Dari Tokenmaxxing ke Agentic Pods: Bagaimana 30 Insinyur Uber Mengubah Alur Kerja 15 Jam Hanya dalam 30 Menit

Dua bulan kemudian, CTO Uber Praveen Neppalli Naga mengungkapkan pendekatan yang sama sekali berbeda. Hasilnya begitu mencolok—proses perencanaan keuangan yang biasanya memakan 15 jam kini hanya 30 menit, laporan yang biasanya dua hari kini 10 menit—hingga menjadi salah satu studi kasus AI perusahaan yang paling banyak diperhatikan tahun ini .

Apa Itu Agentic Pods?

Agentic Pods adalah tim kecil beranggotakan dua orang—setiap tim memasangkan satu insinyur yang mahir AI dengan satu pakar domain dari fungsi bisnis—dan diberikan sprint dua minggu yang ketat untuk mengamati alur kerja manual dan membangunnya kembali dengan agen AI . Naga meluncurkan program ini pada pertengahan 2026, mengerahkan sekitar 30 pods di 16 fungsi bisnis termasuk Finance, Legal, Marketing, HR, Customer Support, dan Procurement selama dua bulan .

Buku Panduan 10 Hari yang Persis

Naga menerbitkan alur kerja yang persis di LinkedIn pada 7 Juli 2026 :

• Hari 1-2: Insinyur membayangi pakar domain, mengamati setiap langkah alur kerja yang sebenarnya.
• Hari 3: Pod memprioritaskan tugas dengan dampak tertinggi untuk diotomatisasi.
• Hari 4-9: Pasangan ini membangun agen AI secara kolaboratif, memvalidasinya dengan rekan-rekan pakar.
• Hari 10: Agen yang berfungsi dikirim ke produksi.

Batas waktu yang ketat ini bukan kebetulan. Ini memaksa tim untuk mengirimkan sesuatu yang nyata daripada menghaluskan sesuatu tanpa batas . Seperti yang dijelaskan Naga, tujuannya adalah untuk "berhenti memperlakukan AI sebagai eksperimen mahal dan mulai menggunakannya untuk mendesain ulang alur kerja manual yang kompleks" .

Peningkatan Produktivitas yang Terukur

Hasilnya dilaporkan secara luas di berbagai media, berdasarkan data internal Uber :

Ini mewakili pengurangan waktu siklus sebesar 30x hingga 400x untuk proses bisnis inti. Naga juga melaporkan bahwa 9.000 alur kerja dukungan manual telah diubah menjadi layanan mandiri .

Dari Tokenmaxxing ke Otomatisasi yang Ditargetkan

Strategi sebelumnya—yang dijuluki tokenmaxxing—adalah pendekatan boros di mana hampir 95% dari ~5.000 insinyur Uber menggunakan alat seperti Claude Code dan Cursor setiap hari . Namun perusahaan tidak dapat menghubungkan konsumsi token itu dengan hasil bisnis yang terukur. Pada Mei 2026, Macdonald mengatakan kepada Business Insider bahwa semakin "sulit untuk membenarkan" pengeluaran AI karena "hubungan [antara penggunaan token dan produktivitas] belum ada" . Penggunaan token yang lebih tinggi tidak menghasilkan peningkatan proporsional pada produk yang berhadapan dengan konsumen .

Perbedaan utama antara kedua strategi:

• Era tokenmaxxing: Penerapan alat coding AI secara menyeluruh ke semua insinyur; pengeluaran dilacak berdasarkan volume token; tidak ada hubungan ROI yang jelas yang diakui oleh pimpinan .
• Era Agentic Pods: Pendekatan berbasis alur kerja yang ditargetkan; insinyur ditempatkan di departemen non-teknik; kesuksesan diukur dengan pengurangan waktu proses yang konkret .

Mengapa Struktur Pod Berhasil?

Struktur Agentic Pod memecahkan dua masalah yang tidak bisa dipecahkan oleh pendekatan tokenmaxxing. Pertama, ini memaksa insinyur untuk memahami masalah dari awal hingga akhir sebelum membangun, daripada mengumpulkan token tanpa hasil yang jelas. Kedua, ini menghubungkan pengeluaran AI langsung dengan hasil bisnis yang terukur—jam yang dihemat, laporan yang dipercepat, alur kerja yang dihilangkan .

Hanya dalam dua bulan, 16 pods berjalan di 16 fungsi bisnis . Model ini telah diperluas sejak saat itu. Seperti yang dicatat Naga, setelah pods, 99% insinyur Uber menggunakan alat AI—tetapi sekarang dengan kerangka kerja untuk memastikan bahwa penggunaan itu menghasilkan hasil yang dapat dilacak oleh bisnis .