Gelembung AI Makin Besar: Ketika Investasi Triliunan Dolar Tak Lagi Masuk Akal

Belanja laboratorium AI di Amerika Serikat diperkirakan mencapai sekitar 800 miliar dolar pada tahun ini dan lebih dari 1,1 triliun dolar pada tahun berikutnya. Angka tersebut disebut sekitar sepuluh kali lipat dibandingkan investasi AI Tiongkok.

Skala investasi yang sangat besar tersebut didorong oleh keyakinan bahwa AI akan menjadi infrastruktur utama perekonomian masa depan.

Namun, investasi besar tidak otomatis berarti keuntungan besar.

Justru semakin banyak pertanyaan muncul mengenai apakah pendapatan dan produktivitas yang dihasilkan AI mampu mengejar besarnya modal yang dikeluarkan untuk membangun teknologi tersebut.

Salah satu indikator yang menarik perhatian adalah biaya pembangunan pusat data.

Biaya pembangunan kapasitas pusat data disebut meningkat dari sekitar 10–15 miliar dolar per gigawatt pada 2020 menjadi 40–50 miliar dolar per gigawatt saat ini.

Kenaikan tersebut sangat besar.

Lebih mengkhawatirkan lagi, kajian yang dikutip dari Financial Times menunjukkan bahwa empat dari lima perusahaan pusat data masih mengalami kerugian bahkan ketika biaya operasional tidak diperhitungkan.

Artinya, persoalan industri bukan sekadar biaya listrik atau gaji pekerja.

Struktur ekonominya sendiri sedang menghadapi pertanyaan besar.

Klaim Lapangan Kerja Juga Perlu Dipertanyakan

Pusat data sering dipromosikan sebagai mesin pertumbuhan ekonomi dan pencipta lapangan kerja.

Namun, berdasarkan data yang disampaikan dalam pembahasan, tenaga kerja operasional hanya menyerap sekitar 1 persen dari investasi pusat data. Pada pusat data bernilai 40 miliar dolar, misalnya, hanya sekitar 40 juta dolar dialokasikan untuk tenaga kerja operasional.

Angka tersebut menunjukkan betapa padat modalnya industri ini.

Investasi yang sangat besar tidak otomatis menghasilkan jumlah pekerjaan yang sebanding.

Tantangan berikutnya datang dari efisiensi.

Jika model AI terbaik membutuhkan investasi luar biasa besar, apakah perusahaan yang memiliki modal paling banyak akan selalu menjadi pemenang?

Perkembangan model open-source menunjukkan bahwa jawabannya belum tentu.

Meskipun laboratorium AI Amerika Serikat mengeluarkan investasi hingga sepuluh kali lebih besar dibandingkan Tiongkok, perbedaan performa model mutakhir disebut hanya sekitar 2–3 persen dengan selisih waktu sekitar 2–3 bulan.

Perbedaan tersebut menjadi semakin menarik ketika biaya penggunaan diperhitungkan.

Model AI yang lebih murah dan efisien dapat dijalankan secara lokal pada ponsel, PC, maupun infrastruktur on-premise. Trafik model AI asal Tiongkok bahkan disebut meningkat dari sekitar 1 persen setahun sebelumnya menjadi 30–50 persen saat ini.

Enam dari sepuluh model AI populer yang digunakan pengembang juga disebut merupakan model open-source dari Tiongkok.

Perkembangan AI tidak hanya menghasilkan model yang lebih pintar. Teknologi ini juga menjadi semakin murah untuk digunakan.

Biaya inferensi AI rata-rata disebut turun hingga 40 kali lipat dalam setahun, dengan variasi penurunan antara 9 hingga 900 kali lipat.

Tren tersebut memiliki konsekuensi besar terhadap model bisnis perusahaan AI.

Jika kemampuan AI yang sebelumnya mahal menjadi semakin murah, keunggulan perusahaan yang mengandalkan harga tinggi dapat tergerus.

Ini menciptakan paradoks.

Laboratorium AI membutuhkan investasi semakin besar untuk membangun infrastruktur, tetapi teknologi yang mereka hasilkan justru semakin murah untuk digunakan.

Risiko gelembung juga dapat muncul dari pasar modal.

Salah satu skenario yang dibahas adalah IPO perusahaan AI raksasa senilai 1,75 triliun dolar yang hanya melepas sekitar 4,2 persen saham kepada publik. Angka tersebut jauh di bawah kisaran umum 10–20 persen yang biasanya digunakan dalam IPO.

Kelangkaan saham dapat menciptakan permintaan tinggi dan mendukung valuasi.

Masa lockup juga disebut dipangkas menjadi 60 hari, sementara proses masuk ke indeks saham dapat berlangsung jauh lebih cepat dibandingkan standar sebelumnya.

Ketika saham kemudian masuk ke indeks, dana institusional seperti dana pensiun yang mengikuti indeks dapat terdorong untuk membelinya.

Dalam skenario tersebut, risiko tidak lagi hanya berada pada investor awal.

Sebagian risiko akhirnya dapat berpindah kepada masyarakat yang memiliki eksposur melalui dana pensiun dan investasi publik.

Persoalan AI bukan hanya tentang valuasi perusahaan.

Ada konsekuensi sosial yang lebih luas.

Jika AI meningkatkan produktivitas tetapi sebagian besar keuntungan mengalir kepada pemilik modal, sementara pekerja kehilangan daya tawar atau pekerjaan, ekonomi dapat bergerak menuju pola berbentuk K.

Kelompok yang memiliki modal, teknologi, dan kepemilikan intelektual bergerak naik.

Sementara kelompok pekerja yang terdampak otomatisasi bergerak ke arah sebaliknya.

Fenomena tersebut menjadi semakin mengkhawatirkan bagi generasi muda. Tingkat pengangguran pemuda di Amerika Serikat disebut mencapai sekitar 9 persen, dibandingkan tingkat nasional 4,3 persen, sementara underemployment pemuda mencapai 42 persen.

Jika tren tersebut berlanjut, revolusi AI tidak hanya akan menjadi persoalan teknologi, tetapi juga persoalan distribusi kekayaan dan kesempatan.

Salah satu klaim yang perlu diperiksa adalah proyeksi bahwa AI dapat membuat GDP global tumbuh hingga sepuluh kali lipat dalam satu dekade.

Untuk mencapai angka tersebut, pertumbuhan ekonomi tahunan harus berada di sekitar 26 persen.

Masalahnya, pertumbuhan GDP global selama sekitar 40 tahun terakhir rata-rata hanya berada pada kisaran 2–4 persen, dengan kondisi saat ini sekitar 2 persen.

Artinya, terdapat kesenjangan yang sangat besar antara ekspektasi dan realitas historis.

AI memang dapat meningkatkan produktivitas secara signifikan. Namun, mengubah seluruh perekonomian global dengan kecepatan yang membutuhkan pertumbuhan 26 persen per tahun adalah klaim yang membutuhkan pembuktian luar biasa kuat.

Jika AI benar-benar menjadi infrastruktur penting bagi kehidupan manusia, muncul pertanyaan mengenai siapa yang seharusnya mengendalikan dan menikmati manfaatnya.

Saat ini, sebagian besar perkembangan frontier AI berada di tangan sejumlah kecil perusahaan dan laboratorium dengan kebutuhan modal yang sangat besar.

Pembicara mengusulkan perubahan paradigma: AI perlu diperlakukan lebih sebagai public good, bukan sekadar alat untuk memenangkan persaingan bisnis.

Prinsipnya bukan menghentikan inovasi.

Sebaliknya, tujuan utamanya adalah memastikan keuntungan teknologi dapat dibagikan secara lebih luas.

"We need to move from a zero-sum game to one where it's positive, to go from a winner-takes-all mentality to one where winners share all."

Transformasi tersebut juga membutuhkan regulasi keselamatan dan tempo adopsi yang masuk akal.

Jika teknologi berkembang terlalu cepat sementara masyarakat tidak memiliki waktu untuk beradaptasi, manfaat produktivitas dapat datang bersama gejolak sosial yang besar.

Karena itu, berbagai gagasan seperti GI Bill for AI dan Marshall Plan for AI muncul sebagai analogi untuk membangun jaring pengaman sosial serta membantu masyarakat memperoleh keterampilan baru.

AI tidak cukup hanya dibuat semakin pintar.

Masyarakat juga harus dipersiapkan agar mampu hidup dan bekerja dalam ekonomi yang berubah karenanya.

Perdebatan tentang gelembung AI sering terjebak pada satu pertanyaan: perusahaan mana yang akan menjadi pemenang?

Padahal, ada pertanyaan yang jauh lebih penting.

Jika AI benar-benar berhasil, siapa yang akan memperoleh manfaatnya?

Jika jawabannya hanya investor awal, perusahaan teknologi terbesar, dan pemilik pusat data, maka keberhasilan teknologi belum tentu berarti keberhasilan sosial.

Sebaliknya, jika produktivitas AI dapat meningkatkan kualitas hidup, memperluas akses terhadap pengetahuan, menciptakan pekerjaan baru, dan membantu manusia menyelesaikan persoalan besar, maka teknologi tersebut dapat menjadi kekuatan ekonomi yang jauh lebih inklusif.

Seperti kutipan Nikola Tesla yang digunakan sebagai penutup pembahasan, "Science is but a perversion of itself unless it has as its ultimate goal the betterment of humanity."

Ledakan investasi AI menunjukkan besarnya keyakinan dunia terhadap teknologi tersebut. Namun, valuasi tinggi, biaya pusat data yang melonjak, tekanan terhadap model bisnis, serta kesenjangan antara ekspektasi dan pertumbuhan ekonomi aktual membuat pertanyaan tentang gelembung AI semakin relevan.

Pada saat yang sama, perkembangan model open-source dan penurunan biaya inferensi menunjukkan bahwa AI mungkin bergerak menuju komoditisasi yang membuat teknologi semakin murah dan tersebar luas.

Tantangan terbesar bukan sekadar menentukan apakah gelembung AI akan pecah. Yang lebih penting adalah menentukan apa yang terjadi setelahnya.

Jika AI diperlakukan hanya sebagai perlombaan untuk mengumpulkan modal dan kekuasaan, manfaatnya berisiko terkonsentrasi pada segelintir pihak. Namun, jika tata kelolanya diarahkan sebagai teknologi yang manfaatnya dibagikan lebih luas, AI dapat menjadi infrastruktur yang benar-benar mendukung kemajuan manusia.

Masa depan AI pada akhirnya bukan hanya ditentukan oleh seberapa pintar model yang kita bangun, tetapi oleh sistem ekonomi dan sosial seperti apa yang kita pilih untuk dibangun di sekelilingnya.

FAQ

1. Apa yang dimaksud dengan AI bubble? AI bubble adalah kondisi ketika valuasi dan investasi pada industri AI meningkat sangat tinggi dibandingkan kemampuan bisnis menghasilkan keuntungan yang berkelanjutan.
2. Mengapa pusat data menjadi perhatian dalam industri AI? Karena biaya pembangunan pusat data meningkat sangat besar, sementara sejumlah operator masih menghadapi kerugian meskipun biaya operasional tidak diperhitungkan.
3. Mengapa AI open-source dapat mengancam laboratorium AI besar? Model open-source yang lebih murah dan efisien dapat menawarkan performa yang semakin mendekati model terdepan dengan biaya penggunaan yang jauh lebih rendah.
4. Apa dampak AI terhadap ketimpangan ekonomi? AI berpotensi meningkatkan kekayaan pemilik modal dan teknologi lebih cepat daripada pekerja yang pekerjaannya terdampak otomatisasi, sehingga memperlebar kesenjangan ekonomi.
5. Mengapa AI perlu dipertimbangkan sebagai public good? Karena AI berpotensi menjadi infrastruktur penting bagi masyarakat sehingga manfaat, keselamatan, dan akses terhadap teknologi tersebut perlu dikelola agar tidak hanya menguntungkan kelompok tertentu.