Analisis lengkap "Algoritma" Elon Musk: Bagaimana Mengubah Gagasan Gila Menjadi Kenyataan

Siapa pun dapat meniru seperangkat teknik manajemen yang kuat di balik kesuksesan Elon．Musk（Elon Musk）。

Setidaknya, itulah argumen inti dalam buku terbaru karya Jon McNeill, mantan presiden Tesla,《算法》（The Algorithm）. Buku tersebut mengemukakan bahwa persyaratan Musk terhadap cara kerja tim Tesla miliknya dan tim pabrikan roket SpaceX dapat dirangkum dalam lima langkah.

“Banyak kejeniusan yang ditunjukkan oleh perusahaan-perusahaan milik Musk berasal dari sejumlah besar talenta elite yang diberdayakan oleh ‘algoritma’,” tulis McNeill dalam bukunya, “mereka diberi wewenang mutlak untuk mempertanyakan segalanya dan melakukan inovasi berani, sehingga mereka dapat mengejar tujuan-tujuan yang sulit dijangkau oleh orang kebanyakan.”

Saat saya menonton sebuah acara yang baru-baru ini digelar Musk, ide seperti itu langsung muncul di benak saya. Di acara tersebut, ia mengumumkan rencana proyek bersama antara Tesla dan SpaceX, yang bertujuan untuk membangun pabrik chip kecerdasan buatan (AI) terbesar di dunia.

Musk menyatakan bahwa kapasitas produksi proyek bernama Terafab ini akan jauh melebihi total kapasitas seluruh pabrik manufaktur chip yang ada saat ini di seluruh dunia. Ini bukanlah bidang yang biasanya akan digeluti oleh perusahaan otomotif atau pabrikan roket, apalagi mengingat untuk masuk ke industri yang sangat kompetitif dan benar-benar berbeda itu sendiri sudah membawa risiko.

Namun, chip AI justru berada di jantung visi besar Musk; dalam cetak birunya, setiap tahun dunia akan memproduksi miliaran robot, dan manusia akan menjalankan misi luar angkasa untuk pergi ke bulan dan Mars. Seperti yang ia sampaikan kepada penonton di Austin, Texas, baru-baru ini, tujuannya sangat sederhana: “Mengubah fiksi ilmiah menjadi fakta ilmiah.”

Lantas, “algoritma” itu sebenarnya apa? Algoritma berisi serangkaian langkah yang tampak sederhana namun penuh makna: 1） Pertanyakan setiap kebutuhan; 2） Pangkas semua tahapan yang tidak perlu dalam proses (atau komponen); 3） Sederhanakan dan optimalkan; 4） Perpendek waktu siklus; 5） Otomatiskan.

Metode ini pertama kali dijelaskan secara rinci dalam buku《埃隆．马斯克传》（Elon Musk）yang terbit tahun 2023 karya Walter Isaacson. McNeill mengatakan bahwa justru Isaacson mendorongnya untuk menulis buku sendiri agar dapat membedah secara mendalam bagaimana “algoritma” itu bekerja.

McNeill meninggalkan Tesla pada 2018; sebelum itu, ia pernah menjadi tangan kanan Musk, mengalami langsung masa-masa sulit saat Tesla mengembangkan Model 3 yang memiliki arti penting dan bersejarah serta saat meningkatkan produksi Model X SUV.

Menurut deskripsi McNeill, pada periode itu, kerangka berpikir untuk memecahkan masalah sudah menjadi hal yang biasa, sampai seorang eksekutif Tesla menyarankan agar kerangka tersebut dinamai “algoritma”, supaya metode itu dapat dipromosikan secara lebih efisien di seluruh perusahaan.

McNeill mengatakan kepada penulis dalam salah satu episode podcast “Bold Names” bahwa metode ini berakar pada cara berpikir “first principles” yang dikagumi Musk.

McNeill menjelaskan: “Menurut saya, first principles adalah memecah masalah menjadi unsur paling dasar—artinya, saya akan memecah masalah hingga… tingkat atom.”

Namun, menerapkan sepenuhnya teori ini dengan sempurna jelas tidak mudah, bahkan bagi Musk sendiri.

Menurut perkiraan, biaya proyek Terafab dapat mencapai 20 miliar dolar AS atau bahkan lebih—dan proyek ini memiliki semua ciri “algoritma”.

Saat ini, Musk dan investor lain sedang menggelontorkan dana besar untuk membangun kemampuan komputasi yang lebih kuat guna mendorong perkembangan AI. Dan kendala kunci saat ini terletak pada pasokan chip AI serta energi yang dibutuhkan untuk menjalankan pusat data.

Sebagian dari strategi AI terbaru SpaceX adalah beralih untuk membangun pusat data di luar angkasa. Musk berpendapat bahwa sumber energi matahari di ruang angkasa melimpah, dan pada akhirnya biaya operasionalnya akan lebih rendah daripada di Bumi.

Namun, kelangkaan pasokan chip sedang membelenggu visi tersebut. Musk mengatakan bahwa untuk mewujudkan ambisi besarnya di bidang AI melalui xAI, mobil otonom dan robot humanoid Tesla, serta pusat data AI SpaceX, semuanya membutuhkan banyak chip, sedangkan total kapasitas produksi pemasok global saat ini hanya mampu memenuhi sekitar 2% dari kebutuhan mereka.

Musk menyatakan bahwa ia terus mencoba mendesak pemasok untuk segera memperluas kapasitas, tetapi pemasok-pemasok tersebut sering kali memiliki frekuensi ekspansi sendiri yang tidak ingin dilanggar.

Kebanyakan orang di dunia bisnis mungkin hanya bisa menunggu menghadapi situasi seperti ini. Namun Musk menolak untuk menunggu.

Musk berkata: “Kecepatan ini jauh di bawah yang kami harapkan, jadi hanya ada dua jalan yang tersedia: atau membangun Terafab, atau tidak ada chip yang bisa digunakan. Dan karena kami membutuhkan chip, maka kami berencana membangun Terafab.”

McNeill memberi tahu penulis bahwa inilah inti sari “algoritma”: jika Musk ingin mengendalikan nasibnya sendiri, tidak ada dogma yang mewajibkannya untuk bergantung pada pasokan chip dari pihak lain.

“Elon punya tiga bisnis yang semuanya bergantung pada chip, dan ia tahu betul ketergantungan seperti itu adalah ‘single point of failure’,” kata McNeill kepada penulis dalam email lanjutan.

Pihak luar meragukan langkah berikutnya Musk, terutama ketika ia berencana mendorong SpaceX go public tahun ini. Mengapa perusahaan-perusahaan ini ikut terlibat dalam industri manufaktur chip yang sedemikian kompleks dan menghabiskan banyak uang?

Selain itu, beberapa gagasan besar Musk dalam beberapa tahun terakhir juga tidak terwujud, misalnya rencana untuk meningkatkan kapasitas produksi tahunan Tesla hingga 20 juta unit, sementara tahun lalu realisasinya 1,6 juta unit—yang turut mengurangi daya persuasi untuk membangun Terafab.

Namun para pendukung berpendapat bahwa Musk telah sukses menjadikan Tesla sebagai raksasa mobil listrik dan membentuk SpaceX sebagai penguasa di ekonomi luar angkasa yang sedang tumbuh; rekor perjuangan masa lalu tersebut cukup untuk membuktikan bahwa begitu Musk berhasil, ia bisa menciptakan keajaiban.

“Algoritma” ini ditempa selama bertahun-tahun bergulat dan jatuh-bangun. Hambatan dari pemasok adalah masalah besar yang terus dihadapi perusahaan manufaktur di bawah Musk—terutama saat menghadapi teknologi baru, karena di bidang-bidang tersebut, tidak semua orang memiliki keyakinan mutlak seperti Musk terhadap skala pasar baru yang potensial.

Contohnya, tak lama setelah Model S Tesla meraih sukses, Musk mulai merencanakan membangun pabrik baterai raksasa. Mirip dengan situasi saat ini, Musk saat itu memprediksi jumlah baterai yang dibutuhkan mobil listrik akan melampaui kapasitas produksi global, sehingga ia memutuskan untuk memecahkan kebuntuan lebih dulu.

Pada akhirnya, Tesla meyakinkan pemasok baterai Panasonic untuk membuka pabrik besar di Nevada, yang menjadi landasan kunci agar Model 3 menuju kesuksesan.

McNeill memberi tahu penulis bahwa salah satu elemen inti “algoritma” adalah ia menanamkan rasa urgensi dalam pekerjaan sehari-hari. Bagi Musk, ini berarti menangkap satu atau dua masalah yang menyangkut hidup-mati, lalu terus mengawasinya dari minggu ke minggu.

“Saya dulu menghadiri rapat-rapat itu dan saya sangat yakin bahwa CEO para pesaing tidak akan hadir langsung dalam penilaian engineering yang diadakan setiap minggu, dan mereka juga tidak akan mendorong perkembangan perusahaan dengan kecepatan seperti itu,” kata McNeill. “Jadi, dibanding para pesaing ini, keunggulan yang kami kumpulkan terus bertambah berlapis.”

Kini, rasa urgensi Musk yang baru jelas terfokus pada bidang AI di luar angkasa.

Limpahan informasi, interpretasi yang akurat, semuanya ada di aplikasi Sina Finance

Penanggung jawab: Liu Mingliang