Percakapan dengan Liu Ye: OpenClaw hanya "tangan dan kaki", kami perlu berkembang dari "karyawan digital" ke "organisasi digital", dari "membuat pasukan" ke "mengatur formasi"

对话｜张鹏

Ketika semua orang berlomba-lomba mengembangkan “pegawai digital” dan “Alat Agen”, serta terus-menerus bersaing dalam skenario yang berbeda, di mana sebenarnya garis pertahanan utama dari startup AI?

Baru-baru ini, pendiri & CEO Geek Park Zhang Peng dan pendiri VisionFlow Liu Ye setelah meledaknya OpenClaw, mengadakan diskusi tentang prediksi ke depan. Sebagai programmer generasi pertama di China yang lahir tahun 1979, Liu Ye mengalami siklus lengkap dari perangkat keras dasar hingga perangkat lunak, dari integrasi tingkat perusahaan (ToB) hingga pendidikan daring (Internet industri). Setelah berbulan-bulan tertutup dan berdiskusi “sepuasnya” dengan peneliti dari perusahaan AI terkemuka global dan pengusaha top domestik, ia menarik kesimpulan dingin: Menganggap AI sebagai “pegawai digital” untuk menggantikan tugas tunggal adalah penyederhanaan berlebihan dari pemikiran insinyur terhadap bisnis nyata.

Dalam percakapan ini, Liu Ye mengemukakan konsep dan kerangka seperti “paparan bertahap” dan “matriks tingkat tinggi dan rendah dari tugas”. Dalam diskusi, satu kemungkinan masa depan mulai menjadi jelas: langkah selanjutnya dari AI bukanlah alat yang melimpah, melainkan membangun “organisasi digital” yang mampu berkolaborasi, melapor, dan merefleksi. Ketika budaya perusahaan tidak lagi diperlukan dan pekerjaan berdimensi rendah dihapuskan secara menyeluruh, CEO masa depan mungkin bukan lagi “Chief Executive Officer”, melainkan “Produser” dengan estetika ekstrem.

Ini adalah prediksi tentang bentuk organisasi di era AI, hambatan bisnis, dan posisi ekosistem pengusaha generasi baru. Semoga dapat memicu diskusi yang lebih mendalam dari para pengusaha di masa depan.

Berikut adalah ringkasan percakapan yang disusun oleh Geek Park:

01 Perang A juta sudah dimulai, banyak hal yang bisa dilakukan,

tapi apa yang paling penting untuk dilakukan?

Zhang Peng: Dari “Kotak Tugas” hingga saat ini, semangat eksplorasi terhadap perubahan yang dibawa OpenClaw sangat tinggi. Apakah ada perubahan yang kamu rasakan sendiri?

Liu Ye: Saya termasuk generasi pertama programmer di China, mulai belajar coding sejak kecil. Mengalami dari BASIC ke DOS, lalu Windows dan era Mac saat ini, serta menyaksikan kebangkitan tiga portal utama. Saya pernah bekerja di informatika perusahaan, ingin menjadi IBM-nya China; lalu beralih ke “Kotak Tugas”, dan secara mendalam terlibat dalam pendidikan daring. Pendidikan daring adalah industri yang sangat mendalam, bentuk tertinggi dari Internet industri, dan “kereta terakhir”. Pengalaman ini membuat saya sangat merasakan bahwa inti dari Internet industri bukanlah teknologi, melainkan industri itu sendiri, yaitu bisnis. Aturan dari Internet industri adalah: pertama, melakukan pencocokan informasi; kedua, standar produk; ketiga, rantai pasok; dan terakhir, layanan non-standar yang kompleks. Semakin ke belakang, margin semakin tinggi, dan semakin sulit untuk dilakukan.

Jadi, saat gelombang AI datang, hal pertama yang saya lakukan adalah menghabiskan hampir 6 bulan tidak melakukan apa-apa, membiarkan HR berbicara dengan semua orang yang bisa diajak bicara. Dari kepala ilmuwan perusahaan startup terkenal hingga algoritma inti, insinyur dan peneliti dari perusahaan besar, serta pengusaha AI baru, semua diajak bicara secara “sepuasnya”, mengumpulkan hampir seribu jam intensitas diskusi. Sampai sejauh mana? Sampai saat orang lain mengucapkan setengah kalimat, saya sudah tahu kalimat lengkapnya, dan konsensus semua orang sudah tidak jauh berbeda.

Setelah satu putaran diskusi, kesimpulannya sangat seragam: semua orang melakukan hal yang sama—pegawai digital. Ini mengingatkan saya pada kesalahan strategis seorang tokoh besar tentang cloud computing, yang mengatakan bahwa inti dari Alibaba Cloud hanyalah sebuah penyimpanan online. Menggunakan kerangka lama untuk memahami hal baru, kamu hanya bisa melihat lapisan paling dangkal.

Hari ini, semua orang berpikir membuat pegawai digital, menulis “penjualan digital” atau “layanan pelanggan digital” dengan Claude, apa hambatan teknisnya? Di mana garis pertahanan? Ketika satu orang membakar miliaran TOKEN dalam sehari, ini lebih mirip manufaktur, dan benar-benar tidak bisa berkembang. Jadi saya tanya ke setiap pengusaha: Why are you? Kenapa kamu bisa? Lebih muda? Lebih pintar? Lebih mampu begadang? Jika bersaing di satu dimensi, itu hanya perbedaan antara “10 detik 69” dan “10 detik 70”.

Zhang Peng: Hmm, hari ini banyak yang bisa dilakukan, tapi apa yang harus dilakukan, itu yang paling penting. Apakah kamu punya pemikiran tentang hal ini?

02 Sepuluh tahun Internet industri, hari ini akan diulang lagi

Liu Ye: AI sangat berbeda, tapi saya percaya masih ada bagian yang sesuai dengan aturan Internet industri. Pada awalnya membuat alat, di tengah membuat bisnis, dan akhirnya memberikan konsultasi. Saat teknologi belum matang, gelombang pertama pasti diisi insinyur, mereka pandai mengabstraksi dunia secara berlebihan, misalnya Baidu dengan “perhitungan kerangka”, menganggap semuanya sebagai kerangka. Tapi di paruh kedua Internet mobile adalah konten dan layanan, bukan kerangka.

Orang yang berasal dari insinyur seringkali menyederhanakan imajinasi tentang organisasi. Lihat tiga portal utama generasi pertama internet, yang paling sukses di akhir adalah Tencent dan Alibaba, yang sedikit lebih jauh dari teknologi, tetapi dekat dengan industri. Hari ini juga sama, teknologi menjadi semakin tidak penting.

Zhang Peng: Gelombang ini, para sarjana humaniora cukup senang, tampaknya tidak perlu menulis kode. Tapi dalam jangka panjang, apa yang dibutuhkan manusia di era AI? Apa perubahan yang terjadi?

Liu Ye: Dalam struktur talenta di China, saya menemukan satu masalah. Programmer generasi pertama di China adalah product manager, karena saat itu tidak ada posisi product manager. Product manager menjadi posisi yang dikenal luas sekitar 2010, setelah peluncuran iPhone 4 oleh Steve Jobs dan usulan konsep produk oleh Zhang Xiaolong, muncul istilah “semua orang adalah product manager”. Sebelum itu, programmer juga menjalankan pekerjaan product manager, dulu ada programmer, baru kemudian product manager. Jadi, programmer generasi pertama belajar kode bukan untuk pekerjaan, melainkan karena minat, mereka terjun karena kecintaan. Justru orang-orang yang tidak terdefinisi dan melampaui norma ini yang paling luar biasa.

Tapi, dalam dekade terakhir, programmer generasi kedua di industri internet telah berubah menjadi “kuli kode”, product manager menjadi arsitek, dan para programmer menjadi “ternak kode” yang tidak memikirkan bisnis. Sekarang AI datang, bagian “kode” dihapus, mereka tidak berinovasi lagi, mereka hanya tersisa “petani”. Mereka sangat hebat, tapi pemahaman mereka tentang industri kosong. Jadi, dalam “Perang A juta” saat ini, esensinya tetap pada banjir alat.

Lihat di tahap akhir Internet industri, perusahaan seperti Alibaba dan Meituan, semuanya menggunakan latar belakang konsultan top (MBB) untuk analisis bisnis, dan membawa product manager dari konsultan untuk mengelola proses bisnis, karena manajer produk internet secara bawaan tidak memiliki sistem. Feishu dibuat dengan cara ini. ByteDance meskipun murni internet, juga banyak menggunakan konsultan untuk membangun proses internal. Di era AI, aturan ini hanya akan semakin diperkuat, bukan berkurang.

03 Masalah perusahaan, bukan pernah soal karyawan, tapi soal organisasi

Zhang Peng: Jadi, menurutmu, bersaing “pegawai digital” sebagai satu titik saja tidak banyak artinya.

Liu Ye: Ini adalah penilaian inti saya: pegawai digital bukanlah akhir, melainkan organisasi digital. Jika pegawai digital melimpah, bahkan posisi perekrutan pun tidak ada, semua orang memiliki pegawai digital yang baik, lalu apa selanjutnya? Apakah perusahaan itu akan langsung menghasilkan uang dan sukses? Sebenarnya, semua masalah perusahaan adalah masalah strategi dan organisasi, bukan masalah karyawan.

Jadi, saat ini Agent masih bekerja untuk manusia, bukan untuk pengambilan keputusan manusia. Kami telah mengubah OpenClaw dan membuat sesuatu yang disebut MetaOrg. Pada dasarnya, ini adalah inti yang dapat menghasilkan tim agent. Ketika menyelesaikan tugas apa pun, bukan mengirimkan satu karyawan, tetapi membangun “organisasi” untuk menyelesaikan. Organisasi ini memiliki hubungan kolaborasi, pelaporan, memiliki misi, tujuan, dan cara bertindak.

Zhang Peng: Tapi di masa depan, mungkinkah satu orang menjadi satu departemen? Bahkan satu perusahaan?

Liu Ye: Pertanyaan yang sangat bagus. Kita masih melihat ke mikro, misalnya saat menggunakan AI untuk membuat video pendek atau menulis dokumen, membutuhkan beberapa putaran dialog. Kamu katakan satu kalimat, dia balas satu kalimat, lalu beri umpan balik, ini adalah penggunaan seperti alat, dia hanya sangat pintar.

Jadi, konsep orang dan departemen bukan soal jumlah. Saat mendeskripsikan posisi senior, biasanya: pertama, mampu melakukan berbagai pekerjaan; mampu menggunakan berbagai alat. Posisi senior adalah mampu memahami niat, merencanakan secara aktif, melaksanakan, menyampaikan hasil, melakukan pelaporan rutin, merefleksi dan menyesuaikan strategi berdasarkan hasil. Ini adalah kemampuan tingkat tinggi.

Zhang Peng: Sebuah departemen yang layak harus seperti “L4 level mengemudi otomatis”.

Liu Ye: Betul. Ketika diberikan satu keahlian, dia bisa menyelesaikan tugas kompleks; ketika diberikan sistem keahlian, dia bisa menyelesaikan tugas yang kompleks dan komprehensif; ketika ada banyak agen yang diatur, mereka bisa menyelesaikan hal yang lebih kompleks, misalnya membuat film pendek. Saya sering bilang ke karyawan, saat menggunakan MetaOrg, jangan anggap diri sebagai manajer, tapi sebagai ketua dewan. Kamu harus berusaha menguji batasnya.

Di masa depan, pengusaha muda, sebelumnya mereka menyebutkan modal 50 juta untuk memulai usaha, mungkin sekarang akan disebut anggaran TOKEN untuk mencoba-coba. Berapa banyak TOKEN yang kamu mau gunakan, menentukan seberapa tinggi posisi yang bisa kamu capai. Posisi yang lebih tinggi membutuhkan rantai penalaran yang lebih panjang, lebih banyak percobaan dan iterasi.

Zhang Peng: Kembali ke pertanyaan sebelumnya, jika ada grup agent yang bisa dipecah menjadi unit yang lebih kecil, atau semacam dekomposisi posisi dan kemampuan, ketika membentuk tim, kualitas individu menentukan keberhasilan. Ini kembali ke logika kompetisi organisasi bisnis era sebelumnya: kepadatan talenta, yaitu kualitas talenta yang tinggi, membuat tugas inti organisasi lebih mudah dicapai dan mengungguli.

Intinya, jika di masa depan AI menjadi serba bisa, kita bisa memanggil AI terbaik, selain organisasi bisnis yang lebih efisien dalam menyediakan layanan berbeda, dari satu dimensi lagi harus kembali ke “kepadatan talenta”—yaitu kemampuan agent/bot yang dipecah ke tingkat atom dalam sistem ini akan meningkatkan “kepadatan talenta”, dan dalam tugas kompleks, hasil, efisiensi, bahkan inovasi akan lebih baik. Apakah ini adalah kesimpulan yang benar?

Liu Ye: Saya setuju dengan pandangan ini. Dalam organisasi, ada departemen yang disebut OD, yaitu pengembangan organisasi. Untuk menilai apakah sebuah organisasi mampu memenangkan perang, biasanya membandingkan semua talenta lawan, menilai kecocokan orang dengan posisi dan kemampuan mereka, untuk memprediksi hasil perang. Jadi, perusahaan bertempur bergantung pada kemampuan organisasi, bukan strategi bisnis. Contoh paling khas adalah Alibaba. Alibaba sangat menekankan pembangunan organisasi, sehingga mampu menyambut “musim kedua”. Karena tim pendiri akan menua, tapi organisasi bisa terus hidup. Pada dasarnya, jika suatu saat kita bersaing dan keduanya menggunakan AI, saya membangun organisasi AI yang kuat dan mampu berkembang. Bagaimana saya membangun organisasi ini? Saya akan membuka semua skill system dari kompetitor, menganalisis kode keahlian mereka, lalu menulis keahlian yang lebih baik dalam sistem saya sendiri, bahkan mengisi kekurangan fungsi mereka. Misalnya, saya punya divisi strategi, saya akan melakukan observasi dan analisis terlebih dahulu.

Huawei memiliki metodologi “Lima Lihat dan Tiga Tetapkan”. Saya bercanda dengan teman, kalau kita berwirausaha cukup pakai metodologi ini, kita bisa mengalahkan 99% pesaing. Lima Lihat adalah melihat tren industri, pasar pelanggan, pesaing, kemampuan sendiri, dan peluang strategis; Tiga Tetapkan adalah menetapkan titik kontrol, tujuan, dan strategi. Metodologi ini cukup untuk menyaring sebagian besar pesaing. Karena kebanyakan orang bermain catur secara acak, mereka bergantung pada pemikiran cepat, sedangkan ahli biasanya mengaktifkan mode berpikir mendalam dan penalaran. Respon pertama mereka adalah berpikir sebagai komandan, bagaimana melakukan sesuatu.

Zhang Peng: Jadi, “Lima Lihat dan Tiga Tetapkan” intinya adalah menghindari “reaksi instan”, dan mengkonsolidasikan proses penalaran jangka panjang.

Liu Ye: Para ahli adalah model riset mendalam dan pemikiran, mereka tahu harus melihat praktik terbaik dan informasi global terlebih dahulu, lalu menganalisis dan melakukan penalaran mendalam, dan langsung mengeluarkan jawaban yang efektif.

Jadi, saya percaya inti kompetisi di masa depan hanyalah memodelkan bisnis industri tradisional, mengabstraksikannya menjadi sistem yang mampu mengatur agen secara cerdas. Ini adalah kemampuan pengembangan organisasi (OD) generasi baru, yang akan meningkat menjadi AIOD, dan ini adalah satu-satunya keunggulan kompetitif di masa depan.

Keunggulan inti Alibaba terletak pada pembangunan organisasi. Setelah organisasi terbentuk dengan baik, apapun lawannya dan apapun bisnisnya, mereka akan memiliki daya saing. Bahkan Jack Ma pernah berkata, tujuan berperang bukanlah untuk merebut satu bidang tertentu, melainkan untuk pertumbuhan organisasi melalui perang. Alibaba menilai keberhasilan sebuah perang dari pertumbuhan organisasi, ini adalah pola pikir tingkat tinggi. Jack Ma sendiri seperti pusat informasi super, terbang 200 kali setahun untuk mendapatkan berbagai informasi, lalu digunakan untuk menyempurnakan pembangunan organisasi. Dia benar-benar adalah ketua dewan, bukan sekadar CEO.

Ini adalah bentuk organisasi tertinggi yang kita lihat—yang mampu melampaui beberapa generasi, mencakup berbagai industri, mampu terus meraih keberhasilan, dan setelah mengalami kemerosotan, mampu beradaptasi dan bangkit kembali. Umumnya, jika sebuah perusahaan salah menempatkan CEO dalam sepuluh tahun, besar kemungkinan akan menuju kemunduran. Jadi, dengan belajar dari sejarah dan melihat dari dimensi yang lebih tinggi, bahkan jika melakukan penyesuaian dan optimisasi terhadap model yang ada, itu jauh lebih efisien daripada membangun dari nol dari dasar.

Sekarang, siapa pun bisa dengan mudah membangun agent, ambang masuk karyawan sangat rendah, dan dengan komunitas open source, industri ini tidak lagi menyimpan banyak rahasia. Dalam hal alat, kompetisi tidak akan pernah bisa mengalahkan komunitas open source. Jadi, apa keunggulan inti dari komunitas open source yang tidak bisa diduplikasi?

04 Fisika Organisasi AI: Mengapa “paparan bertahap” adalah kunci?

Zhang Peng: “Era sebelumnya” saat membahas organisasi, sering menekankan budaya organisasi, nilai-nilai, KPI, dan lain-lain. Ketika kita beralih dari manajemen organisasi era sebelumnya ke era organisasi agen AI, bagian mana yang bisa sepenuhnya diabaikan, dan bagian mana yang bisa dipertahankan tetapi perlu diubah?

Liu Ye: Alasan utama Anthropic meluncurkan skills adalah karena filosofi “paparan bertahap” dalam bidang pengkodean AI—jika AI menerima banyak informasi acak, akan terjadi kerusakan konteks, perhatian yang berkurang menyebabkan kekacauan, dan paparan bertahap dapat menjaga perhatian AI tetap baik dan menghasilkan output berkualitas. Jika mengandalkan manusia untuk melakukan paparan bertahap, pada dasarnya adalah dialog sepenuhnya manusia, yang sangat tidak efisien. Oleh karena itu, inti dari skills adalah membagi tugas kompleks menjadi lapisan-lapisan, dan mewujudkan paparan bertahap terhadap AI.

Ini sejalan dengan logika manajemen perusahaan: Dewan direksi fokus pada strategi, CEO fokus pada taktik dan mengelola eksekutif, dan karyawan menangani urusan sederhana. Jika 300 orang mengikuti rapat yang sama, rapat itu tidak akan berjalan. Inti dari keberadaan organisasi adalah untuk melakukan pemrosesan informasi berlapis, seperti normalisasi basis data yang meningkatkan efisiensi melalui pengurangan informasi, masalah kompleks harus dipecah menjadi lapisan-lapisan dan dipaparkan secara bertahap, bukan sekaligus memasukkan banyak konteks, ini adalah logika inti dari bentuk organisasi perusahaan tradisional, karena daya komputasi terbatas dalam waktu tertentu.

Zhang Peng: Model harus menghabiskan banyak daya komputasi dari awal untuk menciptakan, sangat tidak efisien.

Liu Ye: Tidak mungkin, intinya tetap pada paparan bertahap berlapis, sumber daya yang diperlukan harus dipanggil sesuai kebutuhan, ini ditentukan oleh batas kemampuan model AI. Selain itu, alasan lain Anthropic meluncurkan skills adalah karena tugas kompleks telah melampaui hukum fisika dasar, dan skills dapat memecah tugas kompleks menjadi tugas-tugas sederhana berdimensi rendah. Dimensi utama dari tugas bukanlah sulit atau mudah, melainkan tingkat kompleksitasnya—ada tugas berdimensi rendah dan tinggi, misalnya coding oleh programmer, menyelesaikan soal matematika, termasuk tugas berdimensi rendah dan tingkat kesulitan tinggi.

Horizon Horizon dan Yu Kai pernah mengusulkan model klasik: semua jenis pekerjaan dapat dibagi menjadi empat kuadran berdasarkan “tingkat kompetisi” dan “tingkat dimensi”, yaitu kompetisi tinggi dan dimensi tinggi, kompetisi rendah dan dimensi rendah, kompetisi rendah dan dimensi tinggi, serta kompetisi tinggi dan dimensi rendah. Di mana, penjualan dan insinyur termasuk kompetisi tinggi dan dimensi rendah, product manager dan CEO termasuk kompetisi tinggi dan dimensi tinggi; ilmuwan termasuk kompetisi rendah dan dimensi tinggi—topik ini mungkin hanya satu orang yang meneliti di seluruh dunia, kompetisi rendah tetapi dimensi sangat tinggi. Seperti pembuatan serial pendek berkualitas tinggi atau novel bagus, saat ini AI belum mampu menyelesaikan; sedangkan tugas seperti optimisasi kode, AI sudah mampu melakukannya dengan baik. Semakin tinggi dimensi tugas, semakin sedikit sumber data yang tersedia, tetapi jumlah data yang dibutuhkan untuk melatih model justru semakin besar, inilah alasan utama mengapa model teks muncul terlebih dahulu, diikuti model gambar dan video, dan mengapa model video pendek sulit diimplementasikan. Konflik antara permintaan data untuk tugas berdimensi tinggi dan pasokan data ini hanya bisa diatasi dengan membagi tugas menggunakan skills, seperti perusahaan memecah posisi tinggi menjadi tiga posisi dasar saat kekurangan talenta tinggi. Hanya posisi tinggi seperti CEO yang tidak bisa digantikan.

Zhang Peng: Tugas berdimensi rendah dan kompetisi tinggi kemungkinan besar akan sepenuhnya digantikan AI.

Liu Ye: 100% akan digantikan, dan ini sudah terjadi.

Zhang Peng: Memang benar, semua tugas berdimensi rendah dan kompetisi tinggi harus segera diselesaikan oleh AI, bisa dipecah menjadi skills, dan diimplementasikan melalui organisasi agent, dan proses ini tidak selalu memerlukan partisipasi manusia.

Liu Ye: Saya punya gagasan awal, IBM dan Accenture sebagai dua perusahaan konsultan terbesar di dunia, inti bisnisnya adalah mengekstrak praktik terbaik industri dan menyelaraskan dengan digitalisasi, menjual proses bukan alat. Saat perusahaan membeli risiko proses atau IP, mereka akan meminta konsultan untuk mengimplementasikan. Saat ini, pekerjaan inti kita adalah membangun klaster skills, menemukan para ahli terkemuka di bidangnya, mengekstrak kemampuan mereka, dan menyelaraskan, membentuk skill set standar. Ini mirip dengan model “Kotak Tugas”—menggabungkan Beijing No.4 Middle School, High School Attached to Renmin University, tim soal ujian, dan guru dari Shiyan, mengekstrak metode pembuatan soal, pengajaran, dan penilaian, lalu bekerja sama dengan insinyur algoritma Baidu membangun sistem, intinya adalah menyelaraskan praktik terbaik. Kemampuan organisasi inti adalah membentuk tim lintas bidang berkualitas tinggi, yang tidak hanya memahami industri dan rekayasa, tetapi juga mampu menghubungkan para ahli industri terkemuka, serta memiliki kemampuan bisnis, perekrutan, dan manajemen, ini adalah komponen inti dari perusahaan SaaS AI generasi baru.

Zhang Peng: Lebih jauh lagi, di masa depan harus mundur dari dimensi bisnis untuk menentukan bentuk organisasi yang dibutuhkan. Organisasi pada dasarnya adalah struktur pengaturan, seperti sistem operasi bisnis—menganggap manusia sebagai unit produksi yang ditempatkan dalam organisasi yang sesuai, sehingga dapat memaksimalkan nilai. Sebaliknya, jika tidak, organisasi tidak akan berjalan efisien. Saat ini, faktor produktivitas telah berganti dari ketergantungan manusia ke supply AI yang tak terbatas, dan selama membentuk siklus positif, kapasitas akan terus bertambah. Budaya organisasi masa lalu mungkin akan bertransformasi menjadi tujuan dan konteks, tidak lagi membutuhkan slogan, rapat tiga langkah, atau ice-breaking.

Liu Ye: Budaya adalah niat manajemen, bukan niat bisnis. Era sebelumnya, strategi dimulai dari visi, visi menentukan nilai, organisasi mengikuti strategi, dan bisnis membuktikan semuanya, sedangkan budaya hanyalah alat pengelolaan, tidak langsung melayani strategi, bahkan bisa jadi hanya preferensi pribadi pendiri.

Zhang Peng: Dulu, manusia melayani strategi, dan ada banyak celah di sana. Apakah AI sedang menghilangkan celah ini?

Liu Ye: Ya, budaya di era AI tidak lagi penting. Budaya adalah bagian dari kepercayaan organisasi manusia, tapi tidak dibutuhkan AI. AI tidak memiliki tubuh dan darah, tidak perlu budaya. Kebutuhan utama AI adalah daya komputasi.

Zhang Peng: Maksudmu, AI membutuhkan tujuan dan prinsip. Sebuah dokumen sudah cukup untuk menjelaskan tujuan dan prinsip, semua unit produksi bisa langsung sinkron dan menjalankan dengan setia, tanpa bias. Banyak gesekan dalam organisasi manusia akan hilang.

Liu Ye: Betul. Organisasi lama: strategi→ budaya→ talenta→ eksekusi, sekarang: tujuan→ prinsip→ Skills→ pengaturan. Rantai manajemen secara keseluruhan dipadatkan separuhnya.

05 Hambatan terakhir: Estetika dan Pengaturan

Zhang Peng: Hambatan baru perusahaan apa? Kualitas talenta digantikan oleh Skill Set, selama saya punya estetika, saya bisa mendapatkan Skills terbaik dari seluruh dunia. Lalu, di atasnya lagi, adalah “pengaturan” (Orchestration), benar? Apa yang akan berubah?

Liu Ye: Seperti di Huaqiangbei, bisa membeli semua komponen elektronik, tapi kenapa tidak semua orang bisa membuat produk Apple? Dalam buku biografi Steve Jobs, definisi estetika sangat jelas: pernah melihat cukup banyak produk bagus di dunia, mampu membedakan yang baik dan buruk, itu adalah estetika. Jika belum pernah melihat produk, proses, atau organisasi yang bagus, tidak akan bisa membuat hasil berkualitas tinggi.

Zhang Peng: Pengalaman adalah prasyarat estetika.

Liu Ye: Pengalaman plus bakat, hanya itu.

Zhang Peng: Estetika tercermin dalam dua cara: pertama, secara aktif merancang dan mengatur; kedua, mengenali dan memilih hal berkualitas tinggi yang muncul dari kekacauan, kedua cara ini tidak saling bertentangan.

Liu Ye: Memang tidak bertentangan. Beberapa hasil Apple adalah hasil riset mandiri, sebagian lagi akuisisi pihak ketiga, intinya adalah memiliki estetika—tidak perlu mengulang roda, dan jika perlu, melakukan riset mandiri.

Zhang Peng: Intinya, apakah agent berjalan dalam modul yang telah ditetapkan lalu mengonfirmasi jalur, sehingga muncul pengaturan yang muncul secara spontan; atau langsung menetapkan semua jalur, dan melakukan pengaturan secara desain?

Liu Ye: Muncul secara spontan adalah non- kontrol, perlu menetapkan aturan dan prinsip benih terlebih dahulu, ini mencerminkan estetika seseorang. Seperti insinyur hebat yang bisa membuat OpenClaw yang bagus dengan 500 baris kode, sedangkan insinyur tidak kompeten yang menulis 50.000 baris kode tidak akan mencapai hasil yang sama, aturan dasar tetap harus ditetapkan manusia.

Zhang Peng: Jadi, tidak bisa menunggu munculnya secara kekacauan, itu membutuhkan waktu yang sangat lama, pengaturan tetap sangat penting. Pengaturan ini akhirnya harus berasal dari pendiri, atau lebih tepat disebut “produser”?

Liu Ye: Saya rasa definisi produser sangat bagus. Memang benar, meskipun ada munculnya dan efek skala, tetap diperlukan pelabelan data, pembersihan data, dan penyelarasan algoritma secara berkelanjutan, agar tidak terjadi kekacauan.

Pengatur tergantung pada kompleksitas bisnis—bisnis yang kompleks tidak bisa diselesaikan oleh satu orang, misalnya pembuatan serial pendek atau penulisan prompt, akan menghadapi banyak kesulitan. Konsep “perusahaan satu orang” sering disalahgunakan, dunia tidak bisa disederhanakan tanpa batas. Meski komputer bisa dikendalikan satu orang, sulit bagi satu orang menguasai semua kemampuan berdimensi tinggi, seperti Elon Musk atau Li FF yang mampu menguasai banyak bidang dan mengelola posisi apa pun, sangat jarang.

Zhang Peng: Jika kita bisa memanggil agent dan skill terbaik dari seluruh dunia, misalnya seorang penulis skenario hebat, apakah mungkin untuk memanfaatkan sumber daya ini, dan membuat film terkenal dan menguntungkan secara global? Meskipun penulis skenario memiliki keunggulan utama (naskah bagus), mereka tidak bisa menyelesaikan semua proses, apakah “keunggulan inti + sumber daya global” ini memungkinkan?

Liu Ye: Intinya adalah masalah data—apakah ada data yang menyimpan informasi berdimensi tinggi secara maksimal. Misalnya, melatih skill CEO saat ini tidak memiliki cukup data: tulisan panjang Ren Zhengfei, ucapan Ma Yun, semua tidak mampu menampilkan seluruh kognisi berdimensi tinggi mereka; bahkan mengumpulkan laporan keuangan perusahaan global dan semua ucapan CEO tidak cukup untuk melatih model yang mampu menjadi CEO, karena kemampuan inti CEO adalah pengetahuan implisit yang tidak bisa sepenuhnya diekspos melalui teks.

Zhang Peng: Dengan kata lain, kemampuan inti CEO saat ini belum bisa diubah menjadi vektor. Ini membatasi konsep “perusahaan satu orang”—meskipun setiap orang bisa menunjukkan keunggulan satu dimensi, dan menggabungkan sumber daya global terbaik, tetap kekurangan pengatur utama, yaitu kemampuan pengaturan. Pada akhirnya, memiliki komponen terbaik saja tidak cukup, harus memiliki kemampuan pengaturan yang kuat.

Liu Ye: Product manager juga demikian, pengetahuan implisit mereka tidak bisa sepenuhnya didokumentasikan. Ini juga alasan utama mengapa pendamping AI dan konten yang dihasilkan AI belum cukup “hidup”—kurangnya data pengetahuan implisit berdimensi tinggi. Saat data sedikit, fokusnya adalah pada skill; saat data banyak, baru membangun model. Robot saat ini tidak bisa diimplementasikan karena kekurangan data yang cukup.

Zhang Peng: Dari sini, dapat disimpulkan bahwa titik kompetisi utama perusahaan di masa depan bukanlah akses ke model terbaik—sumber daya AI awal tampaknya seragam, daya komputasi juga terkait dengan kekayaan dan kemampuan siklus bisnis, akhirnya perbedaan tetap kembali ke “produser” itu sendiri, yaitu kemampuan pengaturan dan inovasi tujuan serta maknanya, yang membentuk keunggulan kompetitif utama perusahaan.

Liu Ye: Seorang mantan partner McKinsey pernah memberi tahu saya, bisnis inti McKinsey adalah mengekstrak praktik terbaik, membangun model, lalu membantu perusahaan mengimplementasikannya satu per satu. Misalnya, saat memberi konsultasi ke pabrik mobil di China, mereka akan bertanya ke kolega di Jepang tentang praktik Toyota, intinya adalah menyalin dan menerapkan praktik terbaik.

Kasus pembuatan serial pendek oleh Mimi Meng sangat relevan. Dia lulusan sastra China, tapi tim inti terdiri dari lulusan matematika dan komputer dari Tsinghua dan Peking University, secara khusus membongkar logika video viral, dan akhirnya mencapai tingkat viral yang sangat tinggi. Pendekatan ini pada dasarnya adalah membangun model rekayasa sosial untuk industri—meskipun ada kemungkinan overfitting, arah pemodelan benar.

IBM, Accenture, McKinsey melakukan hal serupa—generasi pertama McKinsey memodelkan praktik terbaik ke dalam para mitra, IBM mengubahnya menjadi proses digital, intinya adalah “menjual manajemen dan proses”.

Zhang Peng: Intinya adalah mengekstrak praktik terbaik, lalu diverifikasi dan diimplementasikan berulang kali, ini adalah kunci keberhasilan organisasi bisnis di masa depan. Jika pemecahan dilakukan dengan baik, pengaturan akan menjadi efisien. Jadi, arah utama kalian berikutnya adalah mengikuti pola ini?

Liu Ye: Tiga tahun terakhir, kami fokus pada bisnis AI ToC, membangun kembali seluruh sistem pengajaran dan penelitian menggunakan MetaOrg. Ini bukan cerita sederhana tentang “menggunakan AI untuk meningkatkan efisiensi”. Kami membangun seluruh organisasi pengajaran berbasis agent, di baliknya berjalan tim pengajaran virtual: tim riset pembelajaran bahasa bertanggung jawab mengikuti teori terbaru penguasaan bahasa kedua, tim pengumpulan korpus dari konteks nyata untuk menangkap ekspresi otentik, tim evaluasi percakapan membangun standar penilaian kemampuan berbicara secara multi-dimensi, tim desain percakapan mengubah metode pengajaran menjadi interaksi manusia-mesin alami, tim desain soal mengatasi masalah bentuk dan isi latihan, tim analisis data menggali sinyal nyata dari perilaku pengguna. Setiap tim memiliki skills, workflow, dan standar evaluasi sendiri. Saat ini, sekitar 80% pekerjaan seperti pelabelan data, monitoring, evaluasi, wawasan pengguna, dan iterasi produk dilakukan oleh AI.

Jalur pengembangan kami adalah dari “AI sebagai fungsi” menjadi “AI sebagai kemampuan organisasi”. Posisi guru bahasa Inggris yang tingkat kompleksitasnya sedang, sudah kami abstraksi, dan melalui MetaOrg bisa menghasilkan posisi lain; jika digabungkan dengan arsitektur skill terbaru, berpotensi membangun posisi yang lebih tinggi.

Saat ini, kami telah menyelesaikan seluruh proses AI tutor, termasuk abstraksi dan implementasi kemampuan pengaturan, dan besar kemungkinan akan meningkat dari Meta tutor menjadi Meta organisasi—unit terkecilnya adalah posisi, bukan karyawan, fokus utama adalah kolaborasi dan manajemen antar posisi. Saat ini, fokus utama kami adalah berhubungan dengan CEO dari berbagai industri terkemuka, karena mereka adalah “produser” utama.

Zhang Peng: Jadi, kalian meluncurkan sesuatu yang lebih mirip departemen yang dapat diperluas?

Liu Ye: Tujuannya adalah menuju arah “perusahaan”, perusahaan besar pada dasarnya terdiri dari beberapa perusahaan kecil, dan unit terkecil adalah posisi. Harus memperhatikan strategi industri secara keseluruhan, dan juga memulai dari posisi untuk mendorong iterasi produk—jika posisi tidak dikelola dengan baik, meskipun manajer sangat kompeten, organisasi tidak akan berjalan efisien.

Zhang Peng: Untuk membangun sebuah departemen yang baik, pertama-tama harus memecah kemampuan dan posisi terkait, lalu memecah skill yang sesuai, dan harus mengejar agar skill tersebut mencapai level SOTA.

Liu Ye: Satu-satunya metode adalah berkolaborasi dengan perusahaan terbaik yang dilayani. Skill yang dibuat harus dievaluasi oleh perusahaan terkemuka untuk memastikan memenuhi kebutuhan, seperti proposal dari bawahan yang harus disetujui atasan, tidak bisa sekadar self-assessment. Misalnya, dalam pembuatan serial pendek, harus mendapatkan pengakuan dari lembaga industri terkemuka, baru dianggap sebagai yang terbaik. Semua harus melalui evaluasi dan pengukuran.

Midjourney mampu menghasilkan gambar berkualitas tinggi karena timnya terdiri dari fotografer dan insinyur yang memiliki estetika gambar terbaik; model gambar yang dilatih oleh LV dengan Stable Diffusion hasilnya jauh melampaui model biasa, karena LV memiliki estetika dan data gambar terbaik di dunia. Terlihat bahwa kemampuan evaluasi adalah inti. Untuk membangun perusahaan AI, harus seperti IBM dan Huawei—setelah melayani perusahaan mobil terkemuka, menguasai praktik terbaik pembuatan mobil dan menghasilkannya; Huawei menghabiskan 4 miliar yuan untuk membeli proses IPD, digunakan untuk manajemen internal dan juga output eksternal, ini adalah keunggulan kompetitif utama.

Zhang Peng: Intinya adalah mengikuti praktik terbaik, membongkar skill ke level SOTA, lalu meningkatkannya ke posisi dan departemen level SOTA, dan akhirnya mengatur seluruh bisnis ke level SOTA, ini adalah jalur pasti menuju puncak bisnis. Ada satu pertanyaan penting: bagaimana menjaga skill tetap mutakhir? Seperti mutasi di biosfer bumi, setiap era SOTA bisa digantikan di era berikutnya, bagaimana mengatasi perubahan ini?

Liu Ye: Logika inti sama dengan evolusi manusia dan makhluk hidup, yaitu persepsi, perencanaan, tindakan, refleksi. Menjaga organisasi dengan kepadatan talenta tinggi dan sifat lintas bidang, satu ujung menghubungkan ke frontier teknologi (peneliti), ujung lain meneliti model bisnis, sekaligus berkolaborasi dengan pelanggan industri terkemuka, secara terus-menerus menilai dan mengoptimalkan di skenario nyata, ini satu-satunya cara.

Zhang Peng: Dari sini, dapat disimpulkan bahwa sistem praktik terbaik dari perusahaan terkemuka dapat membantu perusahaan menengah melompati tahap, tetapi sistem ini kemungkinan hanya bisa digunakan oleh perusahaan dengan sumber daya dan kekayaan yang cukup, sedangkan usaha kecil dan pengusaha muda sulit membebani. Industri konsultasi telah bertransformasi dari layanan tradisional menjadi produk berbasis alat, peluang generasi baru hanya bisa di level skill? Bagaimana melakukan inovasi disruptif di level skill, agar industri tidak terjebak dalam “lingkaran aristokrat”?

Liu Ye: Dalam industri SaaS generasi sebelumnya, perusahaan seperti Salesforce, Palantir, Notion, Slack, ada yang membuat alat umum, ada yang menyediakan layanan integrasi, membuktikan bahwa pengusaha muda masih punya peluang—menghindari bisnis yang tidak memiliki keunggulan, fokus pada skill umum, dan menemukan ceruk ekosistem yang sesuai. Notion adalah contoh, tidak menyentuh proses bisnis spesifik, hanya mengabstraksi fungsi pencatatan teks, menjadi alat serbaguna. Dunia akhirnya akan didominasi oleh kolaborasi banyak agen, dan pengusaha muda harus menemukan ceruk ekosistem terlebih dahulu, lalu memanfaatkan keunggulan mereka, mengaitkan tren masa depan, dan menghindari menjadi musuh waktu. Sepuluh tahun terakhir, pengusaha internet generasi pertama banyak dari pelajar luar negeri (mengandalkan keunggulan kognitif), generasi kedua dari programmer (mengandalkan ledakan alat), dan generasi ketiga dari pengusaha industri yang melakukan startup kedua, pola ini jelas, generasi muda harus memahami posisi tengah dan keunggulan mereka sendiri.

Zhang Peng: Jadi, kamu berpendapat bahwa inovasi dan optimisasi di level skill memiliki batas, dan peluang terbesar generasi baru adalah inovasi tujuan—mengidentifikasi target baru yang muncul di zaman ini, menggabungkan skill berkualitas dan terus berkembang, untuk membangun sistem baru dan melakukan terobosan.

Liu Ye: Kompetisi skill sangat halus, saat ini skill memang sedang populer, tapi jika ada yang menyelaraskan dengan para ahli manusia yang lebih top, dan menghasilkan skill yang lebih unggul, skill yang ada akan tergantikan. Ini kembali ke masalah garis pertahanan: yang awal tidak selalu bisa tertawa terakhir, malah bisa menjadi “nourishing ground” bagi lawan yang lebih tinggi dimensi.

Zhang Peng: Takutnya menjadi “program loader”, hanya membantu lawan yang lebih tinggi dimensi menyelesaikan fondasi. Jika hanya melakukan efisiensi di target yang ada, itu tidak bermakna, dan keunggulan efisiensi akhirnya akan hilang. Jadi, generasi baru harus melakukan terobosan di level tujuan secara fundamental.

Liu Ye: Betul. Jika tidak bisa berkembang menjadi kekuatan inti, hanya akan memberi makan lawan yang lebih tinggi dimensi. Esensi bisnis sangat sederhana, yaitu jelas siapa pelanggan, bagaimana melayani mereka, dan bagaimana membuat mereka tidak bisa lepas dari kamu. Jika seorang pemuda tidak tahu siapa pelanggannya, dia tidak akan bisa melakukan optimisasi.

Zhang Peng: Juga harus memperhatikan pasar pertumbuhan, karena kompetisi di pasar yang sudah ada sangat sulit. Jika bisnis kalian sukses, akan menarik perusahaan di bidang terkait ke tingkat yang sama, dan perusahaan-perusahaan ini sudah memiliki kekayaan dan pengetahuan, sulit bagi pengusaha muda bersaing di pasar yang sudah ada.

Liu Ye: Dalam industri SaaS generasi sebelumnya, keberhasilan Notion dan Slack berakar pada diferensiasi target.

Pada awal perkembangan SaaS generasi sebelumnya, banyak dana dari China berinvestasi pada ilmuwan, lalu menyadari bahwa ilmuwan lebih cocok untuk kolaborasi dan komunikasi, bukan berwirausaha—bidang mereka beroperasi di tingkat tinggi dan kompetisi rendah, berbeda dengan logika kompetisi bisnis yang tinggi dan tingkat tinggi, di mana para pelaku industri, product manager, dan pelaku bisnis mendominasi. Contohnya, saat iPhone diluncurkan, banyak aplikasi di papan atas dikembangkan programmer; beberapa tahun kemudian, muncul industri internet, dan produk yang dikembangkan programmer di papan atas digantikan oleh yang lain.

Di era AI, jika mengikuti logika internet mobile, kekuatan utama di Silicon Valley tetap akan dipegang oleh para profesional berpengalaman, seperti halnya di industri internet China yang banyak dilakukan oleh pengusaha kedua. Peluang bagi generasi muda adalah menemukan target yang berbeda dan unik.