Apakah AI Adalah Gelembung? Argumen Bahwa Potensi Keuntungan Justru Diremehkan
Diperbarui 11 Desember 2025
Pembaruan Desember 2025: Proyeksi CapEx AI dari hyperscaler direvisi naik menjadi $405 miliar untuk 2025, naik dari estimasi awal $250 miliar. Perkiraan McKinsey tentang penciptaan nilai tahunan sebesar $2,6-4,4 triliun mendapat validasi seiring GitHub Copilot mencapai 1,8 juta pelanggan berbayar dengan 46% kode kini dihasilkan oleh AI. Adopsi AI enterprise mencapai 87% di antara organisasi besar dengan pertumbuhan pengeluaran 130% YoY. Kasus investasi infrastruktur semakin kuat seiring keuntungan produktivitas terwujud lebih cepat dari yang disarankan oleh perbandingan era dot-com.
Pertanyaannya menjawab dirinya sendiri secara keliru. Ketika Ray Dalio menyebut investasi AI "sangat mirip" dengan gelembung dot-com, ketika IMF memperingatkan tentang kehancuran yang akan datang, ketika kepala ekonom Apollo mencatat bahwa perusahaan teknologi teratas saat ini diperdagangkan pada valuasi lebih tinggi dari rekan-rekan mereka di tahun 1990-an—pembingkaian ini mengasumsikan risiko utama adalah investasi berlebihan.¹ ² ³
Risiko utama justru berjalan ke arah sebaliknya. Spekulasi ini meremehkan potensi keuntungan.
Banyak perusahaan AI akan gagal. Mayoritas startup yang mengumpulkan dana pada valuasi yang terinflasi tidak akan menghasilkan apa-apa bagi investor. Proyek pilot enterprise akan terus memiliki tingkat kegagalan 95%.⁴ Koreksi akan datang, mungkin menyakitkan. Tak satu pun dari itu bertentangan dengan tesis ini. Para pemenang yang muncul dari gelombang investasi saat ini akan menghasilkan nilai yang sangat tidak proporsional terhadap modal yang dikerahkan sehingga CapEx tahunan hyperscaler sebesar $380 miliar hari ini akan terlihat seperti kesalahan pembulatan.⁵
Paralel dot-com sebenarnya mendukung argumen ini. Amazon dan Google muncul dari reruntuhan itu untuk menciptakan nilai triliunan. Infrastruktur yang dibangun oleh perusahaan-perusahaan era gelembung tersebut—fiber, pusat data, protokol—mendorong transformasi ekonomi selama beberapa dekade. Yang kalah kehilangan segalanya. Yang menang mengubah peradaban. AI mengikuti pola yang sama pada skala lebih besar dan kecepatan lebih tinggi.
Matematika penciptaan nilai yang diabaikan oleh wacana gelembung
Analisis gelembung terfokus pada rasio yang salah. Analis membandingkan investasi AI dengan pendapatan AI dan menemukan kesenjangan. Kesenjangan itu ada. Perbandingannya meleset dari intinya.
Perbandingan yang relevan mengukur investasi terhadap potensi penciptaan nilai. Ketika Anthropic menerapkan Claude di seluruh enterprise, metrik yang penting bukanlah pendapatan Anthropic. Metrik yang penting mencakup keuntungan produktivitas, pengurangan biaya, dan ekspansi kemampuan di setiap organisasi yang menggunakan teknologi tersebut. Ketika sebuah perusahaan farmasi menggunakan AI untuk mengidentifikasi kandidat obat dalam hitungan minggu alih-alih tahun, nilai yang diciptakan jauh melebihi biaya komputasi dan biaya lisensi.
McKinsey memperkirakan AI generatif dapat menambah $2,6 hingga $4,4 triliun setiap tahun ke ekonomi global di 63 kasus penggunaan yang dianalisis.⁶ Rentang tersebut mewakili dampak satu tahun, bukan nilai kumulatif. Dibandingkan dengan investasi infrastruktur tahunan sebesar $380 miliar, rasionya menguntungkan kubu optimis dengan selisih satu orde magnitudo—bahkan jika estimasi McKinsey terbukti terlalu optimis setengahnya.
Bukti produktivitas sudah terakumulasi. Pengguna GitHub Copilot menyelesaikan tugas 55% lebih cepat dari non-pengguna.⁷ Konsultan BCG yang menggunakan GPT-4 menghasilkan pekerjaan berkualitas 40% lebih tinggi dalam waktu 25% lebih singkat.⁸ Operasi layanan pelanggan melaporkan peningkatan produktivitas 14% untuk agen yang menggunakan asisten AI, dengan keuntungan terbesar di antara pekerja pemula.⁹ Angka-angka ini muncul dari penerapan awal yang primitif. Model-modelnya meningkat setiap bulan.
Setiap pergeseran platform utama dalam sejarah komputasi menghasilkan kelipatan nilai yang melebihi investasi awal. Komputer pribadi menciptakan sekitar $10 nilai ekonomi untuk setiap $1 yang diinvestasikan dalam industri selama dekade-dekade formatifnya.¹⁰ Internet menghasilkan rasio serupa atau lebih tinggi. Komputasi mobile memperkuat pola tersebut. AI merepresentasikan teknologi serbaguna yang lebih fundamental dari semua ini—teknologi yang mengaugmentasi pekerjaan kognitif seperti revolusi sebelumnya mengaugmentasi pekerjaan fisik dan informasi.
Pembingkaian gelembung memperlakukan AI seperti Pets.com: perusahaan tanpa jalur menuju penciptaan nilai yang menjual produk yang tidak dibutuhkan siapa pun. AI secara demonstratif menciptakan nilai di setiap penerapan. Pertanyaannya menyangkut besaran dan distribusi, bukan keberadaan.
Mengapa kecepatan adopsi menyiratkan kecepatan penciptaan nilai
Federal Reserve St. Louis menerbitkan data yang seharusnya menakuti para skeptis AI. Tiga tahun setelah IBM PC diluncurkan pada 1981, adopsi komputer pribadi mencapai 19,7%.¹¹ Tiga tahun setelah internet dibuka secara komersial, adopsi mencapai 30,1%.¹² Tiga tahun setelah ChatGPT diluncurkan pada November 2022, adopsi AI generatif mencapai 54,6% pada Agustus 2025.¹³
Disparitas ini mencerminkan keunggulan struktural dengan implikasi nilai yang mendalam. Pergeseran platform sebelumnya mengharuskan pengguna membeli perangkat keras baru, mempelajari antarmuka baru, mengubah alur kerja yang sudah mapan, dan membangun kembali proses di sekitar kemampuan yang tidak familiar. Adopsi AI tidak memerlukan semua ini. Teknologi ini menjangkau pengguna melalui perangkat yang ada, browser yang ada, aplikasi yang ada. Seorang pekerja pengetahuan pada 2024 mendapat akses ke kemampuan yang tidak ada pada 2022 tanpa membeli apa pun yang baru atau mempelajari paradigma antarmuka baru.
Kecepatan adopsi penting untuk penciptaan nilai karena nilai bertumbuh dengan penerapan. Teknologi yang mencapai adopsi 50% dalam tiga tahun menghasilkan nilai selama tiga tahun tersebut. Teknologi yang membutuhkan lima belas tahun untuk mencapai penetrasi yang sama menunda penciptaan nilai secara proporsional. Kecepatan adopsi AI berarti kecepatan penciptaan nilai.
Angka adopsi enterprise membuat pola ini konkret. Pada 2025, 87% enterprise besar telah mengimplementasikan solusi AI.¹⁴ Penggunaan mingguan alat AI generatif melonjak dari 37% menjadi 72% year over year.¹⁵ Pengeluaran AI enterprise tumbuh 130% dalam satu tahun.¹⁶ Organisasi-organisasi ini tidak menghabiskan uang karena antusiasme. Mereka menghabiskan karena teknologinya menghasilkan return.
Tingkat kegagalan pilot 95% yang dikutip kritikus sebenarnya mendukung kasus optimis ketika diperiksa dengan cermat.¹⁷ Enterprise menjalankan pilot untuk menemukan apa yang berhasil. Tingkat kegagalan 95% di antara pilot berarti tingkat keberhasilan 5%—dan pilot yang berhasil berkembang menjadi penerapan produksi yang menghasilkan nilai berkelanjutan. Enterprise yang terus berinvestasi setelah mengalami tingkat kegagalan pilot yang tinggi telah menemukan 5% yang berhasil. Mereka mengoptimalkan, bukan meninggalkan.
Revolusi produktivitas coding
Pengembangan perangkat lunak menawarkan jendela paling jelas ke dalam penciptaan nilai AI karena keuntungan produktivitas dapat diukur, langsung, dan sudah beroperasi dalam skala besar. Tidak seperti perkiraan abstrak tentang aplikasi masa depan, peningkatan produktivitas coding menghasilkan data konkret dari jutaan developer yang menggunakan alat AI setiap hari.
GitHub Copilot menyediakan bukti paling kuat. Penelitian internal GitHub menemukan developer yang menggunakan Copilot menyelesaikan tugas 55% lebih cepat dari developer yang bekerja tanpa bantuan.⁷ Studi ini mengontrol kompleksitas tugas dan tingkat pengalaman developer. Pada akhir 2024, Copilot telah mengakumulasi lebih dari 1,8 juta pelanggan berbayar yang menghasilkan $400 juta dalam pendapatan berulang tahunan.²⁷ Lebih luar biasa lagi, 46% kode di repositori yang menggunakan Copilot kini berasal dari saran AI.²⁸
Teknologi ini telah berkembang melampaui autocomplete. Versi awal menyarankan beberapa baris kode berikutnya. Versi saat ini mengusulkan pola arsitektur, menghasilkan test suite komprehensif, menulis dokumentasi, dan men-debug masalah kompleks. Pergeseran dari "sarankan baris berikutnya" menjadi "implementasikan fitur ini" terjadi dalam waktu sekitar 18 bulan.
Ekosistemnya meluas jauh melampaui Copilot. Cursor, sebuah IDE native-AI, tumbuh dari nol menjadi lebih dari 40.000 pengguna berbayar pada akhir 2024, dengan tingkat pertumbuhan bulanan melebihi 50%.²⁹ Claude Code, Aider, dan Cline memungkinkan agen coding otonom yang mengeksekusi perubahan multi-file dengan intervensi manusia minimal. Developer semakin mendeskripsikan apa yang mereka inginkan daripada menulis setiap karakter. Transformasi alur kerja ini menyerupai pergeseran dari bahasa assembly ke pemrograman tingkat tinggi—perubahan kategorikal dalam tingkat abstraksi.
Matematika ekonominya membuat pembingkaian gelembung sulit dipertahankan. Bureau of Labor Statistics AS melaporkan kompensasi median developer perangkat lunak sekitar $127.000 per tahun.³⁰ Peningkatan produktivitas 55% diterjemahkan menjadi sekitar $70.000 dalam output tambahan setara per developer. AS mempekerjakan sekitar 4,4 juta developer perangkat lunak.³¹ Bahkan dengan asumsi konservatif—adopsi 20% dengan peningkatan produktivitas 30%—menghasilkan $26 miliar dalam penciptaan nilai tahunan dari pengembangan perangkat lunak AS saja. Populasi developer global melebihi 28 juta.³²
Argumen tandingan skeptis layak mendapat pertimbangan serius: Kode yang dihasilkan AI mengandung bug, memperkenalkan kerentanan keamanan, dan menciptakan technical debt. Developer menghabiskan waktu sama banyaknya untuk men-debug output AI seperti yang mereka hemat dalam menghasilkannya. Studi produktivitas didanai oleh perusahaan AI dengan insentif jelas untuk menghasilkan hasil yang menguntungkan. Penggunaan dunia nyata menunjukkan developer junior menjadi bergantung pada alat yang tidak mereka pahami, mendegradasi keterampilan fundamental mereka.
Kritik tersebut mencampuradukkan penggunaan naif dengan penggunaan terampil. Studi yang menunjukkan degradasi kualitas biasanya memeriksa pemula yang menggunakan AI sebagai tongkat penyangga daripada profesional yang menggunakan AI sebagai pengungkit. Studi BCG/Harvard yang menemukan peningkatan kualitas 40% secara khusus memeriksa konsultan berpengalaman—bukan developer junior yang meraba-raba dengan alat yang tidak familiar.⁸
Proses code review menangkap kesalahan AI dengan cara yang sama seperti menangkap kesalahan manusia. Kekhawatiran keamanan memiliki merit tetapi melewatkan trajektori: alat analisis statis kini memindai kode yang dihasilkan AI secara otomatis, dan integrasi GitHub Advanced Security berarti saran AI menerima tinjauan keamanan sebelum merge. Tooling mengejar kemampuan.
Yang paling penting, developer memilih dengan jari mereka. Tingkat retensi Copilot melebihi 80%.³³ Cursor tumbuh dari nol menjadi 40.000 pengguna berbayar dalam hitungan bulan. Jika alat-alat ini memberikan nilai negatif bersih, developer akan meninggalkannya. Mereka tidak meninggalkannya; mereka memperluas penggunaan.
Perangkat lunak merepresentasikan industri global senilai $650 miliar.³⁴ Peningkatan produktivitas 20% di seluruh industri menciptakan $130 miliar dalam nilai tahunan—dari satu sektor di antara puluhan di mana AI menciptakan keuntungan terukur. Investasi infrastruktur yang memungkinkan alat coding AI merepresentasikan sebagian kecil dari penciptaan nilai tersebut. Pembingkaian gelembung bertanya apakah investasi AI cocok dengan pendapatan AI. Pembingkaian yang benar bertanya apakah investasi AI cocok dengan penciptaan nilai AI. Dalam perangkat lunak saja, rasionya tidak seimbang.
Pelajaran dark fiber: yang kalah mendanai yang menang
Antara 1995 dan 2000, perusahaan telekomunikasi menginvestasikan sekitar $2 triliun membangun 80 hingga 90 juta mil jaringan fiber optik.¹⁸ Ketika gelembung pecah, 95% dari fiber tersebut terbengkalai gelap.¹⁹ Perusahaan yang membangunnya—Global Crossing, Level 3, Qwest, WorldCom—bangkrut atau nyaris bangkrut. Investor di perusahaan-perusahaan tersebut kehilangan segalanya.
Fiber itu sendiri mempertahankan nilai. Infrastruktur yang menghancurkan pembangunnya memungkinkan penerusnya. Netflix streaming video melalui kabel yang dibayar oleh pemegang saham WorldCom. Cloud computing berjalan melalui dark fiber yang membangkrutkan pemilik aslinya. Nilai ekonomi yang diciptakan oleh infrastruktur tersebut selama dua dekade melampaui $2 triliun yang diinvestasikan setidaknya satu orde magnitudo.
Yang kalah mendanai yang menang. Investor ekuitas di telekomunikasi era gelembung menanggung kerugian. Ekonomi yang lebih luas menangkap keuntungan. Amazon tidak membangun infrastruktur internet yang bergantung padanya; ia membangun di atas infrastruktur yang investor perusahaan lain danai dan kehilangan.
AI mengikuti pola yang sama dengan satu perbedaan krusial: rasio antara biaya infrastruktur dan nilai yang diciptakan bahkan lebih menguntungkan. Fiber memerlukan instalasi fisik di seluruh benua. Infrastruktur AI terkonsentrasi di pusat data yang melayani basis pengguna global. Efisiensi modal infrastruktur AI melebihi efisiensi modal infrastruktur jaringan fisik dengan margin substansial.
Investasi infrastruktur AI hari ini akan menghasilkan yang kalah. Startup yang dinilai miliaran akan menghasilkan nol. Beberapa infrastruktur yang dibangun secara spekulatif akan kurang terpakai selama bertahun-tahun. Perusahaan yang ber
[Konten dipotong untuk terjemahan]
