Seorang mantan insinyur OpenAI telah membagikan wawasan mendalam tentang operasi internal perusahaan, mengungkap budaya dedikasi ekstrem yang bercampur dengan tantangan teknis yang jarang dilihat oleh pihak luar. Calvin French-Owen , yang ikut mendirikan Segment sebelum bergabung dengan OpenAI selama 14 bulan, menerbitkan refleksinya setelah meninggalkan raksasa AI tersebut pada akhir 2024.
Laporan ini memberikan gambaran langka tentang bagaimana salah satu perusahaan teknologi yang paling diperhatikan dunia beroperasi selama periode paling intens dalam sejarah pengembangan AI.
Metrik Pertumbuhan OpenAI:
- Ukuran perusahaan: Berkembang dari ~1.000 menjadi lebih dari 3.000 karyawan dalam satu tahun (2021-2022)
- Pengembangan Codex: Produk lengkap dibangun dan diluncurkan dalam 7 minggu
- Dampak Codex: Menghasilkan 830.000 pull request publik, sekitar 786 PR per insinyur dalam 50 hari pasca peluncuran
Jadwal Kerja Ekstrem Menimbulkan Pertanyaan Keberlanjutan
French-Owen menggambarkan kondisi kerja yang mendorong batas kemampuan manusia selama peluncuran produk kritis. Sprint pengembangan Codex mengharuskan anggota tim bekerja hingga tengah malam hampir setiap malam, bangun pukul 5:30 pagi dengan bayi yang baru lahir, dan kembali ke kantor pukul 7 pagi sambil bekerja hampir setiap akhir pekan. Tempo ini berlanjut selama tujuh minggu berturut-turut untuk mengirimkan produk asisten coding.
Komunitas telah menyatakan keprihatinan serius tentang kondisi kerja ini. Banyak yang mempertanyakan apakah intensitas seperti itu berkelanjutan dalam jangka panjang, terutama untuk karyawan yang memiliki keluarga. Beberapa menunjukkan ironi merayakan jadwal kerja ekstrem sambil mengakui biaya personal, terutama ketika French-Owen menyebutkan kembali lebih awal dari cuti ayah untuk berpartisipasi dalam peluncuran.
Saya tidak bisa membayangkan meminta pasangan saya untuk mengambil alih beban pengasuhan anak seperti itu. Salut untuk istri OP yang melakukannya, dan saya senang dia mendapat pengakuan di akhir, tapi astaga.
Diskusi mengungkap perpecahan antara mereka yang melihat sprint seperti itu sebagai hal yang diperlukan untuk inovasi terobosan dan yang lain yang memandangnya sebagai tidak berkelanjutan dan berpotensi merugikan kesejahteraan karyawan.
Infrastruktur Teknis Berjuang dengan Pertumbuhan Cepat
Di balik produk OpenAI yang dipoles rapi terdapat realitas teknis kompleks yang mencerminkan tantangan penskalaan dengan kecepatan yang belum pernah ada sebelumnya. Perusahaan beroperasi pada monorepo Python raksasa dengan kualitas kode yang beragam, mulai dari perpustakaan canggih yang dibangun oleh veteran Google hingga notebook Jupyter yang terburu-buru dikonversi dari pendatang baru.
Tim engineering menghadapi kendala unik karena terikat dengan Microsoft Azure , yang menurut anggota komunitas tidak memiliki banyak layanan yang kuat yang tersedia di AWS atau Google Cloud . Keterbatasan ini memaksa OpenAI untuk membangun solusi kustom untuk kebutuhan infrastruktur dasar, menambah kompleksitas pada lingkungan teknis yang sudah menantang.
Masalah pengujian dan deployment muncul sebagai masalah signifikan, dengan basis kode utama rusak lebih sering dari yang diharapkan dan rangkaian tes membutuhkan waktu hingga 30 menit untuk berjalan di GPU. Masalah utang teknis ini menjadi diperbesar ketika sebuah perusahaan tumbuh dari 1.000 menjadi lebih dari 3.000 karyawan hanya dalam satu tahun.
Infrastruktur Teknis:
- Basis kode: Monorepo Python raksasa dengan layanan campuran Rust dan Go
- Penyedia cloud: Microsoft Azure secara eksklusif
- Pengujian: Rangkaian tes berbasis GPU yang memakan waktu ~30 menit untuk dijalankan
- Komunikasi: Semua berjalan di Slack, hampir tidak ada penggunaan email
Biaya GPU Mengerdilkan Semua Pengeluaran Lain
Realitas finansial pelatihan model AI besar menciptakan lingkungan bisnis unik di mana pertimbangan biaya tradisional menjadi tidak relevan. French-Owen mengungkap bahwa biaya GPU sangat besar sehingga semua yang lain menjadi kesalahan pembulatan, dengan satu fitur inti mengonsumsi sumber daya komputasi yang sama dengan seluruh infrastruktur perusahaan teknologi besar.
Struktur biaya ini secara fundamental mengubah cara perusahaan beroperasi, membuat keputusan tentang sumber daya manusia, ruang kantor, dan pengeluaran bisnis tradisional hampir sepele dibandingkan dengan kebutuhan komputasi untuk pelatihan model dan inferensi.
Budaya Kerahasiaan di Tengah Kompetisi Intens
OpenAI beroperasi di bawah kerahasiaan ekstrem karena kompetisi intens dari Google , Meta , dan Anthropic . Karyawan tidak dapat membahas pekerjaan mereka secara detail, dan perusahaan mempertahankan beberapa ruang kerja Slack dengan akses terbatas. Pendapatan dan metrik keuangan adalah rahasia yang dijaga ketat.
Diskusi komunitas mengungkap skeptisisme tentang beberapa karakterisasi positif French-Owen tentang perusahaan. Beberapa komentator mencatat bahwa kebijakan ekuitas kontroversial OpenAI , yang sebelumnya memungkinkan perusahaan untuk menarik kembali ekuitas yang sudah vested dari karyawan yang keluar yang berbicara negatif, mungkin mempengaruhi bagaimana mantan karyawan membahas pengalaman mereka di publik.
Meskipun OpenAI dilaporkan telah menghapus klausul restriktif ini, bayangan kebijakan tersebut terus membentuk bagaimana kepergian dibahas di forum publik.
Karakteristik Budaya Kerja:
- Struktur: Sangat bottom-up dan meritokratis
- Pengambilan keputusan: Tim dapat berubah haluan "dalam sekejap" berdasarkan informasi baru
- Pendekatan proyek: Berbagai upaya paralel dengan yang menjanjikan mendapatkan lebih banyak sumber daya
- Kepemimpinan: Terlihat dan sangat terlibat di semua tim
Inovasi Bottom-Up Bertemu Perubahan Arah yang Cepat
Tidak seperti perusahaan teknologi tradisional dengan roadmap terperinci, OpenAI beroperasi dengan pendekatan yang sangat fleksibel dan didorong riset. Ide bagus dapat muncul dari mana saja dalam organisasi, dan perusahaan dapat berputar dengan cepat ketika peluang baru muncul. Kelincahan ini memungkinkan tim kecil terbentuk di sekitar konsep yang menjanjikan dan dengan cepat mengembangkannya menjadi produk.
Namun, pendekatan ini juga menciptakan tantangan. Beberapa tim sering bekerja pada proyek serupa secara bersamaan, menyebabkan upaya duplikasi dan kompetisi internal. Kurangnya struktur perencanaan tradisional dapat membuat beberapa karyawan merasa tidak memiliki arah, terutama mereka yang terbiasa dengan lingkungan korporat yang lebih terstruktur.
Komunitas mencatat bahwa budaya ini bekerja dengan baik untuk individu yang dapat mengarahkan diri sendiri tetapi mungkin tidak cocok untuk semua orang, menyoroti ketegangan antara kecepatan inovasi dan kejelasan organisasi yang dihadapi banyak perusahaan yang berkembang pesat.
Meskipun tantangan yang diungkap dalam laporan ini, penilaian keseluruhan French-Owen tetap positif, menganggap waktunya di OpenAI sebagai salah satu langkah karir terbaik yang pernah dia buat. Refleksinya menawarkan wawasan berharga tentang bagaimana perusahaan teknologi terobosan beroperasi di bawah tekanan ekstrem, mengungkap baik biaya manusia maupun pencapaian luar biasa yang mungkin terjadi ketika orang-orang berbakat bekerja menuju tujuan ambisius.
Diskusi seputar postingannya menunjukkan perjuangan berkelanjutan komunitas teknologi untuk menyeimbangkan kecepatan inovasi dengan praktik kerja yang berkelanjutan, sebuah debat yang kemungkinan akan mengintensif seiring pengembangan AI terus berakselerasi.
Referensi: Reflections on OpenAI