Ulasan Buku: Berinvestasi dalam AI: Enam Model Mental untuk Membedakan Keunggulan Kompetitif dari Jebakan, karya Rob May

Saya antusias membaca Berinvestasi dalam AI: Enam Model Mental untuk Membedakan Keunggulan Kompetitif dari Jebakan, terutama karena selama bertahun-tahun saya mengikuti Rob May lewat buletin Berinvestasi dalam AI. Menurut saya, kesediaannya untuk menghindari pemikiran kelompok dan bernalar dari prinsip-prinsip dasar membuat Rob May berbeda dari banyak investor lain. Ia melihat melampaui narasi yang dominan untuk memahami cara kerja bisnis yang sesungguhnya, sumber keunggulannya, dan apakah keunggulan itu dapat bertahan menghadapi perubahan teknologi berikutnya.

Di sinilah buku ini unggul. Ini adalah buku pertama yang saya temui yang membahas investasi AI dengan pendekatan seperti ini. Alih-alih sekadar mengidentifikasi teknologi yang menarik atau pasar yang sedang tumbuh, buku ini mengajak pembaca untuk merancang ulang cara mereka menganalisis bisnis yang dibangun di sekitarnya. Peluangnya sangat besar, tetapi mengenali kemampuan AI yang menjanjikan dan mengenali perusahaan yang layak dijadikan investasi adalah dua keterampilan yang sangat berbeda.

Ketika Narasi AI Berhadapan dengan Kenyataan

Rob May mendasarkan pembahasannya pada kisah-kisah yang akan terasa akrab bagi siapa pun yang mengikuti ekosistem AI. Jasper menjadi pujaan media dan menghimpun dana sebesar $125 juta dengan valuasi $1,5 miliar. Lalu, ChatGPT menghadirkan kemampuan pembuatan teks yang canggih langsung kepada konsumen, sehingga menantang nilai produk yang dibangun dengan menawarkan akses ke kemampuan dasar serupa. Rob May menggunakan perubahan keadaan ini untuk mengkaji betapa cepatnya keunggulan yang tampak nyata bisa menjadi rentan.

Yang menarik bagi saya dari contoh ini adalah pertanyaan yang harus dihadapi investor atau pendiri perusahaan: apa yang masih dibutuhkan pelanggan dari perusahaan Anda ketika teknologi dasarnya dapat diakses secara luas? Apa yang membedakan bisnis dengan keunggulan kompetitif yang sulit ditiru dari sekadar pembungkus AI lainnya? Keunggulan sebagai pelopor dapat memberi waktu, tetapi tidak menjawab pertanyaan itu. Kepemilikan alur kerja, distribusi, pengetahuan khusus, dan hubungan dengan pelanggan menjadi jauh lebih penting ketika akses ke model menjadi komoditas.

DeepSeek menunjukkan sisi lain dari ketidakpastian tersebut. Buku ini membahas betapa mengejutkannya kemunculan model setara GPT-4 dengan biaya pelatihan yang dilaporkan sebesar $5,576 juta. Pelajaran investasinya penting: asumsi tentang biaya untuk bersaing dapat berubah jauh lebih cepat daripada yang diperkirakan oleh model valuasi.

Mengapa Pedoman SaaS Perlu Dipikirkan Ulang

Rob May mengulas kembali musim dingin AI di masa lalu dan berpendapat bahwa luasnya penerapan AI saat ini telah mematahkan pola lama berupa demonstrasi yang menjanjikan, lalu diikuti kekecewaan luas. Menurutnya, AI yang berguna kini tertanam dalam terlalu banyak alur kerja nyata sehingga tidak mungkin begitu saja ditarik kembali ke laboratorium. Meski demikian, sekalipun adopsi terus berlanjut, mengidentifikasi calon perusahaan rintisan bernilai miliaran dolar berikutnya yang mampu memanfaatkan adopsi tersebut tetap bisa jadi sulit.

Ia mengidentifikasi empat perbedaan mendasar yang membantu menjelaskan perubahan ini: AI dapat melakukan pekerjaan kognitif, belajar dari data, mengubah ekspektasi orang yang menggunakannya, dan menjadi bagian yang lazim dalam kehidupan generasi yang tumbuh bersamanya. Poin ketiga—refleksivitas—sangat menarik. Setelah merasakan suatu kemampuan, pelanggan mulai mengharapkannya tersedia di tempat lain. Pasar yang dilayani sebuah perusahaan pun berubah seiring dengan diadopsinya teknologi tersebut.

Perubahan terbesar terletak pada kecepatan pertumbuhannya. Bisnis AI dapat mencapai skala besar dalam jangka waktu yang sebelumnya hanya dicapai oleh segelintir pengecualian luar biasa. Namun, untuk mengevaluasinya, kita tetap perlu memahami model bisnisnya. Mengenakan biaya per tugas atau per hasil menciptakan hubungan antara nilai, pendapatan, dan biaya yang berbeda dari penjualan sejumlah lisensi perangkat lunak dengan harga tetap.

Sejumlah pelajaran dari SaaS tetap sangat relevan. Keahlian di bidang tertentu masih penting. Perangkat khusus untuk sektor tertentu yang memahami persoalan nyata industrinya dapat membangun keunggulan yang berarti. Siklus data eksklusif dapat terus memperkuat diri, dan integrasi yang mendalam dapat menimbulkan biaya peralihan. Tantangannya adalah membedakan kekuatan yang tahan lama itu dari fitur yang bisa didapatkan pelanggan dari puluhan vendor lain.

Enam Model Mental untuk Mengajukan Pertanyaan yang Lebih Baik

Buku ini menyusun argumen utamanya berdasarkan enam model mental: memahami AI sebagai kumpulan teknologi; mempertanyakan asumsi tradisional tentang SaaS; mengantisipasi disrupsi besar di pasar; mengenali perubahan pada pasar dan strategi perusahaan; memahami percepatan pertumbuhan; serta mengevaluasi dengan cermat harga pokok penjualan AI.

Keenam model ini saling melengkapi dengan baik karena masing-masing mengungkap kelemahan berbeda dalam tesis investasi yang dangkal. Menyebut sebuah perusahaan sebagai “bisnis AI” hanya sedikit menjelaskan ekonominya. Lonjakan pendapatan yang dramatis hanya sedikit menjelaskan daya tahannya. Margin kotor yang tinggi saat ini hanya sedikit memberi gambaran tentang apa yang akan terjadi ketika pelanggan mulai meminta produk tersebut menangani pekerjaan yang lebih sulit.

Hal yang paling saya hargai adalah kebiasaan untuk mengajukan pertanyaan kedua. Setelah bertanya apakah teknologinya berfungsi, tanyakan apakah teknologi itu bekerja cukup andal untuk mendukung alur kerja pelanggan yang sebenarnya. Setelah bertanya apakah pelanggan bersedia membayar, tanyakan apa yang mereka bayar dan apakah pengeluaran itu kemungkinan akan berlanjut. Dengan demikian, buku ini tetap berguna jauh setelah masa ketika contoh-contohnya ditulis.

Botkeeper dan Pentingnya Tren Biaya

Salah satu studi kasus yang paling bermanfaat adalah Botkeeper, perusahaan otomasi pembukuan yang mendapat investasi dari Rob May. Ia menggambarkan sebuah bisnis yang pada awalnya sangat bergantung pada akuntan manusia dan memiliki margin kotor sekitar 20 hingga 25 persen. Hal itu tampak kurang menarik bagi investor yang mengharapkan margin seperti pada perusahaan perangkat lunak konvensional. Namun, pekerjaan yang dilakukan para akuntan tersebut juga menghasilkan data yang dapat membantu mengotomatiskan prosesnya. Rob May melaporkan bahwa margin kotor kemudian melampaui 70 persen seiring semakin banyak pekerjaan yang dialihkan ke perangkat lunak.

Pelajaran yang saya petik dari sini adalah perlunya mencermati apa yang sedang dibangun melalui keterlibatan manusia. Jika setiap tugas yang diselesaikan membantu sistem menangani tugas berikutnya dengan lebih efisien, biaya layanan pada tahap awal mungkin mendanai bisnis yang lebih mudah dikembangkan skalanya. Namun, jika setiap pelanggan baru terus-menerus membutuhkan peningkatan pekerjaan manual secara proporsional, kondisi ekonominya menunjukkan cerita yang berbeda.

Rob May juga mengulas tren yang berlawanan: biaya inferensi yang makin membebani seiring meningkatnya penggunaan. Sistem AI mungkin membutuhkan lebih banyak komputasi, percobaan berulang, atau peninjauan oleh manusia untuk menyelesaikan tugas yang lebih sulit. Produk yang tampak menjanjikan dalam uji coba kecil bisa menjadi mahal ketika pelanggan mengandalkannya untuk pekerjaan yang kompleks. Karena itulah, arah perubahan biaya sama pentingnya dengan margin saat ini.

Efisiensi Tidak Otomatis Menjadi Keunggulan Kompetitif yang Bertahan Lama

Kerangka lain yang menurut saya bermanfaat adalah tiga kategori nilai AI versi Rob May: AI komoditas, AI inti, dan AI ekspansi. Secara umum, ketiganya merujuk pada kemampuan yang mudah diterapkan oleh pesaing, kemampuan yang memperkuat keunggulan perusahaan yang sudah ada, serta kemampuan yang membuka peluang bisnis baru.

Contoh hipotetisnya tentang maskapai penerbangan memudahkan kita memahami kategori pertama. Sebuah maskapai memperkenalkan agen dukungan berbasis AI dan menjadi lebih efisien. Pesaing kemudian mengadopsi perangkat serupa. Sesuatu yang sempat tampak sebagai pembeda pun menjadi standar industri, dan sebagian manfaat ekonominya bisa terkikis akibat persaingan.

Gagasan ini menjadi penyeimbang yang berguna agar kita tidak menganggap setiap pengumuman tentang AI sebagai bukti bahwa sebuah bisnis semakin kuat. Saya ingin tahu apa yang tetap membedakan suatu perusahaan setelah pesaing memperoleh akses ke perangkat yang sebanding. Perusahaan yang memadukan AI dengan umpan balik eksklusif, pengetahuan operasional yang mendalam, atau alur kerja pelanggan yang sulit ditiru memiliki alasan yang lebih meyakinkan daripada perusahaan yang mengumumkan otomasi serupa dengan yang bisa dibeli semua orang.

Carilah Pemimpin Operasional yang Mampu Memanfaatkan AI

Buku ini sarat dengan pengamatan praktis, termasuk pentingnya mendukung para pemimpin operasional yang benar-benar mampu menerapkan AI. Rencana konkret untuk mengubah alur kerja dan tanggung jawab jauh lebih meyakinkan daripada presentasi yang menjanjikan penerapan AI di seluruh organisasi.

Ulasan Rob May tentang kualitas pendapatan memperkuat gagasan ini. Uji coba berbayar dan bukti konsep dapat menghasilkan angka awal yang mengesankan, tetapi keduanya perlu dipisahkan dari pendapatan yang berasal dari pekerjaan produksi berkelanjutan. Pertanyaan yang berguna adalah berapa banyak bagian bisnis yang akan tetap berjalan jika pelanggan berhenti bereksperimen mulai besok.

Menurut saya, hal ini sangat berharga bagi para pendiri. Memenangkan uji coba merupakan kemajuan, tetapi membangun produk yang menjadi bagian dari cara pelanggan menjalankan operasinya adalah pencapaian yang berbeda. Memahami perbedaan itu sejak dini dapat membentuk prioritas produk, perekrutan, dan cara perusahaan mengukur keberhasilan.

Kesimpulan Akhir

Hal terpenting yang saya petik adalah bahwa buku ini tidak semestinya hanya dibaca oleh investor. Para wirausahawan juga akan memperoleh banyak manfaat dengan memahami apa yang membuat sebuah perusahaan AI layak mendapat investasi, bagaimana keunggulan yang tahan lama terbentuk, dan jebakan apa saja yang dapat dihindari oleh perusahaan rintisan sebelum menimbulkan biaya besar.

Buku ini sebaiknya dibaca sebagai kerangka untuk mengambil keputusan, bukan sebagai daftar saham yang patut dibeli. Sumbangan terbesarnya adalah membantu pembaca menjelaskan dengan lebih tepat alasan mereka percaya pada suatu bisnis. Contoh-contohnya pasti akan terasa usang seiring perkembangan industri; kebiasaan mempertanyakan asumsi itulah yang membuat buku ini tetap bermanfaat dalam jangka panjang.

Berinvestasi di AI: Enam Model Mental untuk Membedakan Keunggulan Kompetitif dari Jebakan menyajikan pemikiran dari prinsip-prinsip dasar yang sejak awal membuat saya membaca buletin Rob May. Bagi investor yang ingin membedakan bisnis yang memiliki keunggulan kuat dan dapat dipertahankan dari kisah yang memikat, serta wirausahawan yang ingin membangun bisnis semacam itu, buku ini merupakan bacaan yang penuh pertimbangan dan layak dibaca.