Havedev
Robot Tidak Hanya Butuh AI, Robot Butuh Infrastruktur yang Cepat
Banyak orang melihat masa depan robot dari sisi yang paling terlihat: model AI yang semakin pintar, kamera yang semakin tajam, drone yang semakin kecil, atau mesin yang bisa bergerak sendiri di dunia nyata.
Itu masuk akal. Bagian tersebut memang menarik untuk dibicarakan.
Tetapi berita tentang Jean-Baptiste Kempf, lead developer VLC Media Player, yang membangun Kyber memberi pengingat penting: robot tidak hanya butuh otak. Robot juga butuh saraf yang cepat, stabil, dan bisa diawasi.
Kyber membangun layer infrastruktur untuk mengontrol perangkat jarak jauh secara real time. Software intinya adalah SDK yang menyinkronkan video, audio, data sensor, dan input kontrol dengan latency serendah mungkin.
Di permukaan, ini terdengar seperti urusan teknis yang jauh dari bisnis sehari-hari. Namun sebenarnya, ini menyentuh pola yang sama di banyak perusahaan: teknologi baru sering terlihat gagal bukan karena idenya buruk, tetapi karena lapisan operasional di bawahnya belum siap.
The Core Update
Jean-Baptiste Kempf dikenal lewat VLC Media Player, software open source dengan ikon traffic cone oranye yang sudah diunduh lebih dari 6 miliar kali. Sekarang ia membangun Kyber, startup berbasis Paris yang ingin menjadi infrastruktur kendali real time untuk robot, drone, remote IT access, dan perangkat fisik lain.
Kyber baru mengumpulkan pendanaan 5 juta dolar yang dipimpin Lightspeed. Argumen investasinya sederhana tetapi penting: physical AI hanya sebagus sistem dasar yang menjalankannya.
Kalimat itu layak diperhatikan.
Selama ini, pembicaraan tentang AI sering berhenti di model. Model mana yang lebih pintar, benchmark mana yang lebih tinggi, agent mana yang bisa melakukan lebih banyak tugas. Tetapi ketika AI masuk ke dunia fisik, pertanyaannya berubah.
Bukan hanya apakah AI bisa mengambil keputusan.
Tetapi apakah keputusan itu bisa dikirim ke perangkat dengan cukup cepat. Apakah operator bisa melihat kondisi lapangan secara real time. Apakah sensor, video, audio, dan kontrol berada dalam sinkronisasi yang sama. Apakah sistem tetap bisa dipantau ketika jumlah perangkat naik dari puluhan menjadi ribuan, lalu jutaan.
Kempf menyebut bahwa jika kita mengontrol sesuatu di dunia nyata, setiap milidetik berarti. Ini bukan sekadar slogan teknis. Dalam robot, drone, remote vehicle, atau sistem kendali industri, delay kecil bisa mengubah pengalaman, kualitas keputusan, bahkan risiko keselamatan.
Kyber berangkat dari pengalaman video streaming. Ini menarik karena VLC dan dunia streaming mengajarkan satu hal yang sering dilupakan dalam teknologi modern: pengalaman pengguna tidak hanya ditentukan oleh fitur, tetapi oleh kelancaran.
Video player yang bagus bukan hanya bisa membuka banyak format. Ia harus berjalan mulus.
Robot yang bagus juga bukan hanya bisa menjalankan model AI. Ia harus bisa dikendalikan, dipantau, diperbarui, dan dipercaya dalam kondisi nyata.
The Reality Check
Ada kecenderungan untuk menganggap robot dan physical AI sebagai masalah kecerdasan saja. Seolah-olah kalau model AI sudah cukup kuat, perangkat otomatis akan bekerja dengan baik.
Kenyataannya tidak sesederhana itu.
AI yang pintar tetap bisa menjadi tidak berguna jika koneksi lambat, video terlambat, sensor tidak sinkron, update sulit dikirim, atau tim tidak punya observability untuk melihat mana perangkat yang sehat dan mana yang bermasalah.
Dalam software biasa, bug bisa mengganggu workflow. Dalam sistem fisik, bug bisa menggerakkan sesuatu di tempat yang salah, pada waktu yang salah, dengan konsekuensi yang lebih besar.
Di sinilah infrastruktur menjadi lebih penting daripada headline.
Kyber tidak hanya berbicara tentang remote control. Mereka juga berbicara tentang skala. Kempf memberi contoh bahwa beberapa fleet terbesar saat ini mungkin berisi 2.000 atau 3.000 kendaraan. Tetapi mengelola jutaan perangkat adalah persoalan yang berbeda.
Ini mirip dengan banyak bisnis digital dalam skala lebih kecil.
Saat sistem masih dipakai oleh sedikit orang, banyak hal bisa diselesaikan manual. Tim bisa mengecek langsung. Developer bisa masuk server. Operator bisa restart perangkat. Admin bisa bertanya lewat chat.
Tetapi begitu volume naik, cara manual mulai retak.
Perangkat bertambah. Lokasi bertambah. Versi software berbeda-beda. Tim operasional tidak selalu tahu perangkat mana yang aktif, lambat, error, atau butuh update. Pada titik ini, masalahnya bukan lagi apakah bisnis punya teknologi. Masalahnya apakah teknologi itu bisa dioperasikan secara konsisten.
Hal yang sama berlaku untuk AI agent, automation, dan sistem internal.
Banyak perusahaan ingin langsung memakai AI untuk menjalankan proses. Tetapi sebelum itu, mereka perlu bertanya:
- data apa yang masuk ke sistem?
- status apa yang bisa dibaca?
- siapa yang bertanggung jawab saat sistem gagal?
- bagaimana error terlihat?
- bagaimana update dikirim?
- bagaimana performa dipantau?
- kapan manusia harus mengambil alih?
Tanpa jawaban itu, AI hanya menambah lapisan baru di atas proses yang belum terlihat jelas.
Kyber juga menarik karena tetap membawa semangat open source. Core project dibuat terbuka, sementara versi enterprise dan deployment khusus menjadi model bisnisnya. Ini pendekatan yang cukup realistis: teknologi dasar perlu bisa dipakai luas, tetapi perusahaan tetap butuh bantuan untuk menerapkannya dalam konteks yang rumit.
Banyak bisnis sering berharap software bisa langsung menyelesaikan masalah tanpa perubahan proses. Padahal untuk sistem yang menyentuh operasi nyata, implementasi sering sama pentingnya dengan produk.
Itulah mengapa Kyber memakai forward-deployed engineers. Mereka tidak hanya menjual software, tetapi ikut membantu deployment di lingkungan pelanggan.
Ini menjadi pengingat bahwa teknologi yang serius jarang berhenti di instalasi. Ia perlu disesuaikan dengan alur kerja, perangkat, jaringan, risiko, dan cara tim mengambil keputusan.
The Havedev Way
Dari sudut pandang Havedev, berita ini bukan hanya tentang robot. Ini tentang cara membaca teknologi baru dengan lebih sehat.
Setiap kali ada tren besar, bisnis biasanya tertarik pada bagian yang paling terlihat. Dalam AI, yang paling terlihat adalah chatbot, agent, image generation, dan automation. Dalam robotics, yang paling terlihat adalah mesin yang bergerak. Dalam IoT, yang paling terlihat adalah perangkat.
Tetapi nilai jangka panjang sering ditentukan oleh bagian yang tidak terlalu terlihat:
- struktur data
- status operasional
- latency
- observability
- access control
- deployment
- monitoring
- fallback manual
Untuk bisnis, pelajarannya sederhana: jangan hanya bertanya teknologi apa yang ingin dipakai. Tanyakan dulu sistem pendukung apa yang dibutuhkan agar teknologi itu bisa berjalan dengan aman dan konsisten.
Jika bisnis ingin memakai AI untuk customer service, pertanyaannya bukan hanya model apa yang dipakai. Pertanyaannya juga: dari mana konteks pelanggan diambil, kapan AI harus berhenti menjawab, bagaimana eskalasi ke manusia, dan bagaimana kualitas jawaban diaudit.
Jika bisnis ingin membuat dashboard, pertanyaannya bukan hanya chart apa yang ditampilkan. Pertanyaannya juga: status apa yang benar-benar dipercaya, siapa yang mengisi data, kapan data dianggap basi, dan keputusan apa yang harus dipercepat.
Jika bisnis ingin membangun aplikasi internal, pertanyaannya bukan hanya fitur apa yang diminta tim. Pertanyaannya juga: alur kerja mana yang paling sering macet, hak akses siapa yang perlu dibatasi, notifikasi mana yang penting, dan bagaimana error terlihat sebelum menjadi komplain.
Dan jika suatu hari bisnis mulai memakai perangkat fisik, sensor, kamera, atau automation lapangan, pertanyaannya akan semakin serius: apakah sistem bisa dikendalikan dari jauh, dipantau dengan jelas, dan diperbarui tanpa mendatangi setiap perangkat satu per satu?
Infrastruktur seperti Kyber terasa jauh karena berbicara tentang robot, drone, dan remote device. Tetapi prinsipnya sangat dekat dengan bisnis digital biasa.
Teknologi tidak cukup hanya bisa berjalan. Ia harus bisa diawasi.
Automation tidak cukup hanya bisa mengeksekusi. Ia harus punya status yang jelas.
AI tidak cukup hanya bisa menjawab. Ia harus berada dalam alur kerja yang bisa dikontrol.
Robot tidak cukup hanya bisa bergerak. Ia harus bisa menerima instruksi tepat waktu dan memberi sinyal yang bisa dipercaya.
Karena itu, sebelum mengejar teknologi yang lebih canggih, bisnis perlu memastikan fondasi operasionalnya tidak rapuh. Mulai dari alur yang paling dekat dengan pelanggan dan uang. Rapikan statusnya. Pastikan data masuk dengan konteks. Buat error terlihat. Tentukan kapan manusia harus masuk. Baru setelah itu automation dan AI menjadi lebih masuk akal.
Berita Kyber menunjukkan bahwa bahkan di level robot dan physical AI, masalah besarnya bukan hanya kecerdasan. Masalah besarnya adalah koordinasi antara compute, kontrol, data, dan aksi nyata.
Dalam skala bisnis, pelajarannya sama.
Jangan hanya membangun tool yang terlihat pintar. Bangun sistem yang bisa dibaca, dikendalikan, dan dipercaya.
Dapatkan Audit Teknis Gratis untuk meninjau apakah website, automation, dashboard, atau sistem internal bisnis Anda sudah punya fondasi operasional yang cukup jelas sebelum ditambah teknologi baru.
Sumber referensi berita: TechCrunch