AI mengotomatisasi pekerjaan yang 'dibenci karyawan' bagi perusahaan, bukan pekerjaan yang 'menghasilkan uang'.
Beberapa hari yang lalu, GeekPark melaporkan bahwa Microsoft, yang telah mempertaruhkan banyak sumber daya pada AI, secara diam-diam menghentikan sebagian besar lisensi Claude Code untuk karyawannya.
Hal ini sangat aneh, karena dalam gelombang penerapan AI saat ini, poin pemasaran terbesar bagi pengguna perusahaan adalah "meningkatkan efisiensi". Jika bisa meningkatkan efisiensi, mengapa Microsoft justru menghentikan penggunaan Claude Code oleh karyawan mereka?
Microsoft bukan satu-satunya perusahaan yang melakukan hal ini; "mengurangi penggunaan token" dan tidak lagi mendorong karyawan untuk melakukan Vibe Coding secara berlebihan telah menjadi tren baru di perusahaan-perusahaan besar Silicon Valley.
Uber menghabiskan seluruh anggaran token AI tahunan dalam empat bulan. Salesforce memberikan cek tahunan sekitar $300 juta kepada Anthropic. Seorang konsultan AI mengungkapkan bahwa salah satu kliennya menghabiskan hingga $500 juta per bulan untuk AI. Meta bahkan diam-diam menonaktifkan peringkat internal "tokenmaxxing" yang awalnya dirancang untuk mendorong karyawan menggunakan AI lebih banyak.
Sekarang, perusahaan-perusahaan sedang melakukan hal yang beberapa tahun lalu tidak pernah terbayangkan:
Batas dan pantau penggunaan AI oleh karyawan.
Mengapa perusahaan besar-besar beralih?
"Tokenmaxxing", cermin zaman
Untuk memahami krisis biaya hari ini, Anda perlu terlebih dahulu memahami apa itu 'tokenmaxxing'.
Kata ini sekitar tahun 2025 mulai populer, secara harfiah berarti "memaksimalkan penggunaan token". Di baliknya ada logika manajemen—karena perusahaan menghabiskan banyak uang untuk membeli alat AI, karyawan seharusnya menggunakannya sebanyak mungkin; semakin sering digunakan, semakin terbukti Anda "bertransformasi digital", semakin sedikit digunakan, semakin besar pemborosan sumber daya. Akibatnya, banyak perusahaan menetapkan kuota penggunaan, peringkat, bahkan penilaian kinerja untuk mendorong karyawan agar segera menggunakan AI.
What's the result?
Karyawan mulai menggunakan model AI perusahaan tingkat perusahaan untuk mengecek cuaca, menulis ucapan selamat ulang tahun, dan bertanya apa yang akan dimakan hari ini.
Sebuah penelitian terhadap 2.444 perusahaan menemukan bahwa setiap dolar yang dihabiskan perusahaan untuk AI token, 0,44 dolar digunakan untuk memperbaiki bug yang dihasilkan AI, 0,27 dolar digunakan untuk menulis ulang kode yang dihasilkan AI, dan 0,11 dolar terbuang pada penundaan tinjauan dan penggabungan.
Artinya, di balik setiap rupiah biaya pembelian AI, tersembunyi kerugian terselubung hampir 80%.
Investor Shruti Gandhi menggunakan perumpamaan yang sangat tepat: "Perusahaan yang tokenmaxxing, seperti perusahaan yang mengukur produktivitas dengan menyalakan semua lampu—menghabiskan lebih banyak uang, tidak berarti menghasilkan lebih banyak."
Yang lebih ironis, sebagian besar perusahaan ini sama sekali tidak tahu apa yang sedang dilakukan karyawan mereka dengan AI, apalagi apakah penyelesaian tugas-tugas tersebut membawa perubahan apa pun karena AI.
Kompetisi "membakar uang" ini berlangsung dari 2024 hingga 2025, dan akhirnya meledak secara terkonsentrasi tahun ini. JPMorgan menerbitkan laporan dengan bahasa tajam, dengan judul yang langsung dan membuat tidak nyaman—《Biaya Token AI Sedang Menelan Keuntungan Internet》.
Shopify, Spotify, ServiceNow, dan Roku semuanya menyebutkan dalam panggilan laporan keuangan bahwa AI menjadi sumber tekanan utama dalam pengeluaran operasional. Nuansa keseluruhan industri mulai berubah dari "AI itu luar biasa" menjadi "Apakah uang ini benar-benar sepadan?"
Ketika CEO mulai mempertanyakan ROI
Hanya 14% CFO yang menyatakan dapat melihat pengembalian investasi AI yang jelas dan dapat diukur.
Chief Operating Officer Uber, Andrew Macdonald, mengatakan sesuatu yang sangat jujur di podcast—mereka menemukan sulit untuk menghubungkan peningkatan produktivitas pribadi karyawan dengan dampak bisnis keseluruhan perusahaan. "Jika Anda tidak bisa melihat seberapa banyak AI membantu Anda mendorong fitur bernilai kepada pengguna, biaya token akan lebih sulit untuk dibenarkan."
Kalimat ini menyoroti inti dari tantangan AI perusahaan: peningkatan efisiensi individu tidak sama dengan pertumbuhan keuntungan perusahaan.
Karyawan menggunakan AI untuk menulis laporan mingguan tiga kali lebih cepat, tetapi pendapatan perusahaan tidak berubah. Insinyur menggunakan AI untuk menghasilkan kode dengan kecepatan dua kali lipat, tetapi tingkat "流失率"—proporsi kode yang dibuang atau ditulis ulang—naik 800%.
Sophia Velastegui, mantan kepala AI Microsoft, mengatakan satu kalimat yang membuat banyak manajer tidak nyaman: “Sebagian besar orang secara default mengotomatisasi tugas yang tidak mereka sukai, bukan tugas yang paling bernilai bagi perusahaan.”
Secara sederhana, otomatisasi perusahaan adalah untuk pekerjaan yang "dibenci karyawan", bukan pekerjaan yang "menghasilkan uang".
Ini bukan masalah teknis, tapi masalah prioritas. Itu juga alasan mengapa sekitar 30% proyek AI generatif terhenti di tahap proof of concept dan ditinggalkan—biayanya tidak jelas, nilainya juga tidak jelas, sehingga atasan secara alami tidak memperpanjang pendanaannya.
Cara penanganan Marc Benioff, CEO Salesforce, sangat representatif. Menghadapi tagihan sebesar 300 juta dolar AS per tahun untuk Anthropic, ia mengharapkan sebuah "router cerdas": yang mampu menilai pertanyaan mana yang layak menggunakan model teratas dan mana yang cukup dengan model kecil yang lebih murah.
Gagasan itu sendiri tidak baru—sejak era komputasi awan, “bayar sesuai penggunaan” dan “optimalisasi sumber daya” sudah menjadi praktik standar. Tetapi gelombang AI datang terlalu cepat, sehingga semua orang membeli dulu baru berpikir, dan sekarang baru mulai mengejar ketinggalan.
Kembali ke rasionalitas, atau awal musim dingin?
Microsoft baru-baru ini mencabut sebagian besar lisensi perusahaan untuk Claude Code, dengan alasan resmi terkait faktor biaya. Peristiwa ini memicu diskusi besar di industri—mengingat Microsoft sendiri merupakan investor terbesar OpenAI, sementara sekaligus menghentikan langganan pesaingnya. Seberapa besar bagian dari ini adalah pertimbangan biaya dan seberapa besar bagian dari ini adalah strategi bisnis, sulit untuk dijelaskan.
Namun bagaimanapun, itu menandakan sinyal: perusahaan mulai memberikan suara dengan kaki mereka.
Harness dan CloudZero hampir pada hari yang sama—28 Mei—masing-masing meluncurkan alat manajemen biaya AI, satu menonjolkan pemantauan real-time terhadap pengeluaran dan ROI AI, sementara yang lain meluncurkan "bidang kendali keuangan AI" untuk membantu perusahaan menghubungkan setiap dolar pengeluaran AI dengan hasil bisnis spesifik.
Kehadiran dua produk ini sendiri sudah menunjukkan masalah: pasar membutuhkan, dan permintaannya sangat mendesak.
HubSpot mulai menyesuaikan model penetapan harga untuk agen AI sejak April tahun ini, berpindah dari biaya berdasarkan token menjadi biaya berdasarkan "jumlah percakapan yang diselesaikan" atau "jumlah prospek yang dihasilkan"—perubahan ini merupakan pergeseran strategis yang menyelaraskan kepentingan penjual dengan hasil nyata pembeli. ServiceNow juga melakukan penyesuaian serupa. Produsen AI sedang menyadari bahwa jika mereka terus menjual "penggunaan" daripada "hasil", pelanggan perusahaan pada akhirnya akan memberikan respons kolektif.
Penyesuaian ini adalah rasa sakit yang harus dialami dalam industrialisasi AI, atau awal dari krisis yang lebih besar?
Saya cenderung berpendapat itu yang pertama. Namun, ada satu detail yang agak mengkhawatirkan: pengeluaran perangkat lunak AI global diperkirakan akan mencapai $2,59 triliun pada tahun 2026, meningkat 47% secara tahunan, tetapi pada saat yang sama, 94% kepala teknik menyatakan indikator ROI kunci masih belum ada. Uang semakin banyak dihabiskan, tetapi tidak ada yang tahu di mana uang itu dibelanjakan atau apakah itu bernilai—kontradiksi ini, jika tidak diselesaikan, hanya masalah waktu sebelum terjadi "moment tokenmaxxing" berikutnya.
Sebuah analisis dari majalah Fortune menyatakan dengan jelas: "Tokenmaxxing itu mudah, tetapi mendesain ulang alur kerja itu sulit." Kebanyakan perusahaan saat ini fokus pada optimasi proses yang sudah ada, bukan menciptakan ulang model bisnis mereka. Inilah nilai sejati AI, dan juga titik yang belum dicapai oleh kebanyakan perusahaan.
Kembalinya rasionalitas adalah hal yang baik. Namun, setelah kembalinya rasionalitas, perusahaan masih perlu menjawab pertanyaan yang lebih sulit: Apakah AI seharusnya menjadi palu bagi bisnis kita, atau kerangka berpikir baru?
Jika Anda hanya menggunakan AI untuk melakukan pekerjaan lama lebih cepat, tagihan pada akhirnya akan mendorong Anda kembali menghadapi masalah ini.
Artikel ini berasal dari akun WeChat "GeekPark" (ID: geekpark), penulis: Hualin Wuwang, editor: Jingyu