Bagaimana AI Dapat Mengalami Kegagalan dan Bertahan, Sama Seperti yang Terjadi pada Internet

Pergerakan pasar yang dramatis dan terus-menerus di antara raksasa teknologi yang didorong oleh AI, dengan perusahaan publik yang kehilangan lebih dari $1 triliun dalam valuasi dalam waktu kurang dari sebulan, jelas menunjukkan bahwa valuasi terputus dari fundamental. Namun, pertanyaan yang sebenarnya harus ditanyakan sekarang bukanlah kapan gelembung itu akan meletus, tetapi bagaimana industri dapat bertanggung jawab untuk mengempiskan gelembung dan mempersiapkan diri untuk AI di masa depan.

Selama beberapa tahun terakhir, AI telah menjadi sinonim dengan valuasi besar, skalabilitas tak terbatas, dan perasaan bahwa tidak ada yang dapat bersaing dengan pemain terbesar. Namun, kenyataan teknis telah bergeser dan menunjuk ke arah masa depan yang berbeda untuk AI: Uang yang sebenarnya tidak terletak pada model AI yang sangat mahal yang suatu hari nanti akan membayar dalam pengembalian yang besar. Semakin banyak, nilai AI akan terletak pada bagaimana ia diintegrasikan dan digunakan untuk menghasilkan uang bagi bisnis, dengan mempertimbangkan bahwa model AI frontier yang mendorong batas harus menjadi lebih murah, bukan lebih mahal. Mitos singularitas telah berakhir. Skalabilitas saja tidak lagi memberikan keuntungan langkah besar. Eksekusi, distribusi, dan ekosistem sekarang lebih penting daripada ukuran model mentah.

Menyesuaikan harapan dengan kenyataan baru ini akan memungkinkan gelembung AI yang tumbuh untuk perlahan-lahan mengempis, bukan meletus dan menghancurkan perekonomian dan pasar keuangan seperti yang terjadi pada gelembung dotcom sekitar seperempat abad yang lalu.

Pada 1990-an, industri teknologi menganggap internet dapat dan akan melakukan segalanya; dan bahwa apa pun yang dibangun di atas internet akan, secara alami, berhasil. Mereka salah, dan gelembung itu memang meletus – tetapi internet tetap bertahan. Kecelakaan itu menyoroti bahwa kesuksesan online tidak hanya tentang teknologi dasar – internet – tetapi tentang kemampuan untuk mengembangkan kasus penggunaan, produk, dan perangkat keras yang cerdas dan efektif. Internet tidak menang hanya karena protokol saja. Internet menang ketika browser, jaringan pengiriman konten, dan ekosistem pengembang membuatnya dapat digunakan.

Amazon selamat, dan masih berkembang, sementara Pets.com gagal karena tidak pernah memiliki cara yang menguntungkan untuk mengirim makanan anjing, sebuah tantangan yang diabaikan oleh ide yang menggoda bahwa mereka akan dapat memiliki pelanggan di seluruh negeri berkat adven internet.

Itulah tepatnya di mana Big AI berada hari ini, terserap dalam mimpi dan harapan tentang potensi teknologi di masa depan. Tidak ada keraguan bahwa ini adalah teknologi paling luar biasa yang kita miliki hari ini. Namun, model AI hanya teknologi dasar, bukan jawaban itu sendiri, dan pasti bukan tempat di mana uang dan nilai akan tetap ada. Faktanya, arsitektur transformer dan difusi, yang mendasari sebagian besar AI generatif, adalah publik; kerangka kerja optimisasi adalah terbuka; daya komputasi semakin dapat diakses. Hambatan tidak lagi terletak pada pengetahuan teoretis. Ini terletak pada kemampuan membangun sistem yang dapat diandalkan dan mengintegrasikannya ke dalam pipa produksi dan kreativitas yang ada yang akan menentukan siapa yang berhasil. Produk dan layanan ini juga tidak lagi memerlukan investor untuk membiayai triliunan dolar. Saya tahu ini dari pengalaman saya sendiri. Tim kami di Yerusalem membangun model audio-video AI terbuka untuk membuat video AI dengan biaya sekitar sepuluh kali lipat lebih rendah daripada yang dibuat oleh pemimpin pasar, dan itu menghasilkan adegan yang lebih panjang, sering dengan resolusi yang lebih tinggi dan kecepatan. Ini dicapai dengan sekitar $100 juta, bukan miliaran. Cerita kami menunjukkan bahwa kemajuan AI modern lebih tentang teknik yang disiplin dan bukan tentang saus rahasia.

Sama seperti internet, mereka yang selamat akan menjadi mereka yang memanfaatkan AI untuk kasus penggunaan terbaik, aplikasi perangkat keras, produk, dan layanan. Memang benar bahwa apa yang tepat mereka akan menjadi sulit diprediksi. Setelah semua, kembali pada awal 1990-an ketika orang menggunakan AOL atau Prodigy, tidak ada yang bisa membayangkan Gmail.

Namun, tanpa kekuatan clairvoyance, ada pertanyaan yang cerdas untuk ditanyakan sepanjang jalan untuk memandu industri AI dan investor untuk bekerja dengan cara yang akan perlahan-lahan mengempiskan gelembung, sambil secara bersamaan membangun perekonomian di masa depan.

Investor, termasuk VC dan dana pensiun yang memasukkan uang ke perusahaan AI, perlu bertanya apa nilai yang sebenarnya diciptakan. Miliaran dolar telah dicurahkan ke penelitian di perusahaan teknologi besar untuk membangun AI yang pada akhirnya dengan mudah direplikasi di tempat lain. Anggaran AI yang besar tidak menjamin kekayaan intelektual yang unik, kunci pengguna, atau ekonomi yang dapat dipertahankan lagi. Sekarang investor perlu mengevaluasi bagaimana perusahaan membangun, mengoptimalkan, dan mengintegrasikan model ke dalam alur kerja nyata pelanggan, menciptakan produk dan layanan yang sebenarnya. Investor harus meminta metrik seperti ekonomi per pekerjaan ketika melihat aplikasi AI.

Ini, bukan hanya bakat atau sifat model itu sendiri, adalah elemen kunci nilai. Juga penting untuk memahami nilai model sumber terbuka. Ini sering mengalahkan API tertutup karena peneliti dan pengembang dapat menyesuaikannya secara lokal. Adopsi itu berkompilasi menjadi parit di sekitar perusahaan atau produk, membantu menjamin keuntungan dan kesuksesan

Baik investor maupun wirausaha yang peduli dengan penggunaan modal yang efisien perlu mundur dan mengevaluasi biaya nyata dari AI dan semua komponen yang terkait; ini sering kali terlalu tinggi dan lebih tinggi daripada yang diperlukan. Pendekatan umum harus bahwa biaya perangkat keras adalah volatil, sehingga desain AI tidak boleh bergantung pada perangkat atau perangkat keras tertentu. Nilai dan apa yang membedakan perusahaan adalah throughput per dolar, bukan diskon vendor yang menguntungkan perangkat keras tertentu. Pertahanan pengeluaran AI sekarang terletak pada optimisasi infrastruktur, data proprietary, dan kedalaman integrasi. Wirausaha dengan ide solusi yang baik yang dengan hati-hati mengraft atau menggunakan model dengan kinerja akhir yang mempertimbangkan akan unggul atas mereka yang mencari model besar yang nantinya dapat diskalakan untuk penggunaan potensial yang berbeda. Kelebihan lain adalah menawarkan opsi penerapan terbuka untuk studio dan platform yang tidak dapat bergantung pada API jarak jauh untuk pengalaman waktu nyata.

Pembuat kebijakan dan industri juga perlu berpikir lebih logis tentang regulasi. Kemajuan telah lambat dalam area ini dan fokus berat pada model frontier yang dijalankan pada perangkat besar; ini tidak lagi merupakan pendekatan yang praktis. Momentumnya sangat menuju model tersebut dapat dijalankan pada perangkat konsumen, membuat regulasi model itu sendiri mustahil. Sifat sumber terbuka dari banyak model menyajikan tantangan yang sangat kuat bagi pendekatan regulasi saat ini. Sekali lagi, pendekatan yang tepat adalah fokus pada penerapan melalui aplikasi dan produk, dan mengembangkan kerangka regulasi di sekitar mereka untuk berbagai industri, bukan kebijakan yang mencakup tentang model. Tujuan harus untuk mengatur aplikasi dan sektor, dengan standar untuk provenance, rel kereta api keamanan di produk, dan pengungkapan untuk media sintetis. Sejarah dari 1990-an dan awal 2000-an sekali lagi memegang pelajaran bijak tentang konsep ini: Kasus melawan perusahaan berbagi file musik populer Napster tidak membatasi berbagi file per se — teknologi itu hanya tumbuh dan menjadi lebih cepat, akhirnya memberi jalan bagi streaming – tetapi lebih fokus pada penerapan platform yang bertanggung jawab dari teknologi. (Bahkan melalui kebangkrutan, Napster sebenarnya berhasil mempertahankan diri sebagai merek dengan menyesuaikan cara mereka menerapkan teknologi dan dibeli untuk lebih dari $200 juta awal tahun ini.)

Intinya adalah bahwa pasar akan konsolidasi di sekitar beberapa model AI multimodal yang terpadu yang dapat dipekatkan untuk efisiensi dan disesuaikan untuk penggunaan yang berbeda. Semua pemangku kepentingan perlu memperhatikan aplikasi dan nilai bisnis yang sebenarnya yang dapat dibawa oleh AI, dan tidak kehilangan diri dalam janji model itu sendiri. Industri mengembang lebih cepat daripada menciptakan nilai. Apakah ini berakhir dalam koreksi dramatis – serupa dengan gelembung internet awal – terbuka untuk perdebatan. Namun, kejelasan sekarang berarti ketahanan kemudian.