Pembangun menjadi 180% lebih produktif dengan AI. Namun, jumlah aplikasi yang benar-benar digunakan orang tidak meningkat. Kedua angka ini diukur dari 100 ribu pengembang, dan bersama-sama mereka merupakan data paling tidak nyaman dalam teknologi pada 2026. Studi ini berasal dari NBER. Mereka menggabungkan aktivitas nyata di GitHub dengan data penggunaan AI setiap pengembang, memisahkan efek dari setiap generasi alat. Lonjakan produksi kode sangat luar biasa: → Autocomplete: +40% → Agen yang berbicara dengan Anda: +140% → Agen otonom: +180% Hampir tiga kali lebih banyak kode yang dihasilkan dari orang yang sama. Sepertinya ini adalah revolusi produktivitas terbesar yang pernah dilihat dunia. Tetapi kemudian para peneliti mengajukan pertanyaan yang hampir tidak ada yang mau tanyakan: seberapa banyak dari peningkatan ini berubah menjadi produk yang nyata di tangan pengguna? Lihat apa yang terjadi pada peningkatan 180% ini. Angkanya turun menjadi +50% ketika dihitung berdasarkan jumlah proyek. Ketika sampai pada apa yang benar-benar dirilis, hanya tersisa +30%. Hampir seluruh peningkatan menghilang di sepanjang jalan. Dan ada bagian yang lebih buruk lagi. Lihat grafik dari Financial Times. Garis peluncuran aplikasi meledak. Sementara itu, jumlah aplikasi yang benar-benar digunakan tetap stagnan, dan peringkat pengguna mulai menurun. AI membanjiri dunia dengan perangkat lunak yang tidak pernah dibuka siapa pun. Kapasitas produksi terbesar dalam sejarah, dihabiskan untuk menciptakan sesuatu yang mati pada hari peluncurannya. Mengapa ini terjadi? Kode selalu menjadi bagian termudah dalam cerita ini. Pekerjaan berat datang setelahnya: merevisi, memastikan berfungsi, meluncurkan, dan meyakinkan seseorang untuk menggunakannya. AI mempercepat secara brutal hanya satu mata rantai dalam rantai ini, dan mengungkap betapa seluruh sisanya masih sangat bergantung pada manusia. Apa yang berubah bagi mereka yang membangun ke depan adalah langsung. AI membuat menulis kode menjadi begitu murah sehingga menjadi komoditas. Siapa pun sekarang bisa menghasilkannya dengan cepat. Apa yang akan bernilai emas dalam dekade mendatang adalah “selera” dan penilaian: mengetahui apa yang layak ada sebelum Anda menghabiskan satu jam pertama untuk membangunnya.

Kami berpindah dari: "akankah AI menggantikan kita?" ke: "AI mana yang harus saya gunakan hari ini?" Itu berlaku dengan cepat.

Ekonomi tingkah laku, ilmu akademik terkuat yang menarik perhatian universiti-universiti Ivy League Amerika seperti Harvard, Yale, Pennsylvania, Cornell, dan Columbia, serta perusahaan-perusahaan terkemuka dunia seperti Google, Amazon, dan Netflix. Jika anda mempelajari secara saintifik mengapa manusia bertindak seperti itu, anda akan pasti unggul di segala situasi. Anda hanya perlu belajar.

Pengingat yang baik kepada pembangun yang gila AI yang berkata selagi ujian unit, ujian asap, atau apa-apa ujian lain lulus, maka kod AI yang buruk itu boleh diterima. Sampah! “Ujian membuktikan bahawa kod lulus set ujian, tiada lagi. Ia tidak membuktikan dengan sendirinya bahawa kod itu betul, selamat, boleh diselenggarakan, cekap, dsb. Semua ini jauh lebih sukar untuk diukur dan berkait rapat dengan organisasi, arsitektur, budaya, pengetahuan bersama para penyelenggara, dsb. Semua ini kurang semasa dan selepas [penulisan semula ini yang berasaskan AI] [Bun.]"

Elon Musk percaya bahasa pengaturcaraan akan pupus sepenuhnya tahun ini kerana AI tidak lagi memerlukan bahasa pengaturcaraan.

Orang meninggalkan OpenAI untuk Anthropic, miliaran diperuntukkan kepada cip khusus untuk AGI Sementara itu, bisnis biasa masih kehilangan prospek kerana tiada yang menjawab selama 6 jam kelebihan bukan lagi modelnya, tetapi siapa yang benar-benar menghubungkannya ke dalam kerja

Boris sedang memberi nama kepada perubahan yang menjadi asas perniagaan saya selama beberapa bulan terakhir. Cara lama untuk membesarkan agensi: pekerjakan seorang junior, latih mereka berdasarkan 10 projek terakhir anda, berharap mereka mempertahankan cukup pengetahuan supaya projek ke-11 tidak bermula dari awal semula. Ulangi dengan seorang senior untuk menguruskan para junior. Ulangi dengan seorang VP untuk menguruskan para senior. Setiap peringkat menambah beban, setiap peringkat melemahkan pengetahuan yang berada dalam fikiran pendiri. Pada ketika agensi mencapai 30 orang, kualiti asal telah hilang dan pendiri tidak lagi melakukan apa-apa yang mereka dilatih untuk lakukan. Cara baru: anda mengumpulkan data dari setiap pembinaan ke dalam perpustakaan yang terstruktur, kemudian anda menulis gelung yang berjalan berdasarkan data tersebut. Agen-agen yang melihat corak lalu, keberatan lalu, keputusan rekabentuk lalu, dan mod kegagalan lalu. Permintaan pelanggan baru masuk, gelung-gelung tersebut mencadangkan apa yang perlu dilancarkan sebelum seorang pun dalam pasukan membaca ringkasan tersebut. Bukan berdasarkan teori, tetapi berdasarkan 50 pembinaan yang telah diproses oleh gelung-gelung tersebut. Perhitungan bilangan pekerja menjadi tidak relevan. Pekerjaan bertambah secara linear dengan beban. Gelung-gelung bertambah mengikut saiz perpustakaan data, yang bertambah secara berkelip setiap kali pembinaan dilakukan. Apa yang kelihatan dalam amalan saya sekarang: Setiap permulaan pelanggan menyumbang kepada log projek yang terstruktur. Setiap keputusan rekabentuk ditandai dan diterangkan. Setiap isu yang dihadapi dalam pengeluaran dicatat bersama penyelesaiannya. Setiap prompt yang berjaya pada jenis integrasi tertentu disimpan berdasarkan jenis integrasi tersebut. Pada ketika pelanggan ke-50 datang, sistem telah memproses 49 versi “bagaimana pembinaan jenis ini biasanya gagal pada minggu keenam”. Gelung-gelung tersebut bukan autonomi. Saya mengulas setiap output. Mereka tidak membuat keputusan rekabentuk. Mereka menonjolkan calon-calon. Mereka menyusun dokumen. Mereka mencadangkan penambahan ciri berdasarkan apa yang berjaya pada pembinaan serupa sebelumnya. Manusia tetap terlibat dalam setiap keputusan yang menyentuh nilai pelanggan. Tetapi apa yang mereka buka adalah sejenis leveraj yang tidak pernah dihasilkan oleh pempekerjaaan. Seorang jurutera senior membawa 10 tahun pengenalan corak. Gelung-gelung membawa setiap corak dari semua pembinaan yang pernah saya lancarkan, boleh ditanya dalam saat-saat. Pengenalan corak jurutera menjadi lebih baik sepanjang kerjayanya. Gelung-gelung menjadi lebih baik setiap Isnin. Boris memberi nama kepada peralihan ini pada aras mod. Peralihan ini tepat sama pada aras agensi. Kerja bukan lagi menghantar prompt kepada AI. Kerja adalah menulis gelung-gelung yang menghantar prompt kepada AI, dan mengumpulkan data yang menjadi asas gelung-gelung tersebut. Kebanyakan agensi pada tahun 2027 akan menjadi salah satu daripada dua perkara: Either kedai-kedai yang berskala berdasarkan bilangan pekerja yang masih mempekerjakan junior atau studio-skala gelung dengan separuh daripada pasukan dan 10x throughput setiap pembina. Belum sepenuhnya autonomi. Tidak berpura-pura menjadi salah satu daripadanya. Tetapi peralihan rekabentuk ini nyata, dan kebanyakan pengendali belum memahami bahawa ia juga berlaku pada perniagaan mereka sendiri, bukan hanya pada AI yang membina ia.

Cuba ini: ketuk jari tangan anda secara rawak di dinding supaya bunyi itu menghalang singa daripada masuk ke kawasan anda. Tidak ada singa kan? Jika anda menganggap itu sebagai bukti bahawa strategi anda berkesan, maka anda memahami strategi pelaburan kebanyakan industri AI sekarang 😎😆 #CryptoSatire #CryptoVerse #AI #AgenticAI #AIInfrastructure #Anthropic #Claude #OpenAI #ChatGPT #AgenticEconomy