Jawab sebuah pertanyaan: Jika AI membuatmu meningkatkan efisiensi hingga lima kali, apakah kamu akan mengurangi biaya 80% atau melakukan lima kali lebih banyak pekerjaan?

當 AI 把一個團隊的生產力放大五倍，你可以減少八成人力，維持原本產出；也可以維持人數，做五倍的事。這個選擇，正在全球企業的會議室裡同時發生，而且沒有標準答案。

Pada bulan Juli 2025, ketika Huang Renxun ditanya dalam wawancara khusus CNN tentang apakah AI akan menyebabkan pengangguran kerah putih, ia memberikan respons yang sangat langsung: jika dunia tidak memiliki kreativitas baru, peningkatan produktivitas yang dibawa AI pada akhirnya hanya akan berubah menjadi pengangguran. Masalahnya bukan pada AI, melainkan pada apakah para pengambil keputusan memiliki imajinasi. Jika dunia tidak memiliki kreativitas baru, peningkatan produktivitas yang dibawa AI pada akhirnya hanya akan berubah menjadi pengangguran.

Dan sejarah sudah lama membuktikan bahwa peningkatan efisiensi tidak pernah membuat permintaan berkurang. Paradox Jevons yang diajukan pada abad ke-19 menyatakan bahwa ketika teknologi meningkatkan efisiensi dan menurunkan biaya, permintaan bukan hanya tidak turun, melainkan justru tumbuh. Pola ini selalu muncul kembali dalam setiap revolusi teknologi.

Paradox Jevons: peningkatan efisiensi tidak membuat permintaan menjadi lebih sedikit, malah meningkatkan permintaan

Secara intuitif, peningkatan efisiensi akan membuat permintaan menjadi lebih sedikit—seperti ketika Google merilis algoritma TurboQuant, yang mengompresi penggunaan memori model bahasa besar setidaknya 6 kali, sambil meningkatkan kecepatan komputasi inferensi hingga maksimal 8 kali tanpa mengorbankan akurasi model. Pasar dengan cepat menafsirkan teknologi ini sebagai “perusakan dari sisi permintaan”, tetapi sejarah tidak pernah berjalan seperti itu.

(Teknologi baru Google bikin pasar kaget, kebutuhan memori AI turun enam kali! SK Hynix, Micron ikut memangkas)

Dalam Podcast a16z, pendiri bersama BOX, Aaron Levie, menunjukkan bahwa salah tafsir terbesar yang terjadi di pasar adalah memahami AI dengan cara dunia lama: “Sekarang masalah terbesar adalah semua orang mencoba menghitung model ekonomi, tetapi skala peluang setidaknya diremehkan satu tingkat besaran.”

Kesalahan seperti ini sebenarnya sudah terjadi berkali-kali. Di era PC, orang mengira kemampuan komputasi adalah pasar yang terbatas; di era cloud, orang mengira yang terjadi hanya memindahkan server yang sudah ada ke pusat data milik orang lain. Namun yang benar-benar terjadi adalah: tidak ada yang menyangka bahwa orang akan menggunakan seribu kali sumber daya.

Inilah versi modern Paradox Jevons: ketika biaya turun, permintaan bukan berkurang, melainkan meledak.

Contoh Excel: eksekusi level rendah dikompresi, keputusan level tinggi diperbesar

AI juga sama. Ketika model menjadi lebih murah dan lebih cepat, pasar langsung mengira permintaan menyusut, tetapi yang benar-benar terjadi adalah ledakan skenario penggunaan. Dan ledakan ini akan langsung mengubah cara kerja manusia.

Revolusi teknologi tidak pernah menggantikan manusia secara langsung, melainkan menggeser manusia ke abstraksi yang lebih tinggi. Ia menjelaskan proses ini dengan contoh spreadsheet: seorang MBA yang baru bekerja di bank pada awalnya tidak akan memakai spreadsheet, sehingga perlu sekelompok besar magang untuk mengoperasikannya. Namun beberapa tahun kemudian, dia dan semua rekan sejawatnya menjadi orang yang bisa mengoperasikan spreadsheet; lapisan pekerjaan yang sebelumnya ada langsung lenyap, dan seluruh lapisan abstraksi bergeser ke atas.

AI sedang meniru proses itu. Eksekusi level rendah akan dikompresi, sementara keputusan level tinggi dan integrasi sistem akan diperbesar.

Jika tidak ada kreativitas, barulah produktivitas yang dibawa AI berubah menjadi pengangguran

Perubahan ini tidak lagi sekadar teori; ia menyebut sebuah kasus: seorang pemasar di Anthropic menggunakan alat AI untuk menyelesaikan pekerjaan yang sebelumnya membutuhkan tim berisi lima hingga sepuluh orang. Bahkan bisa dikatakan, seorang saja yang, dengan mengotomatisasi pekerjaan yang tadinya dikerjakan lima sampai sepuluh orang, menggunakan Claude Code.

Tetapi kunci dari kasus ini adalah kemampuan. Levy menekankan: “Anda harus menjadi pemikir sistem agar bisa melakukan ini.” AI tidak membuat semua orang menjadi lebih kuat, melainkan memberi pengungkit yang sangat besar kepada orang-orang yang tahu cara membedah sistem. Pekerjaan itu sendiri tidak hilang, melainkan didefinisikan ulang.

Ini juga kembali pada tanggapan yang ia berikan tahun lalu ketika Huang Renxun ditanya apakah AI akan menyebabkan pengangguran kerah putih. Semua orang bilang AI menyebabkan gelombang pengangguran, tetapi alat hanya membuat produktivitas berlipat dua, dan tidak ada yang bisa diandalkan kalau tujuannya menambah keluaran adalah siapa yang tidak bisa.

Jika dunia tidak memiliki kreativitas baru, peningkatan produktivitas yang dibawa AI pada akhirnya hanya akan berubah menjadi pengangguran. Masalahnya bukan pada AI, melainkan pada apakah para pengambil keputusan memiliki imajinasi.

Aaron Levie: jumlah agent di masa depan sebuah perusahaan bisa seribu kali jumlah karyawan

Ketika model ini diperluas ke level perusahaan, bentuk organisasi pun akan berubah.

Dalam Podcast, Levie mengajukan prediksi kunci: jumlah agent di masa depan sebuah perusahaan bisa jadi 100 hingga 1000 kali jumlah karyawan. Dan jika agent Anda lebih banyak daripada manusia hingga 100 sampai 1000 kali, perangkat lunak Anda harus dibangun untuk agent.

Artinya, sumber daya daya saing perusahaan sedang bergeser: performa perusahaan Anda akan bergantung pada seberapa efektif agent Anda dapat memperoleh informasi dan menyelesaikan tugas.” Karena itu, masalah dalam industri perangkat lunak juga didefinisikan ulang. Apakah API dibuka atau tidak, bagaimana izin dan identitas dikelola, bagaimana data dipanggil—semuanya menjadi kemampuan inti. Dalam arsitektur ini, karyawan tidak lagi menjadi satu-satunya unit produksi; agent menjadi pelaksana utama, sementara manusia beralih ke desain dan koordinasi.

Menurut pandangan Levie, Paperclip yang pernah diberitakan sebelumnya mungkin merupakan skenario kerja AI yang cukup visioner.

Jika OpenClaw adalah seorang karyawan AI, maka Paperclip adalah sistem manajemen untuk seluruh perusahaan. Pengguna bisa menetapkan tujuan perusahaan, membangun struktur organisasi, merekrut berbagai jenis AI agents (seperti OpenClaw, Cursor, Codex), dan membuat mereka bekerja dengan pembagian tugas serta kolaborasi seperti tim perusahaan. Peran manusia dalam sistem ini lebih mirip dewan direksi: hanya perlu menetapkan strategi, menyetujui keputusan besar, dan memantau anggaran; sisanya dikerjakan secara otomatis oleh agents.

(Satu orang perusahaan itu apa? Proyek open source AI yang meledak Paperclip membuatmu membangun “perusahaan tanpa nol tenaga kerja”)

Anda tidak mungkin vibe coding keluar SAP

Namun, perubahan ini tidak akan terjadi dalam semalam. Levie juga mengingatkan dengan tegas: “Penyebaran kemampuan AI akan lebih lambat daripada yang dibayangkan Silicon Valley.” Alasannya karena perusahaan tidak mulai dari nol; banyak pengetahuan tersebar dalam proses, sistem, dan organisasi, bukan hanya berada pada lapisan data. Ia bahkan lebih blak-blakan: Anda tidak mungkin membuat SAP dengan vibe coding.

Masalah yang lebih nyata adalah bahwa kebanyakan orang bahkan tidak bisa mendeskripsikan alur kerja mereka dengan jelas, apalagi mengubahnya menjadi sistem yang dapat dijalankan oleh agent. Itulah mengapa, sampai sekarang, untuk membangun sistem agent yang lengkap masih membutuhkan kemampuan teknis yang tinggi. Namun ambang batas ini sedang turun dengan cepat,.

Kembali ke pertanyaan awal. Dalam sejarah, setiap revolusi teknologi memiliki perusahaan yang memilih memangkas biaya, dan juga perusahaan yang memilih memperluas kemampuan. Yang pertama mengoptimalkan efisiensi, yang kedua menciptakan pasar. Pada akhirnya, yang biasanya mendefinisikan zaman adalah yang terakhir.

AI juga demikian. Masalahnya tidak pernah apakah ia akan menggantikan manusia atau tidak, melainkan apakah Anda akan memakainya untuk melakukan lebih banyak hal.

Artikel ini menjawab satu pertanyaan: jika AI membuat efisiensi Anda naik lima kali, apakah Anda akan mengurangi biaya 80% atau melakukan lima kali lebih banyak pekerjaan? Artikel ini pertama kali muncul di Chains News ABMedia.