Setelah menggunakan AI, perusahaan tampaknya menjadi lebih miskin. Ketika AI baru muncul, para bos mengira ini adalah kesempatan untuk memangkas karyawan dan mengurangi biaya. Mereka membayangkan satu AI bisa menggantikan tiga orang, tidak pernah tidur, siap dipanggil kapan saja, tidak perlu naik gaji, tidak perlu asuransi sosial, dan bisa online 24 jam. Terdengar sempurna, tapi kenyataannya: AI memang tidak malas, dan memang tidak lembur—tapi semakin banyak ia bekerja, semakin banyak biaya yang dikenakan. Akibatnya, banyak perusahaan kini mulai mengeluh: “Tidak sanggup lagi membayar token.” Banyak orang langsung berpikir: “Tidak mungkin kan? AI kan semakin murah? Setelah DeepSeek muncul, bukannya semua orang bilang biaya model besar sudah turun?” Tapi banyak yang mengabaikan satu hal: modelnya memang lebih murah, tapi perusahaan menggunakannya jauh lebih intens. Dari hanya seorang karyawan yang sesekali menggunakannya, menjadi seluruh tim menggunakannya, lalu puluhan Agent berjalan sendiri 24 jam di latar belakang—hasilnya, biaya per panggilan memang lebih murah, tapi tagihan akhir bulan justru semakin mahal. Misalnya, Uber memberi akses Claude Code kepada 5.000 insinyur, dan dalam beberapa bulan saja hampir menghabiskan seluruh anggaran AI tahunan. Microsoft pun baru-baru ini mulai mengerem, membatasi akses internal terhadap Claude Code dan tidak lagi membiarkan insinyur memanggilnya tanpa batas. Intinya, fase “bisa pakai sebebas-bebasnya” sudah berakhir. Amazon bahkan lebih langsung: mereka langsung menghapus daftar peringkat penggunaan AI internal. Alasannya sederhana: mereka menyadari bahwa ketika “jumlah AI yang digunakan” dijadikan indikator, karyawan akan berlomba-lomba memboroskan token demi naik peringkat. Tampaknya semua orang antusias menyambut AI, padahal banyak panggilan yang tidak menghasilkan apa-apa—hanya digunakan “karena harus dipakai.” Di salah satu eksperimen multi-Agent milik miHoYo, puluhan Agent saling memanggil, saling menunggu, saling mengonfirmasi: kamu tanya saya, saya jawab kamu, kamu konfirmasi lagi saya—tidak ada yang benar-benar menyelesaikan tugas, rantai panggilan terus membesar. Akhirnya, dalam satu malam saja, mereka menghabiskan sekitar 2 juta yuan token, sementara nilai yang dihasilkan nyaris tak terasa. Di sini, banyak orang mungkin bertanya: Apa itu token? Mengapa bisa membuat perusahaan bangkrut? Token bisa dipahami sebagai listrik di dunia AI. Ketika kamu mengetik satu pertanyaan di chatbox dan AI menjawab dalam beberapa detik, tampak seperti gratis. Tapi di latar belakang perusahaan, setiap kalimat yang dimasukkan, setiap bagian konten yang dihasilkan, setiap panggilan model, setiap eksekusi alat oleh Agent—bahkan setiap diskusi antar-AI—semua itu mengonsumsi token. Yang lebih penting lagi: logika pembayaran AI sama sekali berbeda dari perangkat lunak tradisional. Dulu saat membeli perangkat lunak, biayanya hampir tetap: berapa harga akunnya, berapa anggaran tahunan—bisa diperkirakan dengan akurat sejak awal tahun. AI berbeda: ia dibayar berdasarkan penggunaan, dan penggunaan ini terus membesar seiring kompleksitas bisnis. Satu karyawan sesekali bertanya? Biayanya kecil. Seluruh tim menggunakan bersama? Biaya mulai naik. Lalu ditambahkan Agent yang membuat AI memanggil AI sendiri? Tagihan bisa langsung melonjak dari ribuan menjadi puluhan bahkan ratusan juta. Padahal dua tahun terakhir, seluruh masyarakat mendorong kita untuk lebih banyak menggunakan AI. Meningkatkan penetrasi AI, frekuensi penggunaan, tingkat otomatisasi—beberapa perusahaan bahkan menulis konsumsi token sebagai bagian dari penilaian kinerja. Dalam ekonomi ada hukum klasik bernama Goodhart’s Law: ketika sebuah indikator menjadi tujuan, ia tidak lagi menjadi indikator yang baik. Di luar negeri bahkan diciptakan istilah khusus: “Tokenmaxxing”—kira-kira bisa diartikan “menghabiskan token sampai batas maksimal.” Ada yang meminta AI untuk mengoptimalkan kode yang sama puluhan kali; ada yang meminta AI membuat selusin versi laporan sekaligus. Ada pula yang memecah tugas yang sebenarnya bisa diselesaikan dalam beberapa langkah menjadi banyak Agent yang bekerja sama—hanya agar sistem terlihat lebih cerdas. Lama-lama AI jadi sekadar hiasan. Biasanya masih bisa ditoleransi jika hanya sesekali. Tapi yang benar-benar mendorong biaya ke titik tak terkendali adalah sistem multi-Agent. Secara teori, sistem ini sangat indah: satu Agent untuk perencanaan, satu untuk eksekusi, satu untuk pemeriksaan, satu untuk ringkasan—seperti tim kerja digital. Tapi dalam praktiknya, ia lebih mirip rapat tanpa moderator. Kamu tanya saya, saya tanya kamu; kamu tunggu saya, saya tunggu kamu; konfirmasi satu kali belum cukup—harus konfirmasi lagi. Semua sibuk bergerak, tapi pekerjaan tetap tidak selesai. Dalam sebagian besar sistem multi-Agent, 30% hingga 60% token habis hanya untuk siklus tak bermakna ini. Artinya, banyak uang tidak berubah menjadi hasil nyata—tapi terbakar habis dalam proses “rapat” antar-AI. Yang lebih ironis lagi: Agent-agent ini bukan malas—malah terlalu serius. Mengikuti prosedur secara ketat, menjalankan setiap langkah logika dengan tepat: satu Agent memanggil yang lain, yang lain kembali mengonfirmasi yang pertama—sampai sistem terjebak dalam lingkaran setan. Ini seperti beberapa puluh orang dalam ruang rapat yang berdiskusi dari malam sampai pagi: semua bicara, semua serius—tapi tidak ada yang memutuskan. Dan rapatnya dibayar per detik. Masalah utamanya adalah: “rapat” semacam ini terus direplikasi, dipecah, dan disisipkan satu sama lain. Ketika skalanya membesar, biayanya meledak secara eksponensial. Karena biaya AI bukan sekali pakai—ia terus membesar seiring panjangnya rantai panggilan, dan hampir tidak bisa diprediksi. Sekarang orang-orang tidak lagi membahas “apakah AI bagus atau tidak”—tapi menghitung hal yang lebih nyata: apakah alat ini akan membuat tagihan kita meledak? Model lokal seperti DeepSeek dan DouBao tiba-tiba dibahas ulang bukan karena nostalgia—tapi karena satu kalimat realistis: pekerjaan yang sama bisa jauh lebih murah beberapa kali lipat. Intinya: jangan selalu gunakan model termahal. Tugas sederhana serahkan ke model murah; tugas kompleks baru pakai model besar. Perusahaan mulai menyadari bahwa AI bukan alat “semakin sering dipakai semakin hebat”—tapi sistem “semakin sering dipakai semakin boros.” Pasaran modal pun ikut berubah: dulu menilai perusahaan AI dari siapa yang paling sering memanggil, siapa pertumbuhannya paling cepat, siapa paling boros token. Sekarang hanya melihat satu hal: ROI. Kamu habiskan begitu banyak token—berapa banyak uang yang kembali? Realitas yang menyakitkan: peningkatan efisiensi tidak sama dengan keuntungan. Kode ditulis dua kali lebih cepat—tapi produk tidak menjual satu unit lebih banyak? Itu hanya “menghabiskan uang lebih cepat,” bukan menghasilkan uang. Yang lebih aneh lagi: ini bukan hanya masalah satu atau dua perusahaan saja. Ada perusahaan yang menghabiskan 5 miliar dolar AS dalam sebulan di Claude—bahkan ada kasus lupa menetapkan batas atas, sehingga token melonjak liar. Meta bahkan lebih ekstrem: mereka punya daftar peringkat internal bernama “Claudeonomics,” yang mengukur siapa paling banyak menggunakan AI. Juara pertama dalam sebulan menghabiskan 31,2 triliun token. Dikonversi ke uang tunai: biaya sebulan itu cukup untuk membayar dua insinyur senior selama setahun penuh. Bisa dikatakan: sementara bos berteriak “seluruh perusahaan harus AI-terintegrasi,” bagian keuangan sudah mulai berkeringat dingin. Pada dasarnya bukan berarti tidak boleh pakai AI—tapi tidak boleh lagi membakar token tanpa pikir.Orang-orang mulai bertanya pertanyaan yang lebih realistis: token-token ini, apakah benar-benar bisa ditukar dengan uang sungguhan? #AI #AIAgent @grok