Lo pernah nggak sih, ngikutin karier pro player favorit lo dari dia masih rookie, naik podium, sampai akhirnya… pensiun di umur yang masih muda banget? Rasanya aneh. Baru juga kemarin dia headshot lima orang di grand final, sekarang udah ngumumin mundur. Dan pertanyaan yang paling sering muncul di kolom komentar: “Abis ini mau ngapain, Bang?”
Jawabannya, di 2026 ini, makin sering mengarah ke satu tempat yang dulu nggak pernah kepikiran: jadi pelatih AI. Bukan pelatih tim manusia biasa. Tapi orang yang ngajarin mesin—bot, model, agen AI—supaya bisa berpikir dan bermain seperti juara dunia. Ini bukan narasi lama soal “AI bakal gantiin pro player”. Ini kebalikannya. Manusia yang ngajarin mesinnya.
Dari Kursi Pro Player ke Kursi “Guru” Mesin
Coba pikirkan lagi. Seorang pro player e-sports itu menghabiskan bertahun-tahun—bahkan lebih dari satu dekade—buat ngumpulin pengetahuan yang nggak ada di buku teks. Timing rotasi. Cara baca pergerakan musuh. Kapan harus agresif, kapan harus nahan. Semua itu intuisi yang dibangun lewat ribuan jam latihan dan ratusan pertandingan kompetitif.
Nah, di 2026, pengetahuan itu nggak cuma bisa diturunin ke pemain muda lewat coaching konvensional. Sekarang, ada jalan lain: dituangin ke dalam sistem AI. Dan beberapa mantan pro player udah mulai ngelakuin itu.
Resolut1on, misalnya. Mantan pro player Dota 2 asal Ukraina ini mulai ngerjain proyek bernama ResoAI pada Maret 2025. Tujuannya? Memasukkan pengetahuan dari 12 tahun karier profesional dan 19 tahun main Dota ke dalam sebuah AI coach . Dia bilang dengan gamblang: “Saya ingin mentransfer pengetahuan ini ke generasi muda—mereka yang ingin berkembang, meningkatkan skill, dan memahami kenapa mereka stuck di MMR 3 ribu, 5 ribu, 7 ribu” .
Yang menarik, Resolut1on sama sekali bukan programmer. Dia bilang sendiri: “Saya nggak punya background coding. Beneran nol.” Tapi dia belajar pakai tools kayak Cursor dan Claude Code, bikin enam prototipe, dan akhirnya merilis produknya sendiri . Di versi 2.0, dia bahkan ngaku milih GPT-5.2 karena menurutnya model itu ngasih jawaban paling berkualitas soal Dota .
Ini bukan cuma soal satu orang. Tapi polanya mulai kelihatan.
Tiga Contoh yang Bikin Gue Mikir: Ini Beneran Terjadi
Pertama, ResoAI dan realitas pahitnya. Oke, gue nggak mau ngecat semuanya indah. ResoAI, meskipun udah sampai versi 2.0, masih menghadapi masalah yang sangat manusiawi: nggak cukup banyak orang yang mau bayar. Resolut1on blak-blakan bilang, dari 200 orang yang nyoba dan bayar $5, dia harus keluar $30-35 per user buat biaya API model. Unit economics-nya nggak masuk . Dan yang lebih pahit, dia sadar bahwa kebanyakan orang main Dota “cuma buat fun”. Stagnasi rank nggak bikin mereka peduli .
Tapi di sinilah letak menariknya. Resolut1on nggak berhenti. Dia bilang proyeknya “tetap ada” dan dia sekarang fokus bikin parser replay sendiri yang lebih detail dari OpenDota dan Stratz . Jadi meskipun produk AI coach-nya belum jadi bisnis yang menguntungkan, pengetahuan dan usahanya tetap jalan. Ini bukan kisah sukses instan. Ini kisah nyata dari seseorang yang nyoba.
Kedua, Art dari SCARZ. Pro player Valorant asal Jepang ini pensiun setelah sekitar enam tahun karier kompetitif. Alasannya? Dua tahun berturut-turut hasilnya nggak memuaskan, dan dia merasa nggak akan pernah jadi IGL terbaik Jepang kalau terus lanjut . Tapi keputusannya bukan berhenti dari e-sports. Dia pindah jadi coach, dengan alasan yang sangat manusiawi: “menyerahkan pengetahuan yang saya miliki ke generasi muda” .
Art belum secara eksplisit bilang dia bakal bikin AI coach. Tapi pola pikirnya sama: pengetahuan pro itu punya nilai yang bisa ditransfer. Dan di 2026, transfer pengetahuan nggak harus selalu dari manusia ke manusia.
Ketiga, FNC dan eksperimen AI coach yang jadi bahan tertawaan. Ini contoh yang bikin gue mikir dua kali. FNC, organisasi e-sports legendaris asal Eropa, sempat bikin heboh di Juni 2026. CEO mereka, Sam Mathews, ngumumin bahwa mereka lagi bantu head coach Grabbz bikin AI coach bot buat tim League of Legends mereka . Masalahnya, FNC lagi dalam kondisi keuangan yang nggak bagus. Coach-nya minta tambahan staf, tapi yang dateng malah bot AI.
Reaksi komunitas? Pedas. Streamer Caedrel bilang: “Kalau gue jadi coach-nya, gue bakal bilang ‘fuck you’ dan langsung resign” . Salah satu komentar yang paling banyak di-upvote nulis dialog simulasi yang ngena banget:
“AI, analisa teamfight di menit 40 dong.”
“Kayaknya tim mau push tower mid. Tapi ini high risk, mending retreat dan ambil Rift Herald.”
“Menit 40 itu Rift Herald udah lama hilang, nggak bisa diambil.”
“Oh iya, maaf. Kalian nggak bisa ambil Rift Herald.”
“Terus kita harus ngapain?”
“Tim perlu masuk jungle atas dan bikin vision control sekitar Rift Herald. Karena Rift Herald bisa bantu push tower.”
Ini nunjukin satu hal penting: AI coach yang buruk itu lebih buruk daripada nggak punya coach sama sekali. Dan pro player yang jadi “pelatih AI” nggak otomatis bikin produknya bagus. Pengetahuan pro itu penting, tapi eksekusi teknis dan pemahaman produk juga sama pentingnya.
Data yang Bikin Kita Sadar: Ini Masih Awal
Gue nggak mau ngasih angka palsu yang kelihatan meyakinkan. Tapi ada satu realitas yang perlu lo tau: pensiun dini di e-sports itu bukan pengecualian, tapi norma. Pro player biasanya pensiun antara umur 23 sampai 27 tahun . Di umur segitu, orang biasa baru mulai karier. Tapi pro player udah harus mikirin “abis ini mau apa”.
Dan pilihan karier mereka nggak banyak. Streaming itu opsi yang paling kelihatan. Tapi nggak semua orang punya kepribadian atau keberuntungan buat jadi streamer sukses. Coaching konvensional juga terbatas kursinya. Jadi ketika AI coaching mulai jadi bidang baru, itu kelihatan kayak peluang.
Tapi skalanya masih kecil. ResoAI cuma punya sekitar 200 pengguna berbayar di awal peluncuran . FNC masih dalam tahap eksperimen, dan eksperimennya dipertanyakan. Ini bukan revolusi yang udah selesai. Ini lebih kayak fase awal dari sesuatu yang mungkin—atau mungkin nggak—jadi besar.
Kesalahan yang Sering Dilakuin Pro Player yang Mau Jadi “Pelatih AI”
Pertama: mikir pengetahuan pro itu otomatis bisa dijual. Ini jebakan yang kena ke Resolut1on. Dia pikir pengetahuan 12 tahun main Dota itu sesuatu yang banyak orang mau bayar. Ternyata, kebanyakan pemain kasual nggak peduli sama peningkatan skill. Mereka main buat seneng-seneng . Sebelum lo bikin produk AI coach, validasi dulu: siapa yang beneran mau bayar buat ini?
Kedua: ngabaikan sisi bisnis. Resolut1on bilang sendiri dia harus keluar $30-35 per user cuma buat API model, sementara user cuma bayar $5 . Ini kesalahan klasik orang teknis yang bikin produk: fokus ke fitur, lupa ke ekonomi. Kalau lo mau jadi pelatih AI, lo harus mikirin biaya inference, pricing, dan retention dari awal.
Ketiga: mikir AI bisa gantiin intuisi manusia sepenuhnya. FNC jadi contoh bagus soal ini. AI coach yang mereka bikin (atau setidaknya yang dikonsep) nggak punya pemahaman kontekstual yang cukup buat ngasih saran yang beneran berguna . Pro player yang jadi “guru” buat AI harus sadar bahwa tugasnya bukan cuma transfer pengetahuan, tapi juga menerjemahkan intuisi yang nggak selalu terucap ke dalam logika yang bisa diproses mesin. Itu susah. Banyak yang gagal.
Keempat: lupa bahwa “pelatih AI” bukan jabatan, tapi peran baru. Nggak ada job description baku buat ini. Lo mungkin harus belajar coding (seperti Resolut1on), belajar product management, belajar marketing, dan belajar ngobrol sama user. Ini bukan pekerjaan yang cocok buat orang yang cuma mau “tetap deket sama game tanpa harus latihan aim setiap hari”.
Tips Praktis Buat Lo yang Tertarik (Atau Buat Pro Player Favorit Lo)
Pertama, mulai dari dokumentasi, bukan coding. Sebelum lo bikin AI, tulis dulu semua pengetahuan lo. Resolut1on punya 12 tahun pengalaman, tapi dia harus menerjemahkannya ke dalam format yang bisa diproses AI. Lo bisa mulai dari catatan sederhana: “Kalau situasi X, keputusan terbaik biasanya Y, karena Z.” Ini fondasi yang jauh lebih penting daripada milih model LLM mana yang dipakai.
Kedua, jangan takut belajar tools baru. Resolut1on nggak bisa coding. Tapi dia belajar pakai Cursor dan Claude Code . Di 2026, ada banyak tools no-code atau low-code yang bisa bikin orang non-teknis bikin produk AI. Lo nggak perlu jadi software engineer. Lo perlu jadi orang yang mau nyoba.
Ketiga, validasi sebelum bangun. Sebelum lo habisin berbulan-bulan bikin AI coach, tanya dulu ke calon user: “Lo mau bayar berapa buat ini?” Kalau jawabannya “nggak tau” atau “gratis ya?”, berarti lo belum nemu pain point yang cukup kuat. Resolut1on belajar ini dengan cara yang mahal. Lo bisa belajar dengan cara yang lebih murah.
Keempat, kalau lo penggemar, dukunglah eksperimen mereka. Kalau pro player favorit lo ngumumin pensiun dan mau bikin sesuatu yang aneh—AI coach, tools analitik, apa pun—jangan langsung ngejek. FNC kena bully habis-habisan karena eksperimen AI coach mereka . Mungkin eksperimen itu memang gagal. Tapi kalau nggak ada yang nyoba, nggak akan ada yang tau cara yang bener.
Jadi, Gimana?
Pensiun dini di e-sports itu nggak akan berhenti. Selama game kompetitif ada, pro player akan terus pensiun di umur 20-an. Pertanyaannya bukan “apakah mereka pensiun”, tapi “abis itu mau ngapain”.
Dan di 2026, salah satu jawabannya adalah: jadi pelatih AI. Bukan karena AI bakal gantiin manusia. Tapi karena manusia—dengan segala pengalaman, intuisi, dan pengetahuannya—punya sesuatu yang nggak bisa dikoding sendiri oleh mesin. Setidaknya, belum.
Resolut1on masih berjuang sama ResoAI-nya. Art udah pindah jadi coach dan mungkin suatu hari bakal bikin tools sendiri. FNC masih jadi bahan tertawaan. Tapi di antara semua itu, ada satu benang merah: orang-orang yang pernah juara di dunia nyata sekarang ngajarin mesin buat mikir kayak mereka.
Pertanyaan buat lo: kalau pro player favorit lo pensiun besok dan ngumumin mau bikin AI coach, lo bakal dukung, atau lo bakal ikut ngetawain kayak netizen FNC?