Obrolan | Zhang Peng

Ketika semua orang berlomba-lomba mengembangkan "karyawan digital" dan "alat Agent", serta terus-menerus bersaing ketat di berbagai skenario spesifik, sebenarnya di mana letak parit perlindungan sejati bagi startup AI?

Baru-baru ini, Zhang Peng, pendiri dan presiden Geek Park, bersama Liu Ye, pendiri VisionFlow, melakukan diskusi proyektif setelah ledakan OpenClaw. Sebagai programmer generasi pertama Tiongkok yang lahir pada tahun 1979, Liu Ye telah mengalami siklus lengkap dari perangkat keras dasar hingga perangkat lunak, dari integrasi perusahaan (ToB) hingga pendidikan daring (industri internet). Setelah berbulan-bulan mengasingkan diri dan berdiskusi secara mendalam dengan para peneliti dari perusahaan AI terkemuka global serta para pengusaha papan atas di dalam negeri, ia menyimpulkan sebuah kesimpulan yang keras: menganggap AI sebagai "karyawan digital" untuk menggantikan tugas tunggal adalah penyederhanaan berlebihan dari pemikiran insinyur terhadap bisnis nyata.

Dalam percakapan ini, Liu Ye mengemukakan serangkaian konsep dan kerangka yang sangat menginspirasi, seperti "eksposur progresif" dan "matriks dimensi tinggi-rendah tugas". Dalam diskusi tersebut, kemungkinan masa depan perlahan menjadi jelas: langkah selanjutnya AI bukanlah berupa alat yang berlimpah, melainkan membangun "organisasi digital" yang memiliki mekanisme kolaborasi, pelaporan, dan refleksi. Ketika budaya perusahaan tidak lagi diperlukan dan pekerjaan berdimensi rendah benar-benar dihapuskan, CEO masa depan mungkin bukan lagi "Chief Executive Officer", melainkan seorang "produser" dengan estetika ekstrem.

Ini adalah eksplorasi dan simulasi mengenai bentuk organisasi di era AI, hambatan bisnis, serta posisi ekosistem pengusaha generasi baru. Semoga memicu diskusi yang lebih mendalam tentang masa depan para pengusaha.

Berikut adalah ringkasan percakapan yang disusun oleh GeekPark:

Pertarungan 01 ribu A telah dimulai, ada terlalu banyak yang bisa dilakukan,

Tetapi apa yang paling penting untuk dilakukan

Zhang Peng: Dari Homework Box hingga hari ini, begitu antusias menjelajahi perubahan yang dibawa oleh OpenClaw, apakah Anda mengalami perubahan apa pun?

Liu Ye: Saya adalah programmer generasi pertama Tiongkok, mulai belajar pemrograman sejak kecil. Saya melewati era dari BASIC hingga DOS, kemudian Windows, dan sekarang era Mac, serta menyaksikan bangkitnya tiga portal utama. Saya pernah bekerja di bidang informasi perusahaan, bermimpi menjadi IBM Tiongkok; kemudian beralih ke Zuo Ye Hezi, terlibat mendalam dalam pendidikan daring. Pendidikan daring adalah industri yang sangat mendalam, bentuk tertinggi dari industri internet, dan juga "kereta terakhir". Pengalaman ini membuat saya sangat memahami bahwa inti dari industri internet bukanlah teknologi, melainkan industri itu sendiri, yaitu bisnis. Pola industri internet adalah: pertama melakukan pencocokan informasi, lalu produk standar, kemudian rantai pasokan, dan terakhir layanan kompleks non-standar. Semakin ke belakang, margin kotor semakin tinggi, tetapi juga semakin sulit dilakukan.

Jadi, ketika gelombang AI datang, hal pertama yang saya lakukan adalah menghabiskan hampir enam bulan tanpa melakukan apa-apa, meminta HR untuk berbicara dengan semua orang yang mungkin bisa diajak bicara. Dari ilmuwan utama berbagai perusahaan rintisan terkenal hingga algoritma inti, insinyur, dan peneliti dari perusahaan besar model dasar, serta pengusaha AI baru, saya berbicara dengan siapa pun yang bisa, dan akhirnya mengumpulkan sekitar seribu jam kepadatan diskusi. Sejauh apa? Sampai ketika lawan bicara mengatakan setengah kalimat, saya sudah tahu kalimat berikutnya. Konsensus di antara semua orang sudah hampir sama.

Setelah berbincang-bincang sejenak, kesimpulannya konsisten mengejutkan: semua orang sedang melakukan hal yang sama—karyawan digital. Ini mengingatkan saya pada kesalahan strategis seorang tokoh besar terhadap komputasi awan dulu, yang mengatakan bahwa Alibaba membuat cloud, pada dasarnya hanyalah sebuah penyimpanan awan? Dengan menggunakan kerangka lama untuk memahami hal baru, Anda hanya akan melihat lapisan paling dangkal.

Hari ini, semua orang merasa bisa menjadi karyawan digital, membuat 'penjual digital' atau 'layanan pelanggan digital' menggunakan Claude—hambatan teknisnya di mana? Benteng perlindungannya di mana? Ketika seseorang membakar miliaran TOKEN per hari sudah menjadi hal biasa, ini lebih mirip manufaktur, sama sekali tidak bisa terbang. Jadi saya tanyakan pada setiap pengusaha hal yang sama: Mengapa kamu? Apa yang membuatmu bisa? Apakah kamu lebih muda? Lebih cerdas? Lebih tahan begadang? Bersaing di satu dimensi, bukankah itu hanya perbedaan antara '69 detik' dan '70 detik'?

Zhang Peng: Hmm, ada terlalu banyak hal yang bisa dilakukan hari ini, tapi yang paling penting adalah apa yang harus dilakukan. Apa pemikiranmu tentang hal ini?

Sepuluh tahun industri internet, hari ini akan berulang lagi

Liu Ye: AI sangat berbeda, tetapi saya percaya masih ada keselarasan dengan pola-pola industri internet. Tahap awal membuat alat, tahap menengah membuat bisnis, terakhir membuat konsultasi. Saat teknologi belum matang, gelombang pertama yang masuk pasti para insinyur, mereka ahli dalam mengabstraksi dunia secara berlebihan, seperti "kotak komputasi" Baidu, yang menganggap semuanya adalah kotak. Namun, paruh kedua internet seluler adalah konten dan layanan, bukan kotak.

Orang-orang dengan latar belakang insinyur sering kali memiliki pemahaman yang terlalu disederhanakan tentang bisnis. Lihat saja tiga portal internet generasi pertama, yang paling sukses hingga akhir adalah Tencent dan Alibaba, meskipun mereka agak jauh dari teknologi, tetapi sangat dekat dengan industri. Hari ini pun sama, teknologi semakin menjadi kurang penting.

Zhang Peng: Gelombang lulusan humaniora kali ini cukup senang, tampaknya tidak bisa menulis kode juga tidak masalah. Tetapi dalam jangka panjang, apa sebenarnya persyaratan bagi manusia di era AI? Apa yang telah berubah?

Liu Ye: Dalam struktur sumber daya manusia Tiongkok, saya menemukan satu masalah. Programmer generasi pertama Tiongkok sekaligus merupakan produk manajer, karena pada saat itu belum ada posisi produk manajer. Posisi produk manajer baru menjadi dikenal luas sekitar tahun 2010, setelah Jobs meluncurkan iPhone 4 dan Zhang Xiaolong mengemukakan pandangan produknya, barulah muncul istilah "setiap orang adalah produk manajer". Sebelumnya, programmer sekaligus menjalankan tugas produk manajer—ada programmer terlebih dahulu, baru kemudian produk manajer, sehingga programmer generasi pertama semuanya adalah produk manajer. Programmer generasi pertama belajar kode bukan untuk pekerjaan, tetapi karena minat pribadi; mereka terlibat sepenuh hati karena cinta terhadapnya. Hanya orang-orang yang tidak terdefinisi dan keluar dari norma inilah yang paling luar biasa.

Namun, generasi kedua programmer selama sepuluh tahun terakhir, industri internet industri telah mengubah programmer menjadi “petani kode”, produk manajer menjadi arsitek, dan petani kode telah dijinakkan sehingga tidak lagi memikirkan bisnis. Hari ini, AI datang, bagian “kode” telah dihapus, jika tidak beradaptasi, mereka benar-benar hanya tersisa sebagai “petani”. Generasi muda ini sangat berbakat, tetapi pemahaman mereka terhadap industri adalah kosong. Oleh karena itu, “perang sepuluh ribu A” saat ini pada dasarnya masih merupakan ledakan di lapisan alat.

Di tahap akhir industri internet, perusahaan seperti Alibaba dan Meituan secara standar menggunakan orang-orang dengan latar belakang konsultan top (MBB) untuk analisis bisnis, serta melibatkan konsultan untuk membimbing produk manajer dalam proses bisnis, karena manajer produk internet secara alami tidak memiliki pemikiran sistematis. Feishu dibangun dengan cara ini. Meskipun ByteDance adalah perusahaan internet murni, mereka juga secara luas menggunakan konsultan untuk membangun proses internal. Di era AI, pola ini hanya akan diperkuat, bukan dilemahkan.

Masalah perusahaan, selalu bukan masalah karyawan, melainkan masalah organisasi.

Zhang Peng: Jadi, menurutmu fokus pada "karyawan digital" ini tidak terlalu bermakna.

Liu Ye: Ini adalah penilaian paling inti saya: Karyawan digital bukanlah titik akhir, organisasi digital lah yang menjadi titik akhirnya. Jika karyawan digital menjadi meluas hingga posisi rekrutmen tidak lagi ada, dan semua orang dapat memiliki karyawan digital yang baik, lalu apa selanjutnya? Apakah semua perusahaan akan bisa menghasilkan keuntungan dan sukses? Sebenarnya, semua masalah perusahaan adalah masalah strategi dan organisasi, bukan masalah karyawan.

Jadi, hari ini Agent masih bekerja untuk orang lain, bukan membuat keputusan untuk mereka. Kami telah merekayasa ulang OpenClaw dan menciptakan sesuatu yang disebut MetaOrg. Pada dasarnya, ini adalah inti yang dapat menghasilkan tim agent. Kami menyelesaikan tugas apa pun bukan dengan mengirim satu karyawan, tetapi dengan membangun sebuah 'organisasi' untuk menyelesaikannya. Organisasi ini memiliki hubungan kolaboratif, hubungan pelaporan, misi, tujuan, dan cara bertindak.

Zhang Peng: Tapi apakah mungkin di masa depan, satu orang bisa menjadi satu departemen? Bahkan menjadi satu perusahaan?

Liu Ye: Ini adalah pertanyaan yang sangat bagus. Mari kita fokus pada tugas secara mikro, misalnya menggunakan AI untuk membuat video pendek atau menulis dokumen, yang memerlukan dialog berulang. Anda mengatakan satu hal, ia merespons satu hal, lalu Anda memberikan umpan balik—ini adalah penggunaan seperti asisten, ia hanya sangat cerdas.

Konsep orang dan departemen bukanlah soal jumlah banyak atau sedikit. Ketika kami mendeskripsikan JD untuk posisi tingkat tinggi, biasanya: pertama, mampu bekerja dan menangani berbagai tugas; mampu menggunakan berbagai alat. Posisi tingkat tinggi adalah yang mampu memahami niat, merencanakan jalur secara proaktif, melaksanakan secara proaktif, mencapai pengiriman, memberikan laporan berkala, merefleksikan dan merangkum hasil pengiriman, serta secara dinamis menyesuaikan strategi berdasarkan penyimpangan hasil. Inilah kemampuan tingkat tinggi.

Zhang Peng: Sebuah departemen yang memenuhi syarat harus seperti "autonomous driving level 4".

Liu Ye: Ya. Ketika memberinya satu keterampilan, ia dapat menyelesaikan tugas kompleks; memberinya sistem keterampilan, ia dapat menyelesaikan tugas komprehensif yang kompleks; ketika ada banyak agen yang diatur, ia dapat menyelesaikan hal yang lebih kompleks, seperti memproduksi sebuah drama pendek. Saya sering mengatakan kepada karyawan saya saat rapat: ketika Anda menggunakan MetaOrg, jangan anggap diri Anda sebagai atasan, tapi anggap diri Anda sebagai ketua dewan. Anda harus berusaha menguji batas-batasnya.

Di masa depan, pemuda yang ingin berwirausaha, dulu dikatakan orang tua memberi 500.000 yuan untuk memulai usaha, di masa depan mungkin mereka akan memberi anggaran TOKEN untuk mencoba dan gagal. Berapa banyak TOKEN yang Anda rela habiskan, menentukan seberapa tinggi posisi yang bisa Anda capai. Semakin tinggi posisinya, semakin panjang rantai penalarannya, dan semakin membutuhkan percobaan berulang, iterasi, serta refleksi.

Zhang Peng: Kembali ke pertanyaan sebelumnya, jika ada sekelompok agen yang dapat dipecah menjadi unit-unit yang lebih halus, atau pemisahan berdasarkan peran dan keterampilan. Ketika mereka membentuk tim dan menghadapi tugas inti, kualitas individu setiap orang menentukan keberhasilan atau kegagalan. Ini kembali pada logika persaingan organisasi bisnis era sebelumnya: kepadatan bakat, yaitu kualitas bakat yang tinggi, membuat tugas inti organisasi lebih mudah dicapai dan unggul.

Inti masalah ini adalah, jika di masa depan semua AI bersifat serba bisa dan kita semua dapat memanggil AI terbaik, maka selain organisasi bisnis dapat menciptakan nilai melalui penyediaan layanan yang lebih efisien di berbagai segmen spesifik, apakah dimensi lainnya juga harus kembali melihat pada “kepadatan bakat”—yaitu, semakin tinggi kemampuan agen dan bot Anda yang dipecah hingga tingkat atom dalam sistem ini, semakin tinggi pula “kepadatan bakat”-nya, sehingga dalam tugas-tugas kompleks, hasil, efisiensi, bahkan inovasi akan menjadi lebih baik. Saya tidak tahu apakah ini merupakan deduksi yang benar?

Liu Ye: Saya setuju dengan pandangan ini. Di dalam perusahaan, biasanya ada departemen yang disebut OD—Organizational Development. Cara umum untuk mengukur apakah suatu organisasi bisa menang adalah dengan mengidentifikasi semua talenta lawan dan melakukan benchmarking, lalu memprediksi hasil pertarungan berdasarkan seberapa kuat kesesuaian antara orang dan peran, serta kemampuan dan peran. Oleh karena itu, dalam pertarungan bisnis, perusahaan biasanya mengandalkan kemampuan organisasi, bukan strategi bisnis. Contoh paling khas adalah Alibaba. Alibaba sangat menekankan pembangunan organisasi, sehingga kini dapat memasuki “musim semi kedua”. Karena tim pendiri akan menua, tetapi organisasi dapat terus berkembang tanpa henti. Pada dasarnya, jika suatu hari nanti kita menjadi pesaing, dan kita sama-sama menggunakan AI, saya telah membangun organisasi AI yang kuat dengan kemampuan pengembangan organisasi AI yang sangat baik. Bagaimana saya membangun organisasi ini? Saya akan membuka satu per satu sistem keterampilan agen pesaing, menganalisis kode keterampilan mereka. Lalu, dalam sistem saya sendiri, saya akan menulis keterampilan yang lebih unggul, bahkan mengisi fungsi-fungsi yang hilang dari mereka. Misalnya, saya memiliki departemen strategi, saya akan mulai dengan observasi dan analisis.

Huawei memiliki metodologi "Lima Lihat, Tiga Tetapkan". Saya bercanda dengan teman saya bahwa jika kita memakai metodologi ini dalam memulai bisnis, kita bisa mengalahkan 99% pesaing. Yang dimaksud dengan lima lihat adalah: melihat tren industri, melihat pasar dan pelanggan, melihat pesaing, melihat kemampuan diri sendiri, dan melihat peluang strategis; sedangkan tiga tetapkan berarti menetapkan titik kendali, menetapkan tujuan, dan menetapkan strategi. Metodologi ini cukup untuk menyaring sebagian besar pesaing, karena kebanyakan orang bermain catur secara acak, mereka mengandalkan pemikiran cepat, sementara para ahli secara default menggunakan mode pemikiran mendalam dan penalaran. Reaksi pertama saya adalah, saya harus berpikir sebagai komandan tentang bagaimana seharusnya saya mendekati hal ini.

Zhang Peng: Yang dimaksud dengan "lima melihat, tiga menentukan" pada dasarnya berarti jangan melakukan "reaksi impulsif", tetapi harus membentuk proses penalaran jangka panjang.

Liu Ye: Para ahli selalu menggunakan model penelitian mendalam ditambah pemikiran, yang tahu bahwa pertama-tama harus melihat praktik terbaik dan informasi global, lalu merangkum dan menganalisis, melakukan pemikiran dan penalaran mendalam, sebelum mengeluarkan jawaban—setiap tindakan mereka langsung memenangkan pertandingan.

Jadi, menurut saya, satu-satunya inti persaingan di masa depan adalah memodelkan bisnis industri tradisional, mengabstraksikannya menjadi kemampuan sistem yang dapat melakukan orkestrasi agen. Inilah kemampuan pengembangan organisasi (OD) generasi baru yang akan ditingkatkan menjadi AIOD, satu-satunya keunggulan kompetitif di masa depan.

Keunggulan utama Alibaba terletak pada pembangunan organisasi; setelah organisasi dibangun dengan baik, Alibaba akan selalu memiliki daya saing, terlepas dari lawan apa pun atau bisnis apa pun yang dijalankan. Selain itu, Jack Ma pernah mengatakan bahwa tujuan berperang bukanlah harus merebut suatu bidang tertentu, tetapi mencapai pertumbuhan organisasi melalui perang. Alibaba menilai apakah suatu pertempuran layak dilakukan berdasarkan pertumbuhan organisasi sebagai standar utama—ini adalah pemikiran tingkat tinggi. Jack Ma sendiri seperti pusat informasi super, melakukan 200 penerbangan per tahun untuk mendapatkan berbagai informasi, yang kemudian digunakan untuk menyempurnakan pembangunan organisasi. Ia benar-benar seorang ketua dewan, bukan sekadar CEO.

Inilah bentuk organisasi paling tinggi yang pernah kita lihat—mampu melintasi beberapa generasi, mencakup berbagai industri, terus meraih kesuksesan, dan mampu beradaptasi serta pulih setelah mengalami kemunduran. Secara umum, jika sebuah perusahaan salah memilih CEO dalam waktu sepuluh tahun, kemungkinan besar akan mengalami kemunduran. Oleh karena itu, dengan belajar dari sejarah dan melihat perkembangan saat ini dari perspektif yang lebih tinggi, bahkan melakukan pemangkasan dan optimasi terhadap model yang ada jauh lebih efisien daripada membangunnya dari nol.

Sekarang siapa pun dapat dengan mudah membangun agen, dengan ambang masuk bagi karyawan yang sangat rendah, ditambah dukungan dari komunitas open-source, industri tidak lagi memiliki banyak rahasia. Persaingan di tingkat alat tidak pernah bisa mengalahkan komunitas open-source. Lalu, apa yang menjadi keunggulan kompetitif inti yang tidak dimiliki dan tidak dapat disalin oleh komunitas open-source?

Fisika organisasi AI: Mengapa 'Paparan Bertahap' Kunci?

Zhang Peng: Pada era sebelumnya, ketika membahas organisasi, penekanan diberikan pada serangkaian hal seperti budaya organisasi, nilai-nilai, KPI, dll. Ketika kita beralih dari manajemen organisasi era sebelumnya menuju era baru agen AI, hal-hal apa yang dapat sepenuhnya ditinggalkan, dan hal-hal apa yang dapat dipertahankan tetapi perlu ditransformasikan?

Liu Ye: Alasan utama Anthropic meluncurkan skills adalah konsep "paparan bertahap" di bidang pengkodean AI—jika AI menerima sejumlah besar informasi yang kacau, ia akan mengalami korupsi konteks dan kekacauan akibat perhatian yang tidak memadai; hanya paparan bertahap yang dapat membuat AI mempertahankan perhatian yang baik dan menghasilkan output berkualitas tinggi. Jika paparan bertahap dilakukan secara manual, pada dasarnya itu adalah percakapan sepenuhnya manual, yang efisiensinya rendah. Oleh karena itu, nilai utama skills adalah memecah tugas kompleks menjadi lapisan-lapisan untuk mencapai paparan bertahap terhadap AI.

Ini selaras dengan logika manajemen perusahaan: dewan fokus pada masalah strategis, CEO fokus pada masalah taktis dan mengelola manajemen puncak, sementara karyawan menangani urusan sederhana. Jika 300 orang berpartisipasi dalam pertemuan yang sama secara bersamaan, pertemuan tersebut tidak akan bisa berjalan. Makna inti dari keberadaan organisasi adalah mencapai pemrosesan informasi bertingkat, seperti halnya normalisasi database tiga tingkat yang meningkatkan efisiensi melalui kompresi dan lapisan informasi. Masalah kompleks harus dipecah secara bertingkat dan diungkapkan secara bertahap, bukan dengan memasukkan sejumlah besar konteks sekaligus—ini adalah logika inti dari bentuk organisasi tradisional, mengingat daya komputasi dalam waktu tertentu terbatas.

Zhang Peng: Model setiap kali harus menghabiskan daya komputasi besar untuk menciptakan dari awal, efisiensinya terlalu rendah.

Liu Ye: Tidak mungkin dicapai; intinya tetap bergantung pada eksposur bertahap berlapis, sumber daya yang harus dipanggil harus dipanggil, hal ini ditentukan oleh batasan kemampuan model AI. Selain itu, alasan lain Anthropic meluncurkan skills adalah karena tugas kompleks telah melampaui teorema fisika dasar; skills mampu memecah tugas kompleks menjadi serangkaian tugas sederhana berdimensi rendah. Dimensi utama yang membedakan tugas bukanlah tingkat kesulitan, melainkan tingkat kompleksitas—ada berbagai jenis kesulitan berdimensi rendah, berdimensi tinggi, dll., misalnya pemrograman oleh programmer dan menyelesaikan soal matematika termasuk tugas berdimensi rendah namun dengan tingkat kesulitan tinggi.

Yu Kai dari Horizon pernah mengusulkan model klasik: semua pekerjaan dapat dibagi menjadi empat kuadran berdasarkan tingkat persaingan dan tingkat dimensi, yaitu dimensi tinggi dan persaingan tinggi, dimensi rendah dan persaingan rendah, dimensi rendah dan persaingan tinggi, serta dimensi tinggi dan persaingan rendah. Penjualan dan insinyur termasuk dalam dimensi rendah dan persaingan tinggi; produk manajer dan CEO termasuk dalam dimensi tinggi dan persaingan tinggi; sedangkan ilmuwan termasuk dalam dimensi tinggi dan persaingan rendah—topik semacam ini mungkin hanya diteliti oleh satu orang di seluruh dunia, dengan tingkat persaingan rendah tetapi dimensi sangat tinggi. Tugas-tugas dimensi tinggi dan persaingan tinggi seperti drama pendek berkualitas tinggi atau novel bagus saat ini belum dapat diselesaikan oleh AI; sementara tugas-tugas dimensi rendah dan persaingan tinggi seperti optimasi kode sudah dapat dikerjakan dengan sangat baik oleh AI. Semakin tinggi dimensi suatu tugas, semakin sedikit sumber data yang tersedia, namun jumlah data yang dibutuhkan untuk melatih model justru semakin besar—ini juga merupakan alasan utama mengapa model teks muncul lebih dulu, sedangkan model gambar dan video muncul kemudian, serta model video pendek sulit diterapkan. Ketidakseimbangan pasokan dan permintaan antara tugas dimensi tinggi dan data dimensi tinggi ini hanya dapat diatasi dengan memecah tugas menjadi keterampilan-keterampilan, seperti halnya perusahaan yang, ketika tidak menemukan tenaga ahli untuk posisi tingkat tinggi, akan memecahnya menjadi tiga posisi dasar; hanya posisi dimensi tinggi seperti CEO yang tidak dapat digantikan.

Zhang Peng: Tugas berdimensi rendah dengan tingkat persaingan tinggi kemungkinan besar akan sepenuhnya digantikan oleh AI.

Liu Ye: Akan sepenuhnya digantikan, dan penggantian ini sudah terjadi.

Zhang Peng: Benar sekali, jadi semua hal berdimensi rendah dan berkompetisi tinggi sebaiknya segera diselesaikan dengan AI, yang dapat dipecah menjadi keterampilan, lalu diwujudkan melalui agen; dalam proses ini, partisipasi manusia tidak selalu diperlukan.

Liu Ye: Saya memiliki gagasan awal, IBM dan Accenture sebagai dua konsultan terbesar di dunia, bisnis inti mereka pada dasarnya adalah merumuskan praktik terbaik industri dan menyelaraskannya dengan digitalisasi, yang dijual adalah proses, bukan alat. Ketika perusahaan membeli proses risiko atau IP, mereka selalu meminta konsultan untuk menerapkannya. Pekerjaan inti kami saat ini adalah membangun kluster keterampilan, menemukan para ahli terkemuka di berbagai bidang, merumuskan kemampuan mereka, menyelaraskannya, dan membentuk set keterampilan standar. Ini mirip dengan model ZuoYe Hezi—ZuoYe Hezi bekerja sama dengan Sekolah Menengah Keempat Beijing, Sekolah Menengah Renmin Fuzhong, tim penyusun soal ujian masuk perguruan tinggi, dan guru dari Xueersi untuk merumuskan metode inti seperti menyusun soal, menjelaskan soal, dan memeriksa jawaban, lalu bekerja sama dengan insinyur algoritma Baidu untuk membangun sistem, pada dasarnya juga menyelaraskan praktik terbaik. Inti dari kemampuan organisasi adalah membentuk tim lintas bidang yang berkualitas tinggi, yang harus memahami industri dan teknik, mampu menghubungkan para ahli terkemuka di berbagai sektor, sekaligus memiliki kemampuan bisnis, rekrutmen, dan manajemen sumber daya manusia—ini juga merupakan komponen inti dari perusahaan AI SaaS generasi baru.

Zhang Peng: Dalam pengembangan lebih lanjut, di masa depan kita harus mendorong bentuk organisasi yang diperlukan dari sudut pandang bisnis. Organisasi pada dasarnya adalah struktur pengaturan, seperti sistem operasi bisnis—dengan menempatkan manusia sebagai unit produktivitas ke dalam organisasi yang sesuai, nilai maksimal dapat tercapai, sebaliknya organisasi tidak akan beroperasi secara efisien. Saat ini, faktor produktivitas telah berubah, dari bergantung pada tenaga manusia menjadi AI yang dapat dipasok tanpa batas, dan hanya perlu membentuk siklus positif untuk terus diperluas. Budaya organisasi masa lalu kini mungkin berubah menjadi tujuan dan konteks, tanpa lagi memerlukan slogan, rapat tiga langkah, atau kegiatan pembukaan.

Liu Ye: Budaya adalah niat manajemen, bukan niat bisnis. Pada era sebelumnya, strategi dimulai dari visi, visi menentukan nilai, organisasi tunduk pada strategi, bisnis memvalidasi segalanya, sedangkan budaya hanyalah alat untuk mengelola organisasi, tidak secara langsung melayani strategi, bahkan mungkin hanya preferensi pribadi pendiri.

Zhang Peng: Dalam proses strategi layanan manusia, ada banyak celah; apakah AI sedang menghilangkan celah-celah ini?

Liu Ye: Ya, budaya tidak lagi penting di era AI. Budaya adalah bagian keyakinan dari organisasi manusia, tetapi AI tidak membutuhkannya. AI tidak memiliki tubuh fisik, tidak memerlukan pendorong budaya. Kebutuhan utama AI adalah daya komputasi.

Zhang Peng: Maksudmu, AI membutuhkan tujuan dan prinsip. Sebuah dokumen saja sudah cukup untuk menetapkan tujuan dan prinsip, sehingga semua unit produktif dapat langsung disinkronkan dan melaksanakannya dengan setia tanpa penyimpangan. Sebagian besar gesekan dalam organisasi manusia akan hilang.

Liu Ye: Ya. Organisasi lama: strategi → budaya → talenta → eksekusi; organisasi AI saat ini: tujuan → prinsip → keterampilan → koordinasi. Seluruh rantai manajemen dipersingkat setengahnya.

05 Benteng terakhir: Estetika dan Koreografi

Zhang Peng: Hambatan baru perusahaan apa? Kualitas sumber daya manusia digantikan oleh Skill Set, selama saya memiliki selera, saya bisa mendapatkan Skill terbaik dari seluruh dunia. Lalu di tingkat yang lebih tinggi lagi, itu adalah 'Orchestration', benar? Apa yang akan berubah?

Liu Ye: Seperti halnya di Huaqiangbei Anda bisa membeli semua komponen elektronik, tetapi mengapa tidak semua orang bisa membuat Apple? Dalam biografi Jobs, definisi estetika sangat jelas: telah melihat cukup banyak hal baik di dunia, mampu membedakan yang baik dan buruk, itulah estetika. Jika seseorang belum pernah melihat produk baik, proses baik, atau organisasi baik, maka tidak mungkin menghasilkan hasil berkualitas tinggi.

Zhang Peng: Wawasan adalah prasyarat untuk estetika.

Liu Ye: Hanya keberanian dan bakat.

Zhang Peng: Estetika tercermin dalam dua cara: pertama, desain dan pengaturan aktif; kedua, mengenali dan memilih hal-hal berkualitas tinggi yang muncul dalam kekacauan. Kedua cara ini tidak saling bertentangan.

Liu Ye: Memang tidak bertentangan. Sebagian pencapaian Apple adalah hasil pengembangan mandiri, sebagian lagi adalah akuisisi pihak ketiga, intinya adalah memiliki selera estetika—tidak perlu membuat ulang roda, cukup kembangkan sendiri jika diperlukan.

Zhang Peng: Intinya adalah, apakah agen harus dijalankan terlebih dahulu dalam modul yang ditetapkan sebelum mengonfirmasi jalur, untuk mencapai pengaturan muncul; atau apakah semua jalur harus ditetapkan terlebih dahulu untuk mencapai pengaturan desain?

Liu Ye: Kemunculan bersifat non-manipulatif; perlu terlebih dahulu menetapkan aturan dan prinsip benih, baru ini mencerminkan selera seseorang. Seperti insinyur yang baik dapat membuat Openclaw yang berguna dengan hanya 500 atau 5.000 baris kode, sementara insinyur yang tidak kompeten tidak dapat mencapai efek yang sama meskipun menulis 50.000 baris kode—aturan benih dasar tetap harus ditetapkan oleh manusia.

Zhang Peng: Jadi, kita tidak bisa hanya menunggu munculnya hal-hal baru dalam kekacauan, karena itu membutuhkan waktu sangat lama; pengaturan tetap sangat penting. Apakah pengaturan ini pada akhirnya hanya bisa berasal dari pendiri, atau lebih mirip dengan "produser"?

Liu Ye: Saya merasa definisi produser ini sangat baik. Memang benar, meskipun ada kemunculan dan efek skala, tetap diperlukan pelabelan data, pembersihan data, serta penyelarasan algoritma yang berkelanjutan untuk menghindari ekspansi yang tak terkendali.

Penyusun tergantung pada kompleksitas bisnis—bisnis yang kompleks tidak dapat diselesaikan oleh satu orang, misalnya memproduksi drama pendek atau menulis prompt, yang dalam praktiknya menghadapi banyak kesulitan. Konsep “perusahaan satu orang” telah disalahgunakan; dunia tidak dapat disederhanakan tanpa batas. Meskipun komputer dapat dioperasikan oleh satu orang, sulit bagi seseorang untuk menguasai semua kemampuan tingkat tinggi. Orang-orang luar biasa seperti Elon Musk dan Fei-Fei Li, yang mampu menguasai berbagai bidang dan mengambil alih posisi apa pun, sangat jarang.

Zhang Peng: Jika kita dapat memanfaatkan sistem agen dan keterampilan terbaik di dunia, misalnya seorang penulis naskah hebat, secara teoritis apakah kita dapat menggunakan sumber daya ini untuk memproduksi film yang terkenal secara global dan menguntungkan? Meskipun penulis naskah memiliki keunggulan inti (naskah yang bagus), ia tidak dapat menyelesaikan semua tahapan—apakah siklus tertutup “keunggulan inti + sumber daya global” ini可行?

Liu Ye: Ini pada dasarnya adalah masalah data—apakah ada data yang menyimpan informasi dimensi tertinggi. Misalnya, melatih keterampilan CEO, saat ini tidak ada cukup data untuk mendukungnya: esai panjang Ren Zhengfei yang beribu-ribu kata, atau cerita lisan Jack Ma, tidak dapat sepenuhnya menggambarkan pemahaman dimensi tinggi mereka; bahkan jika kita mengumpulkan semua laporan keuangan perusahaan global dan semua pernyataan CEO, kita tetap tidak dapat melatih model yang mampu menjadi CEO, karena kemampuan inti seorang CEO adalah pengetahuan implisit yang tidak dapat sepenuhnya terungkap melalui teks.

Zhang Peng: Artinya, kemampuan inti seorang CEO saat ini belum dapat divektorisasi. Ini membatasi konsep ideal "perusahaan satu orang"—meskipun setiap orang dapat memaksimalkan keunggulan pada satu dimensi dan menggabungkan sumber daya terbaik dunia, tetap saja tidak ada agen pengatur inti, yang pada dasarnya merupakan masalah kemampuan pengaturan. Pada akhirnya, memiliki "komponen" terbaik tetap memerlukan kemampuan pengaturan yang kuat.

Liu Ye: Produk manajer juga demikian, pengetahuan implisitnya tidak dapat sepenuhnya ditransformasikan menjadi teks. Ini juga merupakan alasan mendasar mengapa pasangan AI dan konten yang dihasilkan AI kurang terasa "hidup"—kurangnya dukungan data dari pengetahuan implisit berdimensi tinggi. Ketika jumlah data sedikit, fokuslah pada keterampilan; ketika jumlah data banyak, baru buat model. Robot saat ini belum bisa diterapkan, intinya adalah kurangnya data yang cukup.

Zhang Peng: Dari sini dapat disimpulkan bahwa titik kunci persaingan perusahaan di masa depan bukan lagi kemampuan untuk mengakses model unggulan—sumber daya AI awal tampaknya seragam, daya komputasi terkait dengan kekayaan dan kemampuan siklus bisnis, namun perbedaan akhir tetap akan kembali pada "produser" itu sendiri, yaitu kemampuan pengaturan dan inovasi serta signifikansi tujuannya; kedua hal ini membentuk daya saing inti perusahaan.

Liu Ye: Seorang mantan mitra McKinsey pernah memberi tahu saya bahwa bisnis inti McKinsey adalah mengekstraksi praktik terbaik, membangun model, dan membantu perusahaan menerapkannya satu per satu. Misalnya, ketika memberikan konsultasi kepada pabrikan mobil Tiongkok, kami akan berkonsultasi dengan rekan-rekan Jepang tentang praktik Toyota, pada dasarnya adalah meniru dan menerapkan praktik terbaik.

Kasus Mi Meng dalam membuat drama pendek sangat relevan sebagai referensi. Ia lulusan sastra Tiongkok, tetapi tim intinya terdiri dari lulusan matematika dan ilmu komputer dari Tsinghua dan Peking University, yang secara khusus menganalisis logika video pendek viral, sehingga mencapai tingkat viral yang sangat tinggi. Pendekatan ini pada dasarnya memodelkan rekayasa sosial industri; meskipun ada kemungkinan overfitting, arah pemodelannya benar.

IBM, Accenture, dan McKinsey semuanya melakukan hal semacam ini—McKinsey generasi pertama memodelkan praktik terbaik ke dalam mitra, sementara IBM mengubahnya menjadi proses digital; pada dasarnya, keduanya menjual manajemen dan proses.

Zhang Peng: Intinya adalah merumuskan praktik terbaik, lalu menguji dan menerapkannya berulang-ulang—ini adalah kunci menang-kalah dari organisasi bisnis masa depan. Hanya dengan menganalisis secara mendalam, kita bisa mencapai pengaturan yang efisien. Jadi, arah utama kalian selanjutnya adalah melanjutkan pendekatan ini?

Liu Ye: Selama tiga tahun terakhir, kami fokus pada bisnis AI ToC, dan membangun ulang seluruh sistem pengajaran dan penelitian dengan pendekatan MetaOrg. Ini bukan sekadar cerita sederhana tentang "menggunakan AI untuk meningkatkan efisiensi". Kami membangun organisasi penelitian dan pengajaran Agentic lengkap, yang dijalankan oleh tim penelitian virtual: tim penelitian pembelajaran bahasa bertanggung jawab melacak teori terbaru dalam pemerolehan bahasa kedua, tim pengumpulan korpus vertikal mengambil ekspresi alami dari konteks nyata, tim evaluasi dialog membangun standar penilaian multidimensi untuk kemampuan berbicara, tim desain dialog mengubah pedagogi menjadi interaksi manusia-mesin yang alami, tim desain wadah soal menyelesaikan masalah kesesuaian bentuk dan konten latihan, serta tim analisis data mengekstrak sinyal nyata tentang efektivitas pembelajaran dari perilaku pengguna. Setiap tim memiliki keterampilan sendiri, alur kerja sendiri, dan standar evaluasi sendiri. Saat ini, sekitar 80% pekerjaan seperti pelabelan data buku teks, pemantauan evaluasi, wawasan pengguna, dan iterasi produk dilakukan oleh AI.

Jalur pengembangan kami adalah dari "AI sebagai fitur" meningkat menjadi "AI sebagai kemampuan organisasi". Posisi guru bahasa Inggris berada pada tingkat kompleksitas menengah, dan kami telah mengabstraksikannya, menghasilkan posisi lain melalui MetaOrg; jika digabungkan dengan arsitektur skill terbaru, berpotensi membangun posisi yang lebih tinggi.

Kami saat ini telah menyelesaikan seluruh proses pembangunan AI tutor, termasuk abstraksi dan implementasi teknis kemampuan penyusunan. Di masa depan, kemungkinan besar AI tutor akan ditingkatkan menjadi Meta organisasi—unit terkecilnya adalah posisi, bukan karyawan, dengan fokus utama pada kolaborasi dan manajemen antar posisi. Fokus kami saat ini adalah berkolaborasi dengan CEO teratas di berbagai industri, karena CEO adalah "produser utama" inti.

Zhang Peng: Jadi, yang kalian luncurkan lebih mirip sebuah departemen yang dapat diskalakan?

Liu Ye: Tujuannya adalah mendorong maju ke arah "perusahaan". Perusahaan besar pada dasarnya terdiri dari beberapa perusahaan kecil, dan unit terkecilnya adalah posisi. Harus memperhatikan pilihan strategi industri secara keseluruhan, sekaligus memulai dari posisi untuk mendorong iterasi produk—jika posisi tidak dikerjakan dengan baik, bahkan jika manajer memiliki kemampuan yang kuat, organisasi yang efisien tidak akan terbentuk.

Zhang Peng: Untuk membuat sebuah departemen berjalan dengan baik, pertama-tama harus memecah kemampuan dan posisi terkait departemen, lalu memecah keterampilan yang sesuai dengan setiap posisi, serta berusaha mencapai tingkat SOTA untuk keterampilan-keterampilan tersebut.

Liu Ye: Hanya ada satu metode inti: berkolaborasi dengan perusahaan teratas yang dilayani. Keterampilan yang dihasilkan harus dievaluasi oleh perusahaan teratas apakah memenuhi kebutuhan, seperti halnya proposal yang ditulis bawahan perlu ditinjau oleh atasan, jangan hanya berdasarkan selera pribadi. Misalnya, dalam membangun model drama pendek, perlu mendapatkan pengakuan dari lembaga terkemuka di industri, jika tidak, itu tidak bisa dianggap sebagai yang teratas. Semuanya perlu dievaluasi dan diukur.

Midjourney mampu menghasilkan gambar berkualitas tinggi, intinya adalah tim yang terdiri dari fotografer dan insinyur yang memiliki selera gambar terdepan; LV menggunakan model gambar yang dilatih dengan Stable Diffusion, hasilnya jauh melampaui model biasa, karena LV memiliki selera gambar dan data terbaik di dunia. Jelas bahwa kemampuan evaluasi adalah intinya. Untuk membangun perusahaan AI, Anda harus seperti IBM dan Huawei—IBM setelah melayani produsen mobil kelas atas, menguasai praktik terbaik dalam pembuatan mobil dan mengeluarkannya; Huawei menghabiskan 4 miliar untuk membeli proses IPD, yang digunakan baik untuk manajemen internal maupun eksternal, inilah daya saing inti.

Zhang Peng: Pada dasarnya, ini adalah proses memecah keterampilan berdasarkan praktik terbaik, mencapai SOTA untuk keterampilan tersebut, lalu meningkatkannya menjadi SOTA untuk posisi dan departemen, dan akhirnya mengatur semuanya menjadi SOTA bisnis—ini adalah jalur jelas menuju puncak bisnis. Masalah kunci lainnya: bagaimana menjaga agar keterampilan tetap mutakhir? Seperti mutasi dalam biosfer Bumi, SOTA di setiap zaman mungkin akan tergantikan di zaman berikutnya—bagaimana menghadapi perubahan semacam ini?

Liu Ye: Logika intinya sejalan dengan manusia dan evolusi biologis, yaitu persepsi, perencanaan, tindakan, dan refleksi. Pertahankan kepadatan bakat tinggi dan sifat lintas disiplin organisasi, satu ujung terhubung dengan前沿 teknologi (peneliti), ujung lainnya mempelajari model bisnis, sekaligus berkolaborasi dengan klien terkemuka industri dalam skenario nyata untuk terus mengevaluasi dan mengoptimalkan, ini adalah satu-satunya cara.

Zhang Peng: Dari sini dapat disimpulkan bahwa sistem yang terbentuk dari praktik terbaik perusahaan top dapat membantu perusahaan menengah mencapai lonjakan besar, tetapi kemungkinan besar sistem semacam ini hanya dapat digunakan oleh perusahaan yang memiliki sumber daya dan keuangan, sehingga UMKM dan pengusaha muda kesulitan membiayainya. Industri konsultasi telah berkembang dari layanan tradisional menjadi produk berbasis alat. Apakah peluang generasi baru hanya ada di tingkat keterampilan? Bagaimana mencapai inovasi disruptif di tingkat keterampilan untuk menghindari jebakan "siklus aristokrat" di industri ini?

Liu Ye: Di industri SaaS generasi sebelumnya, perusahaan-perusahaan seperti Salesforce, Palantir, Notion, dan Slack, ada yang fokus pada alat universal, ada yang menyediakan layanan integrasi, membuktikan bahwa pengusaha muda masih memiliki peluang—jauhi bisnis yang tidak menjadi keunggulan Anda, fokus pada keterampilan universal, dan temukan posisi ekosistem yang tepat. Notion adalah contoh klasik, tidak terlibat dalam proses bisnis spesifik, hanya mengabstraksikan fungsi pencatatan teks, sehingga menjadi alat universal. Dunia pada akhirnya akan menjadi kolaborasi terbagi di antara banyak agen (agent); generasi muda perlu terlebih dahulu menemukan posisi ekosistem, lalu memanfaatkan keunggulan pribadi mereka, menetapkan arah tren masa depan, dan menghindari menjadi musuh waktu. Dalam sepuluh tahun terakhir, pengusaha internet generasi pertama sebagian besar adalah kembalian dari luar negeri (mengandalkan keunggulan kognitif), generasi kedua sebagian besar adalah programmer (mengandalkan ledakan alat), dan generasi ketiga internet industri sebagian besar adalah pengusaha ulangan; polanya jelas, generasi muda perlu memahami posisi tengah dan keunggulan pribadi mereka.

Zhang Peng: Jadi, Anda berpendapat bahwa inovasi dan optimasi lokal di tingkat keterampilan memiliki dampak terbatas, maka peluang terbesar bagi generasi baru mungkin terletak pada inovasi tujuan—mengidentifikasi tujuan baru yang muncul di era ini, menggabungkannya dengan keterampilan berkualitas tinggi, dan terus berkembang, agar dapat membangun sistem baru di atas tujuan baru tersebut dan mencapai terobosan.

Liu Ye: Persaingan keterampilan sangat halus; meskipun keterampilan saat ini sedang populer, jika seseorang dapat menyelaraskan diri dengan ahli manusia paling unggul dan menciptakan keterampilan yang lebih unggul, keterampilan yang ada akan digantikan. Ini kembali pada masalah parit perlindungan: pelopor belum tentu yang akan menang akhirnya, dan kemungkinan besar akan menjadi "nutrisi tanah" bagi lawan yang lebih tinggi dimensinya.

Zhang Peng: Yang harus ditakuti adalah menjadi "loader" yang hanya membantu lawan yang lebih tinggi dimensinya dalam membangun dasar. Jika hanya berfokus pada optimasi efisiensi di atas target yang sudah ada, itu tidak bermakna, karena keunggulan efisiensi pada akhirnya akan hilang. Oleh karena itu, generasi baru untuk mencapai terobosan harus menciptakan perbedaan mendasar pada targetnya.

Liu Ye: Benar, diri sendiri tidak dapat berkembang menjadi kekuatan inti, hanya memelihara lawan yang lebih tinggi dimensinya. Esensi bisnis sangat sederhana, intinya adalah mengetahui siapa pelanggan, bagaimana melayani pelanggan, dan bagaimana membuat pelanggan tidak bisa lepas dari Anda. Setiap pemuda yang tidak jelas siapa pelanggannya tidak akan mampu melakukan optimasi.

Zhang Peng: Anda juga perlu memperhatikan pasar tambahan; persaingan di pasar yang sudah mapan sangat sulit. Jika bisnis Anda sukses, Anda akan menarik perusahaan di bidang terkait ke tingkat kemajuan yang sama, perusahaan-perusahaan ini memiliki kekayaan dan pemahaman yang kuat, sehingga generasi muda sulit bersaing di pasar yang sudah mapan.

Liu Ye: Dalam industri SaaS generasi sebelumnya, kesuksesan perusahaan seperti Notion dan Slack intinya adalah diferensiasi target.

Pada tahap awal perkembangan SaaS generasi sebelumnya, dana-dana Tiongkok cenderung berinvestasi pada ilmuwan. Namun, kemudian ditemukan bahwa ilmuwan lebih cocok untuk berkolaborasi dan berkomunikasi, bukan untuk berwirausaha—bidang dimensi tinggi dan kompetisi rendah yang ditempati ilmuwan berbeda dengan logika dimensi tinggi dan kompetisi tinggi di dunia bisnis. Semakin tinggi dimensi bidang tersebut, semakin sulit untuk beralih ke bidang baru, karena pola pikir intinya sama sekali berbeda. Di awal setiap bidang, persaingan bersifat teknis (dimensi rendah, kompetisi tinggi, teknologi belum matang); setelah teknologi matang, persaingan beralih ke aspek bisnis (dimensi tinggi, kompetisi tinggi, didominasi oleh pelaku industri, produk manajer, dan praktisi bisnis). Misalnya, saat iPhone pertama kali diluncurkan, sebagian besar aplikasi di peringkat dikembangkan oleh programmer; beberapa tahun kemudian, ketika industri internet muncul, semua produk yang dipimpin oleh programmer di peringkat tersebut digantikan.

Jika era AI melanjutkan logika internet seluler, kekuatan inti Silicon Valley tetap akan menjadi para profesional berpengalaman, sama seperti industri internet Tiongkok yang banyak didirikan oleh pengusaha sekunder. Peluang bagi kaum muda tetap terletak pada menemukan tujuan yang berbeda.