a16z: Robot naik ke siklus baru AI, perangkat keras melonjak, perangkat lunak berbalik.

a16z menunjukkan bahwa AI mendorong peralihan modal dari virtual ke fisik, investasi robotik mencapai rekor tertinggi, dan adopsi AI oleh perusahaan perlu menembus hambatan eksplorasi.
(Prasyarat: Mantan peneliti Anthropic mendirikan Mirendil, mengumpulkan 200 juta dolar AS, mengklaim sebagai "AI yang dapat meningkatkan dirinya sendiri")
(Latar Belakang: Karyawan menghabiskan 80.000 dolar AS token untuk membuat "permainan tembak meme" dengan AI, bos melihat tagihan dan meminta seluruh internet untuk memainkannya)

Daftar Isi

Toggle

• Siklus Berbalik: Pemenang Teknologi Menjadi Pecundang
• Pembelian Fisik Membludak: Robot Melonjak 4,5 Kali Lipat
• Transformasi AI: Accenture Anjlok 6 Kali Lipat
• Restrukturisasi Mendalam: Kasus Penggunaan AI Melonjak 44%
• Operasi Ramping: Venture Capital AI Melonjak ke Rekor Tertinggi
• Wirausaha Individu: Pendapatan Ratusan Juta Meningkat Dua Kali Lipat

Baru-baru ini, a16z menganalisis tren inti dari siklus teknologi dan bisnis saat ini dari berbagai dimensi seperti investasi pasar, aplikasi AI, ekosistem kewirausahaan, dan industri ritel. Artikel tersebut menunjukkan bahwa di bawah gelombang AI, pasar modal secara bertahap beralih dari preferensi masa lalu terhadap aset ringan dan internet konsumen menuju industri fisik seperti perangkat keras dan robotika; pada saat yang sama, AI juga membentuk kembali cara organisasi perusahaan, hambatan masuk kewirausahaan, dan logika pertumbuhan produktivitas. Berikut adalah rincian kontennya.

Jika Anda membandingkan siklus ini dengan siklus sebelumnya, Anda akan mengamati bahwa dalam beberapa hal mereka benar-benar identik, sementara dalam hal lain mereka sepenuhnya berlawanan.

Kesamaannya adalah, baik di era pasca-krisis keuangan (2010-2020) maupun era pasca-pandemi (2020-sekarang), industri teknologi selalu menjadi pemenang dalam siklus tersebut. Namun, lanskap industri lainnya telah berubah secara dramatis: pemenang dari siklus sebelumnya kini menjadi pecundang, dan sebaliknya.

• Sektor perawatan kesehatan, barang konsumen, dan media semuanya mencatat imbal hasil dua digit setelah krisis keuangan, tetapi sekarang hanya sekitar 3% hingga 6%.
• Sementara itu, imbal hasil dari sektor energi, bahan baku, konstruksi, dan keuangan meningkat dari angka satu digit rendah menjadi dua digit menengah hingga tinggi.

Industri yang sebelumnya tertinggal menjadi pemimpin, dan pemimpin sebelumnya menjadi yang tertinggal.

Industri teknologi adalah pengecualian, selalu menjadi pemenang dalam siklus ini, tetapi ada beberapa nuansa di dalamnya. Perangkat keras adalah sorotan sebenarnya dari siklus ini (kinerjanya juga cukup baik di siklus sebelumnya), tetapi perangkat lunak mengikuti tren pembalikan secara keseluruhan.

Mengambil langkah mundur, ada pola yang sangat jelas yang telah disebutkan sebelumnya: pasar telah mengalihkan perhatiannya dari industri yang berorientasi pada konsumen dan aset ringan ke ekonomi "fisik" dengan aset berat, yang sebagian besar didorong oleh pembangunan infrastruktur AI.

Ini adalah perputaran dari bit (virtual) ke atom (fisik).

Perusahaan "aset berat" telah membalikkan keadaan setelah tertinggal dari perusahaan "aset ringan" selama lebih dari satu dekade.

Tentu saja, jika siklus ini mirip dengan siklus sebelumnya, maka tren keseluruhannya adalah bahwa semua infrastruktur aset berat ini pada akhirnya akan meluas ke lapisan perangkat lunak/aplikasi. Di era pasca-krisis keuangan, produsen chip (dan penyedia layanan cloud) mendominasi di awal, tetapi pada akhirnya menyerah pada aplikasi, pasar, dan perangkat lunak perusahaan yang berkembang pesat di platform cloud yang didorong oleh ponsel, komputer, dan server (didorong oleh chip). Dengan kata lain, pergeseran ke lapisan virtual bersifat sementara dan siklus, bukan perubahan struktural yang lebih permanen.

Siklus Berbalik: Pemenang Teknologi Menjadi Pecundang

Tentu saja hal ini bisa terjadi kali ini: pada kenyataannya, jika pembangunan infrastruktur AI pada akhirnya tidak meluas ke lapisan aset ringan, itu bisa sangat mengecewakan (keduanya pada akhirnya juga bisa berkembang secara sinergis). Namun demikian, di pasar publik, beberapa tanda mengungkapkan bahwa "revolusi virtual" mungkin memiliki keberlanjutannya sendiri. Dan, secara ketat, ini bukan hanya masalah infrastruktur AI.

Premi untuk teknologi "dunia nyata" mulai terlihat di pasar swasta, tidak hanya di bidang infrastruktur AI, tetapi juga di bidang robotika:

Diukur dengan kapitalisasi pasar dari 100 perusahaan swasta teratas (menurut kategori), teknologi robotika (dan AI fisik) bahkan tidak masuk daftar pada tahun 2016, tetapi satu dekade kemudian, ia telah melampaui fintech dan pembayaran untuk menjadi kategori terbesar kedua.

Jika Anda memperhatikan arus modal ventura, Anda juga akan mengamati lonjakan minat pasar pada teknologi robotika:

Menurut data Pitchbook, investasi dan jumlah transaksi di bidang robotika dan AI fisik pada kuartal pertama mencapai rekor tertinggi sepanjang masa, dengan investasi sekitar $16 miliar yang melibatkan hampir 500 transaksi.

Sebagai referensi, gelombang investasi di bidang robotika secara kuantitas sekitar 2 kali lipat lebih tinggi dari periode 2021 hingga 2025, dan dalam nilai sekitar 4,5 kali lipat lebih tinggi.

Intinya adalah, pergeseran ke ekonomi fisik (setidaknya di pasar swasta) tidak hanya tentang chip dan inferensi: perangkat keras sebagai produk independen sedang bangkit.

Ini juga tidak sulit untuk dipahami. Perangkat lunak yang lebih baik memiliki potensi besar, tetapi robotika mendorong teknologi ke serangkaian "tugas" dunia nyata yang tidak dapat dijangkau oleh perangkat lunak itu sendiri. AI sampai batas tertentu membuka kunci perangkat lunak yang menggerakkan perangkat keras, memperluas cakupan permintaan dengan cara yang belum pernah terjadi sebelumnya. Ini cukup mirip dengan situasi di mana listrik pada akhirnya memungkinkan mesin untuk menyelesaikan pekerjaan yang hampir tidak terbayangkan oleh manusia.

Saat ini, bidang baru yang paling menarik dalam teknologi robotika adalah pertahanan. Tentu saja, pertumbuhan anggaran pertahanan global yang terus meningkat juga memainkan peran pendorong. Jika semuanya berjalan sesuai rencana, transisi ke industri padat aset mungkin akan lebih dalam, lebih luas, dan lebih bertahan lama daripada siklus teknologi modern mana pun sebelumnya.

Pembelian Fisik Membludak: Robot Melonjak 4,5 Kali Lipat

Pada tahap awal gelombang Large Language Model (LLM), perusahaan konsultan manajemen diidentifikasi sebagai calon pemenang di bidang AI, setidaknya dalam jangka pendek. Logikanya sangat sederhana: perusahaan ingin menggunakan AI, sehingga akan menyewa perusahaan konsultan untuk mempelajari cara mewujudkannya. Khususnya Accenture, diidentifikasi berada pada posisi yang sangat menguntungkan karena tidak hanya dapat memberikan saran dan peta jalan, tetapi juga menyediakan layanan ujung ke ujung, yang disebut "layanan terkelola".

Terlepas dari alasan spesifiknya, optimisme pasar terhadap Accenture tampaknya telah sirna:

Kelipatan arus kas bebas Accenture pernah mencapai 30 kali lipat pada awal tahun 2025, tetapi kini telah turun menjadi sekitar 6 kali lipat, sekitar sepertiga dari rata-rata jangka panjangnya.

Mengenai mengapa pasar begitu cepat kehilangan kepercayaan pada Accenture, Anda dapat menilainya sendiri. Tetapi satu hal menjadi semakin jelas: di bidang yang lebih luas dari "mengadopsi AI", maknanya jauh lebih dari sekadar mengadopsi AI secara sederhana. Tidak semua adopsi AI dapat menciptakan nilai dengan cara yang sama, dan untuk benar-benar (atau lebih efektif) mengadopsi AI, setidaknya menurut beberapa penelitian terbaru, diperlukan beberapa strategi yang bernuansa dalam tahap pengembangan dan konseptualisasi.

Dalam sebuah penelitian yang melibatkan 515 perusahaan rintisan bertumbuh tinggi, para peneliti fokus menganalisis apa arti sebenarnya dari "AI asli". Lebih spesifiknya, mereka ingin tahu bagaimana beralih dari "tugas yang ditingkatkan AI" ke "perusahaan yang ditingkatkan AI", dan hasil penelitiannya cukup mengejutkan.

Ternyata, kuncinya terletak pada apa yang disebut peneliti sebagai masalah "pemetaan".

Ketika perusahaan dalam penelitian diberi tahu bagaimana perusahaan lain merestrukturisasi produksi di sekitar AI ("perusahaan kelompok eksperimen"), mereka memulai proses eksplorasi yang sangat berbeda. Perusahaan kelompok eksperimen tidak hanya menyalin proses yang ada, tetapi memulai dari hulu, mengintegrasikan AI ke dalam hasil bisnis, sehingga membentuk proses yang sama sekali berbeda.

Para peneliti menggunakan pengembangan produk sebagai contoh:

Dalam kasus ini, AI tidak menyalin langkah-langkah yang ada dalam proses, tetapi mendesain ulang proses di sekitar kemampuannya sendiri, meskipun tujuannya adalah untuk mencapai hasil bisnis dasar yang sama.

Transformasi AI: Accenture Anjlok 6 Kali Lipat

Tentu saja, ini hanya satu contoh, tetapi secara keseluruhan, dampak AI terhadap produktivitas "perusahaan kelompok eksperimen" sangat besar. Perusahaan kelompok eksperimen:

• Kasus penggunaan AI meningkat sekitar 44%:
• 5% perusahaan teratas mencapai pendapatan sekitar 2 kali lipat (10% perusahaan teratas meningkatkan pendapatan 50%):
• Konsumsi modal berkurang sekitar 40% (di kedua ujung distribusi, kesenjangan lebih besar).

Singkatnya, ketika perusahaan rintisan bertumbuh tinggi benar-benar mulai "mengadopsi AI", mereka mengamati lebih banyak skenario aplikasi, menciptakan lebih banyak pendapatan, dan mengkonsumsi lebih sedikit modal daripada perusahaan yang tidak mengadopsi AI.

Ini adalah hasil yang cukup menakjubkan, yang dapat menghilangkan beberapa kekhawatiran tentang "masalah ROI AI" dan juga menjelaskan mengapa ROI AI belum sepenuhnya terwujud di tingkat perusahaan, setidaknya tidak pada tingkat yang diharapkan beberapa pihak.

Para peneliti menunjukkan bahwa ini berarti: (a) Peningkatan produktivitas yang dibawa AI di tingkat perusahaan memang transformatif; tetapi (b) Terobosan sebenarnya terletak pada tahap eksplorasi, yaitu, "mengeksplorasi di mana dan bagaimana menggunakan AI adalah hambatan kunci untuk mencapai keuntungan", dan ini bukan hanya masalah "mengadopsi AI" yang sederhana.

Dalam pengertian ini, adanya "hambatan eksplorasi" berarti jalur perkembangan AI tidak berbeda dari lompatan produktivitas yang didorong teknologi sebelumnya.

Misalnya, ketika elektrifikasi mulai menyebar, banyak produsen hanya mengganti mesin uap dengan motor listrik besar, sambil mempertahankan sistem poros transmisi overhead dan sabuk asli. Pabrik pada dasarnya tidak berubah, hanya "kali ini ada motor listrik". Namun, sampai produsen menyadari bahwa mereka dapat memasang motor kecil di setiap mesin (dan hampir sepenuhnya meninggalkan seluruh sistem poros transmisi dan sabuk), manfaat sebenarnya mulai terlihat: pabrik akhirnya didesain ulang secara radikal di sekitar sistem tenaga listrik tertanam (dan bukan sebaliknya). Tentu saja, perkembangan selanjutnya adalah salah satu tonggak sejarah dalam lompatan produktivitas.

Mengenai AI, perusahaan rintisan, dan penelitian akademis, sekelompok peneliti yang sama juga mengamati satu hal: Perusahaan rintisan AI memang merampingkan operasi. Setidaknya menurut penelitian terhadap data YC Startup School selama empat tahun terakhir ini.

Restrukturisasi Mendalam: Kasus Penggunaan AI Melonjak 44%

Para peneliti memeriksa data dari periode YC W20-F24 (pendanaan awal selesai antara 2020 dan 2024) dan menghubungkannya dengan data jumlah karyawan, fungsi, dan kualifikasi dari Revelio. Mereka ingin mengetahui apakah perusahaan rintisan AI berbeda dari perusahaan rintisan non-AI dalam hal perekrutan dan/atau struktur organisasi.

Apa yang mereka amati adalah:

• Perusahaan rintisan AI memulai dengan skala yang lebih kecil dan juga beroperasi dalam skala yang lebih kecil:
• Distribusi perusahaan rintisan dengan jumlah karyawan yang lebih kecil sangat condong ke perusahaan rintisan AI:
• Struktur hierarki perusahaan rintisan AI cenderung lebih longgar, di perusahaan dengan sedikit atau tanpa hierarki, perusahaan rintisan AI menempati proporsi terbesar:

Implikasinya jelas, meskipun mungkin ada lebih banyak variabel dalam detailnya, tetapi Anda harus mengerti: jika Anda menunjukkan bahwa AI akan memungkinkan perusahaan untuk menciptakan lebih banyak nilai dengan lebih sedikit sumber daya, survei ini tidak diragukan lagi memberikan lebih banyak bukti untuk sudut pandang Anda.

Selain itu, Stripe Economics juga kembali memberikan pandangan tentang tahap "wirausaha individu" yang didukung AI.

(Catatan: Baru-baru ini, Ernie Tedeschi dari Stripe Economics, berdasarkan data Stripe sendiri, menunjukkan bahwa semua jenis pendiri tampaknya telah tumbuh pada kuartal pertama, tetapi pertumbuhan "pendiri individu non-AI" adalah yang paling signifikan, dan pertumbuhan "pendiri individu AI" berada di urutan kedua. Seperti yang ditunjukkan pada gambar di bawah:)

Meskipun Stripe menunjukkan banyak keterbatasan dalam cara mereka mengidentifikasi "wirausaha individu" dalam data mereka, mereka tetap memberikan lebih banyak bukti untuk sudut pandang berikut: AI memang mendorong lebih banyak aktivitas kewirausahaan dan pendirian perusahaan, dan wirausaha individu juga mencapai kesuksesan yang cukup besar.

Lihatlah proporsi wirausaha individu yang diukur berdasarkan ambang pendapatan:

Operasi Ramping: Venture Capital AI Melonjak ke Rekor Tertinggi

Tidak hanya proporsi wirausaha individu dengan pendapatan tahunan lebih dari $100.000 meningkat, tetapi proporsi wirausaha individu dengan pendapatan tahunan lebih dari $5 juta dan $10 juta mulai meningkat secara signifikan pada tahun 2023 dan 2024.

Stripe Economics menunjukkan:

• Kami mengamati peningkatan yang signifikan dalam jumlah wirausaha individu dengan pendapatan tahunan lebih dari $100.000 dalam indeks kami, tetapi peningkatan jumlah wirausaha individu yang mencapai ambang pendapatan yang lebih tinggi bahkan lebih besar, dan laju pertumbuhannya telah meningkat secara nyata sejak tahun 2023. Pada tahun 2025, jumlah wirausaha individu dengan pendapatan tahunan lebih dari $1 juta adalah lebih dari dua kali lipat dari tahun 2023, sementara jumlah wirausaha individu dengan pendapatan tahunan lebih dari $5 juta dan $10 juta mendekati tiga kali lipat dari tahun 2023.
• Mungkin lebih menarik lagi, dalam dua tahun terakhir, proporsi wirausaha individu dengan pendapatan di atas ambang batas ini juga berlipat ganda. Ini mengungkapkan bahwa lonjakan pendirian perusahaan tidak mencerminkan eksperimen berkualitas rendah dari segelintir orang yang beruntung, tetapi kelompok wirausaha individu yang baru didirikan mungkin memiliki kualitas yang lebih tinggi dari sebelumnya.

Tentu saja, dengan mempertimbangkan banyak faktor ketidakpastian seperti cara mengidentifikasi wirausaha individu (dalam contoh ini, melalui alat khusus wirausaha individu Stripe) dan kemungkinan jumlah karyawan perusahaan-perusahaan ini berubah seiring waktu (Stripe mungkin tidak mengetahuinya), data mengungkapkan bahwa era usaha kecil yang didorong AI terus berkembang.

Salah satu hal menarik tentang toko kelontong adalah, tidak seperti kategori perdagangan ritel yang lebih luas, produktivitas toko kelontong tidak meningkat secara signifikan selama 30 tahun terakhir:

Atau lebih tepatnya, sejak tahun 1990, pertumbuhan produktivitas di sektor ritel sebagian besar stabil, sementara produktivitas toko kelontong mengalami penurunan terlebih dahulu, kemudian meningkat, lalu stagnan, meskipun baru-baru ini menurun lagi, kemudian mulai meningkat, tetapi masih jauh di belakang lonjakan produktivitas ritel.

Ini menarik karena di satu sisi menceritakan kisah teknologi (dan hubungannya dengan produktivitas), dan di sisi lain menceritakan kisah tentang bagaimana mengukur produktivitas, yang secara kasar diukur sebagai output dibagi jam kerja (dan ini paling banter adalah ukuran yang tidak sempurna).

Untuk toko kelontong (dan ritel), selain mesin kasir, penemuan terbesar adalah pemindai elektronik. Mereka pertama kali muncul pada tahun 1970-an, tetapi pada tahun 1990-an, mereka hampir ada di mana-mana. Pemindai memiliki dua fungsi utama: (1) secara dramatis memperluas jangkauan inventaris; (2) memfasilitasi pengumpulan data yang semakin rinci oleh pengecer dan pedagang kelontong untuk memahami keinginan pembelian pelanggan dan jumlah persediaan yang dibutuhkan.

Pada tahun 1990-an, toko kelontong dan pengecer mulai berkembang pesat dalam skala, diuntungkan oleh skala ekonomi yang didorong teknologi, yang baik bagi konsumen, tetapi juga secara lebih atau kurang menandai akhir dari toko keluarga.

Namun, sejak saat itu, nasib pengecer dan pedagang kelontong mulai berbeda. Pengecer secara dramatis memperluas inventaris tanpa menambah terlalu banyak karyawan baru, dan lebih fokus pada barang-barang pra-kemas yang siap pakai, yang dapat dikelola dan dipantau inventarisnya dengan lebih sedikit orang daripada sebelumnya. Di sisi lain, pedagang kelontong memutuskan untuk memperluas bisnis mereka ke layanan khusus di luar bahan makanan, seperti toko bunga, toko roti, konter makanan siap saji, dll.

Wirausaha Individu: Pendapatan Ratusan Juta Meningkat Dua Kali Lipat

Tentu saja, seiring dengan pertumbuhan pangsa layanan khusus, permintaan akan tenaga kerja terampil juga meningkat. Seperti yang ditunjukkan pada gambar di atas, meskipun produktivitas toko kelontong meningkat, misalnya dengan secara dramatis memperluas variasi barang dan jasa serta menurunkan harga, dalam hal output/jam kerja, "produktivitas" mereka tidak meningkat. Inilah sebabnya mengapa "produktivitas" ritel jauh melampaui "produktivitas" toko kelontong, sementara pertumbuhan upah keduanya pada dasarnya sama.

​​Sampai toko kelontong meminjam dari pengalaman sukses sektor ritel dan department store yang lebih luas, barulah produktivitas mereka mulai meningkat lagi:

Sekitar tahun 2000, pangsa produk non-makanan rumah tangga mulai tumbuh secara signifikan: makanan pra-kemas dengan margin lebih tinggi, makanan ringan, dan barang kebutuhan sehari-hari meningkat hampir 5 kali lipat dalam satu dekade. Pada saat yang sama, supermarket juga mengalihkan lebih banyak pekerjaan seperti penempatan barang di rak dan display ke pemasok, mirip dengan membebankan "biaya" untuk ruang rak. Ini adalah strategi "peningkatan produktivitas" yang cerdik, meskipun jam kerja tidak berkurang, jam kerja dialihkan ke orang lain.

Dari sudut pandang "peningkatan produktivitas", pergeseran ini meningkatkan output tanpa menambah jam kerja, dan produktivitas supermarket pun mengalami kebangkitan.

Meskipun pangsa tenaga kerja dalam pendapatan bahan makanan meningkat secara stabil hingga sekitar tahun 2002 (sementara pangsa tenaga kerja dalam pendapatan ritel menurun), setidaknya sampai saat ini, kedua pangsa ini terus menurun secara stabil.

Penurunan "pangsa pendapatan tenaga kerja" pada dasarnya adalah kebalikan dari "produktivitas": memproduksi lebih banyak produk dengan lebih sedikit pekerja menyebabkan penurunan pangsa pendapatan tenaga kerja (di sini tidak memperhitungkan pertumbuhan rekening 401k yang disebabkan oleh semua keuntungan).

Namun, yang menarik (kembali ke topik teknologi dan produktivitas), gelombang inovasi berbelanja terbaru (e-commerce dan pengiriman ke rumah) tampaknya sekali lagi bertepatan dengan divergensi "produktivitas" antara bahan makanan dan ritel. Meskipun e-commerce adalah anugerah besar bagi pengecer, yang sekarang tidak perlu menyewa toko sama sekali, pengiriman ke rumah mungkin hanya berarti orang yang sama atau bahkan lebih banyak berkeliaran di toko kelontong, memilih barang-barang. Pengambilan di tepi jalan bahkan mungkin lebih padat karya daripada cara berbelanja tradisional.

Apakah ini hubungan kausal atau kebetulan, faktanya adalah bahwa setelah pandemi, produktivitas bahan makanan kembali menurun (pangsa pendapatan tenaga kerja juga mulai meningkat), sementara ritel menjadi lebih ramping dan efisien. Teknologi yang sama, peningkatan produktivitas yang sama, namun, "produktivitas" yang dihasilkan sangat berbeda.

Namun, kabar baik bagi toko kelontong adalah, selalu ada uang yang bisa dihasilkan dari memasang iklan di konter (margin tinggi).