Saat kita memasuki tahun ketiga revolusi AI Generatif, kecerdasan buatan mengalami pergeseran besar. Fokusnya adalah beralih dari respons cepat yang telah dilatih sebelumnya ("berpikir cepat") ke kecerdasan yang disengaja dan didorong oleh penalaran pada waktu inferensi ("berpikir lambat"). Evolusi ini mendorong generasi baru aplikasi agen, membentuk kembali industri dan mendefinisikan ulang kemungkinan.

Stabilisasi Lapisan Dasar AI Generatif

Pasar AI Generatif telah mencapai fase stabilisasi yang krusial. Raksasa industri seperti Microsoft/OpenAI, AWS/Anthropic, Meta, dan Google/DeepMind telah memperkuat posisi mereka dalam lapisan fondasi. Didukung oleh modal yang signifikan dan model ekonomi yang efisien, kemitraan ini telah membuat prediksi token berikutnya lebih cepat, lebih murah, dan lebih mudah diakses.

Namun, ketika lapisan pondasi stabil, sorotan beralih ke lapisan penalaran — ranah pemecahan masalah yang disengaja dan operasi kognitif. Pemikiran “Sistem 2” ini melampaui pengenalan pola, dengan fokus pada model AI yang mampu bernalar dan membuat keputusan pada waktu inferensi. Terinspirasi oleh kemajuan seperti AlphaGo, lapisan ini mengubah cara AI memecahkan masalah dunia nyata yang kompleks.

Dari Perangkat Lunak sebagai Layanan (SaaS) ke Layanan sebagai Perangkat Lunak

AI Generatif mendobrak batasan, membawa kita dari model SaaS ke paradigma revolusioner: Layanan sebagai Perangkat LunakDi sini, AI tidak hanya menyediakan alat — ia melakukan pekerjaannya sendiri. Pergeseran ini membuka peluang pasar senilai triliunan dolar, mendefinisikan ulang industri seperti dukungan pelanggan, keamanan siber, dan pengembangan perangkat lunak.

Mengambil Serba Guna, agen dukungan pelanggan yang didukung AI. Perusahaan tidak lagi membayar untuk perangkat lunak; mereka membayar per masalah yang diselesaikan. Pendekatan yang berorientasi pada hasil ini merupakan contoh Layanan-sebagai-Perangkat-lunak: memberikan hasil yang terukur. Demikian pula, Kopilot GitHub telah berkembang dari membantu pengembang menjadi mengotomatiskan seluruh alur kerja pengkodean, dan Busur silang merevolusi keamanan siber dengan pengujian penetrasi berkelanjutan berbasis AI.

Penalaran pada Waktu Inferensi: Batas Berikutnya

Lompatan dari respons naluriah (“Sistem 1”) ke penalaran yang disengaja (“Sistem 2”) menandai langkah transformatif berikutnya dalam AI. Model seperti OpenAI o1 (Stroberi) memelopori perubahan ini, dengan memperkenalkan “komputasi waktu inferensi”—yang memungkinkan model untuk berhenti sejenak, mengevaluasi, dan bernalar sebelum merespons.

Inovasi ini telah merevolusi bidang seperti pengodean, matematika, dan penelitian ilmiah. Terinspirasi oleh kerangka kerja pengambilan keputusan AlphaGo yang inovatif, kemajuan ini membuka kemampuan kognitif yang belum pernah ada sebelumnya, membuka jalan bagi AI untuk mengatasi tantangan yang semakin kompleks.

Arsitektur Kognitif: Menangani Kompleksitas Dunia Nyata

Meskipun model penalaran tujuan umum mengalami kemajuan, aplikasi di dunia nyata menuntut arsitektur kognitif spesifik domainArsitektur ini meniru alur kerja manusia, memecah tugas menjadi langkah-langkah terpisah dan logis.

Misalnya, Droid pabrik mengotomatiskan tugas rekayasa perangkat lunak seperti meninjau permintaan penarikan, menjalankan pengujian, dan menggabungkan kode. Dengan menggabungkan model dasar dengan logika aplikasi, pembatas kepatuhan, dan basis data khusus, arsitektur kognitif menciptakan solusi praktis dan cerdas yang disesuaikan dengan kebutuhan industri.

Aplikasi Agentik: Mendefinisikan Ulang Pasar

Kemampuan penalaran AI Generatif mendorong gelombang aplikasi agen — Alat AI yang mengambil inisiatif dan memberikan hasil nyata. Contohnya meliputi:

• Harvey: Asisten hukum bertenaga AI
• Memungut: Asisten kerja AI
• Membatasi: Penulis medis AI
• Busur silang: Penguji penetrasi AI
• Serba Guna: Agen dukungan pelanggan AI

Dengan mengurangi biaya marjinal dalam memberikan layanan ini, aplikasi agen membuat alat canggih dapat diakses oleh bisnis dari semua ukuran. Misalnya, pengujian penetrasi otomatis XBOW mendemokratisasi keamanan siber, yang memungkinkan perusahaan untuk melakukan penilaian rutin dengan biaya terjangkau.

Skala Komputasi Inferensi-Waktu: Masa Depan AI

Bab selanjutnya dari inovasi AI bergantung pada skalabilitas komputasi waktu inferensiModel o1 OpenAI memperkenalkan hukum penskalaan baru: semakin banyak komputasi yang dialokasikan pada waktu inferensi, semakin baik kemampuan penalarannya. Pergeseran ini akan mendorong peningkatan awan inferensi — lingkungan dinamis yang menyesuaikan sumber daya komputasi berdasarkan kompleksitas tugas.

Bayangkan model yang mampu bernalar selama berjam-jam atau berhari-hari. Kemampuan ini dapat menghasilkan penemuan-penemuan inovatif dalam bidang matematika, biologi, dan bidang-bidang lainnya, yang memecahkan masalah-masalah yang sebelumnya dianggap tidak dapat diatasi. Transisi dari kluster pra-pelatihan yang besar ke awan inferensi yang gesit menandai tonggak penting dalam pengembangan AI.

Peluang di Lapisan Aplikasi

Bagi perusahaan rintisan dan investor, lapisan aplikasi menawarkan peluang yang paling menjanjikan untuk inovasi. Sementara hyperscaler mendominasi lapisan dasar, lapisan aplikasi memungkinkan terciptanya solusi khusus domain yang menangani masalah dunia nyata dengan tepat.

Dengan memanfaatkan arsitektur kognitif dan kemampuan penalaran khusus, perusahaan rintisan dapat merancang peralatan yang terintegrasi secara mulus ke dalam alur kerja, menjembatani kesenjangan antara model tujuan umum dan aplikasi praktis.

Pemikiran Akhir

Karena AI mengubah dunia dengan kecepatan yang luar biasa, maka begitu pula cara AI mengubah lanskap bisnis, misalnya, bagaimana bisnis bersaing dan berkembang. Alasannya adalah bahwa "biaya produksi untuk membuat produk atau layanan, memberikan pengalaman pelanggan" hanya sebagian kecil dari sebelumnya. Berkat AI, AI melepaskan faktor "10x".

Berikut adalah tiga pendapat pribadi tentang masa depan bisnis dan AI berdasarkan pengalaman saya dalam mengembangkan GroundAI dan melayani klien kami.

1. Evolusi PLG menjadi ALG. SLG (pertumbuhan yang dipimpin penjualan) dan PLG (pertumbuhan yang dipimpin produk) tradisional tidak lagi efektif, mengingat basis klien belum berkembang dengan kecepatan peningkatan produktivitas. Oleh karena itu, pertumbuhan sangat condong ke jaringan distribusi. pendekatan baru dalam hal menjangkau audiens Anda. Saya menyebutnya ALG, pertumbuhan yang dipimpin audiens. Inti masalahnya adalah bagaimana Anda melibatkan audiens Anda secara efektif di berbagai platform.
2. Akselerasi perusahaan teknologi China yang merambah ke luar negeri tetapi dengan kisah dua kota.
   Perusahaan B2C atau SaaS B2B massal ($20 ~ $100/bulan), misalnya talkie.ai, runcomfy.com, mulai terbentuk dan menempati peringkat 3 teratas di bidangnya. Banyak dari perusahaan rintisan ini terdiri dari tim pengembang yang kurang dari lima orang tetapi didukung oleh pendekatan SEO dan ALG yang sangat canggih. Di samping itu, perusahaan SaaS/Perangkat Lunak yang besar (50K ~ 100 ACV) masih berjuang untuk mendapatkan pangsa pasar sebagian besar karena masalah yang saya sebut "kesesuaian pasar pendiri" – pendiri tidak dapat melokalisasi pola pikir mereka untuk membuat rencana eksekusi yang konsisten untuk mendarat & berekspansi di luar Tiongkok, tetapi banyak dari mereka yang secara aktif merekrut talenta luar negeri dengan tawaran menarik misalnya hingga USD 350K/tahun
3. Pergeseran paradigma dari perangkat lunak sebagai layanan menjadi "layanan sebagai perangkat lunak". Kemampuan LLM berkembang lebih cepat dari yang kita perkirakan, misalnya kemampuan penalaran O1 dan O3 dari OpenAi. Namun, "tahap terakhir" dalam memberikan kemampuan ini kepada klien bisnis belum ada. Inilah sebabnya kita melihat menjamurnya perusahaan rintisan layanan agen AI, tetapi sayangnya, mereka hanya menyelesaikan 20 ~ 30% kebutuhan bisnis. Itulah sebabnya sebagian besar perusahaan rintisan AI menawarkan layanan atau menghasilkan uang dari "layanan". Perihal: artikel saya "Mengapa SaaS AI utama mengenakan biaya $20/bulan.

AI Generatif mendefinisikan ulang batasan perangkat lunak dan layanan, mengawali era di mana AI melakukan pekerjaannya sendiri. Saat kita beralih dari Perangkat Lunak sebagai Layanan ke Layanan-sebagai-Perangkat-lunak, potensi untuk mengubah industri dan menciptakan pasar baru tidak tertandingi. Fokusnya bukan lagi pada meniru kecerdasan manusia, tetapi pada penalaran, adaptasi, dan penyampaian hasil yang membentuk kembali apa yang mungkin.

Pertanyaannya sekarang bukanlah apakah AI dapat berevolusi tetapi bagaimana ia akan mendefinisikan ulang cara kita bekerja, berinovasi, dan memecahkan masalah paling rumit di dunia.