Tiga Benteng Utama di Era AI: Mengapa Anda Hanya Memiliki Waktu 12 Bulan

Menulis: DeepThink Circle

Apakah kamu pernah menyadari bahwa orang-orang di sekitarmu yang menggunakan AI semuanya melakukan hal yang sama? Memberi petunjuk, menerima, mempublikasikan. Tanpa penilaian, tanpa rasa estetika, seperti pekerja di jalur produksi yang secara mekanis mengulangi tindakan yang sama. Baru-baru ini saya membaca sebuah artikel dari pengusaha Silicon Valley, Shann, yang secara jujur menunjukkan: saat ini 90% pengguna AI terjebak dalam perangkap ini. Mereka mengira menguasai alat AI berarti menguasai masa depan, padahal mereka tidak tahu bahwa kompetisi sejati baru saja dimulai. Lebih penting lagi, Shann berpendapat kita hanya punya sekitar 12 bulan untuk membangun pertahanan nyata, jika tidak, setelah jendela ini tertutup, sulit untuk menonjol. Ini sangat menyentuh saya, karena saya sendiri juga mengalami proses kesadaran serupa.

Saya ingat sekitar setahun lalu, saat pertama kali benar-benar mulai menggunakan AI untuk membangun produk dan konten, rasanya sangat adiktif. Dari “Saya punya ide” sampai “Ini sudah online” hampir tanpa jeda. Dalam tiga bulan, saya menyelesaikan lebih banyak proyek daripada dua tahun sebelumnya. Tapi saat saya berani meninjau kembali apa yang saya publikasikan, saya harus mengakui satu kenyataan kejam: setengahnya adalah karya biasa-biasa saja. Secara teknis tidak ada masalah, fungsinya lengkap, tapi sama sekali tidak meninggalkan jejak. Mereka terlihat seperti semua hal lain, karena cara pembuatannya sama persis dengan yang lain. Petunjuk yang sama, pengaturan default yang sama, pemahaman dangkal tentang “kualitas”. Saya terjebak dalam perangkap paling umum di era AI: mengira kuantitas output adalah kualitas, menganggap cepat rilis sebagai produktivitas, dan melakukan lebih banyak sebagai tanda melakukan lebih baik. Pemahaman ini membuat saya berhenti sejenak dan merenung: dalam era di mana AI memungkinkan semua orang untuk memproduksi dengan cepat, apa sebenarnya keunggulan kompetitif yang nyata?

Buku baru saya, “Keluar ke Laut, Praktik Pemasaran Produk Global”, akan segera terbit. Sebagai ucapan terima kasih kepada para pembaca yang selalu mendukung DeepThink Circle, saya menyiapkan kegiatan pemberian buku gratis ini. Kamu bisa mendapatkan buku gratis secara langsung, dan bagi yang berminat, silakan isi data di bawah ini. Karena jumlahnya terbatas dari penerbit, saya akan memilih sebagian dari pengisi survei untuk diberi buku, jadi mohon pengertian jika tidak semua bisa mendapatkannya.

Banjir AI Slop dan Krisis Kepercayaan

“AI slop” (konten sampah AI) dipilih sebagai kata tahun 2025. Kata ini melonjak 9 kali lipat, dari 461 ribu menjadi 2,4 juta sebutan. Tapi angka ini tidak sepenuhnya mencerminkan pengalaman nyata sebagai konsumen. Kamu pasti pernah melihat konten seperti ini: postingan di LinkedIn yang tampak seperti dibuat dengan petunjuk pemasaran tingkat menengah, landing page yang seragam dengan latar gradasi dan font Inter serta judul “Revolusi Alur Kerja Kamu”, artikel blog yang membahas semua sudut topik tapi tidak menyampaikan apa-apa. Konten ini secara teknis tidak bermasalah, tapi mereka kehilangan hal terpenting: jejak manusia.

Shann membagikan temuan penelitian yang sangat menarik. Studi dari New York University dan Emory University menunjukkan bahwa iklan yang dihasilkan AI sebenarnya memiliki click-through rate 19% lebih tinggi daripada iklan buatan manusia. Dari indikator standar, output AI secara objektif lebih baik. Tapi ketika konsumen mengetahui bahwa iklan tersebut dibuat AI, keinginan membeli turun 33%. Fenomena ini patut direnungkan: kualitas output lebih baik, orang justru menolak. Bukan karena kontennya buruk, tapi karena mereka tidak merasakan ada manusia di baliknya. Tidak ada yang membuat keputusan di sini, tidak ada yang peduli menaruh nama mereka di situ. Konsumen bisa merasakan kekurangan ini, meskipun mereka tidak bisa menjelaskan secara spesifik apa yang salah.

Saya mengamati fenomena ini menyebar di berbagai bidang. Statistik menunjukkan bahwa 80-90% proyek agen AI gagal di lingkungan produksi, ribuan situs web serupa setiap hari diluncurkan, kontennya terdengar seperti robot yang merangkum output robot lain. Ambang “fungsi” belum pernah semudah ini, dan ini berarti ambang “keunggulan” belum pernah sepenting ini. Fungsi saat ini gratis, keunggulan tetap membutuhkan biaya. Biaya ini diukur dari rasa estetika, perhatian, dan keinginan untuk melampaui output pertama. Kepercayaan terhadap konten yang dihasilkan AI menurun sekitar 50%, ini bukan kebetulan, melainkan reaksi alami terhadap banjir konten ini.

Tiga Pertahanan: Kemampuan yang Tidak Bisa Digantikan AI

Paul Graham pernah berkata: “Di era AI, rasa estetika akan menjadi semakin penting. Ketika siapa pun bisa membuat apa saja, perbedaan sejati terletak pada apa yang kamu pilih untuk dibuat.” Benar, tapi saya rasa hanya rasa estetika tidak cukup. Setelah setahun praktik dan pengamatan, saya menemukan hanya ada tiga hal yang benar-benar bisa membangun pertahanan di era AI: taste (rasa estetika), distribution (distribusi), dan high agency (kemandirian tinggi).

Taste adalah tahu apa yang bagus. Ini bukan konsep abstrak, melainkan kemampuan penilaian yang tercermin dalam setiap keputusan. Distribution adalah mengantarkan karya bagus ke orang yang peduli. Di era informasi yang meledak, dilihat saja sudah merupakan kemampuan langka. High agency adalah keinginan untuk aktif mencari tahu saat tidak ada yang memberi tahu apa yang harus dilakukan. Ini adalah karakter pribadi yang menentukan apakah kamu akan mengatasi hambatan atau berhenti.

Mengapa AI tidak bisa menggantikan ketiganya? Karena penilaian hanya berasal dari pengalaman, kepercayaan berasal dari konsistensi, dan motivasi internal tidak akan menyerah saat jalannya tidak jelas. Kebanyakan orang memiliki kesalahan mendasar dalam memahami AI: AI tidak akan menyamakan tingkat kompetisi, melainkan memperbesar ketidakseimbangan. AI seperti cermin yang memantulkan seberapa banyak pengguna memahami. Jika diberikan kepada orang tanpa konteks, tanpa rasa estetika, dan tidak memahami apa yang mereka bangun, hasilnya akan berupa output umum yang massal. Jika diberikan kepada orang yang benar-benar menguasai bidangnya dan mampu menilai output dengan mata terlatih, AI akan menjadi alat paling kuat yang pernah mereka gunakan. Input yang sama, hasil yang sangat berbeda. Variabel utamanya adalah manusia.

Pertahanan Pertama: Taste (Rasa Estetika)

Shann berbagi momen kesadarannya saat membangun. Ketika dia meninjau karya-karya cepatnya, setengahnya adalah karya biasa-biasa saja. Maka dia melakukan sesuatu yang banyak orang abaikan: berhenti dan belajar. Dia menghabiskan ratusan jam mempelajari apa itu “benar-benar bagus”. Membaca cara berpikir pembangun lain, meneliti karya-karya yang konsisten berbeda dari yang lain. Bukan demi berbeda demi berbeda, melainkan karena ada orang yang cukup peduli dan membuat keputusan nyata, bukan menerima apa yang AI berikan pertama kali. Dia belajar desain website, tata letak, jarak, hierarki visual, menganalisis website yang benar-benar mengonversi, berusaha memahami mengapa mereka efektif sementara ribuan website serupa tidak. Dia membaca tentang narasi, ketegangan naratif, apa yang membuat orang terus menggulir bukan keluar dari konten.

Ini mengingatkan saya pada pengalaman pribadi. Saat membangun materi pemasaran berbasis AI, saya mencoba semua alat yang bisa ditemukan: Gamma, Chronicle, Beautiful.ai, dan lain-lain. Outputnya terasa sama: “cukup” secara teknis, bersih secara visual, tapi sama sekali tidak meninggalkan jejak. Maka saya berhenti mencari alat yang bisa menggantikan saya, dan mulai mengerjakan sendiri. Saya menghabiskan beberapa hari mempelajari materi secara mendalam, bukan sekadar membaca, tapi berpikir. Cerita apa yang disampaikan data ini? Apa yang membuat orang peduli terhadap angka-angka ini? Apa garis naratif yang menghubungkan semuanya? Saya belajar prinsip desain presentasi, bagaimana desainer informasi mengelola densitas data, bagaimana membangun ketegangan dan pelepasan dalam pidato terbaik, bagaimana hierarki visual mengarahkan mata tanpa harus diberi tahu ke mana harus melihat. Akhirnya saya buat pembagian tugas: biarkan Claude Opus 4.6 menulis cerita dan naskah, Gemini menghasilkan visual, saya mengarahkan keduanya, memberi referensi spesifik, batasan, dan contoh nuansa yang harus disampaikan.

Mengapa AI selalu default ke generalisasi? Leon Lin punya penjelasan brilian. Dia membangun “skill rasa” untuk Claude Code karena dia menyadari salah satu karakteristik dasar dari model bahasa besar (LLM): mereka adalah mesin probabilitas. Tanpa aturan ketat, mereka secara statistik akan mengulang pola yang paling umum dari data pelatihan. Inilah mengapa setiap website yang dihasilkan AI terlihat sama: font Inter, gradasi ungu, sudut bulat dalam grid. Bukan AI tidak mampu lebih baik, tapi output yang paling mungkin adalah rata-rata dari semua yang pernah dilihatnya. Solusi Leon adalah aturan desain eksplisit dengan 400 token: font tertentu (Press Start 2P, VT323) bukan Inter dan Roboto, warna tertentu (pink neon, biru elektrik, hijau asam) bukan palet biru ungu default, aturan tentang gerakan, komposisi ruang, latar belakang, dan daftar “apa yang harus dihindari” untuk mencegah AI kembali ke pengaturan default.

Daftar “apa yang harus dihindari” ini adalah wawasan sejati. Rasa estetika bukan hanya tahu apa yang diinginkan, tapi juga tahu apa yang harus ditolak. Memiliki pandangan sendiri terhadap pengaturan default dan bersedia membantahnya. Kebanyakan orang menerima output apa adanya karena mereka tidak punya persepsi yang cukup kuat tentang seperti apa “lebih baik” itu, sehingga tidak tahu harus melangkah lebih jauh. Inilah mengapa rasa tidak bisa didapatkan dari tutorial. Kamu mendapatkannya dari pengalaman langsung, dari mengamati ribuan contoh, membangun model internal tentang apa yang efektif dan tidak. Dari belajar tata letak sampai bisa membedakan mengapa kombinasi font tertentu terasa elegan sementara yang lain terasa umum, meskipun kamu tidak bisa menjelaskannya sepenuhnya. Dari membaca karya-karya hebat sampai bisa merasakan kapan sebuah kalimat memikul bobotnya dan kapan hanya mengisi ruang.

Saya menyadari bahwa mengembangkan rasa membutuhkan waktu dan latihan sengaja yang intens. Shann menyebutkan sebuah hukum 80/20 baru: 80% dikerjakan oleh AI, 20% adalah rasa estetika kamu. Biarkan AI melakukan apa yang ia kuasai—riset, draf awal, kode contoh, struktur, format, kecepatan. Itu bagian 80%. Jangan melawannya, jangan memperlambatnya, jangan melakukan secara manual hal yang bisa diselesaikan AI dalam hitungan detik. Itu adalah pemborosan sumber daya paling berharga: perhatian dan penilaian. Tapi 20% terakhir adalah milikmu. Di situlah kamu memutuskan apa yang dipertahankan, apa yang dihapus. Kamu menulis ulang bagian pembuka karena AI memberimu pilihan aman, dan keamanan ini tidak akan mendorong orang untuk terus menggulir. Kamu mengganti komponen default dengan yang benar-benar cocok. Kamu meninjau output, menerapkan pengetahuan tentang apa yang baik dari bidangmu.

Sebagian besar orang membalik proporsi ini. Mereka menghabiskan 80% energi untuk memberi petunjuk dan menyesuaikan AI, berusaha sekali rilis sempurna dengan menjalankan petunjuk yang sama berkali-kali dengan variasi kata yang berbeda, mencari kombinasi kata ajaib yang menghasilkan apa yang mereka inginkan. Tapi mereka hampir tidak meluangkan waktu untuk kurasi dan penilaian. Mereka mengoptimalkan bagian yang salah dari persamaan. Produksi tanpa kualitas hanyalah gerakan. Internet penuh dengan karya biasa-biasa saja yang mampu dibuat, tapi tidak menonjol karena semua orang berhenti di titik yang sama.

Pertahanan Kedua: Distribution (Distribusi)

Kamu bisa punya produk terbaik, konten terbaik, desain terbaik. Tapi kalau tidak dilihat orang, tidak ada artinya. Ini adalah pertahanan yang sangat diremehkan oleh banyak pembangun, terutama yang berbasis teknologi. AI menurunkan ambang pembuatan, tapi tidak menyentuh ambang kepercayaan. Pembuatan menjadi komoditas, siapa pun bisa merilis produk, membuat konten, menjalankan kampanye pemasaran. Hambatan untuk membuat sesuatu mendekati nol. Tapi hambatan kepercayaan? Masih setinggi dulu, bahkan mungkin lebih tinggi, karena banjir konten AI membuat orang semakin skeptis, bukan lebih percaya. Saat semuanya bisa dihasilkan AI, kepercayaan terhadap karya dan manusia di baliknya menjadi aset berharga.

Shann menunjukkan perbedaan kunci: dari “vibe coded (mengkodekan suasana) dan dipublikasikan” ke “ada orang yang benar-benar menggunakannya dan membayar” hampir seluruhnya bergantung pada distribusi. Intinya, distribusi adalah kepercayaan massal. Ya, kamu bisa menghasilkan 50 posting dalam satu jam. Kamu bisa otomatisasi komunikasi, reuse konten lintas platform, menjadwalkan semuanya sebulan sebelumnya. Ada orang yang setiap hari memposting lebih dari 1000 konten AI di ratusan akun, tapi engagement-nya mendekati nol. Karena tanpa kualitas, jumlah hanyalah noise besar-besaran, dan audiens bisa merasakan mana yang dikirim secara massal dan mana yang dibuat khusus untuk mereka.

Perbedaan antara konten yang performa dan yang tidak sering kali bukan pada isi informasinya, tapi pada apakah pembaca percaya kepada penulisnya. Kepercayaan berasal dari konsistensi, suara yang dikenali, bukti yang menunjukkan bahwa orang ini tahu apa yang mereka bicarakan karena mereka sudah menunjukkan karya mereka berbulan-bulan atau bertahun-tahun. Kamu tidak bisa membangun ini dari petunjuk. Kepercayaan berjalan di jalur yang berbeda. AI bisa memangkas waktu pembuatan dari hari ke menit, tapi kepercayaan tetap membutuhkan bulan atau tahun untuk dibangun. Tidak ada jalan pintas, tidak ada trik curang. Kamu tidak bisa mengekspresikan vibe kepercayaan dari petunjuk.

Saya rasa ada perbedaan penting yang sering terlewatkan: audiens pasif adalah komoditas, pengikut adalah indikator kesombongan. Komunitas aktif adalah pertahanan. Mereka yang berinteraksi di balasanmu, berbagi karya tanpa diminta, kembali setiap hari karena kamu sudah menjadi bagian dari pemikiran mereka tentang suatu topik. Kamu tidak bisa membangun ini dari kalender konten dan alat penjadwalan. Kamu membangunnya melalui konten yang benar-benar berguna, berbicara secara spesifik, jujur tentang apa yang kamu tahu dan tidak tahu, dan muncul cukup lama sehingga orang mulai memperhatikan. Keunggulan distribusi di era AI sebenarnya terletak pada: menggunakan AI untuk mengurus logistik—format, reuse, penjadwalan, analisis. Fokuskan semua energi untuk membuat konten yang layak disebarkan menjadi lebih baik.

Rasa estetika mendukung distribusi. Kalau karya kamu benar-benar bagus, orang akan mulai menyebarkannya. Mereka membagikan karena itu membuat mereka berpikir, bukan karena kamu memintanya. Kalau karya kamu umum, tidak peduli seberapa sering kamu memposting, itu tidak akan membantu. Kamu hanya akan menyebarkan karya biasa lebih cepat ke lebih banyak orang.

Pertahanan Ketiga: High Agency (Kemandirian Tinggi)

Ini adalah pertahanan yang sering diremehkan, tapi mungkin yang paling penting dari ketiganya. Rasa estetika bisa dilatih, distribusi bisa dibangun, tapi kemandirian tinggi adalah karakter yang mendorong semuanya atau menghambat semuanya. Kemandirian tinggi adalah keinginan untuk mencari tahu sendiri tanpa diajari. Saat menghadapi hambatan, cari jalan keluar, jangan berhenti. Gabungkan alat tanpa orang yang memberi tahu harus bagaimana, karena kamu cukup penasaran untuk mencoba. Kalau sesuatu tidak berhasil, buka dokumentasi dan coba empat cara berbeda sebelum minta bantuan.

CEO Replit pernah berkata: “Kamu tidak perlu pengalaman pengembangan apa pun. Kamu perlu ketekunan. Kamu perlu belajar cepat.” CEO Coinbase mengatakan hal serupa: karyawan terbaik mereka sering kali tidak memenuhi syarat secara formal, tapi mereka semua orang yang sangat aktif dan inisiatif, mampu menyelesaikan pekerjaan tanpa harus diawasi. Sekarang, orang yang berkembang pesat bukan yang paling berpengalaman atau paling mahir secara teknis, melainkan yang tidak perlu meminta izin untuk bertindak. Non-developer bisa merilis ekstensi Chrome, produk SaaS, dan aplikasi mobile lengkap dalam satu akhir pekan karena mereka penasaran dan mulai bereksperimen, bukan menunggu kursus sempurna atau waktu yang tepat.

AI adalah multiplier, bukan penyeimbang. Ini mungkin salah satu kesalahpahaman terbesar tentang alat ini saat ini. Banyak yang membicarakan tentang demokratisasi akses AI dan menyamakan tingkat kompetisi. Secara teknologi memang benar, tapi secara praktik menyesatkan. Multiplier memperbesar apa yang kamu berikan padanya. Rasa ingin tahu plus AI sama dengan leverage 10 kali lipat: kamu bergerak lebih cepat, belajar lebih cepat, membangun lebih cepat, dan mengoreksi arah lebih cepat. Pasif plus AI sama dengan nol. Nol dikali sepuluh tetap nol.

Dalam praktik, kemandirian tinggi terlihat seperti ini: bukan bertanya “Bagaimana saya melakukan ini?” melainkan “Kalau saya coba ini, apa yang akan terjadi?” Kemudian kamu benar-benar mencoba. Sebelum memposting pertanyaan, sebelum mencari jawaban, kamu coba sesuatu. Kamu gagal, belajar dari kegagalan, dan mencoba lagi dengan informasi baru. Kemauan untuk terlibat dalam ketidakpastian, bukan mundur, adalah perbedaan antara orang yang membangun sesuatu yang nyata dan orang yang hanya membuat konten tentang membangun.

Kamu bisa melihat ini pada mereka yang tidak hanya menggunakan Claude untuk coding, tapi juga masuk ke komunitas X, Reddit, dan sumber kode, mempelajari apa yang dilakukan pembangun terbaik. Mereka membalikkan proses mengapa beberapa produk terasa lebih baik dari pengaturan default AI. Mereka belajar kerangka dasar, bukan sekadar menyalin petunjuk. Mereka meminta Claude mengkritik pekerjaan mereka sendiri, menggunakan AI untuk menantang asumsi mereka, bukan hanya mengonfirmasi. Orang dengan kemandirian tinggi menganggap kesabaran sebagai aset strategis. Orang lain berlomba-lomba merilis sesuatu yang bisa langsung digunakan, tapi mereka yang mendalami dan lambat akan menjadi keunggulan kompetitif.

Tentang AI, kesalahpahaman terbesar saat ini adalah bahwa AI adalah jalan pintas. Padahal, AI adalah multiplier kecepatan. Multiplier ini jika diterapkan pada penilaian yang buruk hanya akan mempercepat kesalahan. AI tidak akan menyelamatkanmu dari membangun sesuatu yang salah. Ia akan membantumu membangun sesuatu yang salah dalam waktu tercepat. Dari ketiga pertahanan, kemandirian tinggi mungkin yang paling sulit dipalsukan. AI bisa meniru sebagian besar eksekusi: kode, desain, naskah, riset. Tapi yang tidak bisa ditiru adalah motivasi untuk memahami saat semuanya tidak jelas dan tidak ada yang memberi tahu langkah selanjutnya. Itu harus datang dari dirimu, dan jujur saja, itu adalah fondasi yang memungkinkan kedua pertahanan lainnya.

Jendela Waktu Sedang Menutup

Saat ini, kebanyakan orang yang memakai AI terlalu malas. Saya tidak mengatakan ini untuk menyindir, ini hanyalah fakta yang bisa diamati. Kebiasaan default: memberi petunjuk, menerima, mempublikasikan. Mereka hampir tidak mengedit, hampir tidak menggunakan penilaian, hampir tidak menambahkan rasa estetika. Akibatnya terlihat: lautan output yang semakin banyak, mampu dibuat, tapi mudah dilupakan, dan tidak membedakan satu sama lain.

Ini tidak akan berlangsung selamanya. Seiring AI menjadi lebih baik, alat menjadi lebih intuitif, dan semakin banyak orang memahami aspek kerajinan, jarak antara penggunaan malas dan penggunaan sadar akan semakin menyempit. Saat ini, hanya dengan membangun ketiga pertahanan ini, kamu sudah unggul dari 95% pengguna yang sama. Jendela ini akan tertutup, tapi saat ini masih terbuka.

Saya mengamati fenomena: audiensmu sedang tenggelam dalam AI slop. Setiap scroll adalah tembok output umum yang terlihat, terdengar, dan terasa sama. Mengembangkan rasa estetika, tahu apa yang layak dibuat, membangun kepercayaan melalui waktu, dan memiliki kemandirian untuk terus mencari tahu saat orang lain mengikuti default, akan langsung menonjol. Bukan karena mereka lebih cepat, punya alat lebih baik, atau menemukan petunjuk rahasia yang tidak diketahui orang lain, tapi karena mereka melakukan hal yang hampir tidak dilakukan orang lain: peduli apa yang terjadi setelah AI selesai.

Shann memberi kerangka waktu 12 bulan. Saya rasa dia benar. Setelah 12 bulan, rasa estetika tidak lagi langka, melainkan menjadi harapan. Distribusi akan semakin sulit dibangun karena semua orang akan mencobanya. Mereka yang mulai sekarang akan mendapatkan keuntungan awal berkat efek kumulatif. Ini bukan tentang menciptakan kelangkaan buatan atau urgensi palsu, ini adalah kenyataan dari kurva adopsi teknologi. Pengguna awal membangun infrastruktur, mengumpulkan keahlian, dan mendapatkan kepercayaan. Pengguna berikutnya harus bersaing di ruang yang lebih padat.

Saran saya sederhana: bangun ketiga pertahanan ini. Rasa estetika tahu apa yang layak dibuat, distribusi membuatnya dilihat, dan kemandirian terus maju saat semuanya tidak jelas. Itulah cara kamu membangun sesuatu yang benar-benar diingat orang. Orang lain akan memposting lebih cepat, lalu bertanya-tanya mengapa mereka tidak dihargai. Alat hanyalah alat, yang benar-benar penting adalah apa yang kamu lakukan dengannya dan seberapa banyak kamu memasukkan dirimu ke dalam prosesnya.