Orang-orang selalu berlebihan dalam memperkirakan kecepatan perubahan.

Saya telah melihat bertahun-tahun lalu prediksi tentang 'kematian agen properti',
tapi ketika saya membeli apartemen bulan lalu, saya harus mempekerjakan agen dengan alasan yang dibuat-buat.
Pria itu mendapatkan sekitar 50 ribu dolar dari satu transaksi, dan pekerjaan nyata tidak lebih dari 10 jam.
Saya bisa melakukannya sendiri, tapi sistem tidak mengizinkan.
Ini adalah contoh nyata dari inersia institusional.

Pada 2007 mereka bilang dolar akan berakhir,
pada 2008 mereka bilang ekonomi akan runtuh,
pada 2014 mereka bilang AMD dan NVIDIA sudah selesai.
Lalu muncul ChatGPT dan mereka bilang Google sudah berakhir.
Tapi institusi lama terbukti setiap kali bahwa mereka jauh lebih kuat dari yang orang bayangkan.
Ini bukan kebetulan - ada kekurangan struktural mendalam dalam cara kerja masyarakat nyata.

Saya mendirikan dan menjual sebuah perusahaan yang seluruh ide utamanya adalah mengubah perusahaan asuransi dari layanan manual ke perangkat lunak.
Saya belajar pelajaran yang sulit: setiap perubahan nyata membutuhkan waktu jauh lebih lama dari yang Anda perkirakan,
bahkan jika Anda sudah memperkirakannya sejak awal.
Ini berarti dunia tidak akan berubah - artinya perubahan akan lebih lambat, dan ini memberi kita waktu untuk beradaptasi.

Mengenai perangkat lunak, sebagian besar orang tidak memahami besarnya masalah.
Saya menghabiskan ratusan ribu dolar untuk Salesforce dan Monday,
dan kenyataannya perangkat lunak ini sangat buruk.
Setiap alat penuh dengan kesalahan.
Beberapa situs tidak berfungsi dengan baik di ponsel.
Kecerdasan buatan mungkin memungkinkan pesaing menyalin produk ini,
tapi yang lebih penting adalah mereka bisa membuat produk yang lebih baik.
Jadi kejatuhan saham bukan hal yang aneh - industri ini bergantung pada hubungan jangka panjang dan kekurangan kompetisi.
Sekarang kompetisi kembali, dan ini normal.

Faktanya, permintaan tenaga kerja di bidang perangkat lunak hampir tidak terbatas.
Hampir setiap produk perangkat lunak memiliki ruang peningkatan besar - mungkin 100 kali lipat dari kompleksitas dan fungsi sebelum kita bilang selesai.
Paradoks Johnson berlaku di sini: meningkatkan efisiensi menyebabkan permintaan yang lebih besar.
Insinyur pada 2020 produktivitas mereka setara dengan ratusan orang pada 1970,
tapi hasilnya masih memiliki ruang besar untuk perbaikan.

Inersia bukan hanya masalah - ini adalah peluang.
Ketika kecerdasan buatan mempengaruhi lapisan birokrasi,
pemerintah akan mendanai proses rekayasa ulang besar-besaran.
Amerika Serikat telah kehilangan kemampuan memproduksi baterai, mesin, dan chip.
Cina memproduksi 90% amonia sintetis di dunia.
Jika pasokan terputus, kita bahkan tidak bisa membuat pupuk.
Ini berarti peluang pekerjaan besar di infrastruktur dan manufaktur.

Orang akan menyadari bahwa menyelesaikan hal-hal nyata melalui kerja keras memberi kepuasan lebih dari dunia digital.
Mungkin insinyur yang kehilangan pekerjaan dengan gaji 180 ribu di Salesforce akan menemukan pekerjaan di pembangkit air bersih di California.
Proyek-proyek ini tidak hanya membutuhkan pembangunan - mereka membutuhkan pemeliharaan jangka panjang dan peningkatan berkelanjutan.

Saya sangat optimis tentang kecerdasan buatan, dan saya prediksi suatu hari pekerjaan saya akan menjadi usang.
Tapi ini membutuhkan waktu, dan waktu memberi kita kesempatan untuk merencanakan dengan benar.
Inersia dalam sistem bukanlah kelemahan - ini adalah perlindungan.
Pemerintah telah membuktikan selama COVID bahwa mereka mampu merespons dengan cepat saat ada krisis.
Ketika diperlukan, kebijakan insentif akan datang dengan cepat.

Intinya bukan angka akuntansi - intinya adalah menjamin kesejahteraan material orang.
Ini yang memberi negara legitimasi dan menjaga kontrak sosial.
Jika kita tetap waspada dan responsif selama revolusi teknologi yang lambat tapi pasti ini,
kita akan aman pada akhirnya.