Debate Perlambatan AI Mengganggu Pesta Salesforce di Dreamforce 2026

Gwen Stefani Buka Acara, Tapi CEO AI yang Merebut Perhatian

Selasa pagi, pusat konferensi San Francisco dipenuhi ribuan peserta Dreamforce 2026. Gwen Stefani membuka acara dengan menyanyikan “Underneath It All” hit-nya tahun 2002, berdandan ungu dan plaid. Dia berteriak “Dreamforce! Let’s go!” ke penonton yang penuh semangat. Tapi pertunjukan musik itu cuma pembuka. Bintang utama hari itu bukan penyanyi, tapi tiga bos perusahaan AI paling berpengaruh dunia: Sam Altman (OpenAI), Dario Amodei (Anthropic), dan Jensen Huang (Nvidia).

Debate Inti: Percepat atau Perlambat?

Topik pembicaraan bukan fitur baru Salesforce, tapi arah pengembangan AI secara global. Altman mendorong percepatan: model harus dilepaskan lebih cepat, iterasi lebih singkat, manfaat ekonomi didahulukan. Amodei menentang: butuh jeda untuk evaluasi keamanan, red-teaming yang ketat, dan kerangka governance sebelum model generasi berikutnya keluar. Huang duduk di tengah, menekankan infrastruktur hardware (GPU Blackwell, NVLink, sistem rack-scale) sudah siap mendukung skala apa pun—keputusan kecepatan ada di tangan pembangun model dan regulator.

Mengapa Salesforce Jadi Lokasi Debate Ini?

Salesforce bukan perusahaan model dasar. Tapi Dreamforce jadi panggung strategis karena Salesforce adalah pelanggan besar ketiga CEO tersebut. Data Cloud, Agentforce, dan Einstein GPT Salesforce bergantung pada model OpenAI, Claude Anthropic, dan chip Nvidia. Keputusan “percepat atau perlambat” langsung mempengaruhi roadmap produk Salesforce, biaya inferensi, dan risiko kompliance bagi ribuan enterprise customer-nya. Marc Benioff, CEO Salesforce, memandu diskusi tapi tidak mengambil sisi—dia butuh ketiganya tetap bahagia.

Argumen Percepatan: Ekonomi dan Kompetisi Global

Altman mengutip data internal OpenAI: GPT-4o menurunkan biaya per token 50% dibanding GPT-4 Turbo, sambil menaikkan skor MMLU dari 86% ke 88,7%. “Setiap bulan tertunda, kita kehilangan manfaat medis, pendidikan, dan produktivitas yang bisa disebarkan ke miliaran orang,” kata dia. Dia juga menyebut kompetisi dari China (DeepSeek, Qwen, Kimi) yang tidak menghiraukan jeda keamanan Barat. Jika AS perlambat, kekuasaan AI bergeser ke luar.

Argumen Perlambatan: Risiko Sistemik dan Ketidakpastian

Amodei menjawab dengan data Anthropic: Claude 3.5 Sonnet lolos evaluasi bio-risk dan cyber-risk tingkat tinggi, tapi evaluasi itu butuh 6 bulan penuh. “Kita tidak tahu apa kemampuan tersembunyi model skala 10x lebih besar. Red-teaming internal saja tidak cukup—butuh auditor independen, standar internasional, dan kemungkinan besar lisensi pengembangan,” ujar dia. Dia mengutip insiden 2024 di mana model open-source termodifikasi untuk sintesis racun kimia dalam jam, bukan hari.

Posisi Nvidia: Siapkan Kapasitas, Biarkan Pasar Putuskan

Huang tidak memilih sisi. Dia menunjukkan roadmap hardware: Blackwell Ultra Q4 2026, Rubin 2027, Rubin Ultra 2028. Setiap generasi naik 2,5x performa per watt. “Kami bangun jalan raya. Siapa yang mengendarai mobil dan secepat apa—itu urusan pengemudi dan polisi lalu lintas,” analogi Huang. Dia mengingatkan: pelanggan enterprise (termasuk Salesforce) sudah memesan kapasitas tahunan senilai miliaran dolar. Perlambatan pengembangan model berarti GPU menganggur, ROI turun, tekanan saham.

Dampak Nyata Bagi Enterprise Indonesia

Bagi CTO dan pembeli teknologi di Indonesia, Debate ini bukan teori. Tiga skenario konkret:

• Skenario percepatan: Model baru tiap 3-4 bulan. Biaya API turun, fitur naik. Tapi risiko compliance (UU PDP, regulasi AI ASEAN) meningkat. Tim legal butuh review berkala.
• Skenario perlambatan: Siklus rilis 12-18 bulan. Stabilitas dan keamanan lebih terjaga. Biaya inferensi turun lebih lambat. Vendor lokal punya waktu bangun diferensiasi (fine-tuning Bahasa Indonesia, domain spesifik).
• Skenario campuran (palau kemungkinan): Model frontier perlambat, model kecil/tertutup (distilled, quantized) terus cepat. Enterprise harus punya strategi dual-track: gunakan model frontier untuk tugas kritis berisiko rendah, model kecil on-premise untuk data sensitif.

Apa yang Harus Dilakukan Tim Teknis Minggu Ini

1. Audit dependensi model: Daftar semua workflow yang memanggil OpenAI API, Anthropic API, atau model Nvidia NGC. Catat versi, biaya bulanan, dan sensitivitas data.
2. Uji fallback lokal: Coba jalankan Llama-3.1-70B-Instruct-Q4_K_M di server GPU sendiri (H100 80GB x 2 atau A100 80GB x 4). Ukur latensi, akurasi tugas domain Anda, dan biaya per 1 juta token vs API.
3. Bangun evaluasi otomatis: Jangan andalkan benchmark publik. Buat test set 200-500 sample data asli Anda (ticket support, kontrak, kode internal). Jalankan tiap minggu saat model update.
4. Siapkan kontrak fleksibel: Negosiosasikan klausul “model swap” dengan vendor SaaS AI—bisa ganti backend model tanpa ganti integrasi kode.

Kesimpulan: Debate Belum Selesai, Tapi Keputusan Harus Diambil

Dreamforce 2026 menunjukkan tidak ada konsensus di puncak industri. Altman, Amodei, dan Huang masing-masing mewakili kepentingan bisnis yang sah tapi bertentangan. Bagi organisasi Indonesia, strategi terbaik bukan memilih sisi, tapi membangun ketahanan arsitektur: abstraksi model, evaluasi berkelanjutan, dan opsi on-premise. Siapa yang menang Debate? Belum jelas. Siapa yang siap beradaptasi? Itu yang menentukan.