Baru-baru ini, saya diundang untuk berbicara di atas panggung pada konferensi ScaleUp:AI Insight Partner pada panel yang bertajuk “Bangun vs. Beli”. Tidak mengherankan jika ini menjadi topik diskusi; Lagi pula, membangun vs. membeli adalah perdebatan besar mengenai AI yang sedang berlangsung di ruang rapat saat ini—sebuah jalan yang dapat memisahkan pemenang dan pecundang dalam dunia bisnis selama lima tahun ke depan.
Jalur “beli” melibatkan pembelian dan penerapan alat GenAI siap pakai, dan jika Anda bekerja di bidang TI perusahaan, ada banyak alasan untuk menginginkan pendekatan ini. Begitulah cara Anda siap bekerja. Anda membeli perangkat lunak, mengintegrasikannya dengan alur kerja dan sistem Anda, dan membawanya ke tim. Anda pernah mengalami hal ini sebelumnya. Anda tahu lubang seperti bagian belakang kepala Anda.
Jalur “membangun” terlihat jauh lebih menakjubkan. Anda perlu membuat alat GenAI khusus untuk organisasi Anda guna memberi Anda keunggulan kompetitif yang penting. Dan jika Anda bekerja di bidang TI di sebagian besar perusahaan pasar menengah dan perusahaan, inilah saatnya TIDAK untuk apa tim Anda dibangun. Tugas Anda bukanlah menciptakan produk internal baru; ini untuk memastikan bahwa semua perangkat lunak yang Anda beli berfungsi dengan baik.
Membangun dan meluncurkan produk baru sering kali memerlukan keahlian dan pola pikir yang sangat berbeda dalam angkatan kerja Anda. Dan Anda membangun dengan teknologi baru yang tidak dapat diprediksi dan dapat membuat Anda berhalusinasi. Hal ini membuat jalur ini menakutkan – penuh dengan bahaya tak diketahui yang dapat muncul dari balik semak-semak.
Namun dalam jangka panjang, menghindari jalur konstruksi mungkin merupakan pilihan yang paling berbahaya.
Mengapa berbelanja bukanlah jawabannya
Ayo mainkan ini. Katakanlah Anda memilih rute pengadaan dan mempersenjatai tim Anda dengan alat GenAI terbaru yang tersedia – ChatGPT Enterprise, GitHub Copilot, Copilot, Adobe Firefly, dll. Dan katakanlah Anda benar-benar melatih karyawan Anda untuk menggunakan alat-alat ini. Ada dua hal yang mungkin terjadi.
Pertama, Anda mungkin tidak akan menemukan bahwa alat ini cocok untuk kasus Anda. Penelitian Bain menemukan bahwa sebagian besar perusahaan sudah membangun aplikasi khusus dibandingkan menggunakan alat siap pakai untuk setiap kasus penggunaan AI yang signifikan. Alasannya: mereka menyadari bahwa untuk mendapatkan nilai yang mereka inginkan dari GenAI, alat yang tersedia saja tidak cukup.
Penelitian ini menyentuh hati saya. Bahkan di antara kasus penggunaan yang menurut kami dapat diselesaikan dengan alat yang tersedia—seperti pemasaran (ChatGPT, Claude) dan pengkodean (GitHub Copilot)—sebagian besar perusahaan yang berpikiran maju masih membuat alat GenAI internal mereka sendiri untuk memberikan tim mereka manfaat efisiensi dan kinerja yang mereka butuhkan.
Hal kedua yang akan terjadi adalah meskipun alat-alat siap pakai ini meningkatkan produktivitas, dua tahun kemudian Anda akan mendapati bahwa Anda terjebak tanpa keunggulan kompetitif. Ini setara dengan memiliki komputer yang terhubung ke internet di kantor Anda pada tahun 90an – sebuah keuntungan untuk waktu singkat, dan kemudian di meja.
Tidak ada keraguan bahwa alat AI yang tersedia memiliki nilai, tetapi jika Anda berhenti di situ, Anda kehilangan keajaiban AI generatif. Anda tidak membuat alat khusus yang dirancang untuk memecahkan tantangan terbesar yang dihadapi pelanggan dan karyawan Anda dan mengubah harta karun data Anda menjadi keunggulan kompetitif yang bertahan lama.
Tingkatkan penghalang bangunan
Hambatan terbesar dalam penerapan GenAI sudah jelas: 62% pemimpin perusahaan mereka bilang itu karena kurangnya bakat.
Setelah bekerja dengan lusinan perusahaan untuk mempercepat inisiatif GenAI mereka selama dua tahun terakhir, saya melihat pola yang lazim: Banyak CEO dan CIO yang salah paham tentang jenis tim yang Anda butuhkan.
Dalam membangun tim GenAI yang berkinerja tinggi, apa yang kami pelajari adalah bahwa yang terpenting bukanlah membayar satu juta dolar bagi pakar AI yang terkenal untuk melepaskan diri dari belenggu emas Silicon Valley. Ini tentang mendatangkan talenta dan membangun tim yang memiliki pola pikir pengiriman produk. Orang-orang yang mengidentifikasi prioritas dan tantangan bisnis, dan kemudian secara pragmatis menyelesaikan tantangan tersebut dengan produk dan teknologi baru.
Meskipun teknologi AI yang mendalam mungkin tampak menakutkan, Anda juga tidak perlu membangun setiap komponen GenAI dari awal—banyak dari elemen dasar tersebut sudah tersedia. Kami telah melihat peningkatan sebesar 60% dalam kontribusi sumber terbuka GenAI di GitHub pada tahun lalu saja. Salah satu hal paling menakjubkan yang saya saksikan selama setahun terakhir adalah bagaimana komunitas ahli AI kami di jaringan A.Team mampu menyusun dan mengintegrasikan elemen-elemen tersebut ke dalam rilis AI baru, sehingga mempercepat waktu untuk mendapatkan nilai bisnis yang nyata produk AI baru.
Bagi banyak organisasi yang tidak terbiasa membuat produk baru, hal ini adalah wilayah asing, namun itulah keindahan dunia yang kita tinggali saat ini. Tenaga kerja telah berubah dengan cepat, dan banyak pengembang produk AI paling berbakat yang saya kenal telah mandiri dan bersedia melengkapi tim Anda dengan pola pikir yang Anda perlukan. Lagi pula, jalan yang tidak diketahui tidak terlalu menakutkan jika Anda dikelilingi oleh tim yang tepat.
Rafael Ouzan adalah salah satu pendiri dan CEO A.Team.
