Di Dalam Laporan Terapan AI Georgian: Vibe Coding Muncul Sebagai Kesenjangan Bakat Menghambat Kemajuan AI

Georgian Partners, bekerja sama dengan NewtonX dan konsorsium global 11 mitra, telah merilis Laporan Benchmark AI, Applied, yang menawarkan gambaran komprehensif tentang bagaimana AI mengubah perangkat lunak B2B dan perusahaan secara global. Gelombang kedua ini yang diperluas didasarkan pada survei buta dari 612 eksekutif—dibagi rata antara pemimpin R&D dan go-to-market—di 10 negara dan 15 industri, mewakili perusahaan dengan pendapatan tahunan berkisar dari $5 juta hingga lebih dari $200 juta.

Apa yang membedakan laporan ini adalah cakupan global dan dukungan strategisnya. Mitra konsorsium termasuk Alberta Machine Intelligence Institute, AI Marketers Guild, FirstMark, GTM Partners, Untapped Ventures, Vector Institute, dan Startup Nation Central dan Grove Ventures yang berbasis di Tel Aviv, di antara lainnya. Keterlibatan mereka membantu memperluas partisipasi dan memastikan benchmark sektor-diversifikasi dan internasional.

Lebih dari sekadar ukuran adopsi, laporan ini menangkap hambatan struktural, penggunaan AI yang muncul seperti Vibe Coding, dan kurva kematangan evolusi integrasi AI. Dengan temuan yang didasarkan pada input eksekutif yang divalidasi, laporan ini menawarkan perusahaan kerangka kerja praktis untuk membandingkan di mana mereka berdiri—dan apa yang menghambat mereka.

AI Menjadi Imperatif Strategis

Kecerdasan buatan tidak lagi dianggap opsional. Laporan ini menemukan bahwa 83% dari perusahaan B2B dan perusahaan sekarang menempatkan AI di antara lima prioritas strategis teratas. Bahkan, tiga dari lima prioritas bisnis teratas yang paling dipilih terkait dengan AI, menunjukkan bagaimana AI telah menjadi bagian integral dari agenda perusahaan.

Motivasi utama untuk adopsi AI terus menjadi:

• Meningkatkan produktivitas internal
• Menciptakan keunggulan kompetitif
• Meningkatkan efisiensi biaya dan pertumbuhan pendapatan

Namun, yang berubah adalah bahwa perbedaan kompetitif sekarang telah mengalahkan penghematan biaya dan pendapatan sebagai motivator kedua. Ini menandai pergeseran dalam mentalitas: AI tidak hanya menjadi alat untuk otomatisasi—tetapi menjadi senjata untuk kepemimpinan pasar.

Vibe Coding Memasuki Arus Utama

Wawasan yang menonjol dari laporan ini adalah kemunculan cepat Vibe Coding—istilah yang merujuk pada generasi kode dan debugging otomatis menggunakan model AI. Vibe Coding telah menjadi #3 kasus penggunaan R&D yang dilaporkan dalam produksi, digunakan oleh 37% perusahaan, sementara 40% lainnya secara aktif mengujicobanya.

Tren ini tidak hanya tentang meningkatkan produktivitas pengembang. Ini juga merupakan respons langsung terhadap tantangan industri-wide: kekurangan bakat teknis AI, yang sekarang telah menjadi #1 hambatan untuk menskala AI. Empat puluh lima persen pemimpin R&D menyebutkan kesenjangan bakat sebagai kekhawatiran utama mereka—mengalahkan bahkan biaya pengembangan model yang tinggi.

Vibe Coding membantu mengisi kesenjangan itu dengan memungkinkan tim teknik yang ramping untuk mempercepat waktu pengiriman, mempercepat debugging, dan menghasilkan kode yang lebih bersih, didokumentasikan dengan lebih sedikit overhead. Responden mencatat pengurangan upaya manual yang signifikan di seluruh alur kerja QA, infrastruktur, dan penerapan.

Peningkatan Produktivitas AI—dan Batasannya

Penggunaan AI di seluruh pipa pengembangan menunjukkan manfaat yang jelas. Menurut laporan, 70% responden R&D melaporkan kecepatan pengembangan yang lebih cepat, 63% melihat kualitas kode dan dokumentasi yang lebih baik, dan lebih dari setengahnya telah meningkatkan frekuensi penerapan.

Namun, tidak semua metrik telah membaik. Area seperti waktu rata-rata untuk memulihkan, waktu siklus, dan tingkat kegagalan perubahan tetap menjadi titik lemah. Ini menunjukkan bahwa meskipun AI mempercepat bagian depan pengembangan, stabilitas dan ketahanan masih bergantung pada manusia untuk saat ini.

Peningkatan Infrastruktur Mendukung Tumpukan AI

Mendukung peningkatan ini adalah pergeseran dramatis dalam investasi infrastruktur. Tim yang didorong AI mengadopsi tooling baru untuk beralih dari eksperimen ke produksi:

• Platform observabilitas LLM telah diintegrasikan oleh 53% perusahaan
• Alat orkestrasi data seperti Dagster dan Airflow sekarang digunakan oleh 51%
• Basis data vektor, cron job, dan mesin alur kerja yang tahan lama sedang diterapkan untuk mendukung skala dan keandalan

Sementara itu, perusahaan mengumpulkan lebih banyak data daripada sebelumnya untuk memasok model mereka. Penggunaan data milik meningkat 12 poin persentase menjadi 94%, sementara penggunaan data publik meningkat menjadi 80%. Data sintetis dan gelap—yang sebelumnya merupakan sumber pinggiran—sekarang digunakan oleh lebih dari setengah dan seperempat perusahaan, masing-masing.

Adopsi LLM Diversifikasi

OpenAI tetap menjadi penyedia utama model bahasa besar, dengan 85% responden menggunakan modelnya dalam produksi. Namun, lanskapnya berkembang dengan cepat:

• Google Gemini mengalami lonjakan 17 poin, sekarang digunakan oleh 41%
• Anthropic Claude naik menjadi 31%
• Keluarga Llama 3 Meta mendapatkan traksi dengan adopsi 28%
• Model spesifik penalaran seperti o1-mini OpenAI (35%) dan DeepSeek (18%) juga memasuki produksi

Perubahan ini mencerminkan pergeseran menuju tumpukan AI multi-model, di mana organisasi mencocokkan model dengan kasus penggunaan daripada mengandalkan ekosistem vendor tunggal.

Peningkatan Kematangan AI Tidak Merata

Georgian membagi perusahaan dengan menggunakan model kematangan AI Crawl, Walk, Run. Meskipun lebih banyak organisasi yang maju dari tingkat pemula ke tingkat menengah, tingkat kematangan tertinggi tetap tidak terjangkau:

• “Pengguna” turun menjadi 40%, turun dari 49%
• “Pelari” naik menjadi 31%, menunjukkan momentum yang tumbuh
• “Pelari” tetap stagnan pada 11%, menunjukkan batas dalam skala

Perusahaan yang mencapai tahap “Pelari” cenderung menjadi mereka yang menghubungkan proyek AI langsung ke hasil pendapatan atau biaya—kemampuan yang masih belum berkembang di seluruh industri.

ROI Tetap Eksklusif

Salah satu tantangan paling persisten yang diidentifikasi dalam laporan adalah kurangnya pengukuran ROI yang jelas. Lebih dari setengah tim R&D mengakui bahwa mereka tidak menghubungkan proyek AI dengan KPI konkrit apa pun. Hanya 25% secara langsung menghubungkan inisiatif AI dengan pendapatan baru, dan hanya 24% melaporkan dampak positif pada biaya akuisisi pelanggan.

Namun, optimisme masih bertahan. Lebih dari 50% responden mengatakan AI telah meningkatkan kepuasan pelanggan dan nilai jangka panjang. Tetapi kesan keseluruhan adalah bahwa justifikasi keuangan AI masih kabur, terutama pada tingkat kematangan menengah.

Manajemen Biaya Meningkat

Sementara bakat tetap menjadi hambatan terbesar, biaya perlahan-lahan menjadi lebih terkelola. Laporan ini menunjukkan:

• Perubahan 9 poin menuju biaya penyimpanan data yang stabil atau berkurang
• Biaya yang menurun dalam perawatan perangkat lunak, tenaga kerja, dan operasi
• Ketergantungan yang berkurang pada langkah-langkah penghematan biaya seperti pembatasan proyek

Selain itu, 68% perusahaan sekarang mengandalkan solusi AI pihak ketiga untuk mengelola biaya dan kompleksitas, terutama karena AI menjadi terintegrasi dalam perangkat lunak GTM dan platform internal.

Melihat ke Depan

Implikasi dari data benchmark ini meluas jauh melampaui dashboard dan ruang rapat. Ketika AI menjadi sentral dalam cara perangkat lunak dibangun, diterapkan, dan dipelihara, industri memasuki fase baru—di mana produktivitas tidak lagi hanya tentang orang, tetapi tentang bagaimana tim dapat memperkuat diri dengan mitra mesin.

Vibe Coding mewakili titik balik. Ini bukan hanya alat produktivitas; ini menjadi lapisan dasar pengembangan perangkat lunak modern. Untuk perusahaan yang menghadapi kekurangan bakat yang persisten, Vibe Coding menawarkan cara untuk membuka throughput, mengurangi waktu ke pasar, dan meningkatkan kualitas kode tanpa menskala headcount dengan tingkat yang sama. Dan untuk mereka yang lebih jauh di sepanjang kurva kematangan, Vibe Coding menciptakan tulang punggung untuk alur kerja rekayasa AI-asli—yang dapat diskalakan dengan observabilitas, keandalan, dan dampak bisnis yang terukur.

Pesan yang lebih luas adalah jelas: perusahaan yang sukses tidak hanya akan menggunakan AI—mereka akan mengoperasikan, mengintegrasikan, dan berkembang dengannya. Di era baru ini, otomatisasi bukan tentang menggantikan pengembang. Ini tentang memperkuat mereka.

Mereka yang memperlakukan Vibe Coding dan infrastruktur pendukungnya sebagai investasi strategis—bukan eksperimen—akan mendefinisikan gelombang berikutnya dari inovasi perusahaan.