“Dari awal tahun sampai sekarang, saya sering linglung. Perusahaan tempat saya bekerja ini sebenarnya perusahaan film atau perusahaan internet?”

Perusahaan Xiao Wen dulu adalah perusahaan film terkemuka, tapi beberapa tahun terakhir mengalami bottleneck. Guncangan terbesar datang dari Seedance 2.0 yang rilis Februari lalu—begitu muncul, seluruh industri membicarakannya, dan bosnya adalah orang paling cemas.

Sejak itu, suasana berubah total. Bos mengadakan rapat mobilisasi AI mingguan untuk seluruh karyawan—rapat yang sangat “tidak konkret”: tidak membahas proyek atau progres, hanya membahas teknologi baru, dan versi AI apa yang baru diiterasi.

Kalimat yang paling sering diucapkan bos: “Waktu tidak menunggu kita.” Siapa yang bisa menyebutkan berita AI terbaru kemarin, dialah karyawan rajin. Sisanya dicap “sisa zaman lama” yang akan tersingkir.

Ia juga “fanatik” dan memimpin sendiri. Ia mengangkat laptopnya, berjalan dari orang ke orang, memaksa merekomendasikan berbagai alat AI, dan meminta karyawan mengunduh saat itu juga, belajar saat itu juga.

Yang lebih absurd: perusahaan membuat sistem evaluasi naskah AI yang katanya bisa meniru metode evaluasi platform dan memberi skor pada proyek. Xiao Wen punya proyek yang sudah tertahan lebih dari setahun—proyek itu dimasukkan ke sistem, dan skornya ternyata tidak rendah.

“Perasaan saya saat itu sangat rumit. Saya sudah 10 tahun jadi produser—berapa banyak proyek yang saya sentuh, berapa banyak jebakan yang saya lewati untuk membangun intuisi ini—ternyata tidak seberguna skor yang dihasilkan satu alat. Saat itu saya benar-benar merasa pengalaman bertahun-tahun saya tiba-tiba kehilangan nilai.”

Lama-lama, Xiao Wen dan rekan-rekannya memahami aturan bertahan hidup: mereka mulai membuat fitur yang terlihat cerdas dan canggih, tapi sama sekali tidak bisa diterapkan dalam alur proyek nyata—hanya untuk menghadapi “serangan mendadak” bos.

Mereka menyebut hal seperti ini “membuat mainan” (搓玩具)—tidak peduli berguna atau tidak, yang penting terlihat berharga dan bisa dilaporkan ke bos.

“AI punya ‘sihir’ seperti ini: kecepatan reaksinya membuatmu merasa mahakuasa, tapi yang benar-benar diserahkan kepadamu sebagian besar adalah hal yang sulit diterapkan ke skenario pasar.”

“Usia 35 seharusnya jadi masa emas produser—pengalaman, energi, dan sumber daya seharusnya paling produktif. Tapi kebetulan proyek tidak bisa jalan, pendapatan tidak naik, dan yang paling disayangkan: waktu karier terbaik terbuang begitu saja.”

“Dulu saya perencana film. Tapi awal tahun lalu perusahaan film terkemuka tempat saya bekerja diakuisisi, dan saya tersingkir dari tim.”

Setelah gap hampir setahun, Xiao Wei ingin kembali bekerja dan menemukan “zaman sudah berubah”. Lowongan di industri film berkurang drastis. Akhirnya ia masuk ke posisi pengujian video AI di perusahaan internet besar—gajinya naik cukup banyak dari ±10 ribu yuan menjadi 15 ribu yuan (rentang 15–25 ribu) plus uang lembur yang lumayan.

Tugasnya: menerjemahkan deskripsi adegan yang singkat, kabur, emosional, dan percakapan menjadi bahasa kamera film yang profesional, lalu memberikannya ke model AI.

Contoh: kalimat sederhana “gang di sore hari”—ia perlu mengurai posisi kamera, cahaya, tone warna, detail dinamis objek, dan mengkalibrasi sedikit demi sedikit agar gambar yang dihasilkan AI sesuai estetika film.

Di perusahaannya, banyak orang dengan latar belakang serupa—lulusan Akademi Drama Pusat (中戏), Akademi Film Beijing (北影), atau mantan karyawan Tencent, iQiyi, Youku. Mereka bercanda menyebut tempat ini “basis re-employment pekerja film”.

“Kami seperti ‘wadah pengalaman’—menuangkan estetika kamera, logika pengambilan gambar, dan persepsi konten yang kami kumpulkan bertahun-tahun ke dalam model AI. Sambil bekerja, kami juga sadar: semakin keras kami mengkalibrasi model sekarang, semakin cepat kami digantikan di masa depan.”

Yang benar-benar membuat Xiao Wei merinding, bukan karena gambar AI yang makin realistis—tapi suatu hari ia tiba-tiba memahami esensi pekerjaannya:

“Kami memecah pengetahuan yang butuh bertahun-tahun untuk dipelajari satu generasi—jebakan yang mereka lewati, proporsi yang mereka temukan—menjadi parameter, menjadi aturan, dan akhirnya menjadi tombol ‘sekali tekan bisa dipanggil’. Dulu kami bercanda: nanti orang yang belajar film tidak perlu menunggu bertahun-tahun. Sekarang sepertinya benar-benar mungkin—bahkan pengalaman dan perasaan bisa diproduksi massal.”

“Ketenangan ini sementara—ditukar dengan menghabiskan pengalaman industri saya. Tidak ada rasa aman, tidak ada masa depan.”

“Seluruh industri drama pendek AI, yang benar-benar untung hanya platform. Kami, produsen, sebenarnya pemain kartu di meja—saluran ada di tangan mereka.”

Saat teknologi teks-ke-video baru muncul, seorang teman mengajak Xiao Yuan berwirausaha. Dalam satu tahun lebih, dari “AI man” berkembang menjadi drama AI live-action dan drama pendek AI. Mereka tanpa sengaja menangkap angin.

Tapi setelah benar-benar terjun, uang di atas angin juga tidak mudah didapat.

Tenaga kerja dipotong 90%, siklus dipadatkan dua pertiga. Tapi AI hanya menurunkan biaya produksi film jadi, bukan biaya akuisisi pelanggan.

“Sekarang pengeluaran terbesar drama pendek AI adalah membeli trafik, sering mencapai 70–85% dari total investasi. Pendapatan per 10 ribu tayangan turun dari 30–100 yuan menjadi 5–10 yuan. Pasokan drama meledak, homogenitas parah, tingkat hit sangat rendah.”

Menurut perhitungan DataEye, dengan 50 juta tayangan sebagai garis impas, sekitar 98,7% proyek tidak bisa balik modal dalam setengah tahun—hanya 1 dari ±70 judul yang bisa balik modal.

“Di era drama live-action, produsen masih bisa minum kuah dari proyek menengah secara stabil. Di era AI, kepala sesekali masih ada kasus untung 6 juta yuan dalam setengah tahun, tapi mayoritas produsen hanya tersisa peluang sangat kecil untuk mengejar hit.”

Terutama sekarang industri ini sudah sepenuhnya jalur produksi lini perakitan. Banyak perusahaan membangun platform alat teks-ke-video dan gambar-ke-video sendiri, mengumpulkan templat naskah secara massal, lalu merekrut banyak pembuat lepas.

“Tidak perlu kamu mengerti kreativitas, tidak perlu pengalaman industri bertahun-tahun. Ikuti naskah tetap yang diberikan—dibayar per item. Harganya sangat ditekan: pasar umumnya menawarkan 40–45 yuan per menit. Pekerjaan ini bisa dikuasai dalam beberapa hari belajar—ambangnya makin rendah.”

“Saya mengejar dari film tradisional ke video pendek, dari AI man ke drama pendek AI—setiap langkah tepat di titik perubahan industri. Terlihat selalu mengejar angin. Tapi setelah dihitung, yang benar-benar membawa pulang bagian terbesar selalu platform, selalu perusahaan besar.”

“Saya lulusan baru tahun ini, kuliah jurusan Java. Situasi kerja angkatan kami benar-benar buruk—banyak teman sekelas belum dapat pekerjaan yang layak. Jadi saat dapat tawaran dari perusahaan film ini, saya merasa sudah cukup beruntung—tidak berani memilih, juga tidak ada yang bisa dipilih.”

Xiao Li masuk dengan logika khas posisi teknis: kerja menuntut implementasi, standar, dan siklus kebutuhan yang jelas. Tapi setelah masuk perusahaan film, pemahamannya berbalik total.

Bos perusahaan ini sangat memuja AI. Rapat selalu membahas strategi besar, tren industri, dan tata letak masa depan—retorikanya indah, visinya terdengar besar. Tapi begitu masuk ke implementasi konkret—semua orang berbicara samar.

Rekan bisnis tidak paham teknologi, hanya bisa menilai berdasarkan “feeling”. Bos hanya punya ide makro, tanpa standar implementasi. Contoh paling khas: kebutuhan yang berubah-ubah.

Di rapat sebelumnya, bos hanya menyebut secara umum ingin membuat alat naskah AI. Tapi saat implementasi, posisi alat ini tidak pernah pasti: untuk membuat naskah dari nol, merevisi dan memperhalus, atau mengevaluasi kualitas naskah? Semakin Xiao Li mengembangkan, fitur makin bertumpuk dan redundan.

“Mereka membayangkan AI sebagai kecerdasan super mahakuasa—merasa cukup menginstal software di komputer, AI akan otomatis memahami bisnis dan menyelesaikan semua pekerjaan berikutnya secara mandiri. Mereka sama sekali tidak tahu: untuk mencapai otomatisasi, masih perlu banyak debugging instruksi, pengaturan izin, konfigurasi otomatisasi komputer—pekerjaan implementasi rumit ini semua jatuh ke saya.”

“Ia hanya melihat AI cepat menghasilkan, sama sekali tidak mempertimbangkan kompleksitas pengembangan di lapisan bawah. Sering tugas pengembangan diberikan mendadak hari ini, besok sudah minta produk jadi.”

Beberapa waktu lalu, bos begadang beberapa malam dan membuat alat “penulis naskah otomatis” dengan AI, lalu memberikannya kepada mereka untuk diuji. Xiao Li membongkarnya—ternyata hanya antarmuka depan yang terlihat bagus, data backend semuanya palsu yang dihasilkan AI.

“Semua data dan skor dikarang AI. Tidak ada dasar. Dan saat digunakan, ditemukan: memasukkan konten novel yang berbeda, angka jumlah karakter, jumlah dialog, jumlah adegan, skor yang ditampilkan di antarmuka semuanya sama.”

“Teknologi menuntut presisi, kekakuan, jawaban standar. Tapi kreativitas di industri film semuanya fleksibel, emosional, tanpa standar seragam. Dua logika yang sepenuhnya bertentangan ini bertabrakan—membuat saya sepanjang waktu tidak tahu harus berbuat apa.”

“Saya tidak tahu apakah pekerjaan yang saya lakukan bermakna, tidak tahu apakah fitur yang saya kembangkan benar-benar bisa membantu bisnis, lebih tidak bisa melihat masa depan dan arah pekerjaan ini. Semangat yang membara perlahan habis di tempat kerja yang kabur, melelahkan secara internal, dan tanpa jawaban standar.”