- Diterbitkan pada
Mereka memangkas staf demi membeli GPU. Lalu sistemnya rusak.
- Penulis

- Nama
- AbnAsia.org
- @steven_n_t
Listen in English · Mereka memangkas staf demi membeli GPU. Lalu sistemnya rusak.
0:00 / 0:00
Watch in English · Mereka memangkas staf demi membeli GPU. Lalu sistemnya rusak.
Serangkaian perusahaan memangkas jumlah karyawan untuk mendanai kapasitas GPU, dan sejumlah dari mereka kini mempekerjakan kembali orang-orang yang sama — tidak semuanya, tetapi mereka yang tahu bagaimana sistem sebenarnya berperilaku. Alasannya bukan sentimen. Alasannya adalah bahwa gangguan layanan merupakan masalah koordinasi, dan pengetahuan yang dibutuhkan untuk memperbaikinya sering kali tidak tertulis di mana pun. Direktur utama Anthropic mengemukakan argumen yang berlawanan untuk jangka pendek dan sebuah peringatan untuk jangka menengah.
Pertukaran itu tampak rapi di spreadsheet: kurangi jumlah karyawan, alihkan penghematannya ke komputasi. GPU adalah pos anggaran yang skalanya mengikuti rencana, sedangkan tim adalah biaya yang bisa membantah balik.
Sejumlah perusahaan yang melakukan pertukaran itu kini merekrut kembali orang-orang yang mereka lepas — tidak semua, dan sering kali tidak ke posisi yang sama, tetapi cukup banyak sehingga polanya terlihat. Alasannya bukan karena ada yang berubah pikiran tentang AI. Alasannya adalah sistem yang dijalankan tim-tim itu tidak menjadi lebih sederhana ketika tim tersebut pergi.
Apa sebenarnya gangguan layanan itu
Gangguan jarang berupa satu hal yang rusak. Ini adalah efek berantai yang dimulai dari suatu tempat dan menyebar melalui dependensi yang tidak pernah digambar dalam diagram: konfigurasi yang hanya digunakan satu region, loop retry yang berinteraksi dengan kedalaman antrean, sertifikat yang kedaluwarsa karena undangan kalender dikirim ke kotak masuk yang tidak lagi dibaca siapa pun.
Memperbaikinya dengan cepat bukan soal kecerdasan. Ini soal mengetahui mana dari empat puluh penyebab yang masuk akal yang benar-benar menjadi penyebabnya, dan pengetahuan itu biasanya tersimpan dengan cara tertentu — bukan dalam runbook, tetapi pada seseorang yang pernah melihat hal ini sebelumnya, atau yang mengenal seseorang yang pernah mengalaminya.
Itulah bagian yang terlewat oleh spreadsheet.
Pangkas untuk membiayai komputasi
Jumlah karyawan menjadi penghematan, dan penghematan itu menjadi kapasitas GPU. Rencananya tertutup.
Pengetahuan itu pergi bersama mereka
Bukan prosedur yang terdokumentasi — melainkan pengecualian, akal-akalan, nama orang yang harus dihubungi.
Ada yang rusak
Rantai efeknya mengikuti dependensi yang tak pernah dicatat, dalam urutan yang tak diduga siapa pun.
Rekrut kembali
Tidak semua. Mereka yang tahu di mana masalahnya tersembunyi, sering kali sebagai kontraktor atau dengan syarat baru.
Pengetahuan yang tidak ada dalam runbook
Mintalah seorang insinyur operasi menuliskan pekerjaannya, dan Anda akan mendapatkan prosedurnya. Yang tidak Anda dapatkan adalah bagian yang penting pada pukul 3 pagi: bahwa percobaan ulang ketiga selalu gagal pada antrean ini, bahwa halaman status vendor terlambat dua puluh menit, bahwa dasbor tertentu menyesatkan karena bug zona waktu dari tahun 2019 dan semua orang tahu harus membacanya dengan cara berbeda.
Itu semua bukan sabotase atau kemalasan. Itulah wujud keahlian. Keahlian terakumulasi melalui insiden, dan ditransmisikan melalui kedekatan — duduk di samping seseorang, mendengar percakapan telepon, melihat log mana yang mereka buka lebih dulu.
AI dapat membaca dokumentasi. Ia tidak dapat mendengar percakapan yang tidak diikutinya, dan ia tidak dapat mengenal seseorang yang mengenal seseorang. Ketika tim sudah tidak ada, sistem tetap berjalan pada bagian-bagian yang tertulis, dan gagal pada bagian-bagian yang tidak tertulis.

Sisi lain dari argumen
CEO Anthropic telah menyampaikan argumen tandingan, dan itu layak dikemukakan secara adil. Jika membangun perangkat lunak menjadi murah, lebih banyak perangkat lunak akan dibangun — yang berarti lebih banyak orang dibutuhkan untuk menyelesaikan, meng-host, dan memelihara apa yang telah dimulai. Coding menjadi komoditas; merilis tetap menjadi keahlian. Menurut tafsiran itu, jangka pendek membawa lebih banyak pekerjaan rekayasa, bukan lebih sedikit.
Dia juga mengatakan bahwa ia memperkirakan hal itu hanya sementara: seiring model membaik, pekerjaan penyelesaiannya ikut menyusut, dan jumlah orang yang dibutuhkan kembali turun, secara tajam.
Sekarang: lebih murah untuk membangun
Siapa pun dapat membuat prototipe yang berfungsi. Permintaan akan orang yang menyelesaikan dan menjalankannya meningkat.
Nanti: lebih murah untuk menyelesaikan
Model mengambil alih lebih banyak bagian penyelesaian. Kurva permintaan berbalik.
Apa pun jalannya: lapisan tacit
Hal terakhir yang diotomatiskan adalah mengetahui mengapa sistem ini berperilaku tidak semestinya — bagian yang tersimpan pada manusia.
Apa yang sebenarnya disampaikan hal ini kepada perusahaan
Ada tiga hal yang mengikuti, dan tidak satu pun berupa "pertahankan semua orang selamanya".
Penghematan itu dipinjam, bukan didapat. Memangkas sebuah tim tidak menghilangkan biaya menjalankan sistem; itu memindahkannya ke hari sistem rusak, dengan harga yang lebih buruk dan tanpa peringatan. Tagihannya datang sebagai gangguan layanan, premi perekrutan ulang, dan pelanggan yang ingat.
Dokumentasi juga bukan solusinya. Menulis lebih banyak runbook membantu, dan itulah yang semua orang katakan. Tetapi pengetahuan yang gagal di bawah tekanan adalah pengetahuan yang tidak terpikirkan oleh siapa pun untuk dituliskan karena sudah jelas bagi orang yang mengetahuinya. Cara andal untuk mempertahankannya adalah mempertahankan orangnya, atau mempertahankan seseorang yang mereka latih.
Mempekerjakan kembali adalah sinyal yang jujur. Ketika sebuah perusahaan membayar untuk membawa kembali orang-orang yang sama, perusahaan itu menyatakan apa asetnya. Bukan server, bukan lisensi, bukan langganan model — melainkan orang-orang yang bisa memberi tahu Anda apa yang akan segera rusak.
Pertarungannya bukanlah AI melawan lapangan kerja. Ini adalah pengetahuan eksplisit melawan pengetahuan tacit, dan yang kedua masih mahal untuk dibeli kembali.
Sumber: liputan ABN Asia tentang pemadaman Microsoft pada November 2026 (dua kegagalan layanan dalam lima belas hari; 130.000 laporan Outlook di Amerika Serikat selama kegagalan kedua), dan pernyataan publik CEO Anthropic tentang dampak jangka pendek dan menengah AI terhadap lapangan kerja di bidang teknik. Pola perekrutan kembali dijelaskan secara kualitatif; tidak ada angka tingkat perusahaan yang dinyatakan.
Kontak: [email protected]
Harap dicatat bahwa versi bahasa Indonesia didukung oleh AI dan karena itu mungkin terjadi kesalahan kecil.
Penulis
Ai-Banking-NetworkSecurity (ABN), ABN ASIA didirikan oleh orang-orang dengan akar yang kuat di dunia akademis, dengan pengalaman kerja di Amerika Serikat, Belanda, Hungaria, Jepang, Korea Selatan, Singapura, dan Vietnam. ABN Asia adalah tempat di mana akademik dan teknologi bertemu dengan peluang. Dengan solusi terdepan kami dan layanan pengembangan perangkat lunak yang kompeten, kami membantu bisnis untuk meningkatkan level dan bersaing di panggung global. Komitmen kami: Lebih Cepat. Lebih Baik. Lebih handal. Dalam kebanyakan kasus: Lebih murah juga.
Jangan ragu untuk menghubungi kami jika Anda membutuhkan layanan IT, konsultasi digital, solusi perangkat lunak siap pakai, atau jika Anda ingin mengirimkan permintaan proposal (RFP). Anda dapat menghubungi kami di [email protected]. Kami siap membantu Anda dengan semua kebutuhan teknologi Anda.

© ABN ASIA