| Istilah | Arti |
|---|---|
| AI automation | Jasa membangun sistem yang membuat pekerjaan bisnis dijalankan AI secara otomatis tanpa dikerjakan manusia satu per satu. |
| automation bench | Benchmark yang mengukur seberapa baik agen AI menjalankan tugas otomasi bisnis, dan menurut video ini skornya cepat mendekati maksimum. |
| GDP eval | Benchmark GDPval yang skornya naik dari nol menjadi sekitar 50 sampai 60 persen dalam kurang dari enam bulan, menurut video ini. |
| knowledge asymmetry | Selisih pengetahuan antara penyedia jasa dan pelanggan tentang kemampuan AI, yang dulu menjadi sumber keuntungan dan kini makin menyempit. |
| upskilling | Meningkatkan kemampuan tim atau pelanggan agar mampu menjalankan sistem AI sendiri, misalnya lewat workshop dan pelatihan. |
| business model | Cara sebuah usaha menghasilkan uang dari jasanya, yang menurut Saraev harus terus diperbarui agar tidak mundur. |
| benchmarks | Tes standar untuk mengukur dan membandingkan kemampuan model AI, yang menurut video ini makin cepat mencapai skor maksimum. |
| industry | Kelompok usaha sejenis yang bersaing di bidang yang sama, dan dalam video ini dibahas bagaimana industri otomasi akan berubah. |
| economy | Keseluruhan aktivitas produksi dan belanja suatu negara atau dunia, yang menurut video ini akan makin digerakkan oleh mesin. |
| workshop | Sesi pelatihan langsung untuk tim klien agar mampu memakai AI, dan menurut Saraev permintaannya sedang naik. |
| labor | Tenaga kerja manusia yang dipakai untuk mengerjakan pekerjaan, yang menurut video ini makin banyak diambil alih AI. |
| automated away | Kondisi ketika sebuah pekerjaan sepenuhnya diambil alih oleh otomasi, yang menjadi kekhawatiran utama dalam video ini. |
Nick Saraev, yang mengaku telah menghasilkan hampir 10 juta dolar dari otomasi AI, berpendapat bahwa bisnis otomasi AI tidak akan bertahan selamanya. Ia membuat video ini karena dua alasan. Pertama, benchmark seperti Automation Bench dan GDPval yang awalnya nol kini sudah dicapai model di kisaran 50 sampai 60 persen, dan ia memperkirakan skornya bisa mencapai 100 persen antara Desember dan Maret. Kedua, knowledge asymmetry, yaitu selisih pengetahuan antara penyedia jasa dan pelanggan tentang kemampuan AI, sedang menyempit. Pertanyaan utama video ini adalah apakah bisnis otomasi AI masih layak dimasuki di 2027. Jawabannya ya, karena hampir semua pekerjaan kantor juga sedang diubah AI, dan industri yang menggantikan tenaga kerja dinilai paling tahan lama.
Saraev memprediksi bahwa pada paruh pertama 2027 banyak pemilik bisnis akan sadar bahwa AI jauh lebih mampu, sehingga permintaan akan orang yang bisa membantu penerapannya naik. Peran penyedia jasa akan bergeser dari membangun integrasi menjadi memberi arahan strategis, workshop, dan pelatihan tim. Alat seperti make.com, Zapier, n8n, dan Power Automate diperkirakan makin ditinggalkan, sementara output yang lebih kaya seperti video dan visualisasi 3D dianggap makin bernilai. Ia juga menyarankan agar fokus pada penjualan dan pemasaran, karena kemampuan teknis kini bisa ditiru agen AI. Di akhir video ia mengaku tidak tahu pasti kondisi setelah 2027 dan mempromosikan program Maker School miliknya, yang menjanjikan pelanggan pertama dalam 90 hari atau uang kembali.
Kata kunci
- automation bench
- GDP eval
- knowledge asymmetry
- upskilling
- Berargumen blak-blakan bahwa AI automation tidak akan bertahan selamanya, oleh pelaku yang mengaku meraup hampir 10 juta dolar dari industri ini.
- Menjadikan benchmark seperti automation bench dan GDP eval sebagai bukti bahwa model cepat membaik, sehingga layanan bergeser dari implementasi AI ke upskilling dan pengajaran.
- Menekankan knowledge asymmetry dan bahwa mengurangi tenaga kerja manusia lebih baik daripada berada di industri yang diotomatisasi.
Tulis catatan pribadimu untuk video ini. Catatan tersimpan di akunmu dan bisa dibuka dari perangkat mana pun.