Startup AI yang Diprediksi akan Sulit Bertahan di Masa Depan

Startup AI yang Diprediksi akan Sulit Bertahan di Masa Depan

Ledakan kecerdasan buatan (AI) generatif telah memunculkan banyak startup baru, namun tak semua model bisnis mampu mempertahankan eksistensinya.

Baca juga: ASN DKI Jakarta Kembali Bekerja di Kantor Setelah Pencabutan Instruksi WFH

Dua tipe startup yang diprediksi bakal kehilangan peminat di masa depan adalah LLM wrapper dan agregator AI.

Model Bisnis LLM Wrapper

LLM wrapper adalah jenis startup yang menciptakan produk yang dibangun di atas model AI seperti GPT, Claude, atau Gemini tanpa memiliki hak kekayaan intelektual yang sah.

Contoh model bisnis ini termasuk startup yang menggunakan AI untuk membantu siswa dalam proses belajar mengajar.

Darren Mowry, VP Google Cloud, menyatakan bahwa jika startup hanya menciptakan 'cover' dari model AI yang sudah ada tanpa adanya diferensiasi yang jelas, peluang mereka untuk bertahan akan sangat minim.

Mowry menekankan, 'Anda harus memiliki keunggulan kompetitif yang kuat dan luas' untuk bisa bertahan dan berkembang dalam ekosistem yang makin ketat.

Baca juga: Google Respon Terkait Masalah Keamanan Gmail dan Aktivitas Phishing

Kriteria Diferensiasi dalam Startup AI

Di antara sejumlah contoh, dua LLM wrapper yang memperlihatkan diferensiasi yang kuat adalah Cursor, yang berfungsi sebagai asisten pengkodean berbasis GPT, dan Harvey AI, yang terkonsentrasi pada bidang hukum.

Mowry menjelaskan bahwa diferensiasi yang jelas sangat penting untuk menciptakan nilai tambah dan menarik perhatian pengguna.

Tanpa inovasi yang nyata, startup model ini berisiko kehilangan visibilitas di pasar yang semakin ramai dengan kompetisi.

Model Bisnis AI Aggregator dan Tantangannya

Tipe startup kedua yang dianggap bakal belakang peminat adalah AI aggregator, yang menggabungkan berbagai model AI dalam satu antarmuka atau API.

Perusahaan yang menerapkan model ini biasanya menawarkan berbagai alat pemantauan dan evaluasi meski terlihat menjanjikan pada awalnya.

Namun, Mowry mencermati bahwa menawarkan akses ke banyak model saja tidak cukup, karena kini pengguna mencari integrasi yang lebih canggih dan relevan dengan konteks serta pemahaman domain.