atau pengalaman sebelumnya, tetapi langsung memberikan tugas kepada kandidat untuk melihat apakah seseorang mampu menggunakan AI untuk menyelesaikan seluruh bagian frontend dan backend. “Orang yang bisa menyelesaikannya, pasti tidak akan buruk dalam menggunakan alat AI.”

Selanjutnya, ia menyesuaikan prioritas sumber daya internal perusahaan. Sementara sebagian besar startup masih berfokus pada kecepatan peluncuran produk dan validasi komersial, ia memilih untuk mengalokasikan sebagian besar sumber daya ke penelitian mutakhir, bahkan mengganti nama perusahaan menjadi FlashLabs.

“Dulu logika internet adalah produk atau operasional yang diutamakan, sekarang dalam membuat AI, penelitian harus diutamakan.” Ia menuntut dirinya sendiri dan timnya untuk membaca paper-paper ilmiah dan memahami prinsip dasar, “Hanya dengan mendekati prinsip dasar, Anda bisa tahu apa lagi yang bisa dilakukan AI di masa depan dan apa yang bisa digantikannya.”

Transformasi ini juga membawa masa "sakit" di dalam perusahaan, di mana tidak semua anggota tim memahami penyesuaian struktural besar ini. Ketika ia dan timnya mengatakan, "Jangan dulu memikirkan komersialisasi, fokuslah pada hal-hal keren," sebagian orang di perusahaan sangat antusias, sementara yang lain memilih untuk pergi. Namun, ia tetap percaya bahwa di era AI, melakukan pengurangan lebih penting, "Jika Anda tidak mendukungnya, maka Anda harus menghilangkannya."

Tetapi yang lebih penting lagi, pendiri seperti apa yang bisa bertahan di era AI?

Jawaban Shi Yi dibagi menjadi dua setengah kalimat: setengah pertama menghadapi kenyataan, "Setidaknya kamu bisa mendapatkan dana, selama kamu tidak mati, atau kantongmu cukup dalam untuk terus memberi suntikan dana." Setengah kedua adalah yang benar-benar ingin ia sampaikan, "Apakah kamu memiliki kemampuan pemikiran mendalam yang lebih kuat daripada AI?"

“Mengapa model besar mampu melakukan semakin banyak hal? Karena esensi semua ilmu alam adalah matematika, dan model bisa menulis kode serta memahami matematika. Dengan mengurai rantai ini langkah demi langkah, satu-satunya kemampuan manusia yang benar-benar langka adalah mampu berpikir lebih dalam daripada AI di suatu bidang tertentu,” jelas Shi Yi. “Banyak orang tidak memiliki pemahaman yang cukup tentang AI. Lihatlah, berapa banyak pendiri yang benar-benar menulis kode sendiri atau menggunakan alat AI setiap hari? Kemampuan menulis kode di masa depan akan menjadi komoditas, dan setiap orang akan bisa melakukannya. Tapi, bisakah Anda lebih cerdas daripada AI? Itulah yang menjadi parit pertahanan.”

Dari menyadari krisis, membuat keputusan, hingga membayar harga untuk merestrukturisasi organisasi, Shi Yi membutuhkan satu tahun untuk menyelesaikan sebuah “iterasi diri”. Ia tidak menunggu pembaruan model untuk memberitahunya hasil akhirnya, melainkan memilih mencari lebih awal di mana jawaban yang benar mungkin muncul. Apakah posisi itu benar atau tidak, itu adalah masalah lain, tetapi setidaknya sekarang, ia belum ingin meninggalkan meja permainan AI.

Penyesuaian struktur organisasi hanyalah langkah pertama dalam perjalanan perusahaan untuk bertahan hidup. Yang benar-benar membuat Shi Yi harus bertekad untuk berubah adalah jalur produk.

Awalnya ia ingin menciptakan sistem kolaborasi multi-agent, dengan logika bahwa semakin banyak orang, semakin besar kekuatannya, ia dapat meniru struktur organisasi perusahaan manusia untuk membangun sistem multi-agent: ada yang bertanggung jawab atas pencarian, ada yang bertanggung jawab atas penalaran logis, dan ada yang bertanggung jawab atas pengumpulan hasil.

Namun hasil uji coba nyata membuat Shi Yi terus menggelengkan kepala: “Terlalu lambat, terlalu lag, hasil yang dihasilkan bahkan lebih buruk daripada satu Agent saja.” Menurutnya, pengiriman perintah antar Agent seperti permainan telepon kotor yang buruk—setiap tambahan lapisan perantara, informasi semakin hilang. “Saya lebih suka seorang jenius dengan IQ 150 yang dilengkapi peralatan sempurna, daripada sekelompok orang biasa dengan IQ 110 yang memegang alat tidak lengkap dan harus saling berdiskusi.” Shi Yi secara terbuka mengatakan dalam wawancara tersebut.

Pada akhirnya, ia menghapus semua sub-Agent yang telah ditetapkan, dan memutuskan untuk menciptakan satu Agent yang cukup kuat, menggantikan kolaborasi klaster dengan eksekusi paralel multithread.

Ini juga merupakan bentuk awal dari produk terbaru FlashLabs, Super Agent, yang mendorong kecerdasan model tunggal hingga batas maksimal dan melengkapi alat hingga batas maksimal. Super Agent terutama memanfaatkan otomasi cerdas untuk menyatukan sistem pendapatan pengguna, dari pengembangan calon pelanggan hingga penjualan, dengan AI Agent yang terlibat di semua tahap.

Di lokasi wawancara Geek Park, Shi Yi memberikan tugas pencarian informasi kepada Super Agent: “Cari latar belakang pendiri semua perusahaan AI di Tiongkok yang menerima investasi dalam enam bulan terakhir dan hasilkan dalam bentuk tabel.” Selanjutnya, Super Agent secara bersamaan menjalankan puluhan thread tugas untuk melakukan pencarian, pengambilan data, penulisan kode, dan pembersihan data, dan dalam waktu 2-3 menit sudah mendapatkan hasilnya—tabel tersebut mencakup nama pendiri, jumlah pendanaan, dan kontak publik.

Jika meninggalkan Multi-Agent adalah pengurangan pada tingkat arsitektur, maka meninggalkan lokalasi adalah pilihan terbalik dalam logika deploy.

Ketika OpenClaw memicu gelombang "Agent Lokal" di komunitas pengembang, Shi Yi justru secara teguh menempatkan Super Agent di awan. "Sistem seperti OpenClaw jika dijalankan di dalam perusahaan sama saja dengan sebuah kuda Troya; Anda sangat mudah bisa masuk melalui sistem ini." Ia percaya bahwa pada tahap ini, perusahaan mana pun yang berani menerapkan OpenClaw secara besar-besaran di dalam infrastruktur internalnya sama saja dengan membuka pintu lebar-lebar bagi peretas di seluruh dunia.

Menurutnya, keunggulan OpenClaw terletak pada kemampuan potensial untuk menunjukkan inisiatif di tingkat individu. Misalnya, dengan OpenClaw, AI meminta pengguna sebesar $2.000 untuk membeli kartu grafis, dan pengguna menjawab, "Kamu cari uang sendiri," maka AI akan mulai memprediksi pasar dan meneliti strategi kuantitatif. "Siapa bos yang tidak suka karyawan yang proaktif?" tanya Shi Yi balik. Ketika inisiatif semacam ini menjadi bagian dari produk tingkat perusahaan, kecepatan penggantian karyawan manusia akan jauh melampaui ekspektasi. "Dulu di masa revolusi industri, ketika kuda menarik kereta berubah menjadi mobil, Anda harus membeli mobil, belajar mengemudi, dan memodifikasi jalan—semuanya memakan banyak waktu. Tapi kali ini berbeda: dengan deploy terkelola, sekali klik, pekerjaan puluhan karyawan langsung hilang." Ia juga memprediksi bahwa tahun ini pekerjaan kantor akan digantikan oleh AI dalam skala besar.

Untuk tantangan dalam eksekusi otomatis, yaitu bagaimana menjamin keamanan aplikasi enterprise, solusi FlashLabs adalah membangun sistem izin sandbox yang mirip dengan macOS, dengan penerapan berbasis cloud dan otorisasi bertahap. Ini berarti Agent awalnya hanya memiliki izin minimum yang diperlukan untuk menyelesaikan tugas, dan batasan Agent baru akan diperluas secara bertahap setelah stabilitas dan keamanannya diverifikasi berkali-kali.

Dia menggunakan Windows dan Mac sebagai contoh: “Di Windows, menginstal perangkat lunak bisa memberikan izin sangat tinggi, menginstal diam-diam, mengikat browser, bahkan membuatnya sulit dihapus. Di Mac, semua program diisolasi dalam sandbox, sehingga Anda sama sekali tidak perlu menginstal perangkat lunak antivirus.” Shi Yi percaya bahwa persaingan agen tingkat perusahaan pada akhirnya akan berkembang dari kemampuan pemanggilan model ke kemampuan desain lingkungan; siapa pun yang dapat menyediakan lingkungan operasional yang aman, terkendali, dan dapat diaudit bagi agen, baru akan membuat pelanggan benar-benar berani menggunakannya.

Namun, jika model sekali lagi melonjak, apakah penyesuaian-penyesuaian saat ini masih bermakna? Jika GPT-6 atau Claude memiliki kemampuan pemecahan tugas dan pemanggilan alat yang jauh lebih kuat, apakah semua yang dilakukan FlashLabs hari ini akan sekali lagi tertelan?

Menghadapi pertanyaan lanjutan ini, Shi Yi tidak menghindar, pemikirannya terbagi menjadi dua aspek.

Dia pertama-tama mengelompokkan hambatan perusahaan spesifik menjadi empat tingkatan: Persepsi (Perception), Perencanaan (Planning), Pembelajaran Rekursif (Recursive Learning), dan Tata Kelola (Governance).

Di pasar perusahaan model besar, ada lima pemain, dan peringkat SOTA berubah setiap tiga bulan. Dengan lapisan orkestrasi, Anda dapat mengintegrasikan semua model dan memanggil yang paling unggul sesuai skenario berbeda. Namun, perusahaan model tunggal hanya dapat menggunakan model miliknya sendiri; ketika model dasar Anda bukan yang paling cerdas, daya saing produk Anda langsung berkurang. Seiring model besar umum dengan cepat mencakup dua lapisan pertama, Shi Yi percaya bahwa satu-satunya hambatan nyata tersisa di dua lapisan terakhir, dan benteng akhir terletak pada lapisan orkestrasi.

Ia percaya bahwa ketika beberapa Agent bekerja sama dalam sistem perusahaan, mereka dapat bernegosiasi secara rahasia di tempat yang tidak terlihat oleh manusia, melewati aturan izin yang telah ditetapkan. Hambatan sejati perusahaan spesialisasi terletak pada kemampuan mereka untuk merancang lingkungan operasional yang terbuka namun tetap terkendali untuk skenario tertentu.

Mengenai apakah penilaian ini benar, ia mengakui bahwa dirinya juga tidak yakin sepenuhnya. “AI berubah terlalu cepat, Anda benar-benar tidak tahu apa yang akan terjadi di masa depan.” Namun, ia yakin satu hal: selama perusahaan vertikal memainkan dua kartu utama—pengaturan AI dan tata kelola AI—serta menyelesaikan masalah desain lingkungan, mereka setidaknya tidak akan langsung tersingkir saat gelombang peningkatan model berikutnya tiba.

Setelah mengetahui cara menciptakan produk yang kompetitif, langkah selanjutnya adalah bagaimana membuat pelanggan mengakui produk tersebut.

Saat ini, Flashlabs memiliki dua produk utama dalam komersialisasi: Super Agent dibayar berdasarkan penggunaan token, dengan harga tertera di situs resmi; selain itu, mereka mengopen-source model suara Chroma mereka sendiri, tetapi mengenakan biaya untuk platform dan layanan berbasis model tersebut. Sebenarnya, kedua pendekatan ini merupakan jalur komersialisasi yang umum saat ini—menggunakan open-source untuk membangun kepercayaan teknis, dan mengambil kembali nilai komersial melalui platform dan layanan.

Saat ini, perusahaan fiskal Jepang sedang mengganti staf layanan pelanggan manusia dengan model suara Chroma dari FlashLabs, dengan uji coba saat ini dilakukan pada skala 1/10 dari tenaga kerja, di mana AI dan manusia secara bersamaan online, terus membandingkan skor kinerja keduanya. Metode verifikasi sangat sederhana: siapa yang memiliki akurasi lebih tinggi dan efisiensi penanganan lebih baik, langsung dibuktikan dengan data.

"Batas penggunaan suara sebanding dengan visual," ketika seluruh industri fokus pada multimodal dan pemahaman video, Shi Yi justru membawa timnya berfokus pada model suara real-time Chroma, mencapai latensi end-to-end sebesar 135 milidetik.

Sebelum model bahasa besar muncul, ada OCR, ada NLP, ada berbagai model kecil yang disatukan. Saat ini, suara berada dalam kondisi yang sama seperti sebelum model bahasa besar muncul—ada ASR, TTS, berbagai modul yang disusun, dan setiap tahap hanya melakukan optimasi lokal. Arsitektur lama ini pasti akan digantikan secara keseluruhan oleh satu model suara besar end-to-end. Ia mempertimbangkan bahwa alih-alih menunggu orang lain melakukannya, lebih baik ia menjadi yang pertama menciptakan pengganti tersebut.

Shi Yi percaya bahwa suara adalah modus komunikasi paling alami antarmanusia, dan di masa depan pasti akan menjadi antarmuka interaksi paling inti antara manusia dan AI. "Bandwidth informasi yang dapat ditransmisikan melalui suara jauh lebih besar daripada teks; saya mengucapkan satu kalimat, dan Anda langsung memahaminya."

Dia bahkan merasa model suara memainkan peran kunci dalam mendorong industri kecerdasan tubuh. Lapisan pertama adalah model suara real-time, yang bertanggung jawab atas umpan balik instan dengan latensi rendah dan kecerdasan emosional tinggi—seperti menanyakan cuaca atau apakah perlu menambah pakaian, lapisan ini menangani langsung; lapisan kedua adalah model besar pemikiran mendalam, yang menangani penalaran kompleks; lapisan ketiga adalah model dunia, yang memahami hukum fisika. "Batas penggunaan suara sejajar dengan visi." Ini adalah salah satu penilaian jangka panjang yang paling yakin saat ini.

Shi Yi juga percaya bahwa model komersialisasi AI saat ini hanyalah bentuk transisi. Karena semua agen saat ini pada dasarnya bersifat responsif pasif—Anda memberi tahu apa yang harus dilakukan, dan mereka melakukannya, seperti alat eksekusi yang menunggu perintah, tetap mirip dengan chatbot, sehingga model bisnisnya masih berbasis pembayaran berdasarkan konsumsi token, bayar sesuai penggunaan.

Namun ketika agen mulai memberikan layanan proaktif, yaitu ketika Anda memberitahunya apa KPI dan OKR-nya, ia sendiri mencari pekerjaan, merencanakan jalurnya, dan akhirnya menghasilkan hasil yang dapat diukur. Pada titik ini, ia tidak lagi diukur sebagai alat, tetapi sebagai karyawan. Jelas, perusahaan tidak menghitung gaji karyawan berdasarkan berapa banyak kata yang diketik atau berapa banyak email yang dikirim; yang Anda lihat adalah apa yang telah ia capai.

Oleh karena itu, ia merasa bahwa dalam memasuki era agentic, logika pembayaran bisnis juga harus beralih ke pembayaran berdasarkan hasil dan KPI. Ketika peralihan ini benar-benar terjadi, seluruh sistem penetapan harga, cara penjualan, dan hubungan pelanggan produk agen akan ditulis ulang.

Eksplorasi model bisnis baru telah dimulai di dalam industri. Crosby, firma hukum AI yang baru saja mendapatkan pendanaan Seri B sebesar 60 juta dolar AS, membagi tugas tinjauan kontrak ke dalam berbagai tahap yang ditangani oleh agen berbeda, misalnya mengekstrak informasi latar belakang, memberikan saran revisi, dan menghasilkan catatan, lalu pengacara bertanggung jawab untuk memeriksa hasil kerja AI, menangani detail yang terlewat, serta memastikan akurasi. Model bisnisnya mengenakan biaya berdasarkan jumlah kontrak yang diaudit, dengan tarif antara 250 hingga 1.000 dolar AS per kontrak, sekitar 10 hingga 50 dolar AS per halaman tergantung jumlah halaman.

Namun, prasyarat sebenarnya untuk berevolusi ke model komersial berikutnya adalah agen proaktif dapat secara stabil memberikan hasil yang dapat diukur. “Saat ini belum sampai ke tahap itu.”

Dari FlashIntel ke FlashLabs, Shi Yi menyelesaikan penyesuaian organisasi dan rute yang jelas dalam waktu satu tahun. Pemutusan hubungan kerja, pembongkaran arsitektur produk lama, dan sementara mengurangi fokus pada komersialisasi—serangkaian tindakan ini tampak seperti terus-menerus melakukan pengurangan dari sudut pandang luar.

Namun dalam konteks realitas industri AI yang berkembang pesat, ini lebih seperti startup yang menyesuaikan diri dalam perubahan drastis. Kemampuan model bisa mengalami lompatan setiap beberapa bulan, dan tidak ada yang bisa memprediksi masa depan secara penuh. Bagi Shi Yi dan FlashLabs, fokus utama saat ini bukanlah merebut seberapa banyak pasar, melainkan memastikan pilihan teknologi dan logika bisnis mereka tidak mudah tergantikan oleh gelombang berikutnya.

Industri masih sedang mengeksplorasi bentuk sejati dari Agent, dan model pembayaran, batas keamanan, serta bentuk interaksi akhir belum menemukan kepastian. Pilihan FlashLabs mungkin bukan solusi terbaik, tetapi mewakili jalur bertahan hidup nyata bagi perusahaan AI vertikal: di bawah tekanan model besar yang terus menembus ke bawah, pertama-tama temukan posisi yang bisa dipertahankan, lalu tunggu hingga industri benar-benar matang.