Titik Sempit adalah Perhatian Manusia: Manajemen Hasil Jawaban

TL;DR:Satu-satunya hambatan nyata dalam AI saat ini adalah manusia. Bukan "AI menggantikan semua orang" — sesuatu yang lebih dingin: manusia tidak dapat memeriksa volume yang dihasilkan AI. Perusahaan menumpuk lebih banyak pekerjaan pada senior dengan model. Senior tenggelam dalam tinjauan. Junior kehilangan dojo. Jalan keluarnya bukan lebih banyak mata heroik. Ini adalah disiplin manufaktur pada output kecerdasan — spesifikasi, tes otomatis, audit sampling, rollback. Saya menyebutnya Manajemen Hasil Jawaban.

Saya James, CEO Mercury Technology Solutions. Hong Kong — Agustus 2026

Kemarin saya duduk dalam sesi penasihat AI dengan kepemimpinan senior di manajemen TI Global.

Dua pertanyaan terus bertabrakan di ruangan yang sama:

1. Apakah insinyur perangkat lunak akan kehilangan pekerjaan mereka?
2. Siapa yang seharusnya menggunakan AI jika kita ingin ROI kuartal ini?

Pasar menyukai pertanyaan pertama karena itu dramatis.

Yang kedua adalah yang merusak organisasi.

Kesimpulan salah yang dicapai orang-orang

Orang-orang meratakan ini menjadi:

"AI akan menggantikan manusia."

Terlalu samar. Terlalu brutal. Sebagian besar tidak berguna sebagai rencana operasional.

Mode kegagalan yang sebenarnya lebih spesifik:

Output AI diskalakan. Verifikasi manusia tidak.

Anda dapat menghasilkan pekerjaan seminggu sebelum makan siang. Anda tidak dapat secara jujur meninjau pekerjaan seminggu sebelum makan siang.

Kesenjangan itu adalah hambatan. Bukan kekurangan GPU. Bukan "modelnya tidak cukup pintar." Perhatian manusia, bandwidth penilaian, dan kapasitas persetujuan.

Siapa yang sebenarnya terpapar

Pendapat saya di ruangan itu sangat blak-blakan.

Jika seorang insinyur perangkat lunak telah melanggar ketingkat arsitek kemampuan — batas sistem, mode kegagalan, kompromi, seperti apa "baik" di bawah beban — kursi mereka tidak menghilang. Pekerjaan mereka sedang berubah ke atas.

Orang-orang yang benar-benar dalam masalah adalah mereka yang terjebak di tengah tangga lama:

• baru saja lulus
• tidak cukup jaringan bekas luka
• menunggu senior untuk membimbing mereka melalui rasa sakit produksi yang nyata

Karena dojo korporat sedang dibongkar secara real time.

Model lama:

Senior mengajarkan junior → junior menyerap penilaian → junior menjadi senior.

Optimum lokal baru untuk P&L:

Senior + AI → 5× throughput sprint ini → manfaat yang terlihat kuartal ini.

Mengapa menghabiskan jam senior yang langka untuk membimbing ketika jam yang sama ditambah agen dapat mengirim lima kali lebih banyak produk?

Saya tidak merayakan itu. Saya sedang menggambarkan insentif.

Orang-orang yang mampu, orang-orang yang kelebihan beban kerja

Dorong logika itu satu langkah dan Anda akan mendapatkan perangkap yang dihadapi setiap perusahaan serius:

• Beban kerja senior meledak
• Mentorship menjadi "kita akan melakukannya nanti"
• Pipa perekrutan karyawan baru menyusut
• Orang-orang yang masih bisa menilai kualitas menjadi titik kegagalan tunggal

Orang-orang yang mampu dulu bisa melakukan banyak tugas. Sekarang orang-orang yang mampu bekerja terlalu keras — berkat AI.

Dan ini bukan hanya cerita perangkat lunak. Pola yang sama menyerang desain, operasi hukum, penelitian, pemasaran, analisis keuangan — setiap peran di mana generasi menjadi murah lebih cepat daripada verifikasi yang diotomatisasi.

Ini adalah K di dalam perusahaan

Saya telah menulis dan berbicara tentang ekonomi berbentuk K di bawah inflasi intelijen untuk sementara waktu — termasuk di Peluang Baru Di Bawah Inflasi Intelijen.

Orang mendengar "bentuk K" dan berpikir tentang negara dan kelas aset.

Lihat ke dalam satu bagan organisasi.

Sumber daya terkonsentrasi pada lengan atas:

• gaji lebih tinggi untuk senior yang terbukti, atau
• anggaran yang digunakan untuk merekrut junior diubah menjadi komputasi dan alat untuk senior

Transfer ganda. Senjata lengan atas. Senjata lengan bawah kelaparan.

K-shape skala dunia. K-shape skala perusahaan. Geometri yang sama.

Kemudian persaingan antara perusahaan memaksa lengan atas untuk memasang lebih banyak AI — dan langit-langit baru muncul.

Bahkan tumpukan senior terbaik + agen terbaik masih bertabrakan dengan fakta bahwa grafik beban kognitif gaya McKinsey telah berteriak:

Otak manusia lelah. AI tidak tidur.Anda tidak akan pernah bisa membaca lebih banyak daripada mesin yang tidak pernah berhenti menulis.

Jadi sekarang apa?

Curi lantai pabrik

Manufaktur telah menyelesaikan "terlalu banyak unit untuk mata manusia" beberapa dekade yang lalu.

Chip di jalur tidak diperiksa satu per satu oleh seorang bijak dengan penglihatan sempurna. Sistem ini melakukan ini:

1. Tentukan spesifikasi — apa yang dihitung sebagai baik
2. Otomatisasi pengujian — mesin memeriksa mesin
3. Audit contoh — manusia mengawasi proses, tidak setiap unit
4. Rollback pada kegagalan — lot yang buruk tidak dikirim; penyebab utama memberi umpan ke lini

Pekerjaan manusia ditingkatkan dari "menatap setiap die" menjadi "merancang sistem inspeksi."

Output AI adalah fisika yang sama dengan token yang lebih menarik.

Jika model operasional Anda adalah "insinyur senior meninjau setiap komit AI," Anda telah menciptakan kembali inspeksi visual manual pada skala semikonduktor. Itu bukan kerajinan. Itu adalah cara Anda membakar orang-orang yang masih bisa membedakan yang baik dari yang sampah.

Jawaban Manajemen Hasil

Saya menyebut perbaikan Jawaban Manajemen Hasil.

Verifikasi perangkat lunak harus menjadi infrastruktur berlapis, bukan aktivitas pahlawan.

Tanpa struktur "hanya merasakan dengan PR" adalah cara Anda mati perlahan. Tanpa inspeksi adalah cara Anda mati cepat.Kontrol hasil yang terukur adalah satu-satunya jalan hidup.

Indeks AI Stanford 2026 memberikan angka di bawah ketidaknyamanan: agen AI pada tes penggunaan komputer gaya OSWorld melonjak dari sekitar12% hingga ~66% keberhasilan. Rayakan lonjakan jika Anda mau. Juga perhatikan sisa — dalam evaluasi terstruktur Anda masih melihat kegagalan pada urutansatu dari tiga.

Itu bukan "hampir AGI, kapal tidak terjaga." Itu adalah pabrik dengan tingkat cacat yang diketahui.

Anda tidak merespons mode gagal 33% dengan getaran. Anda merespons dengan proses.

Bagaimana ini terlihat saat berfungsi

Saya menjalankan versi ini di tumpukan kami sendiri.

Sebagian besar dari mtsoln.com ditulis dengan AI dalam lingkaran. Saya masih memiliki sistem saraf yang berfungsi di akhir hari karena strukturnya terukur:

• arsitek menetapkan spesifikasi
• otomatisasi adalah pengaman
• manusia hanya meningkatkan pada lampu merah yang serius

Pengingat penting, diucapkan tanpa romansa:

AI hampir selalu meninggalkan celah — bahkan pada tugas-tugas sederhana.Celahan aneh. Omong kosong yang percaya diri. Secara lokal cukup, secara global salah.

Bagi para senior, itu berarti pusat gravitasi karir bergerak lagi:

Dari produsen → menjadi penentu masalah.

Semakin banyak output AI membanjiri saluran, semakin berharga orang yang dapat mendefinisikan:

• apa arti done
• apa anggaran kesalahan yang dapat diterima
• apa yang otomatis ditolak di bawah ambang batas
• apa yang memerlukan nama manusia di garis

Pernyataan Musk tentang selera di era AI adalah benar secara arah — dan dalam rekayasa, selera bukanlah energi papan suasana estetika.

Selera adalah penilaian arsitektural.Apa yang termasuk dalam sistem. Apa yang tidak boleh pernah dikirim. Seperti apa kegagalan sebelum memiliki nomor tiket.

Model masih lemah dalam hal itu. Itulah paritnya.

Masalah junior, tanpa lagu pengantar tidur

Saya tidak akan menjual cerita yang lembut kepada Anda.

Dojo telah dihancurkan. Perusahaan akan terus memilih throughput senior×AI daripada magang yang sabar setiap kali kuartal sedang terbakar. Insentif itu nyata.

Tapi ini juga era pertama di mana setiap junior memiliki pasangan sparring 24/7, dengan kesabaran tak terbatas yang duduk di samping mereka.

Dulu: perusahaan memaksa Anda untuk berlatih. Sekarang: Anda memaksa diri sendiri — atau Anda jatuh dari lengan bawah K.

AI adalah eksploitasi bagi mereka yang mandiri. AI adalah bencana bagi orang-orang yang hanya bergerak ketika didorong.

Bentuk K tidak berhenti pada judul pekerjaan. Itu berjalan melalui pola pikir.

Bukti, bukan teori: empat–enam minggu → delapan jam

Saya akan menempatkan pengiriman yang nyata di meja.

Situs klien: https://www.eastwood.page

Jalur lama untuk kelas situs ini — 4 hingga 6 minggu dari awal hingga akhir:

Jalur yang direvisi dengan Manajemen Hasil Jawaban + produksi agenik:

Narasi → membangun → meluncurkan ke cloud → persetujuan klien.

Delapan jam. Dari awal hingga akhir.

Bukan karena seseorang mengetik lebih cepat. Karena unit kerja berhenti menjadi "pahlawan mengerjakan setiap piksel dan setiap paragraf di bawah pemeriksaan manual" dan menjadi:

integritas spesifikasi → produksi yang dihasilkan → gerbang otomatis → penilaian manusia hanya di tempat yang masih menguntungkan.

Itu adalah peningkatan manufaktur yang sama mengenakan kostum situs web.

Apa yang harus dilakukan minggu ini

Jika Anda memimpin eng atau pengiriman digital:

1. Hentikan mengukur ROI AI sebagai token yang dihasilkan.Ukur cacat yang lolos, waktu siklus, dan jam senior yang dihabiskan untuk membaca ulang murni.
2. Paksa senior untuk mengeksternalisasi selera ke dalam spesifikasi.Kriteria penerimaan, anggaran kesalahan, aturan penolakan otomatis. Jika itu hanya ada di kepala mereka, Anda tidak memiliki sistem — Anda memiliki hambatan dengan denyut.
3. Pasang tinjauan bertingkat.Rendah / sedang / tinggi. Tidak ada lagi cosplay garis demi garis yang universal.
4. Beli komputasi untuk leverage penilaian, bukan hanya volume generasi.Lebih banyak output tanpa lebih banyak kontrol hasil adalah cara Anda mengindustrialisasi utang teknis.
5. Membangun dojo tipis dengan tujuan.Misi terbatas untuk junior di dalam pabrik otomatis — atau terima bahwa Anda sedang memakan jagung benih Anda.

Jika Anda adalah IC individu:

• Di bawah arsitek: proyek darurat Anda adalah penilaian di bawah beban, bukan trik cepat yang lebih banyak.
• Di arsitek: pekerjaan Anda sedang menjadi pemilik hasil — orang yang merancang bagaimana jawaban yang salah mati sebelum pelanggan melihatnya.

Satu-satunya jalur yang saat ini saya percayai

Pemeriksaan non-inspeksi yang lengkap adalah bunuh diri. Pemeriksaan manusia yang lengkap adalah kematian karena kerja berlebihan. Kontrol yang terukur, tingkat manufaktur dari jawaban AI adalah tengah yang bertahan.

Titik bottleneck adalah perhatian manusia. Peningkatannya adalah Manajemen Hasil Jawaban. Langkah karir adalah dari membuat jawaban menjadi mendefinisikan apa yang diizinkan menjadi jawaban yang baik.

Bangun sistem inspeksi. Atau tenggelam dalam throughput Anda sendiri.

Mercury Technology Solutions: Percepat Digitalitas.