Perjalanan bersama karbon silikon di perusahaan kripto — Transformasi AI internal Cobo

Sejak akhir 2024, Cobo selain fokus pada layanan utama pengelolaan aset kripto dan pembayaran stablecoin, terus mengeksplorasi integrasi AI dan blockchain.

Yang pertama kali kami lihat adalah potensi standar skill yang dibawa MCP. Secara teori, jika skill cukup standar, AI bisa memanggil kemampuan seperti plugin, dan blockchain akan menjadi infrastruktur keuangan paling alami untuk AI.

Kami pun mengembangkan toko aplikasi MCP secara internal. Tapi segera terbukti tidak efektif.

Saat itu, batasan AI masih tinggi sehingga hanya engineer matang yang bisa menggunakannya dengan lancar. MCP pun belum cukup standar, setiap integrasi memakan waktu dan tenaga, biaya tinggi, kemajuan lambat, dan hasilnya jauh dari harapan.

Namun tim AI tetap terbentuk. Harganya mahal, sulit merekrut, dan tidak bisa begitu saja dihentikan.

Akhirnya kami memutuskan untuk beralih arah. Karena saat ini belum bisa mengubah dunia pelanggan, maka kita ubah diri sendiri dulu.

Pertanyaan pertama: Keamanan

Sebagai perusahaan pengelola aset, data maupun proses teknologi internal Cobo sangat sensitif. Ada tingkat data yang ketat di internal. Tapi tanpa data dan input bisnis nyata, tidak mungkin melatih Agent perusahaan sendiri.

Awalnya kami ingin model lokal di-deploy. Tapi kenyataannya, kecerdasan model lokal belum memenuhi syarat. Bisa jalan, tapi tidak nyaman; bisa menjawab, tapi tidak cukup pintar.

Akhirnya kami memilih Claude dan Gemini sebagai utama (dapat mengajukan ZDR—ketentuan tidak menyimpan data—untuk isolasi tingkat tinggi).

Namun model besar hanyalah “otak” dasar bisnis. Yang benar-benar kompleks adalah data dan hak akses.

Kemudian kami buat rangkaian lengkap basis pengetahuan internal dan kerangka Agent.

Basis Pengetahuan Internal + Sistem Agent R&D Cobo

Basis pengetahuan mengelola data internal perusahaan secara berlapis. Berdasarkan hak akses karyawan, distribusikan ruang baca.

Agent saat memanggil basis pengetahuan juga mewarisi hak akses karyawan, bukan memiliki “penglihatan dewa”.

Detailnya meliputi:

• Bagaimana mengisolasi lingkungan jaringan
• Bagaimana membatasi aliran data antar lapisan
• Bagaimana mengontrol penyimpanan log agar dapat diaudit
• Bagaimana mencegah bocornya informasi sensitif

Semua ini tidak glamor, tapi menentukan apakah sistem bisa berjalan jangka panjang. AI tidak boleh menjadi celah keamanan.

Setelah arsitektur terbentuk, masalah berikutnya: tidak ada yang pakai

Bahkan sampai hari ini, perusahaan masih menghadapi kenyataan: banyak bagian front-end tidak peduli dengan AI.

Kalau cuma dorongan pakai, perubahan workflow tidak akan terjadi.

Kemudian kami sadar, harus mulai dari manajemen perusahaan.

Langkah pertama: OKR Agent

Kami pertama kali mendorong penggunaan di luar customer service atau coding.

Yaitu OKR.

Kami gunakan AI untuk mengurai strategi perusahaan, membantu menetapkan OKR, melacak progres, dan melakukan review.

Intinya, mengubah manajemen perusahaan dari pengelolaan manusia menjadi kolaborasi manusia dan sistem. Proses ini sangat tidak nyaman bagi karyawan.

Dulu, target bisa dibuat tampak bagus, proses bisa dijelaskan masuk akal. Sekarang data mingguan sudah ada, alasan makin sedikit.

Sejak saat itu, target bukan cuma diskusi di rapat, tapi menjadi pencatatan berkelanjutan dalam sistem.

strategy okr setiap minggu pantau kemajuan bisnis

Tapi, baru dari performa karyawan kita mulai benar-benar akrab dengan AI. Karena jika tidak terlibat, itu akan langsung mempengaruhi gaji mereka.

Dari performa ke bisnis: Semua di-agent-kan

Setelah OKR berjalan, kami mulai dorong agen layanan internal. Dengan sistem penilaian + bonus, paksa setiap departemen buat dan kelola Agent terkait bisnis mereka.

Customer service buat Customer Service Agent. Hukum buat kontrak bantu Agent. Penjualan buat CRM Agent.

Mencari customer agent yang paling unik dan nyeleneh

Akhirnya, lebih dari 100 Agent diluncurkan.

Kami tidak bisa mengukur secara pasti hasil “kolaborasi manusia dan sistem”.

Tapi satu hal yang jelas:

Dulu, saat menghadapi masalah, reaksi pertama adalah “Perlu rekrut lagi?”. Sekarang, reaksi pertama adalah “Bisakah sistem ikut serta dulu?”

Ini sebenarnya adalah pemahaman kami tentang kolaborasi manusia dan sistem. Bukan AI menggantikan manusia, tapi manusia mulai terbiasa bekerja bersama sistem.

Perjalanan tahun ini, beberapa pelajaran nyata

Pertama, punya arus kas yang sehat.

Kalau arus kas perusahaan tidak sehat, transformasi ini tidak akan sampai akhir. AI bukan alat penghemat biaya, melainkan investasi awal untuk peningkatan struktur jangka panjang. Beruntung, bisnis utama Cobo tetap punya arus kas yang sehat.

Kedua, harus dari atas ke bawah (top-down).

Organisasi tidak akan berubah secara otomatis. Kalau manajemen tidak tegas mendorong, proses ini akan gagal.

Seperti diketahui, pendiri Cobo adalah penggemar AI berat. CTO蒋博士 bahkan sejak tahun 2000-an saat di CMU sudah mulai riset AI.

Ketiga, harus paksa digunakan.

Kalau cuma dorongan, AI cuma berhenti di menulis email. Perubahan proses yang nyata harus mengandung unsur “paksaan”.

Keempat, mulai dari bisnis sendiri.

Banyak perusahaan bicara AI + Web3. Tapi kalau internal sendiri belum selesai AI-nya, semua cuma konsep.

Melihat ke belakang

Kami juga tidak bisa sepenuhnya mengukur keberhasilan transformasi ini. Perusahaan mulai beralih dari “proses yang dikendalikan manusia” ke “sistem berbasis target”.

Kalau nanti muncul “organisasi cerdas”, itu pasti bukan evolusi alami. Tapi hasil dari proses yang tidak nyaman dan dipaksa berulang kali.

Karena partisipasi semua orang, perusahaan juga bisa lebih memahami kebutuhan nyata di era AI.

Ini juga menjadi produk sampingan dari transformasi internal kami.

Baru-baru ini kami luncurkan Cobo Waas Skill. Cobo WaaS Skill adalah kemampuan integrasi dan operasional yang dirancang khusus untuk Agen Coding AI, melalui pengetahuan terstruktur, contoh yang dapat dieksekusi, dan skenario pengaturan, agar Agent dapat memanggil WaaS API secara akurat. Kami sedang upgrade API dompet menjadi modul kemampuan keuangan yang bisa langsung dipanggil oleh Agent AI. Siklus pengembangan dipersingkat dari mingguan menjadi dialog.

Ini bukan hasil dari satu produk tertentu. Tapi hasil dari kemampuan yang secara alami muncul setelah proses kolaborasi manusia dan sistem ini.

Kami masih dalam tahap eksplorasi.

Tapi setidaknya, hari ini Cobo sudah berbeda dari perusahaan di tahun 2024.