508 posting tentang AI, belajar, dan membangun produk
Saya pikir saya bisa memotong satu modul kursus, memangkas beberapa transisi, dan menyebutnya video YouTube. Ternyata saya salah. Membangun The Parade Problem mengajarkan saya bahwa repurposing yang baik bukan sekadar memotong. Itu adalah mendesain ulang ide untuk janji yang berbeda, audiens yang berbeda, dan 30 detik pertama yang berbeda.
Saya membatalkan Claude Max setelah 13 bulan dan total biaya US$1,892.38. Ini bukan victory lap. Ini eksperimen 30 hari untuk melihat apakah saya bisa tetap menjaga ritme shipping untuk STRATUM, DIALOGUE, platform kursus, dan site ini dengan Codex sebagai tool utama.
Dua minggu setelah perbandingan awal saya, kedua tool merilis update besar. Codex menantang strategi produk saya dengan cara yang tidak dilakukan Claude Code. Claude Code meluncurkan Agent Teams dan AutoMemory. Hasilnya: saya memangkas paket Max $200/bulan — dan mendapat output lebih baik dengan biaya lebih murah.
Kebanyakan percakapan tentang AI dan desain tim dimulai dari jumlah orang. Saya rasa itu titik awal yang salah. Pertanyaan yang lebih baik adalah fungsi apa saja yang dibutuhkan tim Anda — dan ternyata fungsi-fungsi itu sama baik Anda punya empat orang maupun empat puluh.
DIALØGUE mendukung 7 bahasa, tetapi pekerjaan multibahasa yang sesungguhnya bukan menerjemahkan string. Pekerjaan itu adalah membetulkan tanggal yang sesuai audiens, konsistensi TTS, UI yang melenceng bahasanya, dan memutuskan di mana kualitas cukup penting untuk membuat kita melambat.
Saya menghabiskan bertahun-tahun di dunia advertising melihat tim mengacaukan gerak dengan kemajuan. Lalu saya mulai membangun alat AI marketing dan menyadari masalahnya justru makin parah: eksekusi lebih cepat, penilaian makin lemah.
AI sekarang bisa menghasilkan media plans, performance summaries, measurement frameworks, dan campaign setups dengan kecepatan yang mengesankan. Masalahnya bukan outputnya jelas-jelas buruk. Masalahnya adalah outputnya sering cukup bagus untuk lolos review sekilas, sambil melewatkan business context yang benar-benar penting.
Kebanyakan tim masih bertanya model mana yang harus dipakai. Dari pengalaman saya, itu bukan lagi pertanyaan utamanya. Kalau sistem AI Anda melupakan klien atau brand, kategori, dan seperti apa "bagus" itu, model terpintar di dunia pun tetap memulai setiap percakapan dari nol.
Di tahun 2023, saya pikir generative AI akan membanjiri search dengan content murah dan menurunkan return on SEO. Tiga tahun kemudian, itu memang terjadi. Tapi pergeseran yang lebih besar adalah produksi content bukan lagi moat. Struktur, kepercayaan, QA, kualitas localization, dan visibilitas di answer engine — itulah yang menentukan sekarang.
Satu orang. Tujuh modul. Tiga jam video. Lima belas template. Pipeline slide custom dengan 18 tipe layout. Professional voice clone. Semua sambil tetap bekerja sebagai VP. Ini yang terlihat ketika model operasional AI-first diterapkan pada diri sendiri.
Narasi bahwa AI menggantikan pekerjaan entry-level salah memahami apa yang sebenarnya dilakukan orang-orang entry-level. Seorang junior di activation bukan mengerjakan tugas remeh — mereka mengonfigurasi targeting DV360, QA-ing tracking pixels, mengelola bid strategies. Pertanyaan sebenarnya: ketika AI menaikkan standar minimum untuk semua orang, dari mana keunggulan datang? Kedalaman.
Setelah hampir setahun memakai Claude Code dengan Opus 4.6 setiap hari, saya menghabiskan seminggu dengan Codex dan GPT-5.4. Kesimpulannya: tidak ada tool yang menang telak. Kombinasi cross-model review, kekuatan yang saling melengkapi, dan ketahanan operasional ternyata lebih baik daripada salah satu tool dipakai sendirian.