OpenAI menghabiskan 4 miliar dolar AS secara gila-gilaan untuk merebut FDE, akhirnya insinyur perangkat lunak berakhir sebagai staf tetap

Waktu setempat 11 Mei, OpenAI mengumumkan pendirian sebuah perusahaan baru bernama OpenAI Deployment Company (Perusahaan Penempatan OpenAI), dengan investasi awal lebih dari 4 miliar dolar AS, fokus membantu perusahaan membangun dan menempatkan sistem AI.

OpenAI menghabiskan 4 miliar dolar AS untuk mendirikan perusahaan penempatan

OpenAI Deployment Company adalah kemitraan yang dibangun bersama oleh OpenAI dan 19 perusahaan investasi, konsultasi, dan integrator sistem terkemuka di seluruh dunia. Kemitraan ini dipimpin oleh TPG, dengan Advent, Bain Capital, dan Brookfield sebagai pendiri mitra bersama, serta B Capital, BBVA, Emergence Capital, Goanna, Goldman Sachs, SoftBank Group, Warburg Pincus, dan WCAS sebagai mitra pendiri.

Untuk mempercepat skala tim, OpenAI Deployment Company juga mengakuisisi perusahaan konsultasi AI Tomoro, dengan tujuan memperkenalkan sekitar 150 insinyur dan ahli penempatan langsung berpengalaman, yang langsung dapat mulai melayani sejak didirikan. Insinyur-insinyur ini akan bekerja secara mendalam di lokasi klien, berkolaborasi erat dengan berbagai tim, mengidentifikasi skenario penerapan AI yang paling bernilai, dan mendorong implementasi nyata.

Ini merupakan perubahan strategis besar bagi perusahaan-perusahaan OpenAI.

Dua tahun terakhir, OpenAI lebih banyak mengandalkan ChatGPT Enterprise, API, dan kemampuan model untuk membuka pasar; namun sekarang, mereka tampaknya menyadari bahwa memiliki model paling kuat saja tidak cukup untuk memenangkan pasar perusahaan di masa lalu. Yang benar-benar menentukan kecepatan komersialisasi AI bukanlah parameter model, melainkan “kemampuan penerapan”.

Dan inilah yang menjadi nilai dari Tomoro.

Lalu, siapa sebenarnya Tomoro?

Tomoro didirikan pada tahun 2023, sejak awal sudah menempelkan label sebagai “perusahaan ekosistem OpenAI”.

Pertama, perusahaan ini adalah perusahaan konsultasi yang fokus pada penempatan dan layanan rekayasa AI perusahaan, dengan bisnis inti bukan mengembangkan model dasar, tetapi membantu perusahaan mengintegrasikan model OpenAI ke dalam bisnis mereka, menyelesaikan berbagai masalah kompleks mulai dari akses data, pengelolaan sistem, kontrol izin, hingga desain alur kerja produksi.

Dari daftar klien yang diumumkan secara terbuka, Tomoro sudah melayani perusahaan besar internasional seperti Mattel, Red Bull, Tesco, Virgin Atlantic, dan Supercell.

Kesamaan dari semua klien ini adalah: mereka bukan “perusahaan inovasi teknologi”.

Dengan kata lain, keahlian utama Tomoro bukanlah melatih model di laboratorium AI, tetapi menggerakkan AI dari tahap konsep ke sistem produksi di lingkungan bisnis yang paling kompleks dan nyata.

Yang menarik, perusahaan Tomoro juga memiliki filosofi pengembangan yang menarik: membangun minggu kerja tiga hari. Di halaman utama situs resminya, Tomoro menulis:

“Revolusi kecerdasan buatan memberikan peluang untuk merombak masyarakat. Kami bukan penonton, melainkan pencipta—kami akan bersama-sama membangun dunia yang akan dibanggakan oleh kami dan generasi mendatang.

Misi kami adalah menyeimbangkan produktivitas AI dan tujuan manusia, mewujudkan minggu kerja tiga hari.”

Dari latar belakang tim pendiri, inti tim Tomoro sebagian besar berasal dari bidang konsultasi digitalisasi perusahaan, infrastruktur cloud, dan rekayasa aplikasi AI, merupakan tim campuran yang “mengerti model, lebih mengerti transformasi sistem perusahaan”.

Halaman resmi Tomoro menunjukkan bahwa mereka sedang merekrut insinyur lapangan di Australia, Singapura, Inggris, dan lain-lain.

Mengapa OpenAI tiba-tiba menginvestasikan dana besar untuk penempatan?

Logika di balik ini tidak sulit dipahami: pelanggan perusahaan tidak pernah membeli model, mereka membeli hasilnya.

Chief Revenue Officer OpenAI, Denise Dresser, mengatakan: “AI semakin mampu menangani pekerjaan yang semakin bermakna di dalam organisasi. Tantangannya sekarang adalah bagaimana membantu perusahaan mengintegrasikan sistem ini ke dalam infrastruktur dan alur kerja bisnis mereka. Perusahaan penempatan OpenAI bertujuan menjembatani kesenjangan ini dan mengubah kemampuan AI menjadi dampak operasional nyata.”

Denise Dresser dan timnya sudah menyadari bahwa, penempatan langsung adalah kemampuan AI tingkat perusahaan yang paling mereka perlukan saat ini.

Meskipun ChatGPT sudah meraih keberhasilan besar di ranah konsumen, di pasar perusahaan, Anthropic dalam setahun terakhir telah bangkit dengan cepat melalui seri Claude, dan membangun kehadiran yang sangat kuat di kalangan pengembang dan pelanggan perusahaan. Tahun ini, bahkan OpenAI secara terbuka mengakui bahwa pertumbuhan Anthropic memberi tekanan yang signifikan terhadap perusahaan.

Menurut Reuters, dalam sebuah rapat internal, kepala bisnis aplikasi OpenAI, Fidji Simo, secara tegas mengatakan kepada staf:

Pertumbuhan Anthropic harus menjadi “alarm” bagi OpenAI.

Dia menekankan bahwa perusahaan harus mengkonsentrasikan sumber daya untuk meningkatkan produktivitas perusahaan, dan tidak lagi terbagi-bagi oleh lini produk yang terlalu banyak.

Dalam satu pengertian, perusahaan penempatan OpenAI adalah hasil dari strategi perlindungan ini.

Tentu saja, Anthropic juga tidak diam.

Minggu lalu, Anthropic mengumumkan pembentukan perusahaan patungan yang fokus pada layanan AI tingkat perusahaan, dengan Blackstone, Hellman & Friedman, dan Goldman Sachs sebagai pendiri mitra.

Perusahaan patungan ini diperkirakan bernilai 1,5 miliar dolar AS, dengan Anthropic, Blackstone, dan Hellman & Friedman menyumbang 300 juta dolar AS. Investor lain termasuk Apollo Global Management, General Atlantic, GIC (singapura), Leonard Green, dan Suko Capital.

Ini menandai dimulainya aktivitas akuisisi dan merger yang berfokus pada “kemampuan AI perusahaan”.

Jika dulu kompetisi AI berpusat pada pelatihan model yang lebih kuat, kini kompetisi beralih ke: siapa yang bisa paling cepat menempatkan model ke dalam bisnis nyata.

Permintaan insinyur tradisional menurun drastis, mengapa insinyur penempatan menjadi sangat diminati?

Perubahan kompetisi ini sudah nyata terlihat di pasar tenaga kerja.

Ketika “menempatkan model ke dalam bisnis nyata” menjadi kunci keberhasilan, posisi insinyur perangkat lunak tradisional yang jauh dari garis depan, hanya fokus menulis kode, mulai menurun, sementara insinyur penempatan yang mampu masuk ke lokasi klien, mengintegrasikan sistem, dan mendorong penerapan, menjadi sangat dicari.

Lihat dua data yang kontras: kuartal pertama 2025, jumlah posisi insinyur perangkat lunak tradisional turun sekitar 70%; sementara itu, permintaan untuk insinyur penempatan langsung (Forward Deployed Engineer, FDE) melonjak dari sekitar 800% menjadi sekitar 1000%. Tren naik-turun ini menunjukkan perubahan fundamental dalam industri.

Mengapa permintaan insinyur tradisional menurun, sementara insinyur penempatan justru menjadi “buruan”?

Jawabannya adalah: keberhasilan sebuah proyek saat ini 60-70% bergantung pada “penerapan”, bukan sekadar kemampuan teknik dan pengkodean. Kemampuan berinovasi bersama klien, beradaptasi, memimpin, dan soft skills menjadi sangat penting, begitu juga kemampuan iterasi cepat dan penerapan. Kendala utama beralih dari “kemampuan teknis” ke “penerapan”. Membantu klien merestrukturisasi alur kerja dan sistem agar sesuai kebutuhan masa depan menjadi prioritas utama.

Namun, perusahaan sulit melakukan deployment AI sendiri. Karena orang yang benar-benar memahami AI sangat langka, dan selain itu, memahami AI saja tidak cukup—mereka juga harus mengerti arsitektur sistem dan operasi perusahaan secara keseluruhan.

Menggabungkan keduanya adalah kunci keberhasilan. Dan, keterampilan deployment dan detail yang hilang ini justru berada di tangan insinyur penempatan langsung.

Bahkan jika ada solusi siap pakai di pasar, klien biasanya membutuhkan banyak penyesuaian dan fine-tuning. Tanpa FDE yang duduk bersama klien, berinovasi bersama, memahami produk dan arsitektur secara mendalam, proyek sulit mencapai keberhasilan. Pengalaman menunjukkan, proyek AI yang melibatkan FDE memiliki ROI dan tingkat keberhasilan yang jauh lebih tinggi.

Lalu, mengapa model delivery tradisional tidak lagi efektif?

Proses penjualan perangkat lunak standar adalah: mengembangkan produk → menyerahkan ke tim penjualan → mempromosikan ke klien → klien mencoba instalasi (bantuan dari tim customer success mungkin) → kemudian klien mencari solusi sendiri. Pola ini mengabaikan satu bagian terpenting: lingkungan nyata klien selalu “khusus dan kompleks”.

Tapi, kita semua tahu satu hal: pendampingan adalah bentuk cinta paling panjang.

Model FDE bukanlah sekadar perusahaan model menyerahkan produk lalu pergi, melainkan menugaskan insinyur terbaik langsung ke dalam perusahaan klien. Insinyur ini bekerja sama dengan manajer klien yang bertanggung jawab atas dokumentasi, mengirimkan kode nyata, membangun integrasi kustom, mengonfigurasi sistem agar berjalan di lingkungan spesifik klien. Inilah “penempatan langsung”: insinyur Anda sekarang bekerja di dalam perusahaan klien.

Model ini efektif karena ada satu wawasan sederhana: insinyur FDE menguasai cara kerja perangkat lunak atau model, sementara insinyur perusahaan (misalnya di JP Morgan) sangat memahami data, regulasi, politik internal, dan masalah spesifik yang mereka coba selesaikan. Tidak ada yang bisa bekerja sendiri. Model FDE memaksa kedua pengetahuan ini bertemu dan berintegrasi di satu ruang, hingga menemukan solusi yang benar-benar efektif.

Metode ini sangat cocok untuk klien yang menghadapi masalah “khusus dan kompleks”: rumah sakit, bank, lembaga pertahanan, institusi keuangan besar. Mereka memiliki sistem legacy, regulasi ketat, dan proses internal yang tidak dirancang untuk AI.

Bisa juga dikatakan: penurunan kebutuhan insinyur tradisional bukan karena teknologi tidak penting lagi, tetapi karena definisi “insinyur” sedang diubah. Insinyur yang mampu masuk ke lokasi klien, memahami bisnis, berinovasi cepat, dan berkolaborasi, menjadi talenta paling dicari di era AI.

Dalam konteks ini, apa saja skill spesifik yang harus dimiliki insinyur penempatan?

Dalam sebuah podcast, manajer platform OpenAI Sherwin Wu dan manajer produk Olivier Godement membahas secara detail kemampuan inti yang harus dimiliki FDE.

Dalam skenario penempatan yang sangat kustom dan aman, misalnya di lingkungan terisolasi secara fisik seperti laboratorium nasional, insinyur penempatan menunjukkan serangkaian kemampuan kunci.

Pertama, mereka harus memiliki kemampuan nyata dalam infrastruktur fisik dan arsitektur dasar: tidak hanya mampu menginstal dan menjalankan model di hardware dan jaringan khusus klien, tetapi juga mampu melakukan transfer model melalui media fisik di lingkungan yang sangat ketat—misalnya, di lingkungan “air gap” yang melarang membawa perangkat elektronik, dan hanya mengandalkan media fisik untuk mengimpor bobot model ke superkomputer.

Kedua, mereka harus memiliki kemampuan kolaborasi dan rekayasa yang mendalam, mampu bekerja sama dengan tim pengembang untuk melakukan pengembangan kustom dan penyesuaian lingkungan secara “manual” di perangkat keras seperti Venado, serta mampu melakukan engineering agentic, mengelola orkestrasi, manajemen memori, dan transfer tugas secara kompleks, memastikan model tetap stabil dan efisien di lingkungan terbatas.

Selain itu, tim OpenAI juga menyebutkan bahwa keberhasilan deployment tidak hanya bergantung pada kemampuan insinyur, tetapi juga pada karakteristik organisasi berikut:

“Tim sergap” (Tiger Team):

• Deployment tidak hanya membutuhkan ahli teknologi, tetapi juga orang yang memiliki “pengetahuan institusional” (Institutional Knowledge).

• Komposisi kemampuan: tim ini terdiri dari teknisi, SME (Subject Matter Experts), dan orang yang memahami proses internal organisasi. Sebab, sebagian besar pengetahuan penting (seperti SOP) tersimpan di kepala karyawan lama, bukan di dokumen.

Sistem evaluasi dari bawah ke atas (Evals First):

• Tujuan yang jelas: keberhasilan deployment harus dimulai dari definisi “apa yang baik”.

• Penggerak dari lapisan paling bawah: standar evaluasi tidak bisa hanya ditetapkan oleh manajemen atas, harus melibatkan langsung para pelaku di lapangan, karena mereka yang tahu pain point nyata di lapangan.

Peran bertransformasi: dari “alat” menjadi “mitra berpikir”:

• Deployment yang baik mampu menanamkan model secara mendalam ke dalam alur kerja riset. Di laboratorium nasional, insinyur penempatan mendorong model menjadi “mitra berpikir” (Thought Partner), membantu desain eksperimen dan analisis data kompleks.

Peran FDE dan insinyur penempatan telah bertransformasi dari sekadar “instalasi perangkat lunak” menjadi “PR teknologi lengkap + arsitek rekayasa + pakar industri”. Mereka tidak hanya menyelesaikan masalah model tidak jalan, tetapi juga memastikan AI benar-benar masuk ke inti bisnis klien (bahkan yang tidak terdokumentasi sekalipun).

Model vendor bersaing di babak kedua, yang diperebutkan adalah ketergantungan pelanggan

Jika dilihat lebih jauh, ini sangat mirip dengan jalur sukses Palantir selama lebih dari satu dekade.

Keunggulan kompetitif Palantir bukanlah menjual lisensi perangkat lunak, tetapi menugaskan insinyur ke lokasi klien, memahami proses bisnis secara mendalam, lalu mengintegrasikan teknologi ke dalam organisasi.

Perusahaan seperti OpenAI dan Anthropic saat ini tampaknya meniru pola ini, karena di balik pola ini tersembunyi satu kenyataan: front-line deployment (FED) memiliki tingkat ketergantungan yang jauh lebih tinggi dibanding SaaS biasa.

Ketika perusahaan menginstal sistem CRM, secara teori mereka masih bisa beralih ke kompetitor, meskipun prosesnya menyakitkan dan tidak mudah; namun, ketika tim insinyur penempatan langsung membangun sistem AI yang terintegrasi secara mendalam dengan data internal, alur kerja, dan kepatuhan selama 6 bulan, sistem ini sudah menjadi infrastruktur utama yang mendukung operasional bisnis, dan sulit untuk dilepas. Perusahaan akan terus bergantung pada tim tersebut untuk pemeliharaan, pembaruan, dan pengembangan.

Strategi ini membuat model FDE sangat menarik bagi Anthropic dan OpenAI—pasar AI tingkat perusahaan tidak hanya soal menjual token, tetapi menjadi infrastruktur dasar yang sulit dilepaskan oleh perusahaan besar, dan FDE adalah jalur utama mewujudkan hal ini.

Waktu juga menjadi faktor penting. Data pengeluaran modal dari operator data center besar menunjukkan bahwa pembangunan infrastruktur semakin cepat, bukan melambat: Morgan Stanley memperkirakan pengeluaran modal lima operator besar mencapai 805 miliar dolar AS pada 2026, dan 1,1 triliun dolar AS pada 2027; hanya di kuartal pertama 2026, pengeluaran modal tujuh operator besar sudah lebih dari 400 miliar dolar AS, dan backlog pesanan diperkirakan mencapai 1,3 triliun dolar AS.

Jumlah pesanan yang sangat besar ini menunjukkan permintaan jauh melebihi pasokan, yang berarti dalam jangka panjang, faktor pembatas bukan lagi kemampuan model atau sumber daya komputasi, tetapi seberapa efisien sistem dapat di-deploy.

Siapa yang mampu menguasai metode deployment skala besar di organisasi kompleks dan mengintegrasikan sistem secara kustom, maka mereka akan merebut nilai dari pembangunan infrastruktur ini. Dalam model FDE, sumber daya langka bukanlah kemampuan membangun model, tetapi pengalaman profesional di lapangan. Ini juga mengubah logika penetapan harga: dari berbasis lisensi ke konsumsi token.

Dalam model FDE, yang dijual bukan sekadar satuan lisensi, melainkan sistem yang sudah ter-deploy, yang akan terus mengkonsumsi token seiring penggunaan organisasi. Ketergantungan terhadap sistem ini adalah kunci keberlanjutan pendapatan token jangka panjang.

Sumber: InfoQ

Peringatan risiko dan ketentuan penafian

Pasar berisiko, investasi harus hati-hati. Artikel ini tidak merupakan saran investasi pribadi, dan tidak mempertimbangkan tujuan investasi, kondisi keuangan, atau kebutuhan pengguna tertentu. Pengguna harus menilai apakah pendapat, pandangan, atau kesimpulan dalam artikel ini sesuai dengan kondisi mereka. Investasi dilakukan atas tanggung jawab sendiri.