512 posting tentang AI, belajar, dan membangun produk
Sembilan belas hari setelah membatalkan Claude Max, pola saya sudah jelas. Codex dengan GPT-5.4 di xHigh mengambil kursi coding. Claude Code dengan Opus 4.7 di xHigh mengambil semua kursi lain di meja saya.
Masih banyak yang kirim pesan bertanya apakah 7 course Andrew Ng yang saya rekomendasikan tahun 2023 masih menjadi jalur yang tepat hari ini. Jawaban singkatnya: sebagian besar masih iya, tapi dengan roadmap yang berbeda di sekitarnya. Ini update 2026 saya, dengan verdict per course dan jalur yang bercabang antara builder dan operator.
Prova mulai terasa nyata buat saya ketika produk ini mulai membuat janji yang nyata soal progression, billing, auth, dan state. Bagian sulitnya bukan generate code. Bagian sulitnya adalah membangun kontrak di sekeliling semua itu.
Saya terus melihat alat AI menjual agencies dengan janji volume konten. Tapi kalau Anda pernah menangani relasi client sungguhan, Anda tahu masalah yang lebih sulit adalah trust: isolation, permissions, context, dan jangan sampai pemikiran client yang satu bocor ke client yang lain.
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.