Scott Chacon dan Tom Preston-Werner membantu membangun startup terkenal Amerika, Github. Sekarang mereka beralih ke topik besar berikutnya.
Setelah pidatonya, Scott Chacon mengobrol dengan penonton ketika dia bertanya kepadanya, “Apa yang Anda lakukan sebelum Chatterbug menjawab, “Saya mendirikan Github sangat membantu saya.” Mereka berfoto bersama.
Itu berlangsung malam ini Pertemuan Teknologi di Berlin bukan tentang masa lalu Scott Chacon dan salah satu pendirinya Tom Preston-Werner – namun hal ini bergema: keduanya membantu membangun startup Amerika yang terkenal, Github. Direktori kode adalah alat penting di Internet untuk pengembang. Github didanai lebih dari $300 juta, uang tersebut berasal dari investor terkenal seperti Sequoia dan Andreessen Horowitz.
Akhir-akhir ini keadaan menjadi tenang di sekitar Chacon dan Preston-Werner. Chacon meninggalkan startup tersebut pada awal tahun 2016. Di atas panggung di Berlin, dia menceritakan bagaimana dia pindah ke Prancis bersama keluarganya – dan menyadari betapa sulitnya belajar bahasa. “Ada banyak masalah ketika Anda belajar bahasa saat dewasa,” jelas sang pendiri. Entah Anda membayar guru yang mahal atau menggunakan aplikasi seperti Duolingo atau Babbel. Masalahnya: “Saat Anda menggunakan Duolingo, Anda tidak berbicara dengan orang lain.” Maka Chacon mengembangkan ide untuk proyek barunya.
“Kami tidak membutuhkan guru dengan banyak pengalaman”
Layanan online Pengobrol menggabungkan dua elemen: Ada pelajaran untuk kosa kata. Siswa juga terhubung melalui video ke guru bahasa. Program ini mengevaluasi dengan tepat pada level apa seseorang berada, kata sang pendiri: “Kami mengembangkan materi pembelajaran dari awal. Para guru menerima instruksi yang tepat dari Chatterbug tentang apa yang harus mereka ajarkan kepada pengguna: “Kami tidak membutuhkan guru dengan banyak pengalaman,” kata sang pendiri. Startup ini ingin menghadirkan banyak guru ke platformnya.
Chatterbug memilih bahasa Jerman sebagai langkah pengembangan pertama. “Belum ada seorang pun di tim yang bisa berbahasa Jerman,” kata Chacon. Startup ini ditujukan untuk orang Amerika dan Inggris yang ingin belajar bahasa Jerman. Banyak ekspatriat yang tinggal di negara tersebut untuk jangka waktu yang lama, namun tidak bisa berbicara bahasa tersebut dengan baik, kata Chacon. Startup tersebut saat ini sedang menguji program dalam fase beta tertutup. Pertama ia ingin menyelesaikan semua pelajaran bahasa Jerman – kemudian bahasa lain harus menyusul.
Suatu aktivitas yang tidak dapat diotomatisasi
Tom Preston-Werner bergabung sebagai salah satu pendiri. Dia mulai menggunakan Github sekitar tiga tahun lalu sebuah skandal kiri, sebelumnya dia adalah CEO perusahaan. Setelah itu, dia bekerja untuk inisiatif pengkodean nirlaba. Ketika Chacon meneleponnya dan bercerita tentang Chatterbug, dia bertanya pada dirinya sendiri, “Bisakah ide ini menciptakan sejuta lapangan kerja.” Dia memutuskan bahwa perusahaan tersebut cukup besar untuk melakukan hal tersebut dan bergabung dengan perusahaan baru.
Khususnya di daerah pedesaan, ini adalah kesempatan bagi orang-orang untuk mendapatkan uang di Internet – sekitar sepuluh dolar per jam, kata Preston-Werner. Namun bukankah pelatih bahasa manusia hanyalah sebuah langkah sementara sampai mereka digantikan oleh robot bahasa? Preston-Werner mengatakan tidak. Jika dibandingkan modelnya dengan Uber, terdapat perbedaan besar: Dengan layanan ride sharing, penumpang harus dibawa dari A ke B melalui rute yang telah ditentukan. “Anda tidak harus kreatif,” kata pendiri Chatterbug. Oleh karena itu, aktivitas ini suatu saat mungkin akan tergantikan dengan mobil self-driving.
Berbeda halnya ketika Anda belajar suatu bahasa. Pertukaran manusia sangat penting, pembelajaran harus menyenangkan. Sebagai pelajar, Anda pasti ingin menanyakan hal seperti “Apa perbedaan buah dan buah dalam bahasa Jerman?” Kedua pendirinya sendiri belajar bahasa Jerman sekitar dua hingga empat jam seminggu.
“Dan apakah kamu juga bereksperimen dengan kecerdasan buatan?” seorang penonton bertanya pada keduanya. Jawabannya: Semua tes dalam arah ini, misalnya dengan pengenalan suara otomatis, tidak bekerja dengan baik, kata Chacon. Hasilnya adalah “mengerikan”.