Pada artikel saya sebelumnya yang mengulas buku The Mom Test, kita belajar satu pelajaran penting.
Jangan membangun sesuatu hanya karena orang mengatakan ide kita bagus.
Bangunlah sesuatu yang memang lahir dari masalah nyata.
Setelah Menemukan Masalah yang Benar, Kita Tetap Harus Memilih
Tetapi muncul pertanyaan berikutnya.
Bagaimana jika kita sudah menemukan masalah yang benar-benar nyata?
Lalu ada sepuluh solusi yang sama-sama masuk akal. Mana yang dipilih?
Haruskah menggunakan Claude atau Gemini?
Apakah cukup menggunakan RAG (Retrieval-Augmented Generation) atau perlu melakukan fine-tuning?
Lebih baik memakai API model atau menjalankan local LLM?
Perlu langsung membangun LangGraph state machine, atau cukup memakai prompt chaining sederhana?
Semua pertanyaan itu tidak memiliki jawaban mutlak.
Di sinilah banyak engineer mulai tersiksa.
Karena sejak kecil kita dibiasakan bahwa setiap soal pasti memiliki satu jawaban yang benar.
Dua tambah dua adalah empat.
Tidak pernah lima.
Tidak pernah tiga.
Namun, dunia bisnis, investasi, dan teknologi tidak bekerja seperti itu.
Semua keputusan hanyalah probabilitas.
Semua keputusan adalah “taruhan”.
Jangan Menilai Keputusan Hanya dari Hasilnya
Buku selanjutnya yang kita obrolin adalah Thinking in Bets, karya Annie Duke.
Yang menarik, Annie Duke bukan ilmuwan komputer. Ia adalah mantan pemain poker profesional.
Mengapa buku tentang poker justru penting untuk engineer AI?
Karena poker mengajarkan sesuatu yang jarang diajarkan di sekolah.
Keputusan yang benar tidak selalu menghasilkan hasil yang baik.
Dan sebaliknya…
Keputusan yang buruk kadang menghasilkan hasil yang baik.
Inilah yang disebut Annie Duke sebagai resulting.
Resulting adalah kebiasaan menilai kualitas keputusan hanya dari hasil akhirnya.
Sekilas terdengar masuk akal. Padahal justru sangat berbahaya.
Bayangkan dua orang.
Keputusan Buruk Bisa Menghasilkan Hasil Baik
Orang pertama mengendarai mobil sambil mabuk. Ia menerobos lampu merah.
Beruntung. Tidak terjadi kecelakaan.
Apakah keputusan itu benar?
Tentu tidak.
Keputusan Baik Bisa Menghasilkan Hasil Buruk
Sekarang orang kedua.
Ia mengemudi pelan. Memakai sabuk pengaman.
Mematuhi semua aturan.
Tiba-tiba sebuah truk kehilangan kendali dan menabraknya.
Apakah ia mengambil keputusan yang buruk?
Juga tidak.
Hasil akhirnya memang buruk. Tetapi proses pengambilan keputusannya benar.
Sayangnya, manusia sangat mudah tertipu oleh hasil.
Kalau proyek sukses…
“Kita memang pintar.”
Kalau proyek gagal…
“Strateginya pasti salah.”
Padahal belum tentu.
Kadang kita hanya sedang beruntung. Kadang kita hanya sedang sial.
AI Adalah Dunia Probabilitas, Bukan Dunia Kepastian
Kalau ada satu industri yang paling menggambarkan isi buku ini, mungkin itulah AI.
Tidak ada seorang pun yang tahu pasti. Bahkan CEO perusahaan AI terbesar sekalipun.
Teknologi yang Benar Hari Ini Bisa Salah Besok
Setahun lalu, banyak orang yakin bahwa prompt engineering akan menjadi keterampilan utama selama bertahun-tahun.
Hari ini? Perannya mulai bergeser.
Banyak pekerjaan itu sudah diambil alih oleh agent yang bisa berpikir beberapa langkah sekaligus.
Beberapa tahun lalu, orang menganggap fine-tuning adalah jawaban untuk hampir semua masalah.
Hari ini, banyak kasus justru lebih efektif menggunakan RAG.
Besok?
Bisa jadi muncul pendekatan baru lagi.
Semua keputusan teknologi adalah taruhan.
Bukan kepastian.
Terlalu Lama Mencari Teknologi yang Sempurna Juga Sebuah Keputusan
Saya sering melihat perusahaan menghabiskan waktu berbulan-bulan hanya untuk mencari teknologi yang “sempurna.”
Meeting demi meeting. Diskusi demi diskusi.
Perbandingan demi perbandingan.
Akhirnya…Tidak ada yang dibangun.
Padahal pesaingnya sudah meluncurkan versi pertama, belajar dari pengguna, lalu memperbaikinya.
Dalam dunia yang berubah sangat cepat, sering kali keputusan yang cukup baik hari ini lebih bernilai daripada keputusan sempurna yang datang enam bulan terlambat.
Berpikirlah Seperti Investor, Bukan Peramal
Annie Duke mengajak kita mengubah cara berpikir.
Jangan bertanya, “Mana keputusan yang pasti benar?”
Karena pertanyaan itu mustahil dijawab.
Tanyakan, “Dengan informasi yang saya miliki hari ini, keputusan mana yang memiliki peluang terbaik?”
Perbedaannya sangat besar.
Bukan “Mana yang Pasti Benar?”, tetapi “Mana yang Peluangnya Paling Besar?”
Investor profesional tidak pernah berkata, “Saya pasti untung.”
Mereka berkata, “Dengan data yang saya punya, peluang saya menang sekitar 70%.”
Masih ada kemungkinan kalah.
Tetapi mereka menerima kenyataan itu.
Begitu pula seorang CEO.
Begitu pula seorang engineer.
Begitu pula seorang founder startup.
Tidak ada roadmap yang dijamin berhasil.
Yang ada hanyalah keputusan dengan probabilitas terbaik berdasarkan informasi yang tersedia saat itu.
Jangan Tunggu Gagal untuk Bertanya: “Apa yang Bisa Salah?”
Salah satu konsep favorit saya dari buku ini adalah pre-mortem.
Kita sering melakukan post-mortem.
Produk gagal.
Baru semua orang berkumpul.
“Mengapa bisa begini?”
Masalahnya, nasi sudah menjadi bubur.
Pre-Mortem: Bayangkan Proyek Ini Gagal
Pre-mortem membalik urutannya.
Sebelum proyek dimulai, bayangkan proyek itu gagal total.
Lalu tanyakan, “Apa saja yang mungkin menyebabkan kegagalan itu?”
Misalnya, tim Anda sedang membuat AI Customer Service.
Sebelum satu baris kode ditulis, lakukan simulasi.
Bayangkan enam bulan lagi proyek ini gagal.
Mengapa?
Mungkin datanya kotor.
Mungkin pelanggan tidak percaya pada jawaban AI.
Mungkin biaya token terlalu mahal.
Mungkin integrasi dengan sistem lama terlalu rumit.
Mungkin tim tidak memiliki orang yang mampu memeliharanya.
Daftar seperti ini sering kali jauh lebih berharga daripada daftar fitur.
Karena sebagian besar proyek gagal bukan karena teknologinya kurang canggih.
Melainkan karena masalah yang sebenarnya sudah bisa diprediksi sejak awal.
Dalam Rapat, Jangan Cari Orang yang Setuju. Cari Kebenaran
Truth-Seeking Learning Pod: Tim Kecil yang Lebih Mencintai Kebenaran daripada Kenyamanan
Konsep lain yang menarik adalah truth-seeking learning pod.
Namanya terdengar rumit.
Prinsipnya sederhana.
Milikilah sekelompok kecil orang yang lebih mencintai kebenaran daripada menjaga perasaan.
Sulit?
Banget.
Karena kebanyakan rapat justru kebalikannya.
Semua orang berusaha terlihat kompak.
Tidak enak berbeda pendapat.
Tidak ingin membuat atasan tersinggung.
Akibatnya, keputusan buruk lolos tanpa tantangan.
Saya teringat salah satu kebiasaan yang cukup sering saya lakukan di perusahaan.
Kalau semua orang langsung setuju terhadap satu ide besar, justru saya mulai curiga.
Bukan karena idenya pasti salah. Tetapi karena mungkin belum cukup diuji.
Keputusan yang baik biasanya lahir dari argumen yang sehat.
Bukan dari ruangan yang terlalu sepi.
Kadang Keputusan Terbaik adalah Mengakui bahwa Kita Salah
Ada satu pelajaran yang menurut saya paling penting dari Thinking in Bets.
Bukan soal probabilitas, dan bukan tentang poker.
Melainkan soal ego.
Sebagian besar orang tidak takut salah.
Mereka takut terlihat salah.
Akibatnya mereka mempertahankan keputusan yang sebenarnya sudah tidak relevan.
Mereka terus menginvestasikan waktu, uang, dan tenaga hanya karena merasa sudah terlalu jauh untuk berbalik arah.
Jangan Biarkan Ego Mengubah Keputusan Menjadi Sunk Cost
Dalam dunia startup, fenomena ini sering disebut sunk cost fallacy.
Karena sudah keluar miliaran rupiah, maka proyek harus diteruskan.
Padahal yang seharusnya dipertanyakan bukanlah berapa banyak biaya yang sudah dikeluarkan.
Melainkan apakah proyek itu masih layak dilanjutkan.
AI bergerak terlalu cepat untuk memberi ruang bagi ego.
Berhenti Bukan Selalu Berarti Gagal
Kadang keputusan terbaik bukan melanjutkan.
Tetapi menghentikan.
Bukan karena kita gagal.
Melainkan karena kita belajar lebih cepat daripada perubahan yang terjadi di depan kita.
Di Era AI, Keunggulan Bukan Selalu Tentang Menjadi Benar
Jika The Mom Test mengajarkan kita memilih masalah yang layak diselesaikan…
Maka Thinking in Bets mengajarkan cara memilih keputusan yang layak diambil.
Keduanya saling melengkapi.
Yang pertama membuat kita berhenti membangun produk yang tidak dibutuhkan.
Yang kedua membuat kita berhenti menunggu kepastian yang tidak akan pernah datang.
Karena di era AI, keunggulan bukan lagi dimiliki oleh orang yang selalu benar.
Keunggulan justru dimiliki oleh orang yang mampu mengambil “taruhan” terbaik, lalu cukup rendah hati untuk mengubah “taruhannya” ketika fakta baru mulai berbicara.
Terima kasih sudah membaca. Semoga bermanfaat.
