Featured image of post AI Coding Jalan Buntu? Pasar Software Runtuh Secara Sistematis — Mengapa Bisa Coding Tapi Tak Bisa Jual Produk. Dari 'Konsumen AI' ke 'Business Builder': Pergeseran Kognitif dan Strategi Aksi! AI Bisa Melakukan 100 Hal, Tapi Tak Tahu Mana yang Layak Dilakukan!

AI Coding Jalan Buntu? Pasar Software Runtuh Secara Sistematis — Mengapa Bisa Coding Tapi Tak Bisa Jual Produk. Dari 'Konsumen AI' ke 'Business Builder': Pergeseran Kognitif dan Strategi Aksi! AI Bisa Melakukan 100 Hal, Tapi Tak Tahu Mana yang Layak Dilakukan!

Semua orang berlomba belajar AI coding, tapi software yang dibuat tak ada yang beli. Pasokan software meledak, permintaan anjlok, pasar SaaS runtuh secara sistematis. Dari software umum ke pasar agen enterprise, dari software engineer ke Frontier Deployment Engineer (FDE), berhenti mengonsumsi AI dan temukan titik tumpu industri — itulah jalan nyata di era AI.

Semua orang berlomba belajar AI coding, seolah menguasainya menjamin kekayaan dari software. Engineer perusahaan besar mencari jalan keluar, product manager ingin membangun MVP sendiri, dan orang non-teknis bermimpi kaya dari software.

Tapi pernahkah Anda menyadari sesuatu yang aneh? Software yang Anda bangun dengan susah payah tak ada yang beli begitu diluncurkan online.

Ini bukan masalah keterampilan Anda — seluruh pasar software sedang mengalami 「keruntuhan sistematis」 yang belum pernah terjadi sebelumnya.

Tiga Jenis Orang Jatuh ke Perangkap yang Sama

Mari lihat siapa yang paling bersemangat belajar AI coding dan kesulitan apa yang masing-masing hadapi:

Kelompok Motivasi Kesulitan
Engineer perusahaan besar Menghadapi tekanan PHK, berharap menjadi “perusahaan satu orang” setelah belajar AI coding Punya keterampilan tapi tak memahami pasar — tak tahu harus membangun apa yang orang mau bayar
Product manager Akhirnya tak perlu bergantung pada engineer — cukup beli langganan Cursor dan bangun MVP Setelah membangun produk, menemukan pasar sudah jenuh tanpa pengguna berbayar
Orang non-teknis Dicuci otak video “hasilkan $50K seminggu dengan software”, bermimpi kaya Produk diluncurkan tanpa ada yang tertarik — kurang pemahaman mendalam tentang kebutuhan industri

Ketiga kelompok ini berbagi satu sifat fatal:

Semua menganggap “bisa coding” sebagai parit pertahanan mereka.

Engineer perusahaan besar punya keterampilan kuat tapi tak tahu apa yang harus dibangun agar ada yang beli. Product manager akhirnya terbebas dari ketergantungan engineer, bersemangat membangun MVP, hanya untuk melihatnya tenggelam di pasar samudra merah. Orang non-teknis paling buruk — mereka bahkan belum tahu di mana pasarnya sebelum terjun langsung.

Sisi Pasokan Software: Pertumbuhan Eksplosif

Mengapa tak ada yang bisa menjual apa yang mereka bangun? Karena jumlah orang yang bisa membangun software meledak pada tingkat yang mengkhawatirkan.

Claude Code, Cursor, Codex, OpenCode — alat AI coding ini telah menurunkan hambatan pengembangan ke titik terendah dalam sejarah.

Metrik Data
Repositori baru GitHub pada 2025 121 juta, rata-rata 230 proyek baru per menit
Pertumbuhan pengajuan App Store pada 2025 Naik 24%
Pertumbuhan pengajuan App Store pada 2026 Lonjakan 84% year-over-year, peningkatan terbesar dalam hampir satu dekade
Status review Apple Siklus review diperpanjang tanpa batas karena volume software yang masuk terlalu besar

Ketika semua orang bisa menulis software, software itu sendiri bukan lagi parit pertahanan.

Dulu mengembangkan aplikasi butuh tim profesional berbulan-bulan. Sekarang satu orang dengan alat AI bisa mengirimkan dalam hitungan hari. Sisi pasokan bukan hanya “sedikit meningkat” — tapi mengalami pertumbuhan eksplosif.

Sisi Permintaan Software: Terjun Bebas

Sementara pasokan meroket, permintaan pembelian software mengalami terjun bebas.

Banyak ide software sekarang bisa ditangani oleh AI Agent yang dikembangkan perusahaan model besar — cukup tambahkan SKILL, tulis beberapa script yang menghubungkan layanan berbeda, dan atur notifikasi push terjadwal untuk memenuhi sebagian besar kebutuhan.

75% permintaan software tradisional telah langsung dieliminasi oleh agen.

Lebih menakutkan lagi, bahkan pengguna yang dulu membayar software telah berhenti membeli. Plugin terjemahan browser seharga $580 per tahun? Sekarang siapa saja bisa membangun penggantinya dengan AI dalam sehari.

Lalu ke mana uangnya pergi? Semua mengalir ke Token — membeli langganan Claude, membeli paket GPT — pengguna menangani sendiri sebagian besar kebutuhan mereka.

Dimensi Masa lalu (Pre-AI) Sekarang (Post-SaaS)
Hambatan pengembangan Tinggi — butuh tim profesional dan berbulan-bulan R&D Sangat rendah — pengiriman dibantu AI dalam hitungan hari
Skala pasokan Terbatas oleh jumlah profesional terampil Pertumbuhan eksplosif (repositori dihitung dalam miliaran)
Model harga Langganan SaaS margin tinggi Biaya marginal nol, harga berbasis Token
Intensitas persaingan Pasar stabil, rasio penawaran-permintaan 1:100 Persaingan ekstrem 25 hingga 100 kali lipat

Dulu satu perusahaan membangun software dan menjualnya ke 100 pelanggan. Sekarang 10 perusahaan berebut 1 pelanggan.

Ini bukan sedikit lebih sulit — ini 50 hingga 100 kali lebih brutal.

Pasar Modal Sudah Memberikan Mosi Tidak Percaya

Jika data di atas belum cukup mengejutkan, lihat apa kata Wall Street:

Peristiwa Dampak
Claude meluncurkan alat analisis data AI Thomson Reuters turun 18% dalam sehari, Gartner turun 21%
Nilai pasar menguap dalam sehari Lebih dari $280 miliar
Claude meluncurkan alat desain AI Harga saham Adobe dan Figma anjlok
Indeks S&P 500 Software Services Penurunan keseluruhan melebihi 20%, puncak penurunan mencapai 40%

Investor mengatakan dengan uang sungguhan: era keemasan SaaS sudah berakhir.

Ini bukan satu fitur mengalahkan satu produk — seluruh industri software mengalami keruntuhan sistematis.

Pasar Tidak Hilang — Ia Bertransformasi

Jika menjual software umum adalah jalan buntu, ke mana permintaan pergi?

Jawabannya: pasar agen enterprise.

Dulu ketika perusahaan ingin digitalisasi, mereka membeli ERP, membeli CRM, menyewa perusahaan outsourcing untuk pengembangan kustom — dengan mudah menghabiskan ratusan ribu hingga jutaan, dengan siklus implementasi enam bulan hingga satu tahun. Setelah menghabiskan banyak uang, sistemnya rumit, dan perusahaan sering kembali ke Excel.

Sekarang? Konsultan agen yang terampil, dipersenjatai pemahaman mendalam tentang industri, menghabiskan 3 hingga 5 hari kerja on-site menggunakan pendekatan 「basis pengetahuan + keterampilan」 untuk membangun proses bisnis inti klien ke dalam agen — manajemen akuntansi, pelacakan kontrak, pelaporan data — semua ditangani.

Perbandingan Pengembangan Software Tradisional Solusi Agen
Biaya implementasi Ratusan ribu hingga jutaan Sebagian kecil dari biaya asli
Timeline implementasi Enam bulan hingga satu tahun 3 hingga 5 hari kerja
Tingkat kustomisasi Solusi generik yang sulit memenuhi kebutuhan individual Sepenuhnya disesuaikan dengan proses bisnis spesifik perusahaan
Hasil akhir Sering kembali ke Excel Tertanam dalam alur kerja yang ada, beroperasi terus-menerus

Lebih dari 80% kebutuhan software tradisional UKM akan segera digantikan oleh agen.

Peran Baru yang Diperebutkan Perusahaan AI Top: FDE

Transformasi ini tak hanya mengubah model bisnis — ia juga menciptakan peran profesional yang sepenuhnya baru.

CEO OpenAI Sam Altman baru-baru ini mengumumkan: OpenAI sekarang mengirim engineer langsung ke kantor CEO perusahaan, duduk di samping CEO, mengotomatisasi alur kerja harian, proses pengambilan keputusan, dan semua tugas rutin dengan AI. CEO Shopify adalah pemimpin bisnis pertama yang sepenuhnya mengadopsi model ini.

Peran ini sekarang punya istilah khusus:

FDEFrontier Deployment Engineer.

Anthropic juga melakukan hal yang sama — tim Applied AI mereka secara khusus menempatkan engineer di kantor klien strategis.

Dari mana mereka merekrut? Dari Palantir, Salesforce — dari 「veteran」yang paling memahami bisnis perusahaan.

Perusahaan AI top sedang merekrut besar-besaran peran baru yang kompetensi intinya bukan coding — melainkan memahami bisnis, industri, dan klien.

FDE bukan seseorang yang duduk di depan komputer menulis kode — mereka adalah “penerjemah bisnis” yang langsung masuk ke perusahaan:

Kemampuan Deskripsi
Penyelesaian masalah on-site Tertanam di dalam perusahaan, duduk di samping CEO untuk mengamati keputusan dan alur kerja, mengidentifikasi bottleneck manual dari dekat
Know-how industri mendalam Perusahaan AI top tidak menginginkan coder terbaik — mereka menginginkan 「veteran」yang paling memahami bisnis perusahaan
Transformasi proses Dapat melihat titik sakit sekilas, dengan cepat mengubah proses bisnis kompleks menjadi tugas otomatis yang dapat dieksekusi agen

Perusahaan top Silicon Valley sedang mem-PHK secara agresif, namun pendapatan tidak turun dan produk tetap diluncurkan. Mereka berinvestasi lebih banyak di model AI dan agen, bukan di tim pengembangan software.

Yang benar-benar akan dibayar perusahaan di masa depan bukan produk software — melainkan Token dan solusi.

Apakah Anda “Belajar AI” atau “Mengonsumsi AI”?

Sampai di sini Anda mungkin berpikir: kalau begitu saya harus belajar AI lebih giat dong?

Pertama, tanyakan pada diri sendiri: 「Ke mana sebenarnya waktu Anda setiap hari?」

“Kemarin GPT rilis versi baru jadi harus saya coba. Hari ini DeepSeek update jadi juga harus dicoba. Besok akan ada model baru lagi⋯⋯”

Setiap kali model baru keluar, kolom komentar dipenuhi orang yang membandingkan: model mana yang sedikit lebih baik, Token mana yang sedikit lebih murah. Dan setelah semua perbandingan itu?

Waktu dihabiskan untuk Proporsi Output nyata
Mengejar benchmark model terbaru Sangat banyak Nyaris nol
Membandingkan Token mana yang lebih murah Sangat banyak Nyaris nol
Menguji berbagai alat AI Sangat banyak Nyaris nol
Bertemu klien, memahami kebutuhan Sangat sedikit Di sinilah uang sesungguhnya

Jika Anda menghabiskan 90% waktu meneliti pisau mana yang lebih tajam tapi tak pernah masuk hutan untuk menebang kayu, Anda bukan sedang mengasah pisau — Anda menghindari pertempuran yang sesungguhnya.

“Mengasah kapak tidak membuang waktu menebang kayu” — kebanyakan orang hanya memahami separuh pertama. Tapi jika Anda mengasah kapak setiap hari dan tak pernah pergi menebang kayu, itu bukan kebijaksanaan — itu Anda belum menemukan apa yang sebenarnya harus Anda lakukan.

Pengungkit Archimedes Kehilangan Satu Baris

Archimedes berkata: “Berikan saya pengungkit yang cukup panjang, dan saya bisa menggerakkan bumi.”

AI tak diragukan lagi adalah 「pengungkit 10.000 kali」 yang dapat memperkuat kemampuan kita 10 kali, 100 kali lipat. Jika digunakan dengan baik, 100 kali pun bukan batasnya.

Tapi banyak orang lupa — Archimedes melewatkan satu baris:

Anda butuh titik tumpu. Tanpa titik tumpu, sepanjang apapun pengungkitnya, Anda hanya bisa menggerakkan udara.

Apa itu titik tumpu? Bukan model AI mana yang Anda kenal, bukan pula bahasa pemrograman mana yang Anda kuasai.

Bukan titik tumpu Titik tumpu yang sebenarnya
Tahu cara menggunakan Claude, GPT, Cursor Pemahaman mendalam dan akumulasi di industri tertentu
Menguasai bahasa pemrograman Hubungan kepercayaan yang dibangun dengan klien
Melacak benchmark model terbaru Tahu di mana klien benar-benar sakit dan di mana mereka bersedia mengeluarkan uang

AI bisa menulis kode untuk Anda, tapi tak pernah bisa menggantikan pemahaman Anda tentang industri, kepercayaan yang dibangun bertatap muka dengan klien, atau Domain Know-how yang terakumulasi bertahun-tahun di garis depan.

AI bisa melakukan 100 hal, tapi tak tahu mana yang layak dilakukan. Orang yang tahu jawabannya adalah Anda — yang mengakumulasi Domain Know-how di garis depan.

Dari “Software Engineer” ke “Business Builder”

Semua analisis menunjuk pada kesimpulan yang sama: Anda perlu menyelesaikan transformasi identitas.

Sebelum Sesudah
Software Engineer Business Builder
“Saya akan membangun software lalu menunggu pembeli” Saya akan menemukan klien dulu dan memahami kebutuhan nyata mereka
Parit: bisa membangun software Parit: tahu apa yang klien butuhkan
Menjual produk generik di pasar samudra merah Menargetkan skenario niche dengan solusi yang disesuaikan

Software engineer berpikir “bangun dulu nanti orang akan datang membeli”; business builder berpikir “temukan permintaan dulu, lalu gunakan AI untuk menyelesaikan masalah.”

Alokasi waktu Anda juga harus sepenuhnya dibalik:

Alokasi saat ini Alokasi ideal
90% mengejar alat dan tren 10% tetap tajam mengikuti tren
10% berpikir samar tentang apa yang harus dilakukan 90% bertemu klien, memahami kebutuhan, menemukan titik tumpu

AI coding sendiri tak ada masalah — ia memberi Anda kemampuan untuk membangun alat Anda sendiri.

Tapi ekspektasi Anda terhadapnya harus berubah:

AI coding adalah alat Anda, bukan jalan keluar Anda. Jalan keluar Anda ada di industri yang paling Anda pahami.

Satu Langkah Pertama Paling Konkret

Ajak teman lama dari industri yang paling Anda pahami untuk ngobrol 30 menit. Jangan bicara tentang AI, jangan bicara tentang model, jangan bicara tentang alat. Hanya ajukan satu pertanyaan:

「Dalam pekerjaan Anda saat ini, tugas apa saja yang masih ditangani secara manual dan berulang?」

Proses manual yang menyebabkan rasa sakit, biaya tinggi, dan efisiensi rendah itu — itulah di mana titik tumpu Anda berada.

Temukan itu, letakkan pengungkit 10.000 kali lipat AI di atasnya, dan kemampuan Anda benar-benar dapat diperkuat, mulai menciptakan nilai nyata.

Samudra biru yang sesungguhnya bukan di pasar software umum yang sedang runtuh — ia tersembunyi di titik sakit industri yang belum ada yang menyelesaikannya dengan agen.

Menemukan titik tumpu yang tepat, di situlah semuanya benar-benar dimulai.

Reference

别学 AI 编程了,AI 编程是一条死路 - YouTube

All rights reserved,未經允許不得隨意轉載
Dibangun dengan Hugo
Tema Stack dirancang oleh Jimmy