Chamath Palihapitiya Channel

Halo semuanya. Saya sangat senang untuk berbagi bahwa saya sedang mendirikan usaha baru. Anda dapat mengharapkan usaha ini menjadi sangat penting dan menghasilkan nilai yang luar biasa, meskipun pada saat yang sama usaha ini akan terasa cukup tidak menyenangkan dan meninggalkan jejak kematian serta kehancuran di jalurnya. Selain itu, meskipun inisiatif-inisiatif yang akan datang kita rancang untuk sepenuhnya mentransformasi, inisiatif tersebut juga pasti akan membongkar masyarakat dalam bentuknya yang sekarang.

Dengan mempertimbangkan semua faktor ini, permintaan utama saya adalah agar Anda membeli produk-produk yang ditawarkan organisasi kami. Anda benar-benar bisa bergantung pada tim kami. Saya dengan tulus menghargai waktu dan dukungan Anda.

Ini jelas memberi kita sesuatu untuk dipikirkan.

Tahun ini, CloudBees mengumpulkan wawasan dari 200+ pemimpin teknologi perusahaan, mengungkap sebuah kontradiksi yang menarik. Sementara 92% dari para profesional ini merasa yakin bahwa kode yang dihasilkan AI mereka sepenuhnya siap untuk produksi sebelum dilakukan deployment, 81% dari kelompok yang sama justru mengalami peningkatan masalah produksi setelah rilis.

Mempercayai keluaran dari kecerdasan buatan kini telah berkembang menjadi risiko bisnis yang dapat diukur. Dewan perusahaan kini dapat secara langsung menimbang tingkat keyakinan 92% terhadap kode yang dihasilkan AI dengan tingkat masalah produksi 81% untuk mendapatkan gambaran yang jelas dan realistis tentang operasional mereka. Dinamika ini memunculkan pertanyaan penting bagi organisasi: apakah tim pengembangan hanya sekadar melakukan tokenmaxxing tanpa kendali, atau ada strategi terstruktur yang benar-benar memberikan hasil?

Seperti yang disoroti oleh studi tersebut, dan kami sepenuhnya sepakat dengan sudut pandang ini, hambatan operasional utama telah bergeser dari penulisan kode awal menuju tata kelolanya.

Untuk membantu tim secara proaktif mengelola pergeseran ini, 8090 Software Factory secara khusus mengintegrasikan pengujian, tinjauan sejawat, dan persetujuan formal langsung ke fitur intinya. Sistem ini memastikan kontrol kualitas sekaligus menghasilkan catatan historis yang transparan dan mudah diikuti bagi semua pemangku kepentingan.

Anda dapat menemukan detailnya di tautan ini: http://bit.ly/3UWcTQE

Secara umum, pendekatan yang bijaksana adalah melakukan kebalikannya setiap kali seseorang menyarankan agar Anda langsung mempercayai para ahli. Ingatlah era Covid, ketika kepercayaan mutlak kepada spesialis menghasilkan penipuan besar-besaran yang merusak tatanan sosial dan sangat menghambat perkembangan anak-anak kita. Saat kita memasuki era AI, menerapkan kepercayaan buta yang sama kemungkinan akan menimbulkan konsekuensi yang membuat pengalaman masa lalu kita tampak jauh lebih kecil dibandingkan itu. Karena itu, saya sangat menyarankan agar semua orang menjajaki terobosan teknologi baru ini dengan rasa takjub, sambil memastikan tetap memiliki fondasi yang kuat untuk keraguan kritis.

Memahami apa yang dimaksud dengan model dalam sektor perbankan cukup mudah. Ini mewakili fondasi matematis yang menjadi penggerak hampir semua pilihan operasional, seperti menentukan kelayakan pinjaman, menghitung cadangan modal yang diperlukan, dan mengidentifikasi transaksi yang berpotensi fraud.

Perubahan regulasi yang signifikan terjadi pada April ketika Fed, OCC, dan FDIC secara resmi menonaktifkan kerangka kerja yang telah digunakan lembaga keuangan sejak 2011 untuk memvalidasi proses matematis tersebut. Aturan yang diperbarui ini membahas model-model konvensional, namun secara sengaja mengecualikan agentic dan generative AI. Alasannya adalah bahwa kecerdasan buatan berkembang terlalu cepat untuk dibatasi oleh pedoman yang statis. Akibatnya, lembaga keuangan kini ditugaskan untuk secara mandiri mengatur segmen infrastruktur teknologi mereka yang berkembang paling pesat. Meski memiliki otonomi operasional ini, bank tetap sepenuhnya berkewajiban untuk memberikan justifikasi tata kelola AI mereka kepada pemeriksa saat diminta.

Jika pemeriksaan seperti itu dilakukan besok, sebagian besar lembaga keuangan akan menghadapi tantangan besar dalam menghasilkan log yang presisi dan dapat direproduksi yang merinci secara tepat bagaimana kecerdasan buatan digunakan. Melacak metode spesifik, artefak yang terkait, dan setiap keputusan individual yang dipengaruhi oleh AI tetap menjadi rintangan yang kompleks.

Kesenjangan kepatuhan inilah yang dirancang untuk diatasi oleh 8090 Software Factory. Platform ini menyematkan bukti dan jejak audit yang komprehensif langsung di dalam arsitektur perangkat lunak. Dengan demikian, sistem memastikan bahwa setiap modifikasi sistem dan setiap pilihan berbasis AI dapat ditelusuri secara andal kembali ke persyaratan yang secara eksplisit telah disetujui oleh personel.

Temukan detail tambahan dengan mengunjungi tautan ini: http://bit.ly/46q2SOe

Penelitian yang dilakukan oleh McKinsey dan Oxford merupakan analisis terluas yang pernah dilakukan terhadap inisiatif TI besar, dan temuannya cukup mengejutkan. Setelah menelaah lebih dari 5.400 proyek dengan anggaran melebihi $15M, data menunjukkan bahwa upaya-upaya ini umumnya gagal mencapai nilai yang direncanakan sebesar 56%, sekaligus melampaui anggarannya sebesar 45%. Selain itu, keterlambatan jadwal sama parah dengan kelebihan finansial—sering kali mendorong pencapaian tujuan inti mundur hingga beberapa tahun.

Secara historis, organisasi telah mencoba menavigasi transformasi TI skala besar ini dengan membuat pilihan yang dapat diterima secara universal dan bermitra dengan sebuah perusahaan yang tidak bisa dipersalahkan. Memilih opsi yang aman sangat masuk akal pada era ketika sekadar menyelesaikan sebuah build masih menjadi tanda tanya besar. Namun, saat ini, AI telah sepenuhnya mengubah lanskap.

Mengatasi tantangan industri yang meluas ini membutuhkan sebuah sistem yang memungkinkan Anda mendokumentasikan niat Anda dengan jelas sejak awal. Dengan membangun kejelasan ini sejak tahap pertama, Anda kemudian dapat memanfaatkan AI di seluruh tahap pelaksanaan dan verifikasi untuk memastikan proyek Anda selesai persis seperti yang dibayangkan. Ini memastikan bahwa deliverable akhir Anda tetap sesuai jadwal, sesuai ruang lingkup, dan sepenuhnya selaras dengan anggaran.

Di 8090 Software Factory, kami menggunakan pendekatan persis ini sebagai fondasi untuk setiap keterlibatan klien. Anda dapat mempelajari mekanisme proses kami dengan mengunjungi tautan ini: http://bit.ly/4gP9bkq

Jika Anda sedang mencari satu visual yang menyoroti ancaman besar terhadap sistem kami saat ini, grafik tertentu inilah yang langsung terlintas dalam pikiran saya. Sangat mungkin bahwa pengamat akan gagal sepenuhnya menghargai penggandaan (compounding) qubit yang bergerak ke depan. Pada akhirnya, tidak mungkin untuk berlebihan dalam menekankan dampak riak yang mendalam yang akan ditimbulkan oleh kemajuan cepat ini pada metode kriptografi yang tidak aman secara kuantum.

Melihat kembali era desktop dan Internet, kita dapat melihat bahwa dinamika keuangan mengikuti pola tertentu: struktur ekonomi awalnya akhirnya berbalik. Pada akhirnya, organisasi yang posisinya paling dekat dengan konsumen sehari-hari adalah yang berhasil meraih margin keuntungan tertinggi.

Kita bisa mengharapkan Kecerdasan Buatan mengikuti lintasan yang persis sama. Alih-alih bertanya-tanya apakah pergeseran ekonomi ini akan terjadi lagi, satu-satunya ketidakpastian yang nyata adalah seberapa cepat hal itu akan terjadi.

Jika suatu saat Anda mendapati diri Anda mulai membuat pernyataan dengan frasa, "Satu hal yang patut dikatakan sebelum...", biasanya yang terbaik adalah berhenti sejenak tepat di sana. Abaikan komentar tambahan dan fokuslah untuk berhasil menyelesaikan pekerjaan yang ada.

Meskipun pelajaran sejarah sering menyoroti tren deregulasi pada tahun 1980-an dan 1990-an, kenyataannya adalah bahwa kerangka regulasi tidak pernah benar-benar disederhanakan pada era tersebut. Sebaliknya, jumlah pembatasan terus bertambah tanpa adanya gangguan yang nyata.

Pada akhirnya, regulasi yang kompleks hanya menguntungkan satu demografi: para pemimpin pasar yang sudah mapan. Mereka adalah pihak yang secara efektif menentukan pedoman, baik melakukannya secara langsung maupun melalui perwakilan yang mereka pilih.

Ketika sebuah pasar beroperasi dengan lebih sedikit pembatasan, secara alami pasar tersebut mengundang lebih banyak persaingan, yang secara konsisten menantang kekuasaan yang sudah mengakar. Ketika dominasi para pemain lama mulai memudar, perekonomian mengalami perputaran pendapatan dan kekayaan yang jauh lebih cepat dan lebih hidup.

Namun, selama sistem regulasi kita terus berkembang menjadi semakin rumit, mereka yang sudah berada di puncak akan terus menuai keuntungan. Mereka akan tetap meraup profit tanpa perlu menunjukkan keterampilan yang benar-benar mumpuni atau melakukan upaya nyata, yang pada akhirnya tampak seperti cara yang sangat tidak logis untuk menjalankan operasi.

Jika Anda pernah bertanya-tanya bagaimana uang yang Anda bayarkan kepada Anthropic digunakan, Anda mungkin akan menemukan inisiatif terbaru mereka cukup menarik. Semoga Anda mendukung visi mereka. Berdasarkan laporan dari Will dari Politico, pertempuran politik seputar kecerdasan buatan kini meluas dengan kuat hingga ke pemilihan sela (midterm). Secara menarik, Anthropic—yang merupakan salah satu organisasi paling menonjol di industri—mengalokasikan jutaan untuk mengingatkan para pemilih tentang teknologi persis yang mereka bantu kembangkan.

Organisasi Public First Action, yang menerima dukungan dana dari Anthropic, telah meluncurkan upaya besar pertamanya untuk pemilihan umum. Mereka menggelontorkan pembelian siaran baru senilai $2,5 juta yang dirancang untuk mendukung Sen. GOP Ashley Moody di seluruh Florida.

Meskipun didanai oleh perusahaan kecerdasan buatan, iklan televisi baru ini diawali dengan peringatan serius. Iklan tersebut mengklaim bahwa kecerdasan buatan sedang mengubah hidup kita, bergerak lebih cepat daripada siapa pun yang bisa mengendalikan, dan datang untuk pekerjaan kita. Iklan tersebut menyoroti bahaya suara yang dikloning dan wajah yang dicuri, disertai peringatan langsung dari para penemu kecerdasan buatan. Setelah itu, iklan beralih untuk memuji Sen. Ashley Moody karena menjadi pendukung undang-undang yang menargetkan deepfake. Artikel sumber aslinya juga mendorong pembaca untuk menonton iklan tersebut.

Komersial terbaru ini menjadi bagian penting dari kampanye politik yang lebih luas oleh Anthropic. Perusahaan ini mengalokasikan jutaan untuk mendorong regulasi kecerdasan buatan yang lebih ketat. Melalui langkah-langkah ini, Anthropic berupaya menghadang kelompok politik saingan yang didukung oleh investor dan pemimpin dari OpenAI, yang justru menganjurkan pendekatan regulasi yang jauh lebih ringan.

Bayangkan makhluk luar angkasa tiba di Bumi dengan permintaan yang menarik. Misalkan mereka meminta untuk melihat satu grafik yang mewakili kekuatan pendorong utama di balik setiap pencapaian spesies kita, baik di masa lalu maupun di masa depan.

Tepatnya, apa yang akan Anda pilih untuk mereka perlihatkan?

Secara pribadi, saya akan membagikan grafik yang ditampilkan di bawah ini. Saya yakin bahwa umat manusia pada akhirnya akan menyelesaikan setiap tantangan yang kita hadapi, selama kita terus mempertahankan kemajuan yang ditunjukkan dalam bagan ini.

Matematika untuk Membangun versus Membeli Perangkat Lunak Kini Sangat Menguntungkan untuk Membangun

Selama gelombang SaaS berlangsung, membeli perangkat lunak yang sudah ada selalu menjadi pilihan yang lebih terjangkau dan cepat dibandingkan mengembangkan apa yang Anda butuhkan dari nol. Namun, saat ini, proses membeli tersebut terus menjadi semakin rumit.

Proses ini rumit karena alasan yang sudah dipahami dengan baik. Diperlukan pemangku kepentingan yang berbeda untuk menjalankan tinjauan keamanan, menegosiasikan ketentuan, dan menyetujui penilaian risiko. Gartner mencatat bahwa kelompok pembeli untuk pembelian perangkat lunak enterprise yang kompleks kini melibatkan 6 hingga 10 orang. Akibat dinamika tim tersebut, 77% pembeli menggambarkan pembelian terakhir mereka sebagai sangat kompleks atau sulit.

Berkat AI, sisi pengembangan dari persamaan itu telah berubah secara signifikan. Argumen paling lama untuk membeli teknologi adalah bahwa hal itu menawarkan jalur yang lebih cepat, tetapi ini kini tidak lagi benar. Penilaian standar untuk proses pembelian secara rutin membutuhkan waktu dua hingga tiga kuartal hanya untuk melewati tahap pengadaan. Dalam rentang waktu yang sama, alur kerja kustom yang Anda inginkan sekarang dapat ditentukan, dibangun, diuji, dan langsung berjalan di lingkungan produksi.

Kami membuat Software Factory untuk memberdayakan perusahaan besar agar dapat memanfaatkan ekonomi AI yang mengalami deflasi. Dengan memanfaatkan teknologi ini, kami membuat keputusan build versus buy jauh lebih kompetitif dibandingkan sebelumnya.

Bagaimana: http://bit.ly/3RNjXya

Fase pasca peluncuran platform perangkat lunak sebenarnya menyumbang 50 hingga 80% dari total biaya sepanjang masa pakainya. Menariknya, model layanan tradisional dirancang untuk berakhir tepat pada saat periode yang sangat mahal ini mulai berlangsung.

Secepat proyek dirilis, biasanya para integrator sistem akan mengalihkan tim pengirimannya ke klien baru yang sama sekali berbeda. Praktik ini memastikan bahwa para kreator asli di balik desain inti Anda benar-benar sudah tidak terlibat lagi sebelum dukungan berkelanjutan diperlukan dan ketika tahun-tahun paling mahal mulai berjalan. Anda perlu bertanya-tanya, siapa yang akan ada untuk membantu Anda tiga tahun ke depan ketika regulasi kepatuhan berubah atau ketika alur kerja dasar sistem Anda menjadi usang.

Dengan memutus siklus standar ini, 8090 mempertahankan akuntabilitas penuh untuk kode produksi Anda jauh melampaui tanggal go-live awal. Kami memastikan perangkat lunak Anda tetap selalu diperbarui dan sepenuhnya disesuaikan dengan lanskap bisnis Anda yang terus berkembang.

Pelajari lebih lanjut dengan mengunjungi https://bit.ly/4zhwMBA

Kami melihat langkah maju yang sangat positif bagi industri ini. Dengan biaya finansial dari berbagai model yang secara bertahap mulai selaras, perkembangan yang wajar akan melibatkan pergeseran menuju pengendali pesawat kendali dan pemanfaatan pihak ketiga yang independen. Beberapa contoh yang menonjol yang memimpin langkah ini antara lain 8090 Software Factory, Palantir, dan Nous' Hermes.

Ke depan dalam 36 bulan mendatang, sangat mungkin bahwa setiap perusahaan akan menuntut akses ke harness pihak ketiga yang dipasangkan dengan fleksibilitas untuk menggunakan model apa pun secara hampir dapat saling dipertukarkan. Perubahan ini akan terjadi seiring organisasi menjadi sepenuhnya sadar akan kerentanan terkait kebocoran data dan IP. Pada akhirnya, perusahaan perlu menjaga kedaulatan absolut atas penilaian mereka yang dienkode, yang membuat pendekatan adaptif ini menjadi hal yang penting.

Secara tahunan, Gallup menilai distribusi karyawan di bawah manajer individual dalam tenaga kerja Amerika. Selama satu dekade mereka memantau metrik ini, rasio tersebut baru-baru ini mengalami pergeseran paling cepat, naik dari 11 menjadi 12 laporan langsung dalam waktu hanya satu tahun. Penyebab di balik tren ini adalah poin pembicaraan yang sudah sangat familiar dalam diskusi restrukturisasi perusahaan. Organisasi secara konsisten menghapus peran manajemen tingkat menengah dan mengalokasikan personel yang tersisa ke dalam kumpulan pemimpin yang lebih kecil.

Menurut riset Gallup, keterlibatan karyawan sebenarnya mencapai tingkat optimal ketika seorang manajer membawahi tim berisi delapan atau sembilan orang. Pada ukuran ini, seorang supervisor masih dapat memantau proyek yang sedang berjalan secara akurat dan memberikan umpan balik yang membangun serta benar-benar nyata. Namun, begitu jumlah laporan langsung bertambah melewati lima belas, keterlibatan turun secara drastis.

Saat ini, isu penting bukan lagi sekadar jumlah individu yang ditugaskan pada jabatan manajemen tertentu di bagan organisasi. Sebaliknya, fokus harus bergeser untuk memahami proporsi waktu dalam seminggu yang dihabiskan seorang karyawan untuk tugas yang memerlukan penilaian manusia yang kompleks, bukan tugas rutin yang hanya menjaga agar bisnis tetap berfungsi.

Perusahaan-perusahaan yang saat ini memperoleh keunggulan kompetitif telah berhasil menghapus tugas-tugas berulang sepenuhnya dari jadwal tenaga kerja manusia mereka. Dengan melakukannya, mereka memastikan bahwa para profesional yang tersisa dalam tim mengalokasikan waktunya untuk hubungan dengan pelanggan, percakapan yang bernuansa dan memerlukan sentuhan manusia, serta inovasi strategis yang pada akhirnya mendorong keberhasilan di pasar.

Cara kami dapat membantu organisasi Anda

Mendekati Singularitas Kecerdasan Buatan

Teori yang berlaku mengenai fenomena ini terbentuk melalui rangkaian peristiwa yang khas. Pertama, umat manusia berhasil mengembangkan Kecerdasan Umum Buatan. Kedua, sistem baru ini mencapai penguasaan dalam bidang riset kecerdasan buatan. Ketiga, sistem tersebut memanfaatkan keahliannya untuk merancang versi dirinya yang bahkan lebih mumpuni. Keempat, iterasi yang telah ditingkatkan itu kemudian membangun penerus yang jauh lebih unggul. Kelima, umpan balik ini terus berlanjut sehingga mempercepat diri dengan laju yang belum pernah terjadi sebelumnya.

Saat meninjau pencapaian terbaru serta fungsionalitas teknis yang muncul dari beberapa fasilitas riset selama beberapa minggu terakhir, menjadi sangat jelas bahwa kita sudah berada dengan aman di dalam siklus berkesinambungan ini.

Kita dapat mengharapkan 18 bulan ke depan benar-benar luar biasa. Mulai saat ini, mekanisme peningkatan diri secara rekursif diperkirakan akan mendorong kemampuan teknologi pada kecepatan yang mengagumkan. Sebagai akibat langsung dari evolusi yang cepat ini, biaya marjinal untuk menjalankan semua model ini pada akhirnya akan turun menjadi kira-kira ~$0.

Sebagai catatan positif, kita bisa merasa tenang karena seluruh pengeluaran token kita diarahkan untuk tujuan yang benar-benar bermanfaat.

Elon benar-benar tepat dalam visi awalnya untuk AI Amerika yang mudah diakses. Merilis Grok sebagai proyek open source bisa menjadi langkah strategis yang sangat menentukan baginya. Alasannya cukup meyakinkan. Dengan menjadikan Grok open source, margin keuntungan secara alami dipaksa keluar dari lapisan model dasar. Sebaliknya, keuntungan tersebut dialihkan ke bawah ke komponen infrastruktur seperti chip dan CSP, serta ke atas ke sektor aplikasi. Mengingat ia sudah mengendalikan pembangunan pusat data besar, memiliki AI inferensi generasi berikutnya, dan memiliki Cursor—yang beroperasi sebagai aplikasi yang paling banyak digunakan—langkah ini bisa dibilang menghasilkan margin yang lebih tinggi untuknya. Dengan mengikuti logika tersebut, gagasan untuk pada akhirnya memindahkan pusat data ini ke luar angkasa menjadi strategi yang bahkan lebih praktis.

Saya sedang bersiap untuk tampil sebagai cohost untuk @SquawkCNBC sekarang. Anda bisa menyaksikan programnya pada slot waktu 7-9 pagi ET. Saya benar-benar sangat senang untuk mulai!