TechCrunch mewawancarai OpenAI dan mendapatkan sederet angka yang saling berlawanan antara internal dan eksternal. Per Juni tahun ini, 98% karyawan OpenAI pernah memakai Codex secara internal. Di luar perusahaan, hanya 17% pelanggan berlangganan organisasi yang memakai alat berbasis agent, dan angka itu turun menjadi kurang dari 1% di kalangan pelanggan individu. Sebagai pembanding, pengguna ChatGPT berbasis prompt sudah melewati 1 miliar orang, dengan aplikasi desktop yang sudah dipasang 20 juta kali.
Perusahaan yang menjadikan agent sebagai bentuk produk generasi berikutnya ini, hampir semua karyawannya memakainya, sementara hampir tidak ada pelanggan yang melakukan hal sama. Celah ini menjelaskan di mana agent benar-benar tersendat, lebih dari benchmark mana pun.
Di luar coding, tidak ada standar penilaian
Insinyur software punya tolok ukur bawaan untuk menilai agent: apakah kodenya jalan, apakah tesnya lolos, apakah pull request-nya bisa digabungkan. Berhasil-tidaknya sebuah tugas bersifat biner, dan apakah pengguna akan kembali memakainya kedua kali bergantung pada apakah pemakaian pertama benar-benar menghemat waktu. Pekerjaan kantoran tidak punya tolok ukur semacam itu — bagus-tidaknya sebuah dokumen untuk klien, atau tepat-tidaknya penyusunan jadwal, hanya bisa dinilai dengan cara manusia memeriksanya ulang, dan proses "memeriksa ulang" itu sendiri yang justru menghabiskan waktu yang seharusnya dihemat oleh agent.
"Everything is coding agent shaped...the reason is that they only have training data for coding agent tasks."
Semua agent pada akhirnya berbentuk seperti coding agent, karena data pelatihan yang benar-benar dimiliki vendor hanya untuk tugas coding.
Itu ucapan Mario Zechner, pembuat Pi, dan ucapan ini membalik penjelasan yang biasa dipakai. Vendor bukan lebih menyukai developer karena preferensi, melainkan karena sinyal supervisi yang padat dan berlabel memang hanya ada secara masif di ranah kode. GitHub sendiri menyimpan miliaran catatan publik berupa "perubahan → tes → gabungkan", yang masing-masing otomatis membawa label benar-salahnya sendiri. Pekerjaan kantoran tidak punya korpus setara, dan tidak ada yang memberi labelnya. Untuk melatih agent agar bisa menyusun sendiri satu ringkasan rapat yang layak pakai, dibutuhkan lebih dulu puluhan juta contoh ringkasan yang baik dan buruk yang disusun berdampingan — dan sampai sekarang belum ada satu pun yang melakukannya.
Ambang batas izin akses lebih tinggi dari perkiraan
Andrew Ambrosino, staff engineer untuk aplikasi desktop, menyampaikan satu kekhawatiran spesifik: minta agent menyusun sebuah dokumen, dan bisa saja ia tanpa sengaja menyerempet isi obrolan pribadi yang kebetulan terlihat di tengah jalan. Supaya agent bisa mengerjakan pekerjaan sungguhan, akses baca-tulis untuk email, kalender, file, dan alat obrolan harus diserahkan. Supaya orang mau menyerahkannya dengan tenang, produknya harus lebih dulu menjelaskan dengan jelas apa yang bisa dan tidak bisa dilihat agent tersebut. Biaya desain untuk lapisan ini jauh lebih mahal ketimbang sekadar menambah satu integrasi alat baru.
Di internal OpenAI sendiri, pandangan soal ini belum satu suara. Joe Gershenson, pemimpin teknik untuk harness, mengatakannya blak-blakan: "The honest answer is that I really don't look at the harnesses that they're building." (Jujur saja, saya sebenarnya tidak terlalu memperhatikan harness yang sedang dibuat orang lain.) Sementara Thibault Sottiaux, yang memimpin produk inti, mengucapkannya lebih seperti sebuah pernyataan misi: "It's the very mission of OpenAI — to bring everyone along." (Membawa semua orang ikut serta, itulah misi OpenAI yang sesungguhnya.)
Subsidi tidak akan cukup untuk satu miliar orang
Ada juga hitungan yang belum seimbang. TechCrunch menyebut satu contoh: seorang pengguna menghabiskan 80 juta token dalam empat hari, yang jika dihitung kasar dengan harga publik nilainya sekitar 65 dolar AS — sementara pengguna itu membayar langganan 20 dolar AS per bulan. Di kalangan developer, selisih terbalik semacam ini masih bisa ditoleransi, karena kemauan membayarnya tinggi, retensinya bagus, dan batas atasnya jelas. Begitu selisih yang sama disebar ke satu miliar pengguna biasa, itu jadi celah yang akan melebar dengan sendirinya.
Respons OpenAI adalah menekan biaya per unit ke bawah, misalnya memangkas harga 80% untuk pengguna model Luna. Setiap kali harga turun satu tingkat, pemakaian per pengguna biasanya justru naik lebih cepat, sehingga hitungan ini pada akhirnya hanya bisa seimbang kalau efisiensi model berhasil mengejar — bukan lewat pembatasan laju pemakaian. Jendela pemakaian lima jam yang berlaku di ChatGPT Plus sekarang ini pada dasarnya adalah aturan sementara yang menahan laju sebelum efisiensi benar-benar mengejar. Sisi enterprise punya cara yang lebih langsung — tingkatan harga berdasarkan jumlah kursi, harga terpisah untuk pengguna berat, biaya yang tertulis jelas dalam kontrak. Sisi langganan individu tidak punya ruang seperti itu; harga psikologis 20 dolar per bulan sudah mengakar, dan menaikkannya satu tingkat saja bisa membuat pelanggan kabur.
Unggul, tapi cuma setengah langkah
Peta persaingan sudah berbalik dua kali tahun ini. Claude Code unggul jelas hingga April 2026, setelah itu Codex merebut kembali keunggulan tipis. Di ranah coding, selisih keduanya sudah menyempit sampai hanya bisa dibedakan lewat tugas spesifik, dan babak berikutnya jelas tidak akan diputuskan di situ. Siapa pun yang lebih dulu berhasil membuat 99% orang yang tidak menulis kode ikut memakainya, dialah yang akan mengubah pasar ini dari sekadar jutaan developer menjadi satu miliar orang.
Jarak dari 98% ke 1% ini bukan soal kemampuan model. Untuk menutupnya, orang yang bahkan belum pernah mendengar istilah "cakupan izin akses" harus mau menyerahkan kotak masuk emailnya ke sebuah program yang berjalan sendiri, dan tidak perlu memeriksa hasilnya kata demi kata setelah selesai. Tiga hal ini — pemberian izin, eksekusi, dan bebas periksa ulang — sampai sekarang belum satu pun yang benar-benar mapan.
Sumber: liputan TechCrunch berdasarkan wawancara dengan tim OpenAI, CocoLoop, halaman harga resmi OpenAI; proporsi pemakaian internal/eksternal, angka instalasi aplikasi desktop, dan biaya token telah dicocokkan dengan laporan asli dan harga publik, dengan konversi biaya yang ditandai sebagai perkiraan kasar.