Setelah iterasi berkelanjutan dari model besar, kompetisi produk berfokus pada skenario dan pengalaman

Penulis: Frank, PANews

Seiring AI perlahan beralih dari kemampuan menampilkan keahlian ke penggunaan praktis, penerapan AI semakin dipercepat untuk memenuhi kebutuhan konsumen yang terus meningkat. Sementara itu, dengan peningkatan kemampuan model besar yang berkelanjutan, AI tampaknya telah memasuki era “setiap orang dapat membuat prototipe produk”.

Selama AI Week muShanghai, dalam sesi meja bundar yang diselenggarakan oleh PANews berjudul “Inovasi Praktik dan Eksplorasi Jalur Ekosistem Konsumsi AI”, fokus pada jalur nyata penerapan produk AI tingkat konsumen. Para peserta diskusi termasuk Feng Wen, kepala produk platform terbuka MiniMax, Levy CEO FateTell, Anita kepala Sentient APAC, serta musisi elektronik dan pengembang independen Gao Jiafeng, yang berasal dari bidang platform model terbuka, aplikasi budaya ke luar negeri, ekosistem AI sumber terbuka, dan praktik penciptaan musik.

Menurut para tamu, inti masalah AI tingkat konsumen tidak menjadi lebih sederhana karena iterasi teknologi. Setelah lonjakan kemampuan model, hambatan utama beralih ke pemahaman skenario, pengorganisasian data, edukasi pengguna, nilai emosional, dan pembangunan ekosistem terbuka.

AI Belum Mengurangi Kesulitan Wirausaha, Hambatan Utama Masih Pada Skenario Aplikasi

Kontradiksi umum dalam industri AI adalah: model semakin kuat, ambang masuk wirausaha tampak menurun, tetapi banyak produk malah sulit menemukan skenario jangka panjang yang stabil. Aplikasi yang tampaknya layak hari ini bisa dengan cepat kehilangan relevansi saat model versi berikutnya dirilis.

Menurut Feng Wen, untuk produk AI tingkat konsumen, gagasan produk dan penilaian skenario tetap lebih penting. Sebagai penyedia platform terbuka dan model besar, MiniMax lebih menekankan kemampuan model dasar, desain produk terkait Token, serta pengalaman end-to-end pengembang. Tetapi dari sudut pandang pengusaha, produk harus dirancang berdasarkan “tingkat kecerdasan model setelah enam bulan” ke depan.

Dia berpendapat bahwa, selama hukum skala model belum kehilangan efektivitas dan kemampuan model terus meningkat, pengusaha tidak perlu terlalu terbatas oleh kecepatan, biaya, atau batas kemampuan model saat ini, melainkan harus lebih berani memikirkan target pengguna, skenario spesifik, dan masalah yang ingin diselesaikan. Vendor model akan terus menyediakan kemampuan yang lebih murah, lebih cepat, dan dengan rasio biaya-kinerja lebih tinggi, sementara lapisan aplikasi perlu lebih jelas menjawab “mengapa skenario ini yang dipilih”.

Levy menambahkan dari sudut aplikasi bahwa ada sumber hambatan lain. Ia berpendapat bahwa perubahan teknologi sangat cepat, tetapi data dan pemahaman terkait skenario tidak akan dengan mudah terhapus. Banyak orang dulu beranggapan bahwa hanya dengan melakukan fine-tuning pada model, hambatan data bisa terbentuk; tetapi seiring matangnya rekayasa konteks dan prompt engineering, data dan struktur yang terkumpul dalam pengelolaan konteks aplikasi juga akan mempengaruhi performa model. Terutama data yang sangat vertikal dan terkait pengalaman budaya atau personalisasi, tidak selalu masuk ke bobot model umum, malah bisa menjadi dasar diferensiasi produk AI tingkat konsumen dalam menghadapi iterasi model.

Anita memberikan pandangan yang lebih hati-hati tentang “AI menurunkan ambang wirausaha”. Ia berpendapat bahwa AI memang memudahkan pembuatan sampel demonstrasi, pembangunan prototipe, dan peluncuran produk awal secara cepat, tetapi bagian utama dari kesulitan wirausaha belum hilang, bahkan mungkin semakin menonjol: bagaimana mendapatkan pelanggan, membangun keterikatan komunitas, mewujudkan keberhasilan bisnis, dan membangun koneksi antar manusia di luar pemrograman. Ia menyebutkan bahwa konsep individu super dan “perusahaan satu orang” saat ini sedang banyak diperhatikan, tetapi individu yang benar-benar mampu menjalankan bisnis biasanya membutuhkan kemampuan yang lebih kompleks, bukan sekadar memanfaatkan model besar.

Dari Bazi ke Musik: Lebih Mengerti Pengguna, Hambatan Konsumsi AI Tingkat Konsumen

Ketika kemampuan teknologi terus maju, nilai produk AI tingkat konsumen akhirnya tetap kembali ke kebutuhan manusia.

Contoh praktik FateTell memberikan gambaran yang khas. Levy menjelaskan bahwa FateTell adalah aplikasi konsumsi AI + ramalan Timur / Bazi untuk pengguna luar negeri, saat ini memiliki pengguna di lebih dari 90 negara. Tim awalnya menghindari fokus pada alat efisiensi murni, melainkan menekankan konsumsi spiritual dan nilai emosional.

Menurutnya, memahami takdir sendiri, mencari penjelasan dan penghiburan adalah kebutuhan psikologis dasar yang bersifat lintas budaya dan berlangsung jangka panjang. AI sebelumnya sulit membangun kepercayaan dalam skenario ini, tetapi peningkatan kemampuan model seperti DeepSeekR1 secara objektif membantu pengguna dan investor memahami kemungkinan “model besar mampu melakukan reasoning dan penjelasan kompleks”. Hambatan FateTell bukan hanya kemampuan model, tetapi juga bagaimana menerjemahkan konsep budaya Tiongkok seperti Tian Gan Di Zhi, Zhou Yi, dan Bazi ke dalam bahasa asing dan mentransfernya ke pengguna luar negeri, serta melalui bahasa, visual, dan interaksi agar orang dari latar belakang budaya berbeda dapat memahami pesonanya.

Gao Jiafeng dari sudut pandang pencipta musik mengajukan pertanyaan serupa: AI tidak boleh hanya menghasilkan hasil akhir, tetapi juga harus mempertahankan prosesnya. Ia menyebutkan bahwa alat seperti Suno membuat pembuatan musik menjadi sangat langsung, tetapi juga melewati proses kreatif, sehingga pengguna kehilangan rasa partisipasi dan rasa memiliki. Bagi musisi dan pengguna biasa, penciptaan bukan hanya untuk mendapatkan lagu “jadi”, tetapi prosesnya sendiri adalah bagian dari pengalaman.

Ia menggunakan analogi bermain sepak bola: meskipun orang biasa tidak akan pernah bisa mengalahkan Messi atau C.Ronaldo, mereka tetap bermain karena kecintaan. Begitu pula dengan penciptaan musik. Gao Jiafeng sedang mengembangkan MusicAIGameBoy (mesin permainan musik AI), yang berusaha menggunakan model besar atau kecil untuk menggerakkan kode musik, lalu menggabungkan interaksi gamifikasi agar orang yang tidak paham musik pun bisa berpartisipasi dalam penciptaan saat bermain. Bagi dia, skenario sebenarnya bukan sekadar “menghasilkan lagu secara otomatis”, tetapi mengembalikan proses interaktif penciptaan musik kepada pengguna.

Kebangkitan Agen, Logika Edukasi Pengguna Berubah

Dalam produk AI tingkat konsumen, edukasi pengguna sering menentukan apakah produk benar-benar akan digunakan.

Feng Wen menyebutkan bahwa di platform terbuka MiniMax, ada sebagian pengguna yang memiliki dasar pengembangan, tetapi tetap terhambat oleh dokumentasi API, parameter, kode error, dan cara penggunaan Token. Untuk itu, platform menyediakan lingkungan uji model, panduan pengembangan, contoh demonstrasi, tutorial video, agar pengembang dapat lebih cepat memahami dan memanggil.

Seiring berkembangnya Agen, cara edukasi pengguna juga berubah. Dulu, pengguna harus membaca dokumentasi, memahami antarmuka, dan memecahkan error. Tetapi dengan peningkatan performa Agen, banyak pengguna sekarang langsung membaca dokumen, mencari solusi, memilih model yang sesuai, dan secara otomatis memperbaiki jalur. Vendor model perlu memastikan pengalaman model, dokumentasi, dan platform yang baik, sementara komunitas, pengembang, dan berbagai bentuk produk akan bersama-sama menurunkan hambatan penggunaan.

Bagi Sentient, ekosistem terbuka sendiri juga merupakan bagian dari edukasi pengguna dan penerapan produk. Anita menjelaskan bahwa Sentient fokus pada ekosistem AI sumber terbuka dan infrastruktur terkait, serta mengumpulkan pengembang melalui hackathon, program pendanaan, dan lain-lain. Ia menekankan bahwa produk harus terlebih dahulu memahami target pengguna: siapa mereka, di mana mereka muncul, dan melalui saluran apa membangun kepercayaan. Untuk alat pengembang, hackathon dan kolaborasi ekosistem adalah pintu masuk yang efektif; sedangkan untuk produk konsumsi, KOL, KOC, dan konten media sosial juga sangat penting.

Dalam konteks penurunan biaya AIGC yang pesat, tim wirausaha dapat memproduksi trailer, materi visual, dan konten promosi dengan biaya lebih rendah, sehingga produk dapat dengan cepat mendapatkan pengguna awal. Gao Jiafeng juga berpendapat bahwa desain produk harus mendekati pengguna, memungkinkan mereka belajar secara alami melalui interaksi dan hiburan, bukan bergantung pada instruksi panjang. Pendekatan “belajar saat digunakan” ini mungkin lebih cocok daripada tutorial tradisional untuk AI tingkat konsumen.

Hardware Masuk Dunia Nyata, Personalisasi dan Nilai Emosional Terus Meningkat

Dalam tiga sampai lima tahun ke depan, para tamu umumnya sepakat bahwa pasar konsumsi AI masih dalam tahap penetrasi awal, tetapi bentuk produk akan mengalami perubahan yang signifikan.

Feng Wen memperkirakan bahwa dalam tiga sampai lima tahun mendatang, hardware pintar, robot, dan kecerdasan berwujud akan mencapai titik balik penting. Setelah kemampuan model meningkat, AI tidak lagi hanya ada di antarmuka perangkat lunak, tetapi juga akan masuk ke dunia fisik nyata, menyelesaikan lebih banyak interaksi dan tugas. Beberapa produk akan ditujukan kepada manusia, meningkatkan efisiensi atau nilai emosional. Produk lain mungkin diarahkan ke Agen, menyediakan lingkungan, alat, dan infrastruktur yang menghubungkan AI dengan dunia fisik. Tetapi apapun bentuknya, produk akhirnya harus tetap berpusat pada manusia, agar orang dapat menghabiskan lebih banyak waktu untuk koneksi antar manusia, keluarga, dunia nyata, dan pengalaman hidup yang lebih kaya.

Levy berpendapat bahwa prediksi tiga sampai lima tahun di industri AI sudah sangat sulit, bahkan tiga sampai lima bulan penuh ketidakpastian. Ia percaya bahwa meskipun pengguna terdepan sudah mendalam menggunakan alat seperti ClaudeCode, sebagian besar pengguna biasa masih dalam tahap awal penetrasi AI. Dalam beberapa tahun ke depan, AI akan semakin memenuhi kebutuhan yang lebih kecil dan personal. Dibandingkan dengan layanan yang relatif “seragam” di era internet mobile, AI berpeluang menawarkan layanan yang lebih spesifik dan tersegmentasi untuk setiap individu. Selain itu, kekhawatiran tentang pengangguran dan ketidakpastian yang diakibatkannya juga dapat memperbesar kebutuhan akan pendampingan mental dan konsumsi spiritual.

Anita merangkum perubahan ini sebagai “kesetaraan teknologi”. Ia berpendapat bahwa di masa depan, pembagian antara humaniora, sains, seni, dan teknologi akan semakin melebur. Seorang pedagang kecil pun bisa menggunakan AI untuk membuat iklan dan menargetkan promosi, sehingga memperbaiki usahanya. Nilai AI tidak selalu untuk menjadikan setiap orang programmer top, tetapi untuk membantu orang dalam berbagai skenario kehidupan mendapatkan alat yang lebih baik. Sementara itu, ketakutan kehilangan pekerjaan dan rasa kesepian akan mendorong meningkatnya kebutuhan akan nilai emosional, sehingga perangkat keras, hewan peliharaan AI, perangkat pendamping, dan produk interaktif multi-sensor akan semakin banyak peluangnya.

Gao Jiafeng dari sudut pandang perubahan bentuk budaya berpendapat bahwa ke depannya, bentuk konten seperti musik, film, dan video akan direstrukturisasi, bahkan mungkin “lagu” tidak lagi menjadi unit terkecil konsumsi musik. Konsep seperti audio multi-track dan track saat ini mungkin akan terus dipecah menjadi unit penciptaan yang lebih atomik. Tetapi di saat bentuknya terurai, hubungan emosional yang diwakili oleh IP, merek, dan tokoh tertentu akan menjadi semakin penting. Orang tidak selalu mencari karya sempurna, tetapi objek yang berkarakter, berkesan, dan mampu membangun hubungan emosional.

Meskipun para tamu tidak memberikan jawaban tunggal tentang masa depan AI tingkat konsumsi, diskusi dari berbagai bidang—platform model, aplikasi budaya, ekosistem sumber terbuka, dan penciptaan musik—bersama-sama mengarah ke satu tren: ketika kemampuan model terus meningkat, kompetisi AI tingkat konsumen bukan lagi soal “siapa yang memanggil model lebih kuat”, tetapi apakah mampu memahami pengguna yang lebih spesifik, skenario nyata, dan kebutuhan emosional.

Ekosistem konsumsi AI di masa depan mungkin akan mencakup infrastruktur terbuka yang lebih kuat, hambatan pengembangan yang lebih rendah, layanan yang lebih personal, perangkat keras yang lebih berkesan sebagai pendamping, serta produk baru yang berfokus pada budaya dan proses kreasi. Model akan terus berkembang, tetapi yang benar-benar bertahan adalah produk yang mampu memenuhi kebutuhan manusia, dipahami oleh manusia, dan mampu membangun koneksi dengan manusia.