Biaya Token AI Ternyata Lebih Mahal dari Gaji Karyawan dalam Studi Kasus Microsoft dan Uber
Biaya Token AI Ternyata Lebih Mahal dari Gaji Karyawan dalam Studi Kasus Microsoft dan Uber
Microsoft diam-diam membatalkan lisensi Claude Code untuk ribuan pengembang internalnya dan memindahkan mereka ke GitHub Copilot CLI. Keputusan ini diambil hanya enam bulan setelah perusahaan raksasa teknologi itu membuka akses Claude Code secara luas—sebuah alat coding berbasis AI dari Anthropic yang terbukti sangat populer di kalangan karyawannya. Alasan di balik langkah drastis ini terungkap dalam laporan Fortune (22/5/2026): biaya token AI yang membengkak di luar kendali.
Kasus ini bukan yang pertama. Uber, perusahaan ride-hailing global, mengalami nasib lebih ekstrem. CTO Uber Praveen Neppalli Naga mengonfirmasi bahwa perusahaan telah menghabiskan seluruh anggaran AI untuk 2026 hanya dalam waktu empat bulan. Anggaran yang seharusnya cukup untuk setahun habis sebelum April karena adopsi Claude Code oleh 5.000 engineer Uber melampaui proyeksi keuangan perusahaan.
Skala Masalah: Angka yang Berbicara
Data dari berbagai laporan menunjukkan pola yang konsisten di seluruh industri teknologi global. Biaya AI per pengembang tidak lagi bisa diprediksi dengan model lisensi software tradisional. Berikut perbandingan dampak finansial yang dialami perusahaan-perusahaan besar:
| Perusahaan | Masalah Utama | Dampak Finansial |
|---|---|---|
| Microsoft | Lisensi Claude Code dibatalkan untuk ribuan engineer di divisi Experiences+Devices | Pemotongan biaya vendor eksternal sebelum akhir fiskal 30 Juni 2026 |
| Uber | Anggaran AI 2026 habis total hanya dalam 4 bulan | Tagihan $500–$2.000 per engineer per bulan untuk kategori power user |
| Nvidia | VP Bryan Catanzaro akui biaya compute jauh lebih tinggi dari gaji SDM | Biaya infrastruktur AI melampaui alokasi gaji SDM internal |
| Meta | Munculnya internal leaderboard “Claudeonomics” untuk melacak pemakaian AI | Konsumsi token termonopoli akibat tingginya tekanan performa tim |
Di Uber, dampaknya terasa nyata pada produktivitas. Sekitar 95% engineer Uber kini menggunakan alat AI setiap bulan, 70% kode yang di-commit berasal dari AI, dan 11% pembaruan kode backend langsung ditulis oleh agen tanpa campur tangan manusia. Namun, biaya bulanan per engineer berkisar antara $150 hingga $250 untuk pengguna rata-rata, dan melonjak hingga $500–$2.000 untuk power user. Bahkan, CTO Uber sempat menghabiskan $1.200 hanya dalam satu sesi demo selama dua jam.
Uber memberi insentif adopsi AI melalui leaderboard internal yang memeringkat tim berdasarkan volume penggunaan Claude Code. Kebijakan yang sama yang mendorong produktivitas ternyata juga mempercepat pembakaran anggaran. Kesalahan strukturalnya: tim yang mendorong adopsi tidak sama dengan tim yang mengelola anggaran.
Paradoks Token: Semakin Murah, Semakin Mahal
Fenomena ini memiliki penjelasan ekonomis yang mirip dengan paradoks Jevons—ketika suatu sumber daya menjadi lebih murah, tingkat konsumsinya justru meningkat lebih cepat daripada penurunan harga itu sendiri. Gartner dalam laporan Maret 2026 memperkirakan bahwa biaya inferensi untuk model bahasa besar (LLM) dengan triliunan parameter akan turun lebih dari 90% pada 2030 dibandingkan tahun 2025. Namun, peringatan Gartner tidak kalah penting: biaya total secara agregat justru diproyeksikan melonjak.
Ada tiga alasan mengapa token murah tidak otomatis berarti tagihan mengecil. Pertama, model agen (agentic AI) mengonsumsi 5 hingga 30 kali lebih banyak token per tugas dibandingkan dengan chatbot standar. Kedua, peningkatan volume konsumsi melampaui kecepatan penurunan biaya unit. Ketiga, penyedia layanan AI tidak akan sepenuhnya meneruskan penurunan biaya operasional mereka ke konsumen. Will Sommer, senior director analyst di Gartner, menyampaikan peringatan tegas kepada para chief product officer global.
“Chief Product Officers (CPO) seharusnya tidak bingung antara deflasi komoditas token dengan demokratisasi penalaran frontier. Harga token yang turun tidak otomatis berarti biaya AI perusahaan ikut turun.”
— Will Sommer, Senior Director Analyst, GartnerGoldman Sachs baru-baru ini memperkirakan bahwa *AI agent* bisa mendorong peningkatan konsumsi token hingga 24 kali lipat pada tahun 2030—mencapai angka fantastis 120 kuadriliun token per bulan. Angka ini menggambarkan betapa besarnya potensi ledakan biaya yang mengintai perusahaan yang tidak memiliki strategi pengelolaan *tokenomics* yang matang.
Pelajaran Penting untuk Perusahaan di Indonesia
Kasus besar yang menimpa Microsoft dan Uber bukanlah sekadar berita industri teknologi biasa di Silicon Valley. Ada implikasi strategis dan pelajaran langsung yang sangat relevan bagi korporasi di Indonesia yang sedang atau akan mengadopsi AI dalam skala besar.
Pertama, model budgeting tradisional tidak cocok untuk AI. Jika lisensi software selama ini bersifat tetap per kursi (fixed cost per seat), token AI bekerja layaknya arsitektur cloud computing—pemakaian tidak terbatas membuat pengeluaran bergerak dinamis (variable cost). Perusahaan di Indonesia perlu membangun framework anggaran khusus AI dengan kontrol batas pengeluaran per pengembang, sistem monitoring konsumsi token secara real-time, serta otomasi sistem alert dini saat mendekati ambang batas.
Kedua, dorongan insentif harus sejalan dengan kontrol anggaran. Uber menciptakan sistem leaderboard yang memacu para pengembang menggunakan AI sebanyak mungkin demi mengejar performa, tanpa adanya batasan biaya operasional. Hasilnya: produktivitas melonjak tajam, namun anggaran internal jebol. Manajemen perusahaan harus mampu menyelaraskan dorongan adopsi teknologi dengan tata kelola biaya yang ketat.
Ketiga, hitung ROI (Return on Investment) secara jujur. Kenaikan tingkat produktivitas 5 hingga 20 kali lipat dari *AI coding tools* memang riil terjadi di lapangan. Namun, lonjakan biaya infrastruktur per pengembang juga bergerak dalam skala kelipatan yang sama. Manajemen wajib menjawab pertanyaan mendasar: apakah nilai output bisnis yang dihasilkan sebanding dengan biaya konsumsi token yang dikeluarkan? Di Uber, 1.800 perubahan kode per minggu ditulis AI tanpa campur tangan manusia. Ini sangat produktif, tetapi biaya di baliknya tetap wajib diperhitungkan.
Keempat, diversifikasi penyedia layanan AI jangan diabaikan. Ketergantungan penuh pada satu vendor tunggal melahirkan risiko tinggi terhadap kebijakan harga sepihak (*vendor lock-in pricing*). Perusahaan perlu membangun lapisan orkestrasi (*orchestration layer*) cerdas yang mampu melakukan *routing* tugas otomatis ke model AI yang paling *cost-effective*, dan hanya menggunakan model *frontier* yang mahal untuk penyelesaian instruksi tingkat tinggi.
Harga langganan komersial untuk software AI rata-rata melambung hingga 20% sampai 37% dalam setahun terakhir menurut data riset dari Tropic. Di sisi lain, pendapatan tahunan (ARR) Claude Code milik Anthropic meroket tajam menyentuh $2,5 miliar pada Februari 2026 dari yang sebelumnya hanya $1 miliar pada November 2025. Fakta makroekonomi ini membuktikan bahwa perusahaan global di seluruh dunia menghadapi fenomena yang identik: implementasi masif, adopsi meledak, lalu diakhiri oleh krisis anggaran.
Masa Depan Tokenomics Perusahaan
CEO Nvidia Jensen Huang baru-baru ini menyatakan keyakinannya bahwa suatu hari nanti akan ada 100 *AI agent* yang bekerja bersama mendampingi setiap karyawan di perusahaannya. Visi ini menggambarkan masa depan di mana tenaga kerja digital (digital workforce) beroperasi di seluruh lini bisnis perusahaan secara mandiri dan otonom. Namun, visi visioner tersebut hari ini harus berbenturan langsung dengan realitas ekonomi token yang masih fluktuatif.
Tidak ada yang meragukan bahwa kecerdasan artifisial akan menjadi bagian integral dari operasional korporasi ke depan. Pertanyaan mendesak yang wajib dijawab oleh para jajaran CFO dan CTO sekarang bukan lagi sekadar “apakah AI itu efektif”, melainkan “bagaimana cara mengendalikan arsitektur biaya konsumsi AI agar tidak menggerus keuntungan yang seharusnya diraih oleh perusahaan.” Entitas bisnis yang mampu memecahkan masalah tata kelola efisiensi *tokenomics* ini sejak awal dipastikan akan memegang kendali kompetitif pasar dalam jangka panjang.