Wawancara

Scott Ernst, CEO Vyond – Seri Wawancara

mm
Tambahkan Unite.AI ke sumber pilihan Anda di Google

Scott Ernst adalah CEO Vyond dan pemimpin teknologi kawakan dengan pengalaman lebih dari dua dekade dalam mengembangkan perusahaan SaaS, AI, data, dan teknologi pemasaran. Sebelumnya, ia menjabat sebagai CEO Uptempo, Drift, Tubular Labs, dan Macromill. Di Macromill, ia memimpin perusahaan melewati penawaran umum perdana dan berkembang menjadi pemimpin global di bidang wawasan digital. Dalam berbagai peran tersebut, ia mendorong pertumbuhan signifikan, transformasi, akuisisi strategis, dan keberhasilan perusahaan keluar dari investasi. Pada awal kariernya, ia turut membangun Compete dari perusahaan rintisan tahap awal menjadi bisnis pemasaran digital global dengan pendapatan tahunan lebih dari US$100 juta. Scott dikenal karena membangun tim berkinerja tinggi, mempertajam strategi masuk pasar, dan mengubah inovasi produk menjadi nilai jangka panjang bagi pelanggan dan pemegang saham.

Vyond membantu organisasi mengubah pengetahuan perusahaan menjadi komunikasi visual yang jelas dan menarik, serta mendorong tindakan. Platform pembuatan video berbasis AI ini memadukan pembuatan video instan, penyuntingan dengan fitur lengkap, dan kendali berstandar perusahaan untuk membantu tim mempercepat orientasi karyawan baru, menyederhanakan kepatuhan, mendukung penjualan, mengedukasi pelanggan, serta menjaga konsistensi komunikasi dalam skala besar. Selama hampir 20 tahun, Vyond telah membantu bisnis beralih dari sekadar memperoleh informasi menjadi memahaminya—dan dari pemahaman menuju hasil yang terukur. Kini, lebih dari 15.000 organisasi, termasuk 65% perusahaan dalam Fortune Global 500, mengandalkan Vyond. Sejak perusahaan ini berdiri pada 2007, para pelanggannya telah membuat lebih dari 40 juta video.

Anda berulang kali memimpin perusahaan teknologi melewati perubahan besar—mulai dari membantu Compete berkembang dari perusahaan rintisan tahap awal hingga diakuisisi, membawa Macromill melalui IPO, hingga kemudian mengarahkan ulang Drift dengan fokus pada AI sebelum diakuisisi Salesloft. Saat mengambil alih kepemimpinan Vyond di tengah perubahan teknologi besar lainnya, pelajaran apa dari pengalaman-pengalaman tersebut yang membentuk pendekatan Anda terhadap era AI?

Pola yang saya lihat dalam setiap perubahan itu adalah bahwa pergeseran teknologi jarang menjadi bagian yang tersulit. Yang sulit adalah membuat seluruh organisasi bergerak bersama setelah pergeseran itu terlihat jelas. Di Compete, pelajarannya adalah tentang disiplin: membangun pemimpin kategori dari basis yang kecil membutuhkan fokus tanpa henti pada beberapa hal yang benar-benar menggerakkan bisnis, bukan mengejar setiap peluang. Di Macromill, mengembangkan perusahaan secara global dan membawanya menjadi perusahaan terbuka mengajarkan bahwa pertumbuhan tanpa disiplin operasional pada akhirnya akan membuat perusahaan goyah…pelaporan, peramalan, dan tata kelola harus berkembang secepat bisnisnya.

Drift adalah contoh yang paling langsung berkaitan dengan situasi saat ini. Ketika ChatGPT diluncurkan, kami sudah membangun produk AI milik kami sendiri, dan naluri awal kami adalah melindunginya. Namun, kami justru mengambil keputusan yang lebih sulit: membuka diri dan mengarahkan ulang seluruh perusahaan agar berfokus pada AI generatif, karena kami yakin pasar bergerak lebih cepat daripada kemampuan kami mempertahankan keunggulan kompetitif. Itu bukan keputusan produk, melainkan keputusan kepemimpinan yang berkaitan dengan keyakinan dan ketepatan waktu.

Pelajaran yang saya bawa ke Vyond adalah bahwa dalam pergeseran platform yang sesungguhnya, perusahaan yang menang bukanlah yang paling berhati-hati ataupun paling gegabah. Pemenangnya adalah perusahaan yang dengan cepat menyelaraskan seluruh organisasi di sekitar pandangan yang jelas, lalu bertindak dengan sungguh-sungguh dan segera. Itulah proses yang sedang kami jalankan sekarang: memahami kenyataan saat ini, membangun keyakinan yang kuat tentang arah pasar, dan menggerakkan seluruh perusahaan ke arah yang sama sebelum kesempatan itu tertutup.

AI generatif telah membuat perusahaan jauh lebih mudah memproduksi konten, tetapi Anda berpendapat bahwa tantangan yang lebih besar kini adalah mengoperasionalkan pengetahuan. Apa artinya dalam praktik, dan mengapa Anda yakin bahwa pembuatan konten saja hanya menyelesaikan sebagian kecil dari masalah?

AI generatif mengatasi hambatan terbesar yang selama ini dihadapi dalam pembuatan konten: sebelumnya, pekerjaan ini membutuhkan tenaga ahli, alur kerja produksi, dan waktu pengerjaan yang cukup panjang. Kini, hampir siapa pun di organisasi dapat membuat sesuatu dalam hitungan menit. Ini benar-benar membuka banyak kemungkinan, tetapi juga berarti setiap fungsi—pemasaran, SDM, penjualan, TI, serta pembelajaran dan pengembangan (L&D)—kini membuat konten secara mandiri, sering kali berdasarkan pengetahuan yang sama, dengan alat yang berbeda-beda dan tanpa sistem pencatatan bersama.

Mengoperasionalkan pengetahuan bukan terutama soal membuat lebih banyak konten, melainkan memastikan orang dapat menemukan dan menggunakan informasi yang benar: mengetahui lokasi versi terbaru yang tepercaya, siapa pemiliknya, apakah informasi itu sudah disetujui, dan bagaimana informasi tersebut masuk ke alur kerja yang benar-benar dibutuhkan orang, seperti LMS, CRM, daftar periksa orientasi karyawan baru, dan pelacak kepatuhan. Tanpa lapisan tersebut, akan muncul apa yang saya sebut Kekacauan Komunikasi: konten dibuat berulang kali, standar merek menyimpang, tim mengulang pekerjaan yang sebenarnya sudah ada, dan tak seorang pun dapat memastikan versi mana yang benar. Banyak kekacauan ini dimulai lebih awal daripada yang disadari orang, bahkan sebelum satu aset pun dibuat, ketika belum ada yang benar-benar memastikan siapa audiensnya, apa tujuannya, atau materi sumber apa yang seharusnya menjadi landasan permintaan tersebut.

Pembuatan konten menjawab pertanyaan, “Bisakah kita membuatnya dengan cepat?”—ini memang masalah nyata yang sebagian besar telah diatasi oleh AI. Mengoperasionalkan pengetahuan menjawab pertanyaan, “Dapatkah orang yang tepat menemukan versi tepercaya yang tepat saat membutuhkannya, di alat yang sudah mereka gunakan?” Masalah kedua ini lebih besar, lebih struktural, dan masih jauh dari terselesaikan di seluruh industri. Inilah peluang nyata yang ada di hadapan kita.

Perusahaan mengumpulkan dokumen, data, ringkasan yang dihasilkan AI, dan pengetahuan institusional dalam jumlah yang sangat besar. Menurut Anda, di mana kesenjangan terbesar terjadi antara memiliki akses ke informasi tersebut dan benar-benar menyampaikannya dengan cara yang dapat dipahami dan ditindaklanjuti oleh karyawan?

Masalahnya bukan akses…sebagian besar perusahaan sudah memiliki lebih banyak informasi daripada yang mampu diproses oleh satu orang. Masalahnya adalah transformasi dan kepercayaan. Pengetahuan tersimpan dalam format padat dan statis, seperti PDF, presentasi, wiki, dan dokumen kebijakan, yang dirancang untuk disimpan dan ditelusuri, bukan untuk dipahami dengan cepat. Mengubahnya menjadi sesuatu yang benar-benar dapat diserap dan ditindaklanjuti seseorang memerlukan proses transformasi yang tidak diupayakan secara sistematis oleh sebagian besar organisasi.

Saya melihat hal ini dengan jelas dalam percakapan dengan wakil presiden teknologi pemasaran perusahaan di sebuah perusahaan teknologi Fortune 100 yang menjadi pelanggan kami. Masalahnya bukan kekurangan informasi, melainkan berbagai bagian dari organisasi yang sangat besar itu menangani masalah komunikasi yang sama secara terpisah dan dengan cara yang tidak konsisten. Akibatnya, pengetahuan yang tersedia di suatu bagian perusahaan tidak selalu sampai kepada orang-orang yang membutuhkannya dalam bentuk yang dapat mereka gunakan. Seperti yang ia katakan, di perusahaan sebesar itu, tangan kiri dan tangan kanan sama sekali tidak berkomunikasi.

Itulah kesenjangan yang sebenarnya: perusahaan memiliki banyak data, tetapi terlalu sedikit wawasan. Solusinya bukan menambah konten atau ruang penyimpanan, melainkan membangun disiplin dan, semakin penting, sistem untuk mengubah pengetahuan institusional mentah menjadi komunikasi yang jelas, visual, dan tepercaya, lalu menyalurkannya ke alur kerja tempat keputusan benar-benar dibuat.

Seiring kemampuan agen AI untuk secara mandiri mengubah pengetahuan perusahaan menjadi materi pelatihan, dukungan penjualan, komunikasi kepatuhan, atau komunikasi internal meningkat, hal apa yang harus tetap berada di bawah kendali manusia, dan di mana perusahaan dapat dengan aman membiarkan agen bekerja secara mandiri?

Aturan umum saya adalah agen sebaiknya menangani pekerjaan, sementara manusia bertanggung jawab atas penilaian, terutama dalam hal apa pun yang kesalahannya dapat menimbulkan konsekuensi nyata. Untuk pekerjaan berisiko rendah, bervolume tinggi, dan berulang—seperti membuat draf pertama, menyusun pengetahuan ke dalam format baru, menyesuaikan konten yang sudah disetujui untuk bahasa atau wilayah baru, atau memperbarui modul pelatihan ketika dokumen sumber berubah—agen dapat dan sebaiknya bekerja dengan otonomi yang besar. Pekerjaan seperti inilah yang saat ini menyita sangat banyak waktu, tetapi hanya memberikan sedikit nilai strategis.

Kendali manusia harus tetap kuat untuk konten apa pun yang mengandung risiko hukum, regulasi, keselamatan, atau merek. Dalam kasus seperti itu, manusia harus menjadi pemeriksa terakhir sebelum konten ditayangkan, dan materi sumber yang mendasarinya harus dapat ditelusuri sepenuhnya.

Kami melihat hal ini secara langsung bersama salah satu pelanggan kami di sektor pertahanan. Awalnya, tim keamanan mereka tidak bersedia menyetujui penggunaan AI dalam alur kerja mereka karena pekerjaan yang mereka lakukan sangat sensitif. Solusinya bukan memberi agen lebih banyak otonomi, melainkan membangun pengaman yang tepat: perjanjian khusus yang menjamin bahwa data mereka tidak akan pernah digunakan untuk melatih model eksternal, serta titik pemeriksaan yang jelas agar tim mereka sendiri tetap memegang kewenangan untuk menyetujui. Model inilah yang menurut saya dapat diterapkan secara lebih luas: otonomi agen meningkat seiring makin mudahnya tugas dibatalkan dan makin rendah risikonya, sedangkan kendali manusia meningkat seiring besarnya risiko terkait kepercayaan, kepatuhan, atau merek.

Tata kelola merek menjadi jauh lebih rumit ketika ribuan konten dapat dihasilkan secara otomatis. Pengamanan teknis dan organisasi apa yang dibutuhkan perusahaan untuk memastikan komunikasi yang dihasilkan AI tetap akurat, konsisten, dan selaras dengan kebijakan perusahaan?

Dari sisi teknis, pengamanan yang paling penting adalah memastikan keluaran yang dihasilkan AI berlandaskan materi sumber dan sistem merek perusahaan yang telah disetujui, alih-alih membiarkannya menghasilkan konten secara bebas. Panduan gaya, aset merek, dan batasan penyesuaian harus diterapkan oleh platform itu sendiri, bukan diserahkan kepada masing-masing pengguna untuk diingat. Artinya, logo, warna, templat, dan rekaman referensi yang disetujui harus tersedia di dalam platform itu sendiri, sehingga setiap konten yang dihasilkan menggunakan sumber yang sama, bukan versi apa pun yang kebetulan tersimpan di komputer seseorang pada minggu itu. Pengendalian versi dan jejak audit sama pentingnya: jika suatu konten dihasilkan, diedit, atau disetujui, perusahaan harus dapat melacak siapa yang memintanya, dari sumber mana konten itu berasal, dan siapa yang memberikan persetujuan. Ini juga berarti bahwa peninjau dan pemangku kepentingan, bukan hanya orang yang mengoperasikan alat tersebut, harus dapat memberikan komentar dan persetujuan dalam alur kerja yang sama. Dengan begitu, persetujuan tidak berlangsung di utas email terpisah yang justru memutus jejak audit yang sedang dibangun.

Dari sisi organisasi, pengamanan utamanya adalah kejelasan tanggung jawab. Perusahaan yang bekerja sama dengan kami dan memiliki tata kelola yang baik sudah tidak lagi membiarkan setiap tim memilih alat dan prosesnya sendiri-sendiri. Sebaliknya, mereka memperlakukan platform komunikasi seperti sistem pencatatan utama: akses diberikan secara terencana, penggunaan dipantau secara keseluruhan, dan ada fungsi tata kelola kecil yang bertanggung jawab atas standar yang menjadi acuan semua orang. Kami melihat organisasi besar secara eksplisit menilai apakah suatu platform dapat dijadikan sistem standar di seluruh perusahaan untuk alasan ini: itulah satu-satunya cara mencapai konsistensi dalam skala besar, alih-alih menghasilkan ribuan konten yang masing-masing dianggap “cukup baik” tetapi sebenarnya tidak selaras satu sama lain.

Prinsip dasarnya tetap sama seperti yang selalu diterapkan dalam tata kelola merek; hanya saja, kini penerapannya berlangsung dalam volume dan kecepatan yang jauh lebih tinggi. Karena itu, pagar pengaman harus dibangun ke dalam sistem, bukan diberlakukan setelah masalah terjadi.

Informasi yang dihalusinasi mengkhawatirkan jika muncul dalam chatbot, tetapi dampaknya bisa jauh lebih besar ketika informasi yang keliru diubah menjadi video pelatihan atau kepatuhan yang tampak berwibawa. Bagaimana seharusnya perusahaan memikirkan landasan sumber, verifikasi, dan asal-usul informasi saat komunikasi yang dihasilkan AI semakin otomatis?

Anda benar, taruhannya berbeda. Jawaban hasil halusinasi di jendela obrolan akan langsung dipertanyakan. Namun, fakta hasil halusinasi yang disisipkan dalam video kepatuhan yang dipoles dan diproduksi secara profesional tampak berwibawa, sehingga orang cenderung tidak mempertanyakannya. Padahal, justru di situlah pemeriksaan seharusnya paling ketat.

Prinsip pertama adalah memastikan landasan sumbernya: komunikasi yang dihasilkan AI harus dibatasi pada materi sumber yang benar-benar diberikan perusahaan—dokumen, kebijakan, dan data yang telah disetujui miliknya sendiri—bukan pengetahuan umum model.

Prinsip kedua adalah keterlacakan asal-usul: setiap konten yang dihasilkan harus dapat ditelusuri ke sumber spesifik yang menjadi landasannya. Dengan begitu, jika ada yang keliru, Anda dapat mengetahui persis dari mana asalnya dan memperbaikinya langsung pada sumber, bukan sekadar menambal hasil akhirnya.

Prinsip ketiga adalah verifikasi: titik pemeriksaan harus dibangun ke dalam alur kerja, bukan ditambahkan belakangan. Peninjau manusia seharusnya dapat melihat tahapan perantara, bukan hanya video akhir yang telah dipoles, karena justru polesan itulah yang membuat kesalahan lebih sulit diketahui. Dalam praktiknya, ini berarti meninjau kerangka lengkap atau potongan draf adegan demi adegan sebelum memutuskan membuat hasil akhir yang lebih mahal, sehingga fakta yang keliru atau klaim yang tidak sesuai dengan merek dapat diketahui saat masih murah dan mudah diperbaiki. Perusahaan memang patut berhati-hati dalam hal ini. Karena itu, platform yang mendapatkan kepercayaan perusahaan bukanlah yang paling cepat, melainkan yang menjadikan landasan sumber, keterlacakan, dan peninjauan sebagai bagian mendasar dari cara kerja sistem, bukan pengaturan opsional

Lapisan keempat adalah evaluasi berkelanjutan, bukan sekadar peninjauan akhir. Dalam sistem berbasis agen, memeriksa video yang sudah selesai saja tidak cukup. Kami ingin mengetahui bagaimana agen sampai pada hasil tersebut. Kami terus memantau keluaran agen dan keputusan yang diambilnya selama proses berlangsung, serta memeriksa apakah semuanya tetap selaras dengan dokumen sumber, basis pengetahuan, dan tujuan awal pelanggan. Dengan begitu, kami dapat mendeteksi penyimpangan atau keluaran yang kualitasnya menurun saat video masih dibuat, alih-alih baru mengetahui masalah setelah video selesai.

Sistem AI semakin terhubung langsung dengan basis pengetahuan dan alur kerja bisnis perusahaan. Apakah Anda memperkirakan generasi berikutnya dari platform komunikasi akan menjadi antarmuka antara data perusahaan, agen AI, dan karyawan, bukan sekadar alat untuk membuat konten?

Ya, dan menurut saya pergeseran itu sudah berlangsung. Pembuatan konten adalah masalah pertama dan paling jelas yang perlu diatasi AI karena itulah hambatan yang paling terlihat. Namun, setelah proses pembuatan tak lagi menjadi kendala, posisi yang lebih bernilai adalah di antara pengetahuan perusahaan—CRM, LMS, sistem kebijakan, wiki internal—dan orang-orang yang perlu memahami pengetahuan tersebut dalam bentuk yang benar-benar dapat mereka gunakan.

Peran itu berbeda secara mendasar dari alat pembuat konten. Alat pembuat konten menunggu seseorang mengajukan permintaan. Lapisan antarmuka berada di dalam alur kerja tempat pengetahuan sudah tersedia, memahami apa yang berubah, dan membantu menyalurkan komunikasi yang tepat kepada orang yang tepat tanpa harus menunggu seseorang memulainya setiap kali.

Kami sudah melihat tanda-tanda awal bahwa perusahaan menginginkan hal ini. Pelanggan besar semakin jarang meminta kami menjadi alat video untuk satu tim saja; mereka ingin tahu apakah kami dapat menjadi sistem standar bagi seluruh organisasi. Mengubah pengetahuan institusional menjadi komunikasi akan memungkinkan karyawan di luar tim kreatif inti—tim hukum, kepatuhan, tim regional, dan manajer lini depan—untuk ikut memberikan masukan tanpa memerlukan lisensi penuh atau harus melalui proses belajar yang panjang.

Pergeseran ini juga dipercepat oleh protokol terbuka yang mulai berkembang, seperti MCP dan A2A. MCP memberi agen AI cara yang terstandardisasi untuk mengambil konteks tepercaya dari perangkat dan sistem pencatatan resmi milik perusahaan, sedangkan A2A memungkinkan agen khusus dari berbagai platform bekerja sama. Dalam praktiknya, ini berarti platform seperti milik kami tidak perlu menguasai setiap alur kerja atau setiap bagian data perusahaan agar bermanfaat. Platform tersebut dapat terhubung ke sistem yang sudah dipercaya perusahaan, bekerja sama dengan agen lain jika sesuai, dan berfokus pada keunggulan kami: mengubah konteks itu menjadi komunikasi yang benar-benar dapat dipahami dan ditindaklanjuti orang. Itulah pergeseran dari pembuatan konten ke infrastruktur komunikasi, dan menurut saya, seluruh kategori ini akan bergerak ke arah tersebut.

Vyond telah melayani organisasi di bidang pembelajaran dan pengembangan, SDM, dukungan penjualan, kepatuhan, dan komunikasi internal. Menurut Anda, bidang mana yang akan mengalami perubahan paling signifikan berkat AI berbasis agen, dan seperti apa alur kerja di bidang tersebut setelah kemampuan agen semakin berkembang?

Saya akan menyebut kepatuhan serta pembelajaran dan pengembangan (L&D) sebagai dua bidang yang paling berpeluang untuk berubah, terutama karena saat ini keduanya paling terdampak oleh informasi yang cepat usang. Pelatihan kepatuhan biasanya dibuat sekali lalu diperbarui dalam siklus tahunan atau dua kali setahun yang lambat, padahal kebijakan, peraturan, dan risiko terus berubah. Setelah agen dapat memantau dokumen kebijakan sumber secara andal dan memahami perubahan yang terjadi, konten kepatuhan dapat beralih dari proyek produksi berkala menjadi konten yang terus diperbarui. Ini benar-benar mengurangi risiko bagi perusahaan, bukan sekadar meningkatkan efisiensi. Semakin lama, hal ini juga berarti konten itu sendiri perlu memuat catatan yang jelas dan dapat diaudit bahwa konten tersebut dibuat dengan bantuan AI, karena regulator maupun pembeli perusahaan mulai mengharapkan pengungkapan semacam itu sebagai praktik standar, bukan sekadar pemikiran belakangan.

L&D menghadapi dinamika serupa, tetapi peluangnya terletak pada personalisasi, bukan sekadar kemutakhiran: alih-alih membuat satu modul pelatihan untuk peserta didik rata-rata, agen dapat membantu menyesuaikan tempo, contoh, bahkan format dengan peran dan individu, sembari tetap berlandaskan materi sumber yang sama-sama disetujui dan standar desain pembelajaran. Bagi organisasi global, hal ini semakin mencakup bahasa dan suara, sehingga pelatihan yang sama dapat menjangkau pekerja di lantai produksi di Brasil atau tim penjualan di Jepang dalam bentuk yang benar-benar terasa lokal, bukan sekadar diberi subtitel.

Pemberdayaan penjualan dan komunikasi internal juga akan berubah, tetapi saya akan menggambarkan perubahan itu lebih sebagai peningkatan kecepatan dan relevansi daripada transformasi struktural… yaitu menyampaikan pesan yang tepat kepada tenaga penjualan atau tim yang tepat dengan lebih cepat, dalam format yang sesuai dengan cara mereka benar-benar menyerap informasi. Benang merah di semua bidang ini sama: AI agentik tidak hanya membuat setiap proses ini lebih cepat, tetapi juga memungkinkan semuanya terus diperbarui, sesuatu yang sama sekali tidak realistis jika mengandalkan siklus produksi manual seperti sekarang.

Melihat lebih jauh ke depan, jika perusahaan mampu terus-menerus mengubah pengetahuan internal menjadi komunikasi yang dipersonalisasi dan terkini bagi setiap karyawan, bagaimana hal itu dapat mengubah cara organisasi melatih karyawan, berbagi keahlian, dan pada akhirnya menjalankan operasinya?

Jika hal itu terwujud—dan saya yakin akan demikian—ritme operasional perusahaan akan berubah, bukan hanya fungsi pelatihannya. Saat ini, sebagian besar organisasi berkomunikasi secara berkala dalam bentuk kelompok: siklus kepatuhan tahunan, rapat seluruh perusahaan setiap kuartal, serta paket orientasi karyawan baru yang dibuat sekali lalu digunakan kembali selama bertahun-tahun. Pola ini muncul karena komunikasi selama ini mahal dan lambat untuk diproduksi, bukan karena mencerminkan seberapa cepat bisnis sebenarnya berubah.

Di dunia tempat pengetahuan terus diubah menjadi komunikasi yang dipersonalisasi dan terkini bagi setiap karyawan, pelatihan tidak lagi menjadi sebuah acara, melainkan aliran yang terus berlangsung dan adaptif… seseorang menerima pembaruan dalam format dan tingkat kedalaman yang sesuai dengan perannya, tepat saat informasi itu relevan, bukan berbulan-bulan kemudian dalam bentuk kiriman berkala. Keahlian tidak lagi terkunci pada individu yang kebetulan memilikinya, melainkan menjadi sesuatu yang dapat disebarkan secara sistematis oleh organisasi dan terus diperbarui.

Hasil yang terus saya pikirkan adalah waktu. Setiap menit yang saat ini dihabiskan organisasi untuk mencari informasi yang tepat, membuat ulang sesuatu yang sebenarnya sudah ada, atau memperbaiki pesan yang telanjur disampaikan dalam keadaan usang atau tidak konsisten, adalah waktu yang tidak digunakan untuk melaksanakan pekerjaan. Jika perusahaan benar-benar dapat terus-menerus dan dalam skala besar menjembatani kesenjangan antara pengetahuan dan pemahaman itu, organisasi yang lebih dahulu berhasil melakukannya bukan hanya akan berkomunikasi dengan lebih baik, tetapi juga akan bergerak lebih cepat daripada organisasi yang masih bekerja secara berkala dalam bentuk kelompok.

Terima kasih atas wawancara yang luar biasa ini. Pembaca yang ingin mengetahui lebih lanjut dapat mengunjungi Vyond. 

Antoine adalah pemimpin visioner dan mitra pendiri Unite.AI, yang didorong oleh semangat tak tergoyahkan untuk membentuk dan memajukan masa depan AI dan robotika. Sebagai pengusaha yang telah mendirikan beberapa perusahaan, ia percaya bahwa AI akan mengubah masyarakat secara mendasar seperti listrik. Ia kerap berbicara dengan antusias tentang potensi teknologi disruptif dan kecerdasan buatan umum (AGI).

Sebagai futuris, ia berdedikasi untuk menelusuri bagaimana inovasi ini akan membentuk dunia kita. Ia juga merupakan pendiri Securities.io, platform yang berfokus pada investasi dalam teknologi mutakhir yang mendefinisikan ulang masa depan dan mengubah berbagai sektor secara menyeluruh.