Dari prompt ke produk: Copilot menjadi sorotan untuk menunjukkan bagaimana AI memberikan hasil

AI menjadi transformatif bukan ketika mesin berpikir lebih cepat, tetapi ketika imajinasi manusia dan sistem cerdas saling mendorong maju. Model dapat menghasilkan output, tetapi dampak nyata hanya terjadi ketika ide-ide kreatif dipasangkan dengan sistem yang kuat dan dapat diskalakan yang mencakup alur kerja, data, dan pengambilan keputusan real-time.

Pada TechSparks 2025, panel 'Making AI Real: Where Creativity Meets Intelligence and Scale' mengungkap pertemuan yang kuat ini. Dimoderatori oleh Sandeep Alur, CTO Microsoft Innovation Hub, Microsoft India, sesi ini menghadirkan Mathangi Sri Ramachandran, Kepala YuVerse, Grup Yubi; Rahul Regulapati, Pendiri, Galleri5—diakuisisi oleh Collective Artists; Samanyou Garg, Pendiri, Writesonic; dan Vishal Virani, Co-founder dan CEO, Rocket. Alur memoderatori bersama Copilot, asisten AI Microsoft, yang mengajukan pertanyaan real-time, menawarkan demonstrasi langsung kolaborasi manusia-AI dalam tindakan.

Menyeimbangkan kreativitas dengan kebutuhan perusahaan

Percakapan dibuka dengan pertanyaan tentang kesiapan perusahaan: bagaimana tim yang menggunakan alat pengembangan berbasis AI dapat menyeimbangkan kreativitas dengan tuntutan keamanan, skalabilitas, dan keandalan?

Vishal Virani menguraikannya melalui lensa apa yang dapat—dan tidak dapat—dihasilkan oleh vibe coding saat ini. Dia mengatakan platform saat ini masih tidak menghasilkan aplikasi kelas produksi secara mandiri. Yang dapat mereka lakukan adalah secara dramatis mempercepat pengembangan awal. Rocket, misalnya, memungkinkan tim untuk merakit aliran front-end, mengintegrasikan API pribadi menggunakan koleksi Postman, dan menyelaraskan build dengan sistem desain internal—semua dalam periode pengaturan yang ringkas. Kekuatan sebenarnya terletak pada kustomisasi: dalam 15-20 hari, Rocket dapat mengkonfigurasi seluruh lingkungannya sesuai kebutuhan klien perusahaan.

Dia menambahkan bahwa model yang lebih kuat akan memperluas apa yang dapat dilakukan oleh alat-alat ini. "Pada saat GPT-5 atau Sonnet 5 atau Sonnet 6 datang, kita akan dapat menghasilkan kode yang murni dan aman," katanya. Selama pertukaran, Alur menyebutkan bahwa "vibe coding" baru-baru ini dinyatakan sebagai Kata Tahun ini oleh Kamus Collins.

Virani berbagi contoh dari tim property-tech di mana seorang manajer produk memasukkan pernyataan masalah dan menghasilkan serangkaian opsi, termasuk versi yang disesuaikan untuk pengguna Gen Z dan audiens 60-plus. Manajer tersebut memberi tahu dia bahwa platform tersebut mengalihkan upaya dari menulis PRD ke mengeksplorasi kemungkinan.

Dia juga merujuk pada Devin, alat yang diabaikan ketika diluncurkan selama era GPT-3 tetapi dibangun untuk apa yang akan dimungkinkan oleh model generasi berikutnya. Ketika model-model tersebut tiba, adopsinya di AS meningkat pesat.

Mendefinisikan ulang penemuan dengan optimasi mesin generatif

Percakapan kemudian beralih ke bagaimana AI membentuk kembali penemuan produk. Samanyou Garg mencatat bahwa pengguna semakin mengandalkan asisten AI daripada mesin pencari tradisional; ChatGPT saja telah melampaui 700 juta pengguna aktif mingguan. Studi Forrester terbaru menunjukkan bahwa 89% keputusan pembelian B2B sekarang melibatkan percakapan yang dimediasi AI, membuat visibilitas dalam sistem ini sangat penting.

Namun tidak ada "konsol pencarian" untuk AI saat ini. Perusahaan memiliki sedikit wawasan tentang prompt mana yang menampilkan produk mereka atau bagaimana pesaing mereka muncul. Writesonic bertujuan untuk menyelesaikan ini dengan melacak visibilitas merek di dalam asisten AI dan mengidentifikasi di mana optimasi diperlukan.

Garg menyoroti bahwa model AI memberikan bobot tiga hingga enam kali lebih besar pada sumber pihak ketiga seperti Reddit dan Wikipedia daripada konten milik merek, membuat sentimen eksternal dan ulasan menjadi input penting. Dia juga menekankan pentingnya terus memperbarui konten milik merek, karena informasi usang masih dapat ditarik oleh model.

Garg membingkai pergeseran ini sebagai kebangkitan optimasi mesin generatif (GEO), mengoptimalkan tidak hanya untuk mesin pencari, tetapi untuk bagaimana model AI menafsirkan, mengurutkan, dan menyajikan merek.

AI sebagai infrastruktur kreatif

Diskusi kemudian beralih dari penemuan ke kreativitas. Rahul Regulapati berbicara tentang karya Galleri5 pada seri Mahabharat yang dihasilkan AI, sekarang di antara acara teratas di Star Plus. Sementara Galleri5 membangun infrastruktur AI yang mendukung produksi, tim kreatif lengkap, termasuk sutradara, penulis naskah, unit stunt dan koreografi, dan seniman karakter, menangani pembuatan film. Antara 50 dan 100 orang bekerja di berbagai peran kreatif dan teknis.

Regulapati menggambarkan AI sebagai infrastruktur yang menghilangkan kendala produksi. Tim sekarang dapat merekam gerakan dasar di studio yang lebih kecil dan menggunakan pipeline AI untuk menskalakan mereka menjadi urutan sinematik yang luas yang sebelumnya membutuhkan anggaran besar atau pengaturan fisik yang kompleks. Jadwal produksi yang dulunya memanjang hingga dua tahun sekarang dapat menyusut menjadi dua bulan, dan biaya yang sebelumnya mencapai Rs 100 crore dapat dipotong secara drastis. Sepanjang itu, kontrol kreatif tetap utuh—direktur fotografi masih mendikte lensa dan gaya visual, dan output harus sesuai dengan visi tersebut.

Dia menambahkan bahwa penonton menonton Mahabharat untuk penceritaannya, bukan teknologinya. Melihat ke depan, dia mengharapkan sebagian besar konten akan menjadi sebagian atau sepenuhnya berbasis AI dalam 12 hingga 24 bulan ke depan, dengan tim kreatif yang dengan tegas mengarahkan proses.

Dari bukti ke skala besar

Panel kemudian beralih ke pertanyaan tentang skala, dengan Mathangi Sri Ramachandran menguraikan bagaimana YuVerse mengoperasikan sistem AI di lingkungan volume tinggi dan taruhan tinggi. Perusahaan menangani hampir 30 juta panggilan sebulan melalui bot percakapan, bersama dengan pemrosesan dokumen skala besar dan pembuatan video yang dipersonalisasi. Seperti yang dia katakan, "apa pun yang kita coba hari ini adalah skala besok."

Salah satu produk unggulan YuVerse, YuVin, menciptakan jutaan video yang dipersonalisasi, masing-masing disesuaikan untuk pengguna individu daripada mengandalkan satu aset yang diproduksi massal. Tim sekarang bereksperimen dengan format video-ke-video interaktif yang dapat lebih mengubah cara merek berkomunikasi.

Ramachandran menyoroti kesenjangan yang terus-menerus antara kinerja mesin dan harapan pengguna. Pusat panggilan tradisional biasanya beroperasi pada akurasi 60-70%, sementara bot AI mencapai 98-99%, namun menyelesaikan bukti konsep masih membutuhkan 50 hingga 100 iterasi karena toleransi terhadap kesalahan mesin tetap sangat rendah. Preferensi India untuk suara, bahkan di WhatsApp, membuat AI percakapan sangat menarik, tetapi harapan ini terus memperlambat adopsi.

Melacak evolusi bidang ini, dia menggambarkan bagaimana AI percakapan telah beralih dari sistem yang dipimpin ahli bahasa ke ilmuwan komputer, kemudian RNN dan LSTM, dan sekarang ke LLM. Dia mencatat bahwa India selalu menjadi "pasar yang sangat percakapan", tetapi adopsi luas baru dimulai baru-baru ini dengan kedatangan model bahasa yang lebih mampu. Namun, dia menekankan, toleransi terhadap kesalahan mesin harus meningkat agar penerapan dapat dipercepat.

Moderator Sandeep Alur menawarkan pembingkaian ulang: alih-alih hanya fokus pada tingkat kesalahan, perusahaan harus mempertimbangkan biaya kesalahan. Jika biaya itu rendah, dia berpendapat, tim harus maju daripada mengejar kesempurnaan yang memperlambat skala.

Membangun untuk alur kerja masa depan

Ketika percakapan beralih ke gelombang berikutnya dari alat low-code dan no-code, Virani menjelaskan bahwa platform vibe-coding paling baik digunakan untuk konseptualisasi, bukan untuk mengirimkan kode kelas produksi. Dia mengutip seorang manajer produk property-tech yang menggunakan Rocket untuk mengeksplorasi ide-ide yang belum dipertimbangkan pesaing dan dengan cepat menguji versi yang ditujukan untuk Gen Z versus pengguna di atas 60, pekerjaan yang biasanya memakan waktu sebulan, diselesaikan dalam satu hari.

Menurut Virani, hambatan yang lebih besar untuk adopsi bukanlah kemampuan tetapi pola pikir. Perusahaan sering berjuang karena mereka mencoba memaksakan alur kerja yang ada ke dalam alat baru. "Jika Anda mencoba memasukkan alur kerja Anda ke dalam alat apa pun, Anda tidak akan dapat mengadopsi AI kapan pun," katanya. Pasar AS, tambahnya, telah mengambil pendekatan yang berlawanan: mengevaluasi alat terlebih dahulu, kemudian menyesuaikan alur kerja di sekitarnya. Kekhawatiran keamanan dan kepatuhan juga bergeser tergantung pada apakah tim mengeksplorasi ide atau menerapkan dalam skala besar.

Tentang penemuan produk, Garg menjelaskan bagaimana pencarian berbasis AI membentuk kembali visibilitas. Sistem AI memberikan bobot tiga hingga enam kali lebih besar pada sumber pihak ketiga seperti Reddit, Wikipedia, ulasan independen daripada konten milik merek. Ini berarti informasi usang atau negatif di mana pun online dapat muncul dalam jawaban yang dihasilkan AI. Untuk merek yang berharap muncul dalam rekomendasi AI, manajemen reputasi sekarang harus mencakup platform ulasan, media, dan percakapan sosial.

Mewujudkan AI

Saat sesi berakhir, setiap panelis menawarkan kesimpulan singkat tentang apa artinya "mewujudkan AI". Ramachandran menekankan fokus pada hasil yang benar-benar penting dan memastikan AI tetap diatur oleh manusia. Regulapati berpendapat bahwa AI menjadi nyata ketika menggantikan proses, bukan orang. Garg menunjuk pada dasar-dasar: berbicara dengan pengguna, mengidentifikasi gesekan, dan memperbaiki alur kerja dengan pendekatan yang dipimpin manusia. Virani menggarisbawahi kebenaran teknis: konteks yang tepat lebih penting daripada input besar, dan tanpa landasan itu, sistem AI dapat berhalusinasi.

Copilot, menutup perannya sepanjang diskusi, menawarkan ringkasan akhir di atas panggung: tetap terpaku pada hasil nyata, gunakan AI untuk mendukung orang, pertahankan alur kerja yang dipimpin manusia, dan selalu bekerja dengan konteks yang tepat.

.