Nadella Bilang Pilihan Model Kamu Tidak Penting. Inilah yang Sebenarnya Penting.

Setiap percakapan AI perusahaan pada akhirnya bermuara pada perdebatan yang sama: GPT-4o atau Claude? Gemini atau Llama? Model mana yang unggul di benchmark? Satya Nadella, berbicara di Pertemuan Tahunan Madrona pada 18 Maret 2025, ingin mengatakan sesuatu tentang mengapa perdebatan itu sebagian besar hanya pengalihan perhatian.

Pernyataan yang Seharusnya Mengubah Cara Pandangmu dalam Rapat Pengadaan

Argumen inti Nadella, sebagaimana dilaporkan oleh Madrona dan dibahas dalam analisis Firstpost, adalah bahwa keunggulan kompetitif di era AI tidak terletak pada model fondasi mana yang dilisensikan oleh sebuah organisasi. Keunggulan itu terletak pada loop: siklus berkelanjutan di mana keahlian manusia dalam suatu organisasi dan output yang dihasilkan AI saling mengisi, saling memperkuat, dan terus berkembang dari waktu ke waktu.

Firstpost menggambarkan ini sebagai kerangka berpikir Nadella tentang "modal manusia" dan "modal token" yang beroperasi di dalam sebuah learning loop, di mana keduanya kini saling terkait erat. Implikasinya cukup mengusik bagi siapa pun yang telah menghabiskan enam bulan mengevaluasi model: jika setiap organisasi dapat mengakses model frontier yang sama melalui API, maka model itu sendiri tidak bisa menjadi pembeda yang bertahan lama. Sistem di sekitar model itulah tempat keunggulan kompetitif dibangun.

Ini bukan pengamatan baru dalam dunia ML akademis — feedback loop dan continual learning sudah lama menjadi topik penelitian — namun pernyataan ini menjadi sangat tajam ketika diucapkan oleh CEO perusahaan yang bernilai sekitar 3 triliun dolar, menurut liputan Madrona atas acara yang sama. Ketika orang yang menjual layanan Azure AI kepadamu mengatakan bahwa model adalah komoditas, kamu sebaiknya mendengarkan kelanjutan kalimatnya.

Seperti Apa Learning Loop dalam Praktik Nyata

Tanpa kemasan branding, learning loop adalah pola arsitektur yang spesifik, bukan sekadar poster motivasi. Menurut liputan Firstpost tentang kerangka berpikir Nadella, strukturnya kurang lebih bekerja seperti ini: sebuah organisasi membawa keahlian domain unik dan data proprietary-nya ke dalam sistem AI; sistem menghasilkan output; manusia mengevaluasi, mengoreksi, dan menerapkan output tersebut; dan sinyal yang dihasilkan mengalir kembali untuk menyempurnakan iterasi sistem berikutnya.

Setiap siklus memperbesar keunggulan organisasi karena data feedback tersebut, pada hakikatnya, adalah sesuatu yang tidak bisa direplikasi oleh kompetitor mana pun dari benchmark publik. Nadella memperkuat hal ini di Pertemuan Tahunan Madrona dengan berargumen bahwa perusahaan, bukan hanya negara, harus membangun kemampuan AI mereka sendiri, dan bahwa organisasi yang paling siap untuk berkembang adalah yang mampu memanfaatkan keahlian unik mereka di dalam sistem cerdas.

Klausa terakhir itulah yang menanggung beban terbesar. "Keahlian unik di dalam sistem cerdas" adalah deskripsi tentang data flywheel, bukan keputusan pengadaan. Kamu tidak membeli keunggulan; kamu membangunnya, secara iteratif, dari dalam ke luar.

Mengapa Budaya Adalah Bagian dari Arsitektur

Di sinilah argumen Nadella menjadi benar-benar menarik bagi para pembangun, dan di sinilah ia menyimpang dari ceramah desain sistem pada umumnya. Di Pertemuan Tahunan Madrona, ia secara eksplisit menyatakan bahwa misi dan budaya mendefinisikan strategi, menempatkan perilaku organisasi di atas keputusan teknis. Itu bukan sekadar isian buku kepemimpinan.

Dalam konteks learning loop, pernyataan itu memiliki makna yang tepat: sebuah loop hanya akan terus berkembang jika manusia dalam organisasi benar-benar menutupnya. Jika sinyal koreksi tidak pernah kembali ke dalam sistem karena tim terisolasi, insentif tidak selaras, atau tidak ada yang bertanggung jawab atas pipeline feedback, kamu tidak memiliki learning loop. Yang kamu miliki hanyalah alat autocomplete yang sangat mahal.

Hal ini terhubung dengan tema yang selalu dikembalikan oleh Nadella, termasuk penekanannya yang sudah lama pada membangun budaya "learn-it-all" daripada "know-it-all" — sebuah kerangka berpikir yang telah dibahas secara mendalam oleh Next Big Idea Club. Postur organisasi dan arsitektur teknis bukanlah dua hal yang terpisah. Keduanya adalah satu keprihatinan yang sama, yang diungkapkan dalam kosakata yang berbeda.

Apa Artinya Ini bagi Siapa Saja yang Membangun atau Mengevaluasi Sistem AI

Jika kamu adalah seorang ML engineer, product manager, atau technical lead yang sedang memikirkan AI perusahaan saat ini, kerangka berpikir Nadella menyarankan audit spesifik yang harus kamu jalankan pada setiap inisiatif AI. Tanyakan: ke mana feedback itu pergi? Bukan feedback survei kepuasan pengguna, melainkan sinyal substantif tentang kapan sistem salah, kapan sistem benar dengan cara yang mengejutkan manusia, dan kapan pakar domain harus mengambil alih.

Jika jawabannya adalah "tidak ke mana-mana secara terstruktur," loop tersebut rusak, dan tidak ada peningkatan model sebanyak apa pun yang akan memperbaikinya. Nadella di Madrona juga berargumen bahwa AI masih dalam tahap awal, yang terdengar menenangkan atau mengkhawatirkan tergantung pada kecepatan sprint-mu saat ini. Bagaimanapun, tahap awal berarti keunggulan kompounding dari arsitektur feedback yang dirancang dengan baik masih tersedia bagi organisasi yang bergerak dengan penuh pertimbangan.

Organisasi yang saling membandingkan benchmark model sedang bersaing pada dimensi yang akan menjadi komoditas. Mereka yang diam-diam menginstrumentasi siklus koreksi manusia-AI mereka sedang membangun sesuatu yang tidak bisa diunduh dari Hugging Face.

Langkah praktis berikutnya bagi para pelajar: sebelum mengevaluasi model berikutnya, petakan pipeline feedback-mu saat ini. Jika kamu tidak bisa menggambarnya di papan tulis dalam waktu kurang dari lima menit, kamu telah menemukan masalah yang sesungguhnya. Model yang kamu pilih adalah bagian yang mudah.