Havedev
Perpindahan Peneliti AI Bukan Sekadar Berita Talent War
Banyak orang membaca kabar perpindahan peneliti AI besar sebagai drama talent war biasa. Perusahaan A kehilangan orang penting. Perusahaan B mendapatkan nama besar. Valuasi naik. Headline bergerak cepat.
Namun untuk industri teknologi, kabar seperti ini biasanya membawa sinyal yang lebih dalam.
Menurut laporan Bloomberg yang dikutip TechCrunch, Jonas Adler dan Alexander Pritzel, dua peneliti yang berperan dalam pengembangan Gemini, disebut akan meninggalkan Google untuk bergabung dengan Anthropic. Kabar ini muncul setelah beberapa nama besar lain juga bergerak keluar dari Google, termasuk Noam Shazeer yang menuju OpenAI dan John Jumper dari Google DeepMind yang menuju Anthropic.
Di permukaan, ini terlihat seperti perpindahan individu. Tetapi dalam bisnis AI, individu tertentu bisa membawa lebih dari sekadar pengalaman kerja. Mereka membawa intuisi riset, pemahaman arsitektur model, kebiasaan evaluasi, jaringan internal, dan cara membaca masalah yang tidak selalu tertulis di dokumentasi.
Karena itu, pertanyaannya bukan hanya siapa pindah ke mana.
Pertanyaan yang lebih penting adalah: mengapa perusahaan AI baru terasa lebih menarik bagi talenta yang sebelumnya berada di pusat kekuatan AI lama?
The Core Update
Google kembali dikabarkan kehilangan talenta AI penting. Jonas Adler dan Alexander Pritzel disebut akan bergabung dengan Anthropic. Keduanya dilaporkan memiliki peran penting dalam pengembangan Gemini, model AI utama Google.
Kabar ini menambah daftar perpindahan besar dari Google ke pesaing AI lain.
Noam Shazeer, salah satu peneliti AI legendaris yang telah lama terkait dengan Google, sebelumnya mengumumkan kepindahannya ke OpenAI. John Jumper, direktur Google DeepMind dan penerima Nobel Kimia 2024 bersama Demis Hassabis atas kontribusinya pada AlphaFold, juga disebut meninggalkan Google untuk Anthropic.
Anthropic dan OpenAI sedang berada dalam fase yang sangat agresif. Mereka bukan hanya membangun model. Mereka membangun narasi pasar, produk enterprise, ekosistem developer, dan kemungkinan jalur IPO. Dalam kondisi seperti ini, tawaran equity, ruang gerak, dan kedekatan dengan keputusan strategis bisa menjadi daya tarik besar.
Untuk Google, situasinya lebih kompleks. Google masih memiliki infrastruktur, data, distribusi, riset, dan modal yang sangat kuat. Tetapi kekuatan besar tidak otomatis membuat organisasi terasa paling menarik bagi talenta yang ingin bergerak cepat.
Inilah bagian yang sering terlewat.
Dalam AI, talent war bukan hanya soal gaji. Ia juga soal kecepatan keputusan, kejelasan misi, peluang dampak, dan rasa bahwa pekerjaan seseorang benar-benar masuk ke produk yang digunakan pasar.
The Reality Check
Mudah untuk menyimpulkan bahwa Google sedang kalah. Tetapi kesimpulan itu terlalu sederhana.
Google masih salah satu organisasi AI paling kuat di dunia. Banyak fondasi AI modern lahir dari riset Google. Transformer, DeepMind, AlphaFold, TensorFlow, TPU, dan banyak kontribusi lain tidak bisa dihapus hanya karena beberapa peneliti pindah.
Namun, ada kenyataan yang perlu dibaca dengan tenang: dalam fase AI saat ini, keunggulan riset saja tidak cukup.
Perusahaan AI perlu mengubah riset menjadi produk dengan cepat. Produk perlu masuk ke workflow pelanggan. Workflow perlu menghasilkan revenue. Revenue perlu mendukung komputasi yang sangat mahal. Semua itu harus terjadi sambil model terus diperbarui, regulasi berubah, dan kompetitor bergerak setiap minggu.
Di lingkungan seperti ini, talenta top biasanya mencari tiga hal.
Pertama, ruang untuk membuat keputusan yang berdampak.
Kedua, kedekatan antara riset dan produk.
Ketiga, insentif yang terasa sejalan dengan risiko dan kontribusi mereka.
Perusahaan besar sering unggul dalam resource, tetapi bisa lambat dalam koordinasi. Banyak tim, banyak kepentingan produk, banyak proses review, banyak risiko brand, dan banyak lapisan keputusan. Semua itu masuk akal untuk skala besar, tetapi bisa terasa berat bagi peneliti atau builder yang ingin melihat ide bergerak cepat ke pasar.
Sebaliknya, perusahaan seperti Anthropic dan OpenAI dapat menawarkan cerita yang lebih langsung: bangun model utama, dorong produk inti, ikut membentuk arah perusahaan, dan dapatkan upside jika perusahaan berhasil go public.
Ini bukan berarti perusahaan kecil selalu lebih baik. Startup AI juga punya tekanan besar: burn rate tinggi, ekspektasi investor, risiko regulasi, dan kebutuhan komputasi yang ekstrem. Tetapi untuk talenta tertentu, tekanan itu justru terasa seperti tempat yang lebih hidup.
Pelajaran pentingnya bukan bahwa semua perusahaan harus meniru OpenAI atau Anthropic.
Pelajarannya adalah organisasi yang ingin menang di AI harus serius merancang lingkungan tempat talenta terbaik bisa bekerja dengan jelas, cepat, dan berdampak.
Bukan hanya memberi akses ke model.
Bukan hanya membuat lab AI.
Bukan hanya mengumumkan strategi AI di presentasi tahunan.
Talenta AI yang kuat biasanya tidak hanya bertanya, “model apa yang sedang dibangun?” Mereka juga bertanya, “apakah organisasi ini bisa mengambil keputusan cukup cepat untuk membuat model itu berguna?”
The Havedev Way
Dari sudut pandang Havedev, berita seperti ini relevan bukan hanya untuk perusahaan AI raksasa. Bisnis biasa juga bisa belajar dari pola yang sama.
Banyak perusahaan ingin memakai AI, tetapi belum menyiapkan struktur kerja yang membuat AI benar-benar berguna. Mereka ingin chatbot, automation, dashboard, atau workflow pintar. Namun data masih berantakan, status pekerjaan belum jelas, keputusan masih tersebar di chat, dan owner belum tahu bagian mana yang paling perlu dibantu AI.
Akhirnya AI diperlakukan seperti fitur tambahan, bukan bagian dari sistem kerja.
Padahal AI yang berguna membutuhkan konteks.
Jika bisnis ingin AI membantu sales, maka alur lead harus jelas. Dari mana lead masuk, apa status awalnya, siapa yang follow-up, kapan dianggap hangat, kapan dianggap tidak cocok, dan data apa yang perlu dicatat.
Jika bisnis ingin AI membantu support, maka kategori masalah harus jelas. Mana pertanyaan umum, mana komplain, mana permintaan teknis, mana yang perlu eskalasi, dan mana yang bisa dijawab otomatis.
Jika bisnis ingin AI membantu operasional, maka proses harus bisa dibaca. AI tidak bisa memperbaiki workflow yang bahkan manusia di dalam tim belum sepakat cara membacanya.
Kabar keluarnya peneliti dari Google menunjukkan satu hal: AI bukan hanya soal teknologi yang paling canggih. AI juga soal lingkungan yang membuat teknologi itu bisa bergerak.
Di level enterprise global, lingkungan itu berarti struktur riset, produk, equity, dan strategi.
Di level bisnis kecil dan menengah, lingkungan itu berarti data yang rapi, status yang jelas, proses follow-up yang bisa dilacak, dan tool yang dipilih karena kebutuhan nyata.
Banyak bisnis tidak perlu membangun model sendiri. Tetapi bisnis tetap perlu membangun kesiapan internal agar bisa memakai AI dengan benar.
Mulainya bukan dari pertanyaan, “AI apa yang bisa kita pakai?”
Mulainya dari pertanyaan yang lebih praktis:
- pekerjaan mana yang paling sering tertunda?
- keputusan mana yang paling sering menunggu owner?
- data apa yang selalu dicari ulang?
- chat atau spreadsheet mana yang paling sering menjadi sumber kebingungan?
- bagian mana yang jika dipercepat akan langsung berdampak ke revenue atau pengalaman pelanggan?
Jawaban dari pertanyaan itu biasanya lebih berguna daripada sekadar mencoba tool AI terbaru.
Perpindahan talenta AI dari Google ke pesaingnya mungkin terlihat jauh dari bisnis sehari-hari. Tetapi sinyalnya dekat: teknologi hebat membutuhkan sistem yang membuat orang, data, dan keputusan bergerak dengan jelas.
Tanpa itu, AI hanya menjadi lapisan baru di atas kekacauan lama.
Dengan struktur yang benar, AI bisa menjadi pengungkit yang nyata.
Bukan karena semua hal otomatis selesai, tetapi karena bisnis tahu bagian mana yang harus dipercepat, data apa yang perlu dibaca, dan keputusan apa yang harus dibuat lebih cepat.
Sebelum mengejar AI yang lebih canggih, cek dulu kesiapan sistem kerja Anda. Apakah lead sudah tercatat jelas? Apakah follow-up bisa dilihat? Apakah status pekerjaan bisa dipahami tanpa bertanya manual? Apakah data pelanggan cukup rapi untuk dipakai automation?
Kalau jawabannya belum, mulai dari sana.
Dapatkan Audit Teknis Gratis untuk meninjau kesiapan website, data lead, workflow, dan peluang automation AI yang paling masuk akal untuk bisnis Anda.
Sumber referensi berita: TechCrunch