(Perhatikan) Halo dan selamat datang di Eye on AI. Di edisi ini… Nvidia memperkirakan penjualan chip AI mencapai $1 triliun pada akhir 2027… Meta menunda peluncuran model AI terbarunya (lagi)… Moonshot AI kembangkan arsitektur baru untuk large neural networks… dan mengapa kita mungkin segera khawatir dengan ‘zona kerusakan moral’.
Sejak kehadiran ChatGPT pada November 2022, salah satu profesi yang sering dikatakan akan punah adalah konsultan. Bagaimanapun, apa yang dilakukan konsultan? Mereka memberi nasihat strategi pada perusahaan; mereka bantu perusahaan restrukturisasi bisnis untuk buat desain dan proses organisasi baru, sering dengan bantuan teknologi dari vendor pihak ketiga; dan mereka bertindak sebagai penyedia layanan outsource, atau setidaknya perantara ke layanan seperti dukungan pelanggan atau pengembangan perangkat lunak. Nah, model AI frontier bisa tawarkan nasihat strategis. Ia juga bisa beri saran cara merestrukturisasi organisasi dan software mana yang harus dibeli. Agen AI juga bisa bantu satukan sistem-sistem itu. Terakhir, agen AI sekarang juga bisa menangani coding dan dukungan pelanggan. Jadi, tamatlah riwayat konsultan, ya?
Ternyata belum begitu. Perusahaan AI menemukan bahwa mereka butuh konsultan, atau "integrator sistem", untuk bantu mereka jual agen AI, seperti cerita di Wall Street Journal pekan lalu. Alasannya, menggunakan agen AI dengan efektif sering butuh banyak transformasi organisasi—membersihkan data, mendesain ulang alur kerja, dan memikirkan cara menempatkan kembali pekerja manusia—serta pemikiran strategis tentang cara AI bisa digunakan untuk keunggulan kompetitif nyata.
Vendor model AI menemukan mereka tidak punya sumber daya untuk berikan nasihat seperti ini dalam skala besar—OpenAI hanya punya sekitar 70 "insinyur forward deployed" yang datang ke lokasi pelanggan untuk bantu implementasi solusi berdasarkan model AI mereka; Anthropic diperkirakan punya jumlah serupa. Dan meskipun AI sendiri mungkin bisa layani fungsi ini, AI masih punya masalah kepercayaan—kebanyakan dewan direksi masih lebih percaya nasihat dari McKinsey atau BCG daripada ChatGPT. (Pandangan yang lebih sinis: CEO masih suka gunakan konsultan untuk membenarkan keputusan mereka sendiri ke dewan, dan juga untuk mencari pihak lain yang bisa disalahkan jika semuanya gagal.)
OpenAI telah bentuk "Frontier Alliance" dengan McKinsey, Boston Consulting Group, Capgemini, dan Accenture untuk bantu klien gunakan platform Frontier-nya untuk bangun dan kelola agen AI. Anthropic telah buat kesepakatan serupa dengan Deloitte, Accenture, dan Cognizant dan dikabarkan sedang bicara dengan grup private equity, seperti Blackstone, untuk implementasi solusi berbasis Claude di perusahaan portofolio mereka.
Saya baru-baru ini berbincang dengan Chief Strategy Officer Capgemini, Fernando Alvarez, tentang bagaimana perusahaannya melihat masa depan konsultan di dunia AI.
Keahlian domain itu penting
Pertama, Alvarez bilang bahwa meskipun setiap klien ingin gunakan agen AI, mereka juga sadar perlunya mengelola agen-agen itu, memastikan ada keamanan siber yang memadai, dan memastikan mereka bisa berinteraksi dengan sistem lama dan sumber data yang terfragmentasi. Memberi nasihat ke klien tentang semua hal itu dan sering membantu mereka membangunnya telah menjadi sumber pemasukan utama Capgemini. Dia bilang klien masih ingin Capgemini sediakan layanan ini. Mereka belum siap menyerahkannya ke AI.
Selling point besar lainnya untuk firma konsultan, kata Alvarez, adalah keahlian industri dan domain yang mendalam. Lab AI frontier tidak punya keahlian dalam cara mengoptimalkan pabrik manufaktur farmasi atau cara terbaik menjalankan logistik untuk peritel fast-fashion. Firma konsultan punya. Dan itu membuat perbedaan saat mencoba gunakan agen AI dengan sukses. Alvarez bilang percakapan yang diinginkan klien bukan tentang berapa banyak agen yang bisa dijalankan atau cara mengatur mereka. "Percakapannya adalah, apakah kamu punya keahlian domain untuk memahami masalah saya?" katanya.
‘Orang mau kuenya, bukan resepnya’
Itu tidak berarti Capgemini sendiri tidak menggunakan AI untuk bantu layani klien. Alvarez bilang perubahan besar yang Capgemini, serta beberapa pesaing seperti Accenture, coba lakukan adalah beralih dari menjual teknologi dan nasihat, ke menjual hasil. Dalam model ini, firma konsultan mengambil risiko untuk mencari tahu cara memberikan, misalnya, dukungan pelanggan yang lebih baik, baik melalui outsourcing proses bisnis ke manusia di negara upah rendah, seperti Filipina atau India, atau melalui agen AI.
"Pada akhirnya, orang ingin kuenya," katanya—bukan tur bahan-bahan atau resepnya. Tawaran baru ini intinya adalah proposisi sederhana: "Ini masalahnya. Ini risiko yang saya ambil, dan ini hasil yang saya berikan kepada Anda." Klien membayar untuk hasilnya: peningkatan KPI seperti resolusi masalah pelanggan yang berhasil dan peningkatan net promoter score. Perbedaannya juga, konsultan dalam model ini membebankan biaya berdasarkan hasil, bukan berdasarkan jumlah orang yang dikerahkan di proyek seperti cara beberapa konsultan tradisional menagih.
Alvarez bilang AI juga memungkinkan Capgemini dan firma konsultan lain untuk masuk ke segmen pasar, seperti perusahaan menengah, yang sebelumnya tidak bisa dilayani karena tidak masuk akal secara ekonomi. Proyek sering butuh lebih banyak staf dan biaya daripada yang mau dibayar klien. Tapi sekarang AI telah menurunkan kebutuhan staf dan biaya itu, artinya Capgemini bisa tawarkan solusi pada titik harga yang menarik bagi perusahaan menengah sambil pertahankan margin keuntungan yang cukup.
Mungkin tantangan terbesar bagi firma konsultan adalah melatih ulang orang mereka sendiri untuk bekerja bersama agen AI. "Beberapa orang akan berhasil, beberapa tidak," kata Alvarez.
Di tengah semua disrupsi ini, Alvarez jelas-jelas bersemangat. Dia menyebut momen ini "mungkin peluang terbaik yang pernah saya lihat dalam sejarah teknologi." Pertanyaannya sekarang adalah apakah Capgemini dan konsultan lain bisa mengubah diri mereka secepat tuntutan teknologi—yang tentu saja, persis seperti apa yang mereka nasihatkan kepada klien mereka untuk dilakukan.
Dengan itu, inilah lebih banyak berita AI.
Jeremy Kahn
[email protected]
@jeremyakahn
FORTUNE ON AI
‘The Karpathy Loop‘: Agen otonom mantan peneliti OpenAI jalankan 700 eksperimen dalam 2 hari—dan berikan gambaran ke mana arah AI—oleh Jeremy Kahn
Nvidia baru saja ramal $1 triliun permintaan AI. Lalu mengapa Jensen Huang bukan target backlash AI?—Sharon Goldman
Elon Musk akui xAI ‘tidak dibangun dengan benar’ karena hanya 2 co-founder yang tersisa dan taruhan AI terbesarnya mandek—oleh Marco Quiroz-Gutierrez
AI hidupkan kembali sektor teknologi yang hampir terlupakan oleh VC—oleh Lily Mae Lazarus
AI DI BERITA
Meta tunda peluncuran model AI baru, pertimbangkan lisensi AI dari Google. Itu menurut cerita di New York Times yang mengutip sumber tanpa nama di dalam perusahaan. Model yang bernama kode Avocado itu ditunda setelah tes internal tunjukkan ia masih tertinggal dari model teratas dari OpenAI, Anthropic, dan Google, menurut sumber tersebut. Kemunduran ini pukulan bagi ambisi Mark Zuckerberg untuk menempatkan Meta di garis depan pengembangan AI, dorongan yang telah menghabiskan puluhan miliar dolar, termasuk investasi $14,3 miliar di Scale AI yang membawa co-founder dan CEO Scale AI, Alexandr Wang, untuk pimpin upaya AI baru Meta. Penundaan ini juga picu diskusi internal tentang apakah Meta harus sementara melisensikan model luar seperti Gemini Google, menurut Times, serta perdebatan tentang apakah model berikutnya Meta harus open-source, seperti model AI generatif Meta sebelumnya, dan sejauh mana upaya AI Meta harus langsung dukung bisnis iklan perusahaan.
CEO Nvidia prediksi $1 triliun pendapatan masa depan, luncurkan chip dan agen ‘cakar’ baru. CEO Nvidia Jensen Huang gunakan pidato kuncinya di konferensi pengembang GTC tahunan perusahaan pada Senin untuk umumkan beberapa pengumuman besar. Dia bilang perusahaan sekarang memprediksi akan jual $1 triliun chip AI Blackwell dan Rubin antara 2025 dan 2027, menandakan permintaan yang tetap kuat—tahun lalu, dia prediksi $500 miliar penjualan pada akhir 2026. Huang juga perkenalkan rak pusat data Nvidia baru yang gabungkan 72 GPU Vera Rubin generasi berikutnya dengan 256 LPU, atau language processing units, buatan startup chip AI Groq. Perusahaan bilang rak baru ini bisa proses beban kerja AI 350 kali lebih cepat dari rak Hopper terbarunya. Nvidia akuisisi tim kepemimpinan Groq dan lisensi teknologinya dalam kesepakatan $20 miliar pada Desember. Huang juga perkenalkan "harness" agenik open-source berbasis OpenClaw populer tapi dengan pengaman keselamatan yang lebih baik. Kamu bisa baca lebih lanjut dari CNBC di sini.
Perusahaan AI pembaca plat nomor hadapi backlash atas penggunaan ICE. Flock Safety, pembuat pembaca plat nomor berbasis AI yang tumbuh cepat, hadapi backlash yang meningkat saat 53 kota di 20 negara bagian telah nonaktifkan atau tolak kameranya karena kekhawatiran teknologi itu memungkinkan jaringan pengawasan domestik yang luas dan bisa bantu penegakan imigrasi, lapor Financial Times. Perusahaan bilang tidak punya kontrak dengan ICE, telah batasi beberapa akses federal dan terkait imigrasi, dan berargumen bahwa pelanggan lokal mengontrol berbagi data. Tapi kritikus bilang jaringan berbasis awan dan skala Flock buatnya jauh lebih kuat daripada pembaca plat nomor tradisional. Meski kontroversi, bisnis Flock melonjak ke lebih dari 12.000 pelanggan dan lebih dari $300 juta pendapatan tahunan berulang, dan perusahaan telah mulai berekspansi ke analisis rekaman drone dan jual AI yang perusahaan katakan bisa deteksi lokasi tembakan senjata dari audio.
OpenAI akan fokus ulang pada sistem perusahaan dan coding dalam pergeseran dari konsumen. Itu menurut cerita eksklusif di Wall Street Journal, yang mengutip pernyataan eksekutif dalam rapat seluruh perusahaan yang mereka klaim telah tinjau. Perusahaan telah putuskan untuk persempit fokusnya ke coding dan produktivitas perusahaan, setelah eksekutif simpulkan bahwa dorongan luasnya ke segala hal mulai dari video dan perangkat keras hingga belanja dan browser telah encerkan upayanya, lapor surat kabar itu. Pergeseran yang diuraikan secara internal oleh kepala aplikasi Fidji Simo ini sebagian tanggapan atas tekanan yang meningkat dari Anthropic, yang fokus ketat pada coding dan alat bisnis telah bantu ia menjadi penyedia AI terkemuka untuk pelanggan perusahaan. OpenAI sekarang coba rebut kembali tanah dengan prioritaskan produk seperti asisten coding Codex dan model fokus kerja, sementara kurangi atau gabungkan proyek sampingan seperti alat pembuat video Sora saat ia pertajam tawarannya menjelang kemungkinan IPO.
EYE ON AI RESEARCH
Moonshot AI bilang telah temukan cara lebih baik untuk konfigurasi dan latih large neural networks. Perusahaan AI China, yang terkenal karena model agenik open-source Kimi-nya, dapat banyak perhatian di kalangan pengamat AI China pekan ini karena perkenalkan penyempurnaan baru dalam membangun large neural networks berbasis transformer. Disebut "Attention Residuals", idenya adalah daripada terapkan bobot tetap ke setiap lapisan jaringan terlatih—yang dilakukan arsitektur jaringan saraf standar—jaringan belajar terapkan bobot berbeda ke lapisan lower-level berbeda tergantung tugas yang dikerjakan model. Untuk hindari kesulitan komputasi melakukan ini untuk ratusan lapisan di large neural networks, peneliti Moonshot juga kembangkan yang mereka sebut " block attention residuals", di mana beberapa lapisan diorganisir jadi blok, dengan output mereka diringkas sebagai satu unit, dan mekanisme perhatian residual lalu diterapkan ke blok ini, bukan ke lapisan individual itu sendiri. Metode ini tingkatkan kecepatan dan stabilitas pelatihan large neural network berbasis transformer, yang merupakan dasar semua model AI terkemuka saat ini. Peneliti Moonshot bilang arsitektur ini berikan peningkatan efisiensi komputasi 1,25 kali lipat dibanding arsitektur standar. Kamu bisa baca makalahnya di sini di arxiv.org.
KALENDER AI
16-19 Maret: Nvidia GTC, San Jose, California.
6-9 April: HumanX 2026, San Francisco.
8-10 Juni: Fortune Brainstorm Tech, Aspen, Colorado. Ajukan kehadiran di sini.
17-20 Juni: Viva Tech, Paris.
7-10 Juli: AI for Good Summit, Jenewa, Swiss.
BRAIN FOOD
Zona kerusakan moral dan penyerahan kognitif. Saya sering berargumen di newsletter ini bahwa menggunakan AI secara efektif di organisasi besar sangat bergantung pada bagaimana tepatnya sistem AI dirancang untuk antarmuka dengan manusia dan sebaliknya. Ini adalah teka-teki interaksi manusia-komputer yang sangat besar untuk dipecahkan. Kolom di Financial Times oleh Sarah O’Connor angkat masalah betapa mudahnya mengatakan kita ingin ada "manusia dalam putaran" tetapi sulit untuk pertahankan kendali dan akuntabilitas manusia yang berarti.
O’Connor sebut dua neologisme yang menarik perhatian saya. Dua profesor sekolah bisnis Wharton rupanya telah ciptakan istilah "penyerahan kognitif" untuk merujuk situasi di mana orang hanya berasumsi AI tahu yang terbaik dan menyerahkan semua penilaian ke sistem AI. Ini bentuk ekstrem dari fenomena yang dikenal sebagai automation bias. (O’Connor catat beberapa studi di mana orang ditempatkan di mobil self-driving dan diberitahu mereka bisa intervensi untuk cegah mobil menabrak sesuatu, tapi tetap biarkan mobil melaju langsung ke hambatan yang jelas.) Dia juga sebut istilah "zona kerusakan moral" (diciptakan akademisi Madeline Clare Elish) yang merujuk sistem kompleks di mana peran manusia direduksi menjadi ada untuk serap kesalahan ketika sesuatu yang salah meskipun kompleksitas dan kecepatan sistem buat kendali manusia yang berarti atas sistem itu mustahil.
Harap untuk mulai lihat istilah-istilah itu muncul lebih banyak dalam percakapan AI kita.
Fortune AIQ: Satu Strategi, Hasil AI Nyata
Transformasi AI bisa luar biasa—ada banyak alat, strategi, dan pendekatan yang bersaing untuk perhatian, sering tanpa hasil yang terbukti. Tapi bagi beberapa perusahaan, dampak terbesar AI bisa diatribusikan ke satu alat, strategi, atau pendekatan. Jelajahi semua Fortune AIQ, dan baca playbook terbaru di bawah:
–Bagaimana memutuskan apakah gen AI adalah jalur yang tepat untuk produk Anda
–Di dalam strategi AI ‘bangun sekali’ Bank of America
–Mengapa Pinterest fokus total pada AI open-source
–Bagaimana memotong manajemen produk memungkinkan Kilo bersaing di pasar coding AI yang super cepat
–Bagaimana tim inkubasi AI Seismic menjadi strategi AI utamanya