“Lobster” masuk ke dunia private equity, bagaimana OpenClaw sedang digunakan oleh perusahaan swasta?

CaiLianShe 15 Maret - Berita oleh Wu Yuqi Sebuah “Udang”, belakangan ini sering dibicarakan di kalangan investor.

Seorang investor bercanda di platform sosial bahwa dulu manajer dana lebih banyak membahas AI seputar kekuatan komputasi, model, dan rantai aplikasi; namun tahun ini, semakin banyak orang mulai langsung mengoperasikan Agent, bahkan perusahaan swasta mulai meneliti cara “memelihara udang”. Yang dimaksud “udang” adalah kerangka kerja AI open-source OpenClaw. Popularitasnya di GitHub meningkat pesat, sehingga cepat menyebar dari kalangan geek ke kalangan profesional keuangan yang lebih luas.

Penyebaran popularitas ini ke perusahaan swasta tidak mengejutkan. Dua tahun terakhir, AI di industri investasi lebih banyak digunakan untuk “melihat industri, memilih target”; namun tahun ini, perubahan yang lebih mencolok adalah beberapa lembaga mulai menganggap Agent sebagai bagian dari infrastruktur riset dan investasi, meskipun belum secara resmi masuk ke proses inti, setidaknya sudah memasuki tahap percobaan, perbandingan, dan pra-riset.

Menurut wawancara dengan wartawan CaiLianShe, beberapa perusahaan swasta sudah mencoba penempatan internal, menggunakan Agent yang memiliki fungsi serupa dalam proses riset dan investasi, biasanya untuk membantu kode dasar, pengaturan data, dan pekerjaan standar lainnya; ada juga yang menyatakan bahwa lembaga mereka tidak secara khusus menempatkan, melainkan menganggap alat ini sebagai sampel observasi, bukan bagian resmi dari proses utama saat ini.

Seorang ketua perusahaan swasta juga mencoba menginstal “udang”, tetapi tetap berhati-hati terhadap penggunaan alat semacam ini dalam lingkungan lembaga. “Sejujurnya, saya rasa lembaga tidak akan dengan mudah menggunakannya. Saya sendiri mencoba ‘memelihara udang’ dengan menyiapkan laptop baru yang sama sekali tidak berisi data investasi, transaksi, atau klien, dan mengujinya dalam lingkungan yang benar-benar terisolasi dan murni untuk pengujian, jadi tidak akan ada masalah.”

Secara lebih luas, tren “memelihara udang” ini bukan sekadar eksperimen baru di dunia teknologi. Bagi perusahaan swasta, ini lebih seperti batu uji, yang satu sisi menguji apakah AI Agent benar-benar bisa beralih dari “bisa ngobrol” ke “bisa bekerja”, dan di sisi lain memaksa lembaga meninjau ulang proses riset dan investasi, batas data, dan garis pertahanan risiko.

Dari Objek Penelitian ke Alat Penelitian, Perusahaan Swasta Mulai Menilai Ulang AI Agent

Jika tahun lalu tren utama AI lebih banyak berfokus pada perusahaan publik, rantai industri, dan investasi tematik, maka sejak awal tahun ini, perubahan yang lebih patut diperhatikan adalah AI sendiri mulai bertransformasi dari “objek yang diteliti” menjadi “alat yang digunakan”.

Di industri swasta, perubahan ini tidak selalu tampak sebagai adopsi besar-besaran, melainkan lebih berupa percobaan yang tersebar dan hati-hati. Ada yang mulai dari bantuan kode, ada yang menggunakannya untuk pengumpulan data, pengolahan dokumen, pencarian informasi, dan ada juga yang hanya menganggapnya sebagai pintu masuk untuk mengamati evolusi teknologi baru.

Seorang profesional swasta mengatakan kepada wartawan CaiLianShe bahwa bagi sebagian besar perusahaan swasta, AI Agent saat ini lebih merupakan alat efisiensi dengan risiko rendah, yang ditempatkan di skenario pinggiran untuk melihat apakah bisa mengurangi pekerjaan berulang.

Ini didukung oleh logika praktis. Dalam rantai kerja riset dan investasi perusahaan swasta, memang ada banyak tugas dasar yang standar, fragmentaris, dan dapat dipisahkan, seperti mengatur bahan awal, menjalankan skrip sederhana, membangun proses pengolahan data dasar, melakukan konversi format, dan pencarian bantuan. Pekerjaan ini tidak selalu rumit, tetapi sering memakan waktu dan menyita tenaga peneliti. Jika Agent benar-benar mampu menyelesaikan sebagian tugas dasar secara stabil, mungkin tidak langsung mengubah pengambilan keputusan investasi, tetapi bisa mengubah cara alokasi sumber daya riset dan investasi, sehingga peneliti bisa lebih banyak menghabiskan waktu untuk penilaian kerangka, perbandingan industri, dan verifikasi transaksi.

Karena itu, minat perusahaan swasta terhadap “udang” tidak sepenuhnya didorong oleh rasa ingin tahu. Seorang profesional swasta di Selatan China mengatakan kepada wartawan CaiLianShe bahwa yang benar-benar menarik perhatian industri bukanlah sebuah proyek open-source yang tiba-tiba populer, melainkan kesadaran bahwa Agent berbeda dari model besar tradisional, ruang imajinasinya tidak hanya pada “menjawab pertanyaan”, tetapi juga kemungkinan menghubungkan tugas, memanggil alat, dan menggantikan manusia menyelesaikan sebuah proses. Bagi perusahaan swasta yang menekankan efisiensi dan kecepatan respons, kemampuan ini secara alami menarik.

Namun, di tengah keramaian ini, juga perlu diingat bahwa penggunaan alat semacam ini di lingkungan perusahaan swasta, terutama dalam pasar yang sangat fluktuatif dan tidak pasti, tetap mengutamakan kerangka riset, disiplin transaksi, dan pengelolaan risiko, bukan sekadar kemampuan menampilkan kehebatan satu alat.

Direktur umum ZhiLiang Asset, He Li, mengatakan kepada wartawan CaiLianShe bahwa tren “memelihara udang” yang dipicu OpenClaw pada dasarnya adalah loncatan paradigma dari AI yang berinteraksi melalui dialog menuju eksekusi mandiri secara lokal, menandai titik balik industri dari “bisa bicara” menjadi “bisa melakukan”. Menurutnya, ini berbeda jelas dari tren lokal deployment DeepSeek setahun lalu, yang lebih banyak berhenti pada menjalankan model secara lokal dan dipanggil secara manusiawi, sementara OpenClaw mulai menuju AI gateway yang mampu melakukan eksekusi mandiri, dengan model bisnis dan dampak industri yang lebih dekat ke penerapan perusahaan secara nyata.

Chairman Ban Xiao Hui dari Changli Asset menambahkan dari sisi kebutuhan. Ia mengatakan bahwa dibandingkan setahun lalu, DeepSeek lebih banyak berhenti pada “obrolan, ringkasan”, dengan ambang batas lebih tinggi dan sifat perusahaan yang lebih kaku, sedangkan OpenClaw sudah mampu langsung mengoperasikan file dan menyelesaikan tugas secara nyata, dengan ambang batas dan biaya yang lebih rendah, sehingga tren ini menjadi lebih pragmatis dan lebih dekat ke skenario nyata.

Ada yang Mencoba, Ada yang Mengamati

Meskipun “memelihara udang” sudah menjadi istilah populer di kalangan, dari pengamatan wartawan CaiLianShe, sikap lembaga swasta terhadap hal ini cukup beragam.

Sebagian sudah mulai mencoba, meskipun belum membentuk proyek resmi di perusahaan, biasanya para peneliti, programmer, atau staf dari lini TMT sudah mulai merasakan manfaatnya.

Pendekatan mereka biasanya cukup pragmatis: tidak perlu langsung mengintegrasikan Agent ke sistem utama, tetapi setidaknya tidak boleh sama sekali tidak tahu tentangnya. Terutama bagi perusahaan swasta yang fokus pada teknologi, kekuatan komputasi, perangkat lunak, dan aplikasi AI, mereka sendiri sulit menilai batas kemampuan alat ini tanpa pengalaman langsung, dan sulit membangun persepsi tentang perkembangan industri. Seorang profesional mengatakan bahwa banyak lembaga tertarik pada alat ini karena kebutuhan praktis, dan juga untuk memahami sejauh mana AI berkembang dan apa yang sedang diperdagangkan di pasar.

Lain lagi, ada yang memilih untuk mengamati. Seorang profesional swasta mengatakan kepada wartawan CaiLianShe bahwa lembaga mereka tidak secara khusus menempatkan, karena alasan sederhana: alur kerja yang ada saat ini tidak terhambat secara signifikan, dan mereka masih memiliki kekhawatiran tentang batas otoritas, keamanan data, dan kepatuhan.

Ban Xiao Hui secara langsung menyatakan bahwa tren ini sangat berkelanjutan, tetapi lembaga tidak akan dengan mudah menggunakannya langsung dalam lingkungan kerja nyata. Menurutnya, OpenClaw berbeda dari alat model besar yang hanya untuk obrolan dan ringkasan sebelumnya, karena sudah memiliki kemampuan operasi yang lebih kuat, sehingga risiko juga berubah. Bagi lembaga investasi, pengelolaan risiko selalu nomor satu. Informasi klien, data posisi, strategi investasi, dan bahan riset sendiri adalah konten yang sangat sensitif. Jika Agent dengan hak akses tinggi langsung diintegrasikan ke lingkungan kerja, dan terjadi injeksi prompt, pelanggaran hak akses, atau kebocoran data, meskipun kemungkinannya kecil, risiko ini bisa melampaui batas pengelolaan risiko.

Seorang profesional industri menganalisis kepada wartawan CaiLianShe bahwa tren “udang” ini, dalam tingkat tertentu, mirip dengan beberapa tahun lalu saat lembaga meneliti model besar, membangun basis pengetahuan, dan mengintegrasikan asisten riset, semuanya dimulai dari sedikit orang yang mencoba, lalu menyebar secara bertahap. Tetapi berbeda dari sebelumnya, Agent menekankan kemampuan eksekusi, bukan sekadar kemampuan menghasilkan, sehingga dalam pengambilan keputusan, kekhawatiran mereka jauh lebih besar. Sebab, model yang hanya menjawab pertanyaan dan alat yang memiliki kemampuan operasi dan memanggil sumber daya eksternal tidak berada di level yang sama dari sudut pandang pengelolaan risiko.

Daripada Menggantikan Manusia, Perusahaan Swasta Lebih Peduli Bagaimana AI Mengubah Cara Riset dan Menghasilkan Uang dari Quantitative

Jika kita mundur sedikit, diskusi yang lebih dalam di kalangan perusahaan swasta tentang OpenClaw sebenarnya bukan sekadar soal “menggunakan atau tidak”, melainkan bagaimana hal ini akan mengubah struktur kerja industri.

Dari sudut pandang riset subjektif, nilai paling nyata dari AI saat ini tetap sebagai alat bantu, bukan pengganti. Baik itu kode dasar, pengumpulan data, atau pembangunan kerangka riset awal, semuanya bisa dilakukan oleh Agent terlebih dahulu, tetapi penilaian investasi akhir, perbandingan industri, dan pengambilan risiko tetap bergantung pada pengalaman dan batasan manusia.

Seorang profesional industri yang tidak disebutkan namanya berpendapat bahwa yang benar-benar akan diubah secara mendalam di perusahaan swasta bukanlah posisi peneliti itu sendiri, tetapi berapa banyak waktu yang dihabiskan peneliti untuk tugas-tugas bernilai tambah rendah. Siapa yang bisa lebih cepat menyerahkan bagian ini ke alat, maka mereka lebih mungkin mengalihkan tenaga manusia ke penilaian dan verifikasi yang lebih inti.

Dari sudut pandang kuantitatif, tren ini memiliki makna yang lebih kompleks. Seorang profesional di perusahaan kuantitatif menyebutkan bahwa AI umum tidak akan dengan mudah menggantikan lembaga kuantitatif top, karena akumulasi data, kekuatan komputasi, kecepatan iterasi model, dan sistem pengelolaan risiko mereka tidak bisa dengan cepat ditandingi oleh tim kecil atau retail. Tetapi masalahnya, ketika semakin banyak peserta mulai menggunakan AI untuk membantu pengambilan keputusan, perilaku pasar bisa menjadi semakin seragam, titik beli dan jual menjadi lebih terkonsentrasi, dan volatilitas bisa meningkat. Dalam kondisi ini, yang paling terdampak mungkin bukan lembaga terbaik, tetapi strategi menengah yang bergantung pada mengikuti tren, tanpa logika dan pengelolaan risiko yang unik.

Banyak profesional di industri percaya bahwa industri swasta kemungkinan besar akan terus mencoba dan menguji alat serupa, tetapi tidak akan secepat diskusi di media sosial. Sebabnya sederhana: industri investasi bisa mengikuti tren terbaru, tetapi tidak bisa dengan mudah mengubah tren tersebut menjadi lingkungan produksi. Bagi perusahaan swasta, nilai sejati dari Agent mungkin bukan untuk menggantikan banyak peneliti hari ini, tetapi untuk mendorong lembaga memahami kembali pembagian kerja riset di masa depan. Manusia tetap menjadi pengambil keputusan terakhir, tetapi mesin akan semakin banyak terlibat dalam tahap persiapan sebelum pengambilan keputusan.

(Reporter CaiLianShe Wu Yuqi)