AI Setuju dengan Anda 50% Lebih Sering: Kenapa Founder yang Pakai AI untuk Keputusan Bisnis Harus Hati-Hati
AI sycophancy 1 min read
27 Januari 2025. Sebuah startup AI dari China yang hampir tidak dikenal di luar komunitas researcher meluncurkan model tanpa pemberitaan besar. Dalam 24 jam berikutnya, Nvidia kehilangan $589 miliar nilai pasar. Saham tech global anjlok lebih dari $1 triliun. Nama startup itu: DeepSeek. Dan pendirinya bukan insinyur Silicon Valley, melainkan seorang manajer hedge fund dari kota kecil di Guangdong.
Ini bukan sekadar cerita tech atau geopolitik. Ini adalah studi kasus tentang inovasi di bawah tekanan, yang relevansinya langsung menyentuh setiap founder Indonesia.
Siapa Liang Wenfeng dan Asal Usul DeepSeek
Liang Wenfeng lahir di kota tier-5 di Guangdong, anak seorang guru sekolah dasar. Kuliah di Zhejiang University, ia mempelajari machine learning bukan untuk membangun AI, melainkan untuk trading saham. Pada 2015, ia mendirikan hedge fund kuantitatif High-Flyer yang tumbuh hingga kelola aset $8 miliar.
Lalu sesuatu berubah. Liang mulai meyakini bahwa AGI (kecerdasan buatan umum) adalah frontier teknologi terbesar sepanjang sejarah. Mei 2023, ia mengumumkan High-Flyer akan mengejar AGI secara serius dan meluncurkan DeepSeek sebagai lab AI mandiri.
Satu keputusan krusial mendahului semua ini: sebelum sanksi chip AS diberlakukan pada 2022, Liang sudah membeli 10.000 GPU Nvidia A100. Ketika AS kemudian melarang ekspor chip canggih ke China, DeepSeek sudah punya modal komputasi awal yang tidak bisa didapat kompetitor China lainnya.
Baca juga: Cara Bangun Startup dengan Bootstrapping (Tanpa Investor)
Ketika Hambatan Menjadi Bahan Bakar
Inilah paradoks yang paling penting dari kisah DeepSeek.
AS melarang ekspor chip Nvidia H100 ke China sejak 2022. China hanya bisa mengakses H800, versi yang dilucuti kemampuan koneksi antar-chip (NVLink bandwidth lebih rendah). Banyak analis menyangka ini akan melumpuhkan riset AI China sepenuhnya.
Yang terjadi sebaliknya. Tim DeepSeek terpaksa berinovasi di level yang lebih dalam, yaitu arsitektur model itu sendiri. Mereka memprogram 20 dari 132 processing unit setiap H800 khusus untuk mengelola komunikasi antar-chip, bekerja di level lebih rendah dari CUDA. Hasilnya adalah dua inovasi yang justru membuat model mereka lebih efisien dari pesaing dengan chip tak terbatas.
Seperti yang dikatakan Liang Wenfeng sendiri: "Kita sudah selesai meniru. Sekarang saatnya memimpin."
Dua Inovasi Teknis yang Mengubah Segalanya
Anda tidak perlu mengerti teknis untuk memahami esensinya.
MoE (Mixture of Experts): DeepSeek-V3 punya 671 miliar parameter total, tapi setiap pertanyaan hanya mengaktifkan sekitar 37 miliar parameter, yaitu sekitar 5,5% saja. Bayangkan kantor dengan 671 karyawan, tapi setiap pertanyaan klien hanya ditangani 37 orang paling relevan. Sisanya istirahat. Jauh lebih hemat daripada semua 671 orang bekerja sekaligus.
MLA (Multi-head Latent Attention): Alih-alih mengingat seluruh percakapan kata per kata, model menyimpan intisari terkompresi dari konteks. Seperti mencatat poin-poin kunci rapat daripada merekam setiap kata. Hasilnya: penggunaan memori turun 93,3%.
Kombinasi dua inovasi ini membuat biaya satu final training run DeepSeek-V3 hanya $5,6 juta selama 55 hari dengan 2.048 GPU H800. Sebagai perbandingan, OpenAI GPT-4 menghabiskan lebih dari $100 juta untuk training. Andrej Karpathy, mantan ilmuwan AI Tesla dan OpenAI, menyebut $5,6 juta sebagai "a joke of a budget" untuk level kemampuan yang dicapai.
Kontroversi yang Perlu Anda Tahu
Artikel yang jujur tidak bisa mengabaikan tiga hal ini.
Pertama, $5,6 juta adalah angka yang menyesatkan jika berdiri sendiri. Dario Amodei, CEO Anthropic yang menerapkan pendekatan safety-first, memperkirakan DeepSeek memiliki sekitar 50.000 chip generasi Hopper bernilai sekitar $1 miliar. Total pengeluaran DeepSeek sebagai perusahaan tidak jauh berbeda dari lab AI besar AS. Yang luar biasa bukan bahwa mereka membangun segalanya dari $6 juta, melainkan bahwa per eksperimen mereka 10-20x lebih efisien.
Kedua, ada dugaan penggunaan chip ilegal yang masih diinvestigasi. Ada laporan DeepSeek menggunakan perusahaan shell di Asia Tenggara untuk mengakses chip H100 melalui jalur tidak resmi. Nvidia membantah klaim ini. Kasusnya masih dalam investigasi pemerintah AS per awal 2026.
Ketiga, ada risiko privasi nyata. Aplikasi iOS DeepSeek diketahui mengirimkan data perangkat tanpa enkripsi penuh. Australia, Taiwan, Italia, Belanda, dan Jepang sudah melarang atau membatasi penggunaan DeepSeek untuk keperluan pemerintah. Untuk penggunaan bisnis di Indonesia, pertimbangkan langkah mitigasi yang tepat.
Dampak ke Industri: Apa yang Berubah
Respons industri global langsung terasa. Sam Altman menyebut DeepSeek-R1 "impressive." Marc Andreessen dari a16z menyebutnya "hadiah luar biasa bagi dunia." Jensen Huang mengkritik reaksi pasar saham sebagai berlebihan karena model lebih efisien justru mendorong permintaan inferensi yang lebih tinggi.
Yang lebih substansial adalah pergeseran paradigma. Pasca DeepSeek, industri AI bergerak dari era "menang dengan model paling mahal" ke era "kompetisi pada efisiensi biaya." Microsoft berencana belanja $80 miliar untuk infrastruktur AI, Meta $65 miliar, dan kini semua angka itu mulai dipertanyakan ulang.
Pada benchmark MATH-500, DeepSeek-R1 mencapai 97,3% versus OpenAI o1 yang 96,4%. Pada AIME 2024: 79,8% versus 79,2%. Dengan harga API $0,55 per juta input token versus OpenAI o1 yang $15 per juta input token, selisihnya 20-27 kali lebih murah.
Jika bisnis Anda butuh 1 miliar token per bulan, pilih DeepSeek berarti hemat dari $13.000 menjadi sekitar $420.
Open Source Sebagai Strategi, Bukan Kemurahan Hati
Keputusan DeepSeek merilis model secara open source bukan sekadar altruisme. Liang Wenfeng menjelaskan filosofinya dengan jelas: "Moat closed-source bersifat sementara. Nilai kami terletak pada pertumbuhan tim dan budaya inovatif. Open source itu kultural, bukan sekadar komersial. Memberi kembali adalah kehormatan, dan itu menarik talent terbaik."
Dengan open source, DeepSeek membangun ekosistem global yang mempercepat adopsi, menarik researcher terbaik dunia untuk berkontribusi, dan memaksa kompetitor bersaing pada inovasi, bukan kontrol distribusi. Ini adalah permainan panjang yang cerdas.
Yann LeCun dari Meta menyatakan: "Model open source sedang melampaui yang proprietary." DeepSeek adalah katalis yang mempercepat tren ini.
Mau memahami bagaimana strategi semacam ini bisa diterapkan ke bisnis Anda? Konsultasikan langsung dengan mentor berpengalaman di BOS by Founderplus, program mentoring 15 sesi selama 2 bulan untuk pemilik bisnis yang ingin tumbuh lebih sistematis.
Pelajaran untuk Founder Indonesia
Indonesia bukan China. Kita tidak punya ambisi geopolitik untuk menandingi Silicon Valley. Tapi ada empat pelajaran dari DeepSeek yang langsung bisa diterapkan.
1. Keterbatasan adalah katalis inovasi, bukan alasan untuk menyerah. DeepSeek tidak punya chip terbaik. Keterbatasan itulah yang memaksa mereka menemukan MoE dan MLA yang lebih efisien dari kompetitor dengan sumber daya berlimpah. Founder Indonesia yang terkendala modal, talent, dan infrastruktur bisa menggunakan logika yang sama: constraints memaksa kreativitas yang tidak muncul saat segalanya mudah.
2. Pivot dari keahlian yang sudah ada, bukan dari nol. Liang Wenfeng bukan insinyur AI. Ia trader kuantitatif yang memahami pola data dan machine learning untuk keperluan trading. Latar belakang itu justru memberi perspektif unik saat membangun model AI. Skill dari industri lain bisa menjadi keunggulan, bukan hambatan.
3. Efisiensi bisa menjadi diferensiasi utama. Bukan hanya fitur, bukan hanya skala, tapi seberapa efisien Anda menghasilkan output yang sama dengan input lebih sedikit. Ini relevan untuk bisnis apa pun, bukan hanya AI.
4. API DeepSeek sudah bisa dimanfaatkan hari ini. Startup Indonesia seperti Ruangguru dan Meeting.ai sudah mengintegrasikan DeepSeek untuk konteks pembelajaran lebih panjang dan transkripsi real-time dengan biaya yang jauh lebih rendah dari OpenAI. Nilai pasar AI Indonesia diproyeksikan $1,2 miliar pada 2025 dan tumbuh 40% per tahun. Pintu ini terbuka untuk Anda.
Baca juga: Lean Startup Indonesia: Framework Validasi Ide dengan Resource Terbatas
Ingin mengeksplorasi bagaimana mengadopsi tools AI murah seperti DeepSeek ke operasional bisnis Anda? Cek kursus dan panduan praktis di Academy Founderplus yang dirancang khusus untuk pemilik bisnis Indonesia.
FAQ
Berapa biaya sebenarnya membangun DeepSeek?
Ada dua angka yang perlu dipahami. Biaya satu final training run DeepSeek-V3 adalah $5,6 juta selama 55 hari. Namun total investasi infrastruktur chip DeepSeek mendekati $1 miliar menurut Dario Amodei (CEO Anthropic), karena mereka memiliki sekitar 50.000 chip Nvidia generasi Hopper. Jadi $5,6 juta adalah efisiensi per eksperimen, bukan biaya membangun keseluruhan lab dari nol.
Mengapa saham Nvidia bisa anjlok gara-gara DeepSeek?
Nvidia kehilangan $589 miliar nilai pasar dalam satu hari pada 27 Januari 2025 karena pasar mengira DeepSeek membuktikan bahwa GPU mahal tidak dibutuhkan untuk membangun AI canggih. Logikanya: jika AI bisa dibangun dengan chip murah, permintaan chip mahal Nvidia akan turun. Jensen Huang sendiri mengkritik reaksi pasar ini sebagai berlebihan.
Apa inovasi teknis kunci yang membuat DeepSeek lebih efisien?
Dua inovasi utama: pertama, MoE (Mixture of Experts) di mana model memiliki 671 miliar parameter total tapi hanya 37 miliar yang aktif per pertanyaan. Kedua, MLA (Multi-head Latent Attention) yang mengurangi penggunaan memori sebesar 93,3% dengan menyimpan intisari terkompresi dari konteks percakapan, bukan seluruh teks mentah.
Apakah DeepSeek aman digunakan untuk bisnis di Indonesia?
Untuk penggunaan bisnis pribadi, DeepSeek bisa dimanfaatkan dengan hati-hati. Namun ada risiko privasi nyata: aplikasi iOS DeepSeek diketahui mengirim data tanpa enkripsi penuh. Beberapa negara seperti Australia, Italia, dan Taiwan melarang penggunaan DeepSeek untuk keperluan pemerintah. Untuk bisnis Indonesia, pertimbangkan menggunakan API DeepSeek melalui platform cloud lokal yang lebih terkontrol.
Apa pelajaran terpenting dari DeepSeek untuk founder Indonesia?
Pelajaran utama adalah bahwa keterbatasan sumber daya bisa menjadi katalis inovasi. DeepSeek tidak memiliki akses ke chip AI terbaik karena sanksi AS, tapi keterbatasan itu memaksa mereka menemukan arsitektur yang lebih efisien dari kompetitor yang punya sumber daya berlimpah. Untuk founder Indonesia yang sering terkendala modal dan infrastruktur, ini adalah bukti konkret bahwa constraints bisa menjadi keunggulan kompetitif.