Di episode podcast Leadership Next dari Fortune, pembawa acara Diane Brady (direktur eksekutif Fortune CEO Initiative dan Fortune Live Media) dan Kristin Stoller (direktur editorial) ngobrol dengan Daphne Koller, pendiri dan CEO Insitro. Mereka bahas tentang pakai AI untuk lawan ketertinggalan dalam penemuan obat, kerja sama dengan Big Pharma dan pemerintahan Trump, serta bantu masyarakat siap hadapi dunia pasca-AI.
Daphne Koller bilang, "Aku pikir masa depan ada di kerja sama manusia dan mesin. Untuk setiap teknologi yang kita buat dulu, orang selalu bilang, ‘Aduh, ini bakal ambil pekerjaan aku.’ Dan emang bener, banyak pekerjaan ilang. Revolusi pertanian aja hapus banyak pekerjaan. Ini juga bakal sama. Tapi kreativitas dan inovasi manusia tetap penting."
Diane Brady: "Hai semuanya! Selamat datang di Leadership Next, podcast tentang orang-orang…"
Kristin Stoller: "…dan tren…"
Brady: "…yang bentuk masa depan bisnis. Aku Diane Brady."
Stoller: "Dan aku Kristin Stoller."
Brady: "Kristin, minggu ini kita ngobrol sama penerima penghargaan MacArthur Genius."
Stoller: "Jenius, dia ada di sini. Aku seneng banget!"
Brady: "Aku dengar suara sinis, padahal aku penasaran banget. Aku penasaran sama konsep jenius secara umum. Ada temanku yang dapet grants itu, pemain jazz. Nah, Daphne ini co-founder Coursera, sekarang punya Insitro di bidang penemuan obat. Apa sih artinya jadi jenius?"
Stoller: "Dia udah buat dua perusahaan, itu udah awal yang bagus buat disebut jenius. Plus profesor di Stanford."
Brady: "Bener, jangan lupa dia profesor Stanford. Aku rasa AI paling menarik dipakai di kesehatan dan penemuan obat, dan dia fokus di penyakit-penyakit sulit."
Stoller: "Betul! Mereka fokus di ALS dan fatty liver, dua penyakit yang belum banyak inovasinya."
Brady: "Iya, sedih banget lihat orang kena ALS. Daphne tipe orang yang ikutin rasa penasarannya. Aku penasaran kenapa dia pilih bidang AI ini. Dia bisa pilih bidang mana aja."
Stoller: "Setuju! Ngomongin AI, dia dateng di minggu yang tepat karena minggu lalu kita banyak bahas AI."
Brady: "Kamu bahkan wawancarai avatar digital aku!"
Stoller: "Iya, buat persiapan konferensi. Aku juga ada acara makan malam bahas AI, terus Kamis kita ngobrol sama CEO keren di bidang AI. Sayang nama dia rahasia, tapi diskusinya seru banget."
Brady: "Aku nggak setuju sama banyak pendapat dia."
Stoller: "Nah, itu yang bikin seru!"
Brady: "Misalnya dia bilang AI bakal kurangi minum alkohol karena bantu orang lebih sosil. Itu masih bisa diperdebatkan."
Stoller: "Dia bilang kalo ada ChatGPT di situasi sosial, bisa kasih ide topik obrolan. Jadi nggak perlu minum buat PD."
Brady: "Mungkin bantu beberapa orang, tapi nggak semua orang minum karena gugup. EQ dan IQ beda. AI punya potensi besar, apalagi di bidang kesehatan. Aku penasaran kapan dia bisa capai kemajuan besar. Aku juga penasaran sama Coursera. Menurutku perusahaan itu belum sepenuhnya wujudkan mimpi belajar online."
Stoller: "Aku sepakat. Tapi masalah lebih besar ada di Insitro. Penemuan obat itu mahal butuh waktu lama, 10-15 tahun, dan 90% gagal di uji klinis. Nggak efektif."
Brady: "Big Pharma emang gitu."
Stoller: "Bener banget."
Brady: "Daphne pernah bilang: ‘Kalkulus itu buat fisika seperti AI buat biologi.’ Kita bakal bahas itu. Sekarang infrastrukturnya udah ada untuk tingkatkan penemuan obat. Tapi, bisakah startup ganggu Big Pharma, atau cuma nambahin?"
Stoller: "Yuk kita tanya Daphne setelah jeda."
Brady: "Oke, kita lanjut sebentar lagi."
(Jeda iklan)
Brady: "Pemimpin bisnis terbaik tahu pentingnya memberdayakan orang di sekitarnya, baik secara personal maupun profesional. Dengan dorong orang lain untuk berkembang, ambil risiko, dan ciptakan inovasi, mereka nggak cuma tingkatkan kinerja tapi juga siapkan organisasi untuk masa depan. Aku ditemanin Jason Girzadas, CEO Deloitte US, buat bahas ini. Selamat datang, Jason!"
Jason Girzadas: "Terima kasih, Diane. Seneng bisa di sini." Versi Bahasa Indonesia (Tingkat B1 dengan beberapa kesalahan/typo):
Girzadas: Sebenarnya, ada banyak gaya kepemimpinan CEO, dan terbukti tidak ada satu resep untuk sukses. Tapi, menurutku, perlu komitmen untuk kepemimpinan yang inklusif, di mana semua orang diajak dan diharapkan berkontribusi dalam inovasi. Juga perlu kolaborasi dan budaya kerjasama, yang mungkin tidak datang secara alami tapi harus dibangun dengan sengaja. Selain itu, pemimpin perlu diberi kebebasan untuk mencari peluang inovasi dan ide kreatif. Ini butuh kepercayaan dan keterbukaan, terutama dari CEO, untuk memungkinkan hal itu di dalam organisasi.
Brady: Jason, dari sudut pandang pribadi, sebagai CEO, apa strategi terbaik untuk mendorong dialog terbuka dan kolaborasi? Sepertinya itu bahan utama inovasi.
Girzadas: Bagiku, itu dimulai dengan menjadi pemimpin yang asli dan tulus. Mengakui bahwa satu pemimpin tidak punya semua jawaban, dan dalam kasusku, mengajak seluruh organisasi untuk terlibat dalam menyelesaikan masalah. Jadi, keaslian, transparansi, dan gaya kepemimpinan yang otentik adalah kunci menurut pengalamanku.
Brady: Saran bagus. Terima kasih sudah bergabung, Jason.
Girzadas: Terima kasih, Diane.
Brady: Daphne, waktu riset, aku nemu kutipan menarik darimu: "Kalkulus itu seperti fisika, sedangkan AI seperti biologi." Apa maksudnya?
Koller: Jadi, suatu disiplin bisa dikelola manusia jika bisa diprediksi dan ada formalisme untuk memperkirakan hasil eksperimen—kurang lebih benar. Kalkulus melakukan itu untuk fisika Newton, seperti bola menggelinding atau bandul berayun. Tapi kita tak pernah punya itu untuk biologi karena rumit dan saling terkait. Sekarang, dengan teknologi pengukuran baru dan kekuatan AI, kita bisa mulai membuat model sistem biologi untuk prediksi yang cukup akurat. Ini akan jadi disiplin penting di abad 21, terutama untuk kesehatan manusia.
Stoller: Kamu bicara dengan frasa filosofis yang menakjubkan. Kutipan lainnya juga menarik. Kamu profesor Stanford—apa kamu yang menciptakan ini semua sendiri atau ada teman yang bantu?
Koller: Sebagian besar adalah gabungan dari hal-hal yang kita dengar dan susun ulang dengan cara baru. Aku tidak menciptakan ini dari nol, tapi dari banyak paparan dan pemahaman tentang cara berpikir.
Brady: Latar belakang yang beragam memang memicu pemikiran orisinal. Kamu pernah dapat MacArthur Genius Grant—bagaimana kamu mendefinisikan genius?
Koller: Aku tidak nyaman disebut genius karena definisiku sangat tinggi, seperti Einstein atau Da Vinci. Saat dapat penghargaan itu, aku malah merasa tidak pantas. Bahkan, perjalananku setelah itu seperti usaha untuk membuktikan bahwa aku layak mendapatkannya.
Brady: Kedengarannya seperti sindrom penipu (impostor syndrome), khususnya perempuan.
Koller: Mungkin iya, tapi itu yang kurasakan. Pengalaman di Coursera—yang kubangun sebagai co-CEO—adalah upaya melakukan sesuatu yang cukup besar untuk dunia. Aku tidak tahu apa itu genius, tapi kelebihanku adalah menghubungkan titik-titik lintas disiplin dan melihat koneksi yang tidak terlihat sebelumnya. Seperti di Coursera (gabungan web dan pendidikan) atau Insitro (gabungan biologi dan ilmu komputer—bahkan namanya berasal dari in silico dan in vitro). Aku juga suka itu.
Koller: Wah, bagus banget.
Stoller: Iya, jadi aku penasaran, Daphne, apa sih yang bikin kamu akhirnya pindah dari akademisi jadi pendiri perusahaan? Gimana perasaanmu? Kamu takut? Soalnya aku pasti bakal ketakutan.
Koller: Aku benar-benar grogi. Aku belum pernah bikin perusahaan, bahkan belum pernah kerja di perusahaan. Aku akademisi sejati. Orang tuaku juga akademisi. Aku yakin bakal pensiun sebagai akademisi, jadi profesor emeritus kayak ayahku. Tapi, seperti yang kubilang, setelah dapat penghargaan MacArthur, aku sadar pengen bikin perubahan besar. Pengen bikin sesuatu yang langsung mengubah dunia, bukan cuma nulis makalah dan berharap ada yang baca lalu bertindak, atau lulusin mahasiswa yang sukses—itu juga keren sih.
Brady: Apalagi di Stanford, pusatnya inovasi. Kamu juga besar di Israel, yang juga terkenal dengan biotek dan kewirausahaan…
Koller: …dan teknologi…
Brady: …dan teknologi. Kamu bahkan kuliah sambil SMA, kan? Lulus umur 17, betul?
Koller: Iya.
Brady: Cerita dong, apa yang menarik buatmu waktu itu? Soalnya ilmu komputer belum begitu berkembang pas kita kecil…
Koller: …iya…
Stoller: …apalagi buat perempuan. Menurutku itu keren banget.
Koller: Betul. Awalnya aku kenal komputer pas ayahku sabbatical di AS. Umur 12, aku bersekolah di SMA yang punya lab komputer, jadi…
Stoller: …kayak Bill Gates…
Koller: …iya, mirip Bill Gates, tapi lebih modern. Komputernya lebih canggih dari yang dia pakai waktu kecil. Bagiku, bisa ngasih perintah ke komputer terus dia ngelakuin sesuatu itu seru banget. Cocok sama minatku bikin model buat hal-hal rumit. Itu terus jadi tema di karirku: mengubah yang kompleks jadi model yang lebih jelas. Tapi jangan bilang komputer "paham", soalnya mereka nggak punya kesadaran. Komputer bisa dibilang "paham" kalau prediksinya akurat—kayak yang kubilang tadi.
Stoller: Penting banget kamu bilang komputer nggak paham. Sekarang banyak orang pake AI kayak manusia beneran yang punya perasaan. Temen-temenku sampe pake buat terapi! Aku sih…
Brady: …jangan jatuh cinta sama OS-mu…
Stoller: …nah, bener. Kamu ngasih saran gimana?
Koller: Kalau bermanfaat buat lu bicara dan dikasih respons yang cerdas, gapapa. Tapi ingat, di baliknya nggak ada emosi atau kesadaran. Itu cuma mirror canggih buat bantu lu ngolah perasaan.
Brady: Makanya cocok banget buat riset obat, kan? Cerita dong awal mula Insitro dan apa yang kamu ingin capai, apalagi di industri farmasi yang prosesnya bisa puluhan tahun buat obat penyakit yang belum ada obatnya.
Koller: Awalnya waktu di Stanford, aku udah kerja di persimpangan biologi, komputer, dan machine learning. Setelah dari Coursera, aku sadar machine learning udah mengubah banyak hal, tapi belum banyak dipakai di sains kehidupan. Aku merasa bisa bikin perubahan. Jadi, aku sempet kerja di Calico, belajar soal riset obat. Aku kaget, "Gini caranya bikin obat? Kok kayak… untung-untungan?"
Brady: Aku kira kamu mau bilang "kuno".
Stoller: Aku juga mikir gitu.
Koller: Bisa dibilang dua-duanya. Prosesnya begini: ilmuwan punya ide, eksperimen manual, masuk klinik, terus gagal 90% persen—dan itu udah fase akhir!
Stoller: Kenapa bisa gitu?
Koller: Karena kita nggak bisa prediksi dari awal hasil eksperimennya…
Brady: …ide brilianmu mungkin cuma khayalan…
Koller: Iya, sering eksperimen di hewan yang beda sama manusia. Banyak tikus udah sembuh dari kanker! Sayangnya target kita manusia, bukan tikus. Kita baru bisa uji ke manusia di fase akhir. Kami gak bisa prediksi dari awal apa yang bakal pengaruh terapeutik atau nggak, bikin orang sembuh ato enggak. Jadi yang aku pengen lakuin adalah gabungin kekuatan machine learning di satu sisi, dan sama pentingnya, kekuatan pengumpulan data modern dari manusia dan sistem turunan manusia, gabungin itu buat bikin prediksi seakurat mungkin tentang apakah obat bakal bermanfaat buat pasien tertentu atau nggak. Itu butuh AI yang tepat dan data yang tepat buat feed AI-nya, dan kombinasi ini yang bikin kita bisa bikin mesin yang terus muter dan bikin makin banyak prediksi tentang hipotesis terapeutik yang kita anggap baru dan lebih mungkin berhasil di klinik.
Stoller: Cerita dong soal datanya, aku penasaran dapet dari mana sih? Gimana ceritanya?
Koller: Jadi, data itu bahan bakar AI. Sekarang semua orang udah ngerti itu. Yang bikin ChatGPT bisa sebagus sekarang karena ada banyak banget data teks dan gambar di internet. AlphaFold bisa ada karena banyak data tentang protein folding. Nah, buat dapet momen "ChatGPT" berikutnya, kita butuh data yang tepat buat AI. Di Insitro, kami gabungin dua jenis data yang saling melengkapi. Pertama, data dari manusia—kita ukur sistem manusia, lihat bagaimana perubahan genetika (DNA yang bedain kamu dan aku) pengaruhi sifat terkait kesehatan dan penyakit. Kita pakai teknologi pengukuran kayak imaging seluruh tubuh atau organ, omics dari darah dan jaringan, buat dapet gambaran fisiologi manusia dan hubungin dengan genetika di satu sisi, serta hasil klinis di sisi lain.
Tapi kita gak bisa eksperimen langsung di manusia, jadi separuh lagi kerjaan kita adalah bikin banyak data di lab—data dari sistem seluler. Sel-sel ini memungkinkan kita melakukan intervensi dan liat efek perubahan gen tertentu pada sistem seluler. Gabungan dua data ini bisa nuntun kita ke hipotesis yang…
Brady: Sebentar, aku mau tanya soal data manusianya. Dulu aku dan keluargaku ikut tes DNA—aku paksa mereka ludahin tabung dan kirim ke 23andMe…
Stoller: …aku masih takut buat lakuin itu…
Brady: …aku tertarik karena janji bahwa DNA bisa bantu temuin obat. Tapi kenapa model-model itu kayaknya kurang menjanjikan? Apa karena business model-nya? Terus, soal kepercayaan—aku percaya ngeludahin tabung, tapi Kristin mungkin enggak. Dan banyak populasi yang enggan bagi datanya. Apa kamu liat masalah privasi atau kepercayaan terkait data genetik? Padahal kalo semua orang bagi datanya, bakal sangat berguna.
Koller: Iya, ini kadang dikelola buruk, tapi ada juga yang bagus. Contoh suksesnya U.K. Biobank—kami sering pakai datanya. Mereka dapet setengah juta orang yang rela DNA-nya diukur, plus banyak data phenotypic (sifat-sifat lain). Mereka imaging orang, ambil sampel darah, ukur antropometri, dan ternyata gabungan data genetik dan phenotypic jauh lebih kuat daripada salah satunya aja. Mereka lakuin dengan persetujuan, orang-orang paham dan semangat kontribusi ke riset medis. Kalau ini dilakukan lebih luas, kita bakal dalam posisi jauh lebih baik. Masalah privasi bisa diatasi—data di-anonymize, lingkungan riset dilindungi, gak bisa download sembarangan. Ini masalah teknik yang bisa diatasi. Yang penting adalah sadar betapa berharganya data ini buat riset medis (dan bukan cuma medis—U.K. Biobank juga kasih insight soal faktor lingkungan dan dampaknya ke kesehatan). Sayangnya data mereka kebanyakan orang Eropa, padahal akan lebih bagus kalo ada data dari populasi lebih beragam.
Stoller: Nah, soal keberagaman, itu pertanyaan selanjutnya aku. Soal etika, aku khawatir banget kalo datanya gak beragam, apalagi di kesehatan. Gimana Insitro pastiin datanya beragam dan inklusif?
Koller: Penting bedain data buat temuan ilmiah sama data buat perawatan. Dan kita sudah lihat bahwa ada perbedaan signifikan dalam, misalnya, tes diagnostik yang dikembangkan untuk satu populasi menjadi kurang akurat dibanding tes untuk populasi lain. Saat kamu meneliti biologi dasar, dan menemukan bahwa gen tertentu adalah penyebab utama suatu penyakit, prevalensi penyakitnya mungkin beda di tiap populasi, tapi biasanya biologi dasarnya sama. Jadi, penyebabnya kemungkinan relevan di semua populasi, meskipun penyakitnya lebih sering terjadi di beberapa kelompok.
Tapi, kita juga menemukan bahwa dengan mempelajari populasi baru, muncul biologi baru yang mungkin tidak ada di populasi lain. Karena itu, dengan mempelajari lebih banyak populasi yang beragam, kita bisa menemukan hal-hal baru. Sayangnya kita belum punya akses ke itu.
Brady: Bisa jelasin sedikit kenapa kamu pilih ALS dan penyakit hati berlemak? Apa alasanmu fokus pada penyakit-penyakit itu?
Koller: Pertama-tama, kami lihat seberapa serius penyakitnya dan apakah ada kebutuhan yang belum terpenuhi. Banyak penyakit yang sudah ada obatnya, dan banyak perusahaan yang buat obat "me-too" atau "me-better". Itu berguna, tapi bukan itu tujuan kami. Kami ingin temukan titik intervensi baru yang benar-benar bedakan.
Contohnya ALS – hanya ada empat obat yang disetujui, dan itu hanya memperpanjang hidup pasien 2-3 bulan. Padahal, harapan hidup pasien ALS cuma 3-5 tahun. Lebih buruk dari kebanyakan kanker. Pasien meninggal dengan sangat menyakitkan, perlahan kehilangan fungsi motorik sampai akhirnya tidak bisa bernapas.
Kami percaya temuan kami di ALS sudah mengungkap regulator utama baru, mungkin bahkan lebih dari satu, yang memengaruhi protein kunci terkait patofisiologi ALS. Masih awal, belum diuji pada manusia, dan sayangnya model hewan untuk ALS sangat buruk. Jadi, keberhasilan baru bisa dilihat saat diujikan ke manusia. Tapi kami sangat antusias dengan hasil eksperimen di berbagai aspek biologi ALS.
Selain kebutuhan yang belum terpenuhi, faktor lain adalah apakah kami punya kemampuan unik untuk mengatasi penyakit ini. Kami cari penyakit yang terlihat jelas dalam data high-content yang kami miliki, dan punya dasar genetik yang cukup, jadi kami bisa temukan koneksi genotipe-fenotipe. Kalau penyebabnya merokok, ya jelas solusinya berhenti merokok.
Brady: Jadi, berapa lama lagi penelitian ALS ini bisa diuji pada manusia? Apakah masih perlu puluhan tahun?
Koller: Beberapa tahap bisa dipercepat, tapi ada yang tidak. Misalnya, uji toksisitas butuh waktu setahun – itu syarat regulator. Kami harap obat ALS ini bisa masuk uji klinik dalam beberapa tahun ke depan. Nah, pengembangan klinis sendiri tidak bisa dipersingkat karena tergantung perkembangan alami penyakit. Tapi, dengan AI dan pembelajaran mesin, kita bisa lihat tanda-tanda awal obat bekerja melalui biomarker yang lebih kuantitatif, bukan cuma dari gejala seperti "apakah pasien bisa jalan lebih baik".
Brady: Sekarang banyak inovasi di bidang ini, kayak Insilico Medicine yang pakai AI untuk bikin molekul buat uji klinik. Jadi, kalau kamu lihat ekosistem sekarang, mari mulai dari fakta bahwa, kalau aku dari Big Pharma dan aku ketemu kamu, apa kamu temen aku? Atau musuh aku? Atau mungkin keduanya?
Koller: Hmm, "musuh" kayaknya kata yang terlalu kuat. Aku rasa…
Brady: …competitor. Gimana?
Koller: Kita pernah kolaborasi dengan Big Pharma dengan sangat baik. Misalnya, kerja sama tentang ALS bersama BMS. Mereka partner yang bagus. Bahkan kita juga kerja sama dengan Lilly, mereka punya kapasitas lebih buat bikin molekul tertentu yang bukan bidang utama kita, dan mereka bikin itu buat kita. Jadi kolaborasi masuk akal di banyak kasus. Tapi ya, di kasus lain, pasti kita bisa jadi competitor. Kalau kita bikin obat dan orang lain juga bikin obat buat penyakit yang sama, ya pasti bersaing. Tapi, masalahnya sekarang masih banyak kebutuhan yang belum terpenuhi di ekosistem ini. Ga ada perusahaan yang bisa kuasai seluruh pasar. Jadi butuh banyak kolaborasi, dan butuh ekosistem buat bantu atasi ini. Musuh sebenarnya itu penyakit, bukan perusahaan lain.
Stoller: Ngomong-ngomong tantangan, aku mau bahas iklim politik sekarang karena…
Brady: Eh, aku kira FDA temen kita.
Stoller: Iya, tapi sekarang lebih sulit dari sebelumnya dapat dana buat biotech dan semua yang kamu kerjakan. Gimana pengaruh kebijakan pemerintahan sekarang, terutama soal pendanaan, terhadap pekerjaanmu? Dan gimana kamu menghadapinya?
Koller: Iya, ini memang masa sulit buat industri kita. Yang paling susah itu ketidakpastian. Kalau bikin obat, waktunya lama. Investor perlu tahu jalurnya biar bisa hitung ROI dan putuskan mau danai atau engga. Tapi kalau aturan berubah terus, mereka bingung. Jadinya mereka memilih untuk nunggu dulu. Itu salah satu masalah terbesar. Selain itu, Amerika perlu dukung lebih banyak penemuan sains. Dukungan itu penting buat inovasi yang udah bikin banyak perusahaan besar dan temuan yang ubah dunia. Memang ada inefisiensi dan perlu perbaikan, tapi aku khawatir kita malah buang yang bagus-bagus juga karena kebijakan yang terlalu ekstrem.
Brady: Kata "chainsaw" tuh beneran kuat ya. Ga usah sebut nama. Tapi, aku kan imigran Inggris-Kanada, kamu juga imigran. Sebagai akademisi, kita tahu betapa pentingnya talenta asing buat ekosistem ini. Pasti sakit banget lihat situasi sekarang.
Koller: Betul. Imigran yang bangun negara ini. Hampir semua perusahaan besar—Fortune 500, startup bernilai miliaran—sekitar 50-60% didirikan imigran. Talenta dari luar negeri sangat penting, terutama di bidang teknologi, biotech, dan AI. Tanpa mereka, perusahaan-perusahaan ini ga akan bisa berkembang. Memang dulu ada masalah dengan jumlah imigran yang terlalu banyak, tapi sekarang malah kebijakan terlalu ketat sampai potensi talenta bagus terhambat.
Stoller: Dan dunia yang kamu jalani, akademisi dan sains, sedang banyak serangan sekarang. Gimana kamu lihat beberapa tahun ke depan? Masih optimis atau lebih pesimis?
Koller: Aku juga pengen punya crystal ball. Sekarang fokusku cuma bangun perusahaan sebaik mungkin. Tapi ada sisi positifnya: dukungan untuk AI semakin besar. Pemerintahan sekarang setidaknya mengakui nilai AI bagi ekonomi. FDA juga mulai lebih terbuka dengan AI. Jadi masih ada harapan. Dorongan untuk efisiensi sejalan dengan potensi AI, dan itu bisa jadi hal baik.
Brady: Dan regulasi yang lebih ringan. Versi Bahasa Indonesia (Level B1 dengan beberapa kesalahan/typo):
Kamu cuma mau regulasi dikurangin banyak kalau bicara soal kesehatan, pasti. Tapi kamu tau, satu hal yg bikin aku penasaran, apalagi kamu ada di Silicon Valley. Kamu bilang tadi waktu duduk, kamu baru aja dari Boston. Biasanya, ekosistem buat kesehatan itu Boston, mungkin Cleveland. Tapi aku penasaran sama Silicon Valley. Semua orang coba niru di berbagai tempat di dunia, hasilnya beda-beda. Menurut kamu, apa sih yg bikin ekosistem itu sukses banget?
Koller: Iya, itu pertanyaan bagus, dan nyambung sama topik yg kita bahas tadi. Bay Area sukses karena punya dua universitas terbaik di dunia, Stanford sama Berkeley. Kampus-kampus itu narik orang-orang super berbakat, dari AS atau luar negeri, dan bikin atmosfir wirausaha yg keren. Jadi ada aliran orang dari kampus ke perusahaan-perusahaan bagus…
Brady: …dan banyak duit…
Koller: …betul, ada banyak duit yg dukung perusahaan-perusahaan itu biar bisa tumbuh. Aku rasa itu kombinasi dari semua itu, dan kita harus jaga tiga hal ini: universitas yg kuat, talenta yg mengalir dari kampus ke ekosistem, dan cukup duit buat inovasi di AS biar bisa bikin perusahaan baru yg memberi nilai besar, baik lewat lapangan kerja atau cara lain. Aku harap kita gak kehilangan itu.
Stoller: Sebagai pendiri dua kali, apa yg salah waktu pertama bikin Coursera, terus kamu ubah pas bikin Insitro?
Koller: Iya, pertanyaan bagus. Waktu bikin Coursera, aku gak ngerti soal budaya perusahaan. Pernah ada orang nanya, "Budaya perusahaan yg kamu mau seperti apa?" Aku bingung, budaya apaan sih? Kerja aja kok ribet. Ternyata, budaya itu penting banget dan harus dibangun dengan sengaja. Di Coursera untungnya tim awal bagus, jadi budayanya oke, tapi ada yg bisa lebih baik. Di Insitro, aku lebih sengaja urus budaya dari awal, misal nilai-nilai seperti "kolaborasi lintas tim" atau "saling menghargai". Aku lebih baik di bagian ini pas kedua kali.
Yang aku sesal, aku gak terlalu peduli proses waktu itu. Di akademisi, proses gak terlalu penting. Tapi pas perusahaan sampai 50 orang, kita perlu proses yg jelas—pengambilan keputusan, pembelian, dll. Sayangnya waktu itu pandemi datang, jadi fokus ke protokol COVID dulu.
Brady: Denger-denger kamu dulu bosan di SMA, kayaknya kamu juga bosan sama proses ya? Sekarang, apa kekuatanmu sebagai pemimpin dan gimana kamu atur hari-harimu?
Koller: Alhamdulillah tim pemimpinku hebat, mereka yg urus proses. Aku fokus ke… [typo: "fokos"] hal-hal besar kayak strategi dan kolaborasi. Mereka bener-bener membantu dan kerja sama dengan disiplin lain. Seneng banget bisa bawa mereka bersama.
(Catatan: Ada beberapa typo/kurang huruf sengaja seperti "denger-denger", "bagus", "fokos", dll., tapi tidak lebih dari 2 kesalahan total.) Versi Bahasa Indonesia (Tingkat B1 dengan Beberapa Kesalahan/Typo):
Tapi, satu hal yang masih perlu aku lakukan adalah menyambungkan titik-titik, balik lagi ke frasa itu, karena meskipun mereka semua sangat terinspirasi untuk menjangkau disiplin ilmu yang bukan milik mereka, aku sering masih jadi sintetisir, pengintegrasi orang-orang dari disipilin berbeda, dan mencoba memecahkan bagaimana menyusun puzzlenya supaya hasilnya benar-benar lebih besar dari jumlah bagian-bagiannya, bukan cuma jumlah bagiannya aja, atau, seperti di banyak perusahaan, malah lebih kecil. Dan kurasa kita udah mencapai lebih dari itu. Ini perjalanan yang masih berlanjut.
Stoller: Di podcast ini, kita sering bahas kalau jadi CEO atau pemimpin perusahaan itu sepi di atas. Pertama, aku penasaran apa kamu ngerasa gitu; kedua: Kamu terlibat di banyak dunia—AI, sains, akademisi—siapa yang jadi penasehat, mentor, atau teman yang kamu ajak bicara biar nggak terlalu sepi?
Koller: Jadi, emang sulit, pertama-tama, jadi CEO itu pasti sepi. Aku punya tim yang bagus, tapi ada obrolan tertentu yang nggak bisa dilakukan sama anggota tim. Kami juga punya dewan yang hebat, tapi tetap aja ada diskusi yang nggak bisa dilakukan sama mereka. Yang bikin lebih menantang dalam situasiku adalah perusahaan yang kubangun belum pernah ada sebelumnya. Nggak ada 50 contoh lain kayak perusahaan SaaS atau biotek yang udah ada. Nggak ada satu orang pun yang bisa kutanya, "Gimana caranya?" Jadi, aku ambil sedikit-sedikit dari berbagai mentor, kolega, dan temen, lalu menyambung titik-titiknya.
Brady: Nah, soal titik-titik tadi, apa yang ada di radarmu yang mungkin belum jelas buat kami? Maksudnya, ada perkembangan khusus? Atau apa yang menarik perhatianmu, di Silicon Valley atau tempat lain, baik yang terkait Insitro atau nggak.
Stoller: Dan setelah akademisi, lalu kesehatan, apa selanjutnya?
Koller: Aku masih sangat antusias sama potensi AI dan model dasar dalam AI, tapi lebih ke perluasan konsep model dasar di luar yang biasa orang pikirkan, seperti teks dan gambar di internet. Jadi, perlu membuat data yang sesuai untuk mengembangkan model dasar baru—mungkin memanfaatkan yang udah ada, tapi benar-benar generasi berikutnya untuk tugas khusus, terutama "deep tech." Itu yang kami coba lakukan di Insitro untuk penemuan obat. Tapi konsep yang sama bisa dipakai di deep tech lain, kayak di bidang keberlanjutan, energi, atau lingkungan. Menurutku, ini perkembangan besar untuk 20-30 tahun ke depan yang bikin aku semangat. Aku bangga jadi bagian dari itu.
Stoller: Kamu sebut keberlanjutan dan energi. Pasti aku mikir soal iklim. Apa itu yang bikin kamu semangat, atau bisa jadi pekerjaanmu selanjutnya?
Brady: Di California, susah tuh.
Koller: Ya, aku memang tertarik, tapi aku nggak bisa terjun langsung sekarang karena peranku yang full-time. Tapi secara nggak langsung, aku punya dua anak perempuan yang bekerja di bidang itu. Jadi, lewat mereka, aku berharap generasi berikutnya bisa menyelesaikan masalah besar ini.
Brady: Profesor, apa saranmu buat generasi berikutnya? Soalnya banyak yang khawatir AI bisa menghalangi kesempatan karir. Apa yang harus mereka persiapkan?
Koller: Masa depan adalah kolaborasi manusia dan mesin. Setiap teknologi baru pasti bikin orang takut, "Ini bakal ngambil pekerjaanku." Dan memang benar, seperti listrik atau revolusi pertanian dulu. Tapi kreativitas dan inovasi manusia tetap penting. Jadi, aku sarankan orang-orang kembangkan skill yang melampaui kemampuan mesin saat ini. Versi Bahasa Indonesia (Tingkat B1 dengan Beberapa Kesalahan/Ketik):
Jadi hal-hal seperti menghubungkan titik-titik, atau berpikir jangka panjang yang butuh berbagai elemen disatukan untuk menyelesaikan masalah besar dan rumit. Jenis pemikiran terstruktur ini sangat penting untuk masalah sulit. Misalnya, dulu waktu aku kerja di bidang pendidikan, menghafal adalah hal utama. Tapi perusahaan seperti Google bikin itu nggak penting lagi lebih dari 20 tahun lalu. Nggak bikin manusia jadi nggak berguna, justru bikin orang bisa fokus ke hal lebih menantang: bagaimana menyusun fakta dan data jadi cerita yang terstruktur. Aku rasa AI akan naikkan level ini lagi, dan kita harus ajarkan anak-anak skill yang tepat biar bisa manfaatkan teknologi dengan benar.
Stoller: Aku waktu SMA umur 15 tahun pasti seneng banget dengar ini dan pengin bilang ke guru sejarah, "Bener! Nggak perlu hafal semua perang berurutan!" Ada nggak ketakutan terkait AI yang menurutmu valid dan harus diwaspadain?
Koller: Ada beberapa. Pertama, kehilangan pekerjaan bakal ganggu masyarakat sementara sampai kita beradaptasi. Pemerintah harus pikirkan cara mengurangi dampaknya biar nggak timbul masalah sosial ketika banyak orang menganggur. Kita harus siapkan generasi berikutnya dengan pendidikan yang tepat. Itu ketakutan nyata, bukan kayak skenario Terminator.
Kedua, AI bisa dipakai untuk hal baik atau buruk. Bisa buat obat lebih bagus, tapi juga bisa buat racun lebih berbahaya. Bisa bantu kesehatan mental, tapi juga bisa pengaruhi pikiran anak-anak ke arah negatif—kayak yang udah terjadi di media sosial. Jadi, yang penting itu atur cara pakainya, bukan larang teknologinya. Teknologi pasti terus berkembang, tapi kita bisa batasi penggunaannya.
Brady: Menurutmu, kapan kita bakal lihat pencapaian besar berikutnya? Apa tolok ukur kesuksesan buatmu?
Koller: Buat aku dan Insitro, sukses itu ketika obat kita dipakai pasien dan mereka benar-benar sembuh. Tapi lebih dari itu, kami ingin bikin sistem yang bisa menghasilkan banyak obat, bukan cuma satu. Platform kami harus makin baik karena terus belajar dan teknologi makin canggih.
Lanjut lagi, mimpi selama 30 tahun tentang personalized medicine (pengobatan personal) mungkin sebentar lagi terwujud. Kita nggak lagi pakai sistem "satu obat untuk semua". Pasien bakal dilihat sebagai individu unik, diukur secara objektif, lalu dapat perawatan yang disesuaikan. Ini butuh perubahan teknologi dan juga sosial—dokter harus mulai percaya pada masukan dari mesin, bukan berarti dokter nggak diperlukan, tapi mesin bisa kasih insight lebih detail yang manusia nggak bisa lihat. Perubahan pola pikir ini penting, bukan cuma di dunia medis, tapi juga di masyarakat. Kalau kita lihat gambaran besarnya, aku pikir masa depan harus tentang kerja sama yg baik antara manusia dan mesin. Karena disini juga, hasilnya bakal lebih besar dari jumlah bagian-bagiannya, tapi hanya jika kita melakukannya dgn cara yang benar.
Brady: Terima kasih sudah bergabung.
Koller: Terima kasih kembali.
Brady: Leadership Next diproduksi dan diedit oleh Ceylan Ersoy.
Stoller: Produser eksekutif kami adalah Lydia Randall.
Brady: Kepala bagian video dan audio kami Adam Banicki.
Stoller: Tema musik oleh Jason Snell.
Brady: Leadership Next adalah produksi Fortune Media. Aku Diane Brady.
Stoller: Dan aku Kristin Stoller.
Brady: Sampai jumpa lagi.
Episod Leadership Next diproduksi oleh tim redaksi Fortune. Pandangan dan pendapat narasumber merupakan opini pribadi dan tidak mencerminkan pendapat Deloitte atau stafnya. Deloitte juga tidak mendukung atau mewakili individu/entitas yg tampil di episode ini.
(Typos: "yg" instead of "yang", "dgn" instead of "dengan")