- Perusahaan-perusahaan teknologi besar memecahkan rekor investasi dalam infrastruktur cloud dan pusat data untuk mendukung AI.
- Otomatisasi bisnis menghadapi paradoks di mana biaya token dan energi dapat melebihi penghematan upah.
- Pengeluaran global untuk AI diproyeksikan akan tumbuh pesat, didorong oleh integrasi ke dalam perangkat pribadi dan perangkat keras yang dioptimalkan.
- Keberlanjutan energi menjadi kendala utama karena konsumsi listrik yang sangat besar dari model-model pembangkitan.
Kegilaan terhadap kecerdasan buatan telah melampaui sekadar janji dan menjadi mesin ekonomi raksasa , menghasilkan triliunan dolar di pasar global. Meskipun banyak yang awalnya bertanya-tanya apakah ini semua hanya gelembung, data terkini menunjukkan bahwa investasi modal mulai membuahkan hasil, terutama bagi raksasa yang mengendalikan infrastruktur digital.
Namun, tidak semuanya berjalan mulus dari sisi keuangan. Sementara Wall Street merayakan pertumbuhan pendapatan cloud, banyak bisnis menengah dan UKM berjuang dengan biaya operasional , menemukan bahwa menjaga mesin tetap berjalan 24/7 bisa lebih mahal daripada membayar gaji tim. Ini adalah permainan risiko-imbalan di mana efisiensi adalah kuncinya.
Mesin investasi perusahaan teknologi besar
Perusahaan-perusahaan dominan di bidang ini, seperti Microsoft, Amazon, Alphabet, dan Meta, menginvestasikan sejumlah besar uang—berpotensi antara $725.000 miliar dan $760.000 miliar hanya dalam tahun ini saja—untuk meningkatkan kemampuan AI mereka. Investasi ini terutama difokuskan pada komputasi awan, sektor di mana Azure dan AWS mengalami pertumbuhan yang sangat pesat karena perusahaan-perusahaan berupaya menyewa sejumlah besar daya pemrosesan.
Para analis memperkirakan bahwa, meskipun arus kas bebas mungkin negatif dalam jangka pendek, permintaan untuk layanan cloud tumbuh lebih cepat daripada pengeluaran. Ini berarti monetisasi semakin cepat, yang seharusnya meredakan kekhawatiran investor yang cemas tentang pengembalian investasi. Bahkan, pesanan yang belum terselesaikan dari penyedia cloud utama sudah melebihi $2,3 triliun.
Paradoks penghematan: Menggantikan orang dengan simbol?
Sebuah fenomena aneh terjadi di kantor-kantor CFO. Beberapa organisasi telah mengotomatisasi seluruh departemen untuk memangkas biaya personel, hanya untuk menemukan bahwa tagihan bulanan mereka untuk token dan infrastruktur cloud lebih tinggi daripada gaji yang mereka hilangkan. Hal ini terjadi karena AI tidak beroperasi dengan tarif tetap seperti Netflix; sebaliknya, ia mengenakan biaya untuk setiap informasi yang diproses.
Ketika sebuah perusahaan menggunakan model bahasa secara intensif untuk menghasilkan kode atau memproses sejumlah besar data, volume token akan melonjak drastis , mengubah penghematan yang diantisipasi menjadi pengeluaran teknologi yang rakus dan tidak dapat diprediksi. Akibatnya, AI tidak selalu membuat bisnis lebih murah; sebaliknya, AI mengalihkan pengeluaran dari sumber daya manusia ke konsumsi energi dan teknologi yang sangat besar.
Rincian biaya implementasi AI dalam bisnis
Jika sebuah perusahaan ingin memulai petualangan mengintegrasikan AI, tidak ada harga tunggal, tetapi ada kisaran umum. Proyek standar dapat berkisar dari $10.000 hingga $50.000 , meskipun implementasi yang kompleks dapat dengan mudah melebihi $200.000. Biaya umumnya didistribusikan sebagai berikut:
- Pengembangan model: Ini mewakili 25% atau lebih dari anggaran, termasuk algoritma dan API.
- fakta: Pengumpulan dan pembersihan informasi menghabiskan antara 15% dan 35%.
- Personel khusus: Mempekerjakan tenaga ahli merupakan salah satu pengeluaran terbesar, berkisar antara 20% hingga 40%.
- Infrastruktur dan pemeliharaan: Perangkat keras dan pembaruan terus-menerus menambah biaya antara 20% hingga 35%.
- Kepatuhan dan manajemen: Layanan konsultasi dan administrasi hukum biasanya mencakup sekitar 10% dari total biaya.
Kompleksitas model secara langsung memengaruhi anggaran. Meskipun chatbot berbasis logika adalah pilihan paling ekonomis (sekitar $10.000), sistem pembelajaran mendalam atau jaringan saraf dapat dimulai dari $100.000 karena membutuhkan daya pemrosesan dan data yang jauh lebih besar.
Kendala energi dan lingkungan
Kita tidak boleh melupakan bahwa AI memiliki kebutuhan listrik yang sangat besar. Melatih model canggih seperti ChatGPT menghasilkan jejak karbon yang setara dengan ratusan penerbangan lintas benua. Melatih GPT-3 saja mengonsumsi energi yang setara dengan energi yang digunakan rumah tangga rata-rata di Spanyol selama lebih dari dua dekade.
Fase paling kritis adalah tahap inferensi, ketika AI merespons pengguna, yang menyumbang hingga 80% dari total konsumsi energi . Hal ini menimbulkan pertanyaan yang wajar tentang keberlanjutan sistem: AI tidak dapat diskalakan tanpa batas tanpa secara radikal mengubah infrastruktur energi kita untuk menghindari keruntuhan lingkungan.
Perspektif global dan perbandingan historis
Gartner memprediksi bahwa pengeluaran global untuk AI akan mencapai $1,5 triliun pada tahun 2025 dan melampaui $2 triliun pada tahun 2026. Sebagian besar akan dihabiskan untuk ponsel pintar dengan AI generatif dan server yang dioptimalkan GPU. Jika kita membandingkan ledakan ini dengan ledakan telekomunikasi tahun 1990-an atau ledakan kereta api abad ke-19, kita melihat bahwa kita berada pada titik penting ekonomi yang sangat besar , meskipun kita belum memecahkan semua rekor historis untuk investasi sebagai persentase PDB.
Risikonya terletak pada kenyataan bahwa perusahaan berinvestasi pada aset yang mengalami penyusutan nilai dengan sangat cepat . Tidak seperti rel kereta api yang bertahan selama satu abad, chip saat ini dapat menjadi usang hanya dalam beberapa tahun. Hal ini menjadikan taruhan saat ini sebagai tindakan yang penuh risiko, di mana hanya perusahaan dengan strategi monetisasi yang jelas yang akan bertahan dari potensi koreksi pasar.
Kondisi saat ini menunjukkan transisi di mana investasi besar-besaran dalam perangkat keras dan komputasi awan berupaya keras untuk mendapatkan keuntungan, sementara perusahaan berjuang untuk menyeimbangkan biaya token dan konsumsi listrik dengan peningkatan produktivitas , dalam skenario di mana infrastruktur energi akan menjadi batasan sebenarnya bagi pertumbuhan teknologi.