AI 對新創公司的影響，已經不只是讓工程師寫程式更快、讓客服流程自動化，或是在既有產品裡加上一個 Copilot。YC 合夥人 Diana 近日指出，真正的變化在於，AI 正在改寫「一間公司應該如何從零開始被建立」。對早期創辦人而言，AI 不該只是公司偶爾使用的效率工具，而應該從第一天開始，就被設計成整間公司的作業系統。
Dari perspektif produktivitas, hal ini sudah ketinggalan zaman; AI sedang mengubah titik awal desain perusahaan
Diana berpendapat, saat ini pasar masih terlalu sering membicarakan AI dalam kerangka “peningkatan produktivitas”, misalnya insinyur bisa menulis kode lebih cepat, tim bisa mengotomatisasi lebih banyak proses, perusahaan bisa meluncurkan lebih banyak fitur. Namun penjelasan itu sebenarnya meremehkan perubahan struktural yang dibawa AI. Ia menegaskan bahwa, dengan kombinasi alat AI dan orang yang tepat, sekarang orang dapat membangun fitur yang sebelumnya membutuhkan seluruh tim untuk menyelesaikannya, bahkan bisa mengembangkan produk yang sebelumnya pada dasarnya tidak mungkin dibuat.
Oleh karena itu, pertanyaan yang sebenarnya harus diajukan oleh pendiri bukanlah “proses apa dalam perusahaan yang bisa ditambahkan AI”, melainkan “jika hari ini memulai membangun perusahaan dari nol, pekerjaan apa yang seharusnya tidak lagi ditangani manusia secara berlapis-lapis?”
Inilah inti dari apa yang disebut perusahaan AI-native. Diana mengatakan, AI tidak boleh diletakkan di luar proses perusahaan, seperti plugin yang meningkatkan efisiensi departemen tertentu; sebaliknya, setiap alur kerja perusahaan, setiap keputusan, dan setiap tindakan penting harus mengalir melalui lapisan sistem cerdas yang terus belajar dan melakukan perbaikan.
Dengan kata lain, perusahaan rintisan di masa depan tidak akan membangun bagan organisasi, departemen, alur rapat, dan sistem manajemen terlebih dulu, lalu baru mengintegrasikan AI, melainkan sejak hari pertama perusahaan didirikan, perusahaan didesain menjadi sistem yang dapat dipahami, ditelusuri, dianalisis, dan diperbaiki sendiri oleh AI.
Langkah pertama: ubah seluruh perusahaan menjadi pusat cerdas yang dapat ditanyakan oleh AI
Dalam kerangka ini, langkah pertama membangun perusahaan adalah membuat seluruh organisasi menjadi “dapat ditanyakan”. Di perusahaan tradisional, informasi sering tersebar di rapat, pesan pribadi, email, dokumen, CRM, GitHub, sistem layanan pelanggan, dan di kepala para atasan.
Ini akan membuat perusahaan menjadi sistem terbuka: pendiri membuat keputusan, tim mengeksekusi tugas, tetapi apakah hasilnya efektif, masalahnya ada di mana, dan langkah berikutnya harus bagaimana, sering kali bergantung pada pelaporan manual dan interpretasi atasan. Diana berpendapat, pola seperti ini secara alami akan menyebabkan hilangnya arus informasi dan juga memperlambat kecepatan perusahaan.
Perusahaan AI-native justru harus beralih ke sistem tertutup. Setiap rapat, setiap tiket kerja, setiap umpan balik pelanggan, setiap keputusan produk, setiap panggilan penjualan, dan setiap putaran penyerahan/serah-terima rekayasa harus menghasilkan catatan yang dapat dibaca AI, lalu mengalir kembali ke lapisan kecerdasan perusahaan.
Diana menyarankan, perusahaan rintisan harus merekam rapat-rapat penting, menggunakan alat pencatat catatan berbasis AI, mengurangi informasi yang tersimpan di DM dan email, serta menanamkan Agent di Slack, Linear, GitHub, Notion, Google Docs, alat layanan pelanggan, panggilan penjualan, dan data operasional. Perusahaan yang benar-benar ingin dibangun bukanlah kumpulan alat yang tersebar, melainkan sebuah pusat cerdas yang dapat menjawab secara instan “apa yang sebenarnya terjadi di perusahaan saat ini”.
Contoh dari sudut pandang manajemen engineering: waktu Sprint dipangkas setengah, output mendekati 10 kali lipat
Ia menggunakan manajemen engineering sebagai contoh untuk menjelaskan: jika sebuah Agent bisa membaca tiket Linear, channel engineering di Slack, GitHub, email pelanggan, alat layanan pelanggan seperti Pylon, rencana tingkat lanjut di Notion atau Google Doc, catatan panggilan penjualan, serta catatan daily standup, maka Agent itu bukan hanya membantu merangkum hasil rapat, melainkan juga bisa menganalisis apa yang benar-benar diserahkan pada Sprint sebelumnya, apakah hasil penyerahan tersebut benar-benar memenuhi kebutuhan pelanggan, dan fitur mana yang memang selesai dikerjakan tetapi tidak menghasilkan efek yang diharapkan.
Ketika semua informasi ini bisa dihubungkan oleh AI, Agent selanjutnya dapat mengajukan rencana Sprint putaran berikutnya, sehingga perencanaan engineering menjadi lebih akurat, lebih dapat diprediksi, dan lebih selaras dengan kebutuhan pasar. Ini berarti bahwa saat perusahaan rintisan dibangun dari nol, perusahaan seharusnya tidak lebih dulu menyalin sistem manajemen engineering perusahaan besar. Di masa lalu, manajer engineering harus menghabiskan banyak waktu untuk mengumpulkan status, menyusun progres, dan melapor ke atas, karena informasi internal tidak transparan sehingga manusia terus perlu memindahkan dan menginterpretasikan.
Namun jika sejak awal perusahaan merancang semua proses kunci agar dapat ditanyakan, banyak tugas manajemen tingkat menengah tradisional akan kehilangan kebutuhan. Diana menunjukkan bahwa ia sudah melihat pendekatan serupa di banyak perusahaan YC; akibatnya, beberapa tim memangkas waktu Sprint engineering menjadi setengah, dan dalam waktu yang sama dapat mencapai output yang mendekati 10 kali lipat.
Langkah kedua: gunakan pabrik perangkat lunak AI untuk mendefinisikan ulang siapa yang menulis program
Langkah kedua adalah membangun kembali alur pengembangan produk menggunakan pabrik perangkat lunak AI. Diana berpendapat, perusahaan AI-native tidak seharusnya hanya menjadikan AI sebagai asisten penulis kode di samping insinyur, melainkan harus mendefinisikan ulang “siapa yang bertanggung jawab menulis program”.
Dalam model pengembangan produk baru, manusia terutama bertugas menulis spesifikasi dan pengujian, serta mendefinisikan standar keberhasilan; sementara AI Agent bertugas menghasilkan implementasi, menulis kode, melakukan pengujian berulang, dan perbaikan sampai hasilnya sesuai spesifikasi. Peran manusia menjadi mendefinisikan masalah, menilai hasil, dan mengkalibrasi arah, bukan menyelesaikan setiap baris kode secara langsung.
Model ini bisa dipahami sebagai tahap berikutnya dari development yang digerakkan oleh pengujian. Dulu, TDD adalah manusia menulis tes terlebih dulu, lalu manusia menulis kode agar lulus tes; sedangkan pabrik perangkat lunak AI adalah manusia menuliskan spesifikasi dan kerangka tes, sehingga Agent dapat menghasilkan kode sendiri dan melakukan iterasi.
Diana menyebutkan, beberapa perusahaan sudah mendorong pendekatan ini sampai titik ekstrem: di repositori kode hampir tidak ada kode yang ditulis manusia; implementasi didorong oleh spesifikasi, pengujian, dan validasi skenario melalui AI. Ini juga menjadi arti sebenarnya dari “engineer 1000 kali lipat”: bukan karena seorang insinyur tiba-tiba menjadi seribu kali lebih tekun daripada orang lain, melainkan karena di balik seorang insinyur ada keseluruhan sistem Agent yang memungkinkannya menyelesaikan pekerjaan yang sebelumnya hanya bisa dilakukan oleh seluruh tim.
Langkah ketiga: rancang ulang karyawan pertama, sisakan hanya tiga jenis orang
Karena itu, jika ingin membangun perusahaan dari awal dengan AI, pendiri perlu memikirkan kembali definisi karyawan pertama. Diana mengutip pandangan pendiri Block, Jack Dorsey, yang mengatakan bahwa jika perusahaan hanya menambahkan alat AI ke bagan organisasi yang lama, tetapi mempertahankan hierarki manajemen dan jalur arus informasi yang lama, maka perusahaan akan kehilangan peluang perubahan yang sebenarnya.
Ke depan, perusahaan tidak seharusnya membangun banyak “perantara manusia”, sehingga informasi berpindah berlapis-lapis antara atasan, koordinator, dan manajer proyek; sebaliknya, perusahaan harus didesain sebagai lapisan cerdas yang mengintegrasikan dan mengalirkan informasi yang ditangani oleh AI, sementara manusia berada di pinggir untuk melakukan penilaian, penciptaan, pengambilan keputusan, dan menanggung hasil. Dalam perusahaan seperti ini, peran karyawan menjadi lebih sedikit dan lebih jelas.
Jenis pertama adalah kontributor individu, yakni builder-operator: bukan hanya insinyur yang harus bisa membangun; operasi, layanan pelanggan, dan penjualan juga harus dapat memanfaatkan AI untuk membuat prototipe, proses, atau sistem otomatisasi.
Jenis kedua adalah DRI, yakni direct responsible individual (orang yang langsung bertanggung jawab). Ini bukan manajer tradisional, melainkan orang yang bertanggung jawab langsung atas hasil yang jelas: satu orang对应/menjawab satu hasil, dan tidak bisa bersembunyi di balik proses atau departemen.
Jenis ketiga adalah tipe AI founder type, yaitu pendiri sendiri harus berdiri paling depan menggunakan AI secara langsung, menunjukkan apa itu kemampuan yang diperbesar, bukan menyerahkan strategi AI kepada “penanggung jawab AI” tertentu untuk mengurusnya.
Pendiri harus memaksimalkan bukan jumlah karyawan, melainkan jumlah penggunaan token
Hal ini juga mengarah pada poin paling tidak intuitif dari perusahaan AI-native: di masa depan, pendiri mungkin harus memaksimalkan kemungkinan yang bukan jumlah karyawan, melainkan jumlah penggunaan token. Diana berpendapat, perusahaan rintisan harus bersedia menanggung tagihan API yang tinggi dan membuat tidak nyaman, karena pengeluaran tersebut menggantikan biaya tenaga kerja yang sebelumnya lebih mahal dan lebih “gendut”. Seseorang yang terampil menggunakan alat AI mungkin bisa menyelesaikan pekerjaan satu tim engineering, desain, atau operasional sepenuhnya di era sebelum AI.
Jadi, pendiri yang membangun perusahaan dari nol tidak seharusnya memandang “perekrutan cepat/menambah headcount secara agresif” sebagai simbol pertumbuhan; melainkan bertanya: pekerjaan apa yang dapat ditangani melalui Agent, closed-loop proses, dan pabrik perangkat lunak, bukan sekadar menambah satu orang lagi?
Ini sangat penting untuk perusahaan rintisan tahap awal, karena perusahaan kecil tidak memiliki beban sejarah. Perusahaan besar yang ingin bertransformasi menjadi AI-native harus, di satu sisi, mempertahankan produk yang sudah ada, dan di sisi lain, membongkar SOP, sistem manajemen, politik internal, dan tumpukan teknologi lama yang sudah bertahun-tahun menumpuk; setiap perubahan proses berpotensi merusak sistem yang tadinya masih bisa berjalan.
Perusahaan rintisan tahap awal tidak punya batasan seperti itu; sejak hari pertama mereka dapat mendesain rapat, engineering, layanan pelanggan, penjualan, rekrutmen, operasional, dan pengembangan produk semuanya menjadi struktur yang bisa dibaca AI, bisa ditanyakan, dan bisa memberikan umpan balik. Diana berpendapat, inilah keunggulan besar perusahaan rintisan dibanding perusahaan skala besar.
Ambang batas berwirausaha masa depan: mampu menggunakan AI untuk menemukan kembali perusahaan
Dengan demikian, jawaban atas “bagaimana memulai membangun perusahaan dari nol dengan AI” bukanlah memasukkan ChatGPT, Claude, Cursor, Devin, atau berbagai alat Agent ke dalam proses yang sudah ada, melainkan justru mendesain ulang perusahaan itu sendiri dari arah yang berlawanan.
Pendiri harus terlebih dahulu membangun organisasi yang dapat ditanyakan, sehingga semua informasi penting menjadi konteks yang bisa dibaca AI; lalu membangun proses closed-loop, agar keputusan, eksekusi, dan hasil terus memberi umpan balik; kemudian menggunakan pengembangan produk yang digerakkan spesifikasi dan pengujian, sehingga Agent menangani implementasi dalam jumlah besar; terakhir, membentuk tim dengan lebih sedikit namun lebih kuat builder-operator, DRI, dan AI founder type.
Pandangan Diana mengarah pada kesimpulan yang lebih radikal: perusahaan rintisan di era AI tidak akan sekadar “perusahaan yang sama, tapi lebih efisien”. Perusahaan AI-native yang sesungguhnya akan berbeda dalam segala hal mulai dari organisasi, proses, pengembangan produk, pembagian peran, hingga struktur biaya.
Ia bukan sekadar menggunakan AI agar perusahaan bisa berjalan lebih cepat, melainkan sejak awal mendesain perusahaan sebagai sistem cerdas yang bisa belajar, memberi umpan balik, dan melakukan perbaikan diri. Bagi pendiri, ini mungkin menjadi ambang batas kewirausahaan paling penting dalam beberapa tahun ke depan: bukan apakah bisa menggunakan AI, melainkan apakah mampu menggunakan AI untuk menemukan kembali perusahaan itu sendiri.
Artikel ini tentang bagaimana para partner YC berbagi cara menggunakan AI untuk membangun perusahaan dari nol; perusahaan rintisan harus menganggap AI sebagai sistem operasional, bukan alat. Paling awal muncul di 鏈新聞 ABMedia。
