Investasi AI Membengkak, Industri Hadapi Tantangan Balik Modal

Kabar IT — Perlombaan kecerdasan buatan tidak lagi hanya berlangsung di laboratorium atau pada kemampuan model AI terbaru. Di balik chatbot, AI agent, dan layanan generative AI yang semakin canggih, industri teknologi kini menghadapi persoalan yang jauh lebih mendasar: berapa besar biaya yang harus dikeluarkan untuk membangun infrastruktur AI, dan kapan investasi tersebut mulai menghasilkan keuntungan yang sebanding?

Gelombang investasi AI telah mendorong perusahaan teknologi menggelontorkan dana besar untuk membangun pusat data, membeli GPU, memperluas jaringan cloud, meningkatkan kapasitas listrik, hingga mengamankan pasokan chip dan memori berkecepatan tinggi.

Reuters dalam laporan yang diterbitkan Jumat (3/10/2026) menyebut skala investasi AI global berpotensi melampaui US$30 triliun hingga 2050, dengan sebagian besar kebutuhan modal diarahkan untuk pembangunan infrastruktur pusat data. Proyeksi tersebut mengacu pada estimasi PwC.

Besarnya angka investasi itu menunjukkan bahwa persaingan AI kini tidak hanya ditentukan oleh siapa yang memiliki model paling pintar. Infrastruktur fisik menjadi bagian penting dari kompetisi.

Setiap peningkatan kemampuan model membutuhkan komputasi yang semakin besar. Perusahaan membutuhkan ribuan hingga puluhan ribu akselerator AI, jaringan berkecepatan tinggi, storage, sistem pendinginan, serta pasokan energi yang stabil untuk menjalankan proses pelatihan maupun inference.

Tagihan Infrastruktur AI Terus Naik

Perusahaan-perusahaan teknologi besar telah meningkatkan belanja modal untuk mengejar permintaan AI.

Alphabet, perusahaan induk Google, pada Juli 2026 meningkatkan kembali rencana belanja modal tahunannya setelah pertumbuhan bisnis cloud perusahaan melampaui perkiraan. Reuters melaporkan kenaikan rencana capital expenditure Alphabet mencapai sekitar US$15 miliar dibandingkan proyeksi sebelumnya.

Tekanan serupa juga terlihat di sejumlah perusahaan teknologi lain.

Reuters sebelumnya melaporkan tingginya investasi infrastruktur AI mulai menekan arus kas bebas perusahaan teknologi besar. Data LSEG yang dikutip Reuters menunjukkan lima perusahaan teknologi besar berpotensi membelanjakan dana melampaui arus kas mereka pada 2027 jika ekspansi AI terus berlangsung dalam skala saat ini.

Situasi tersebut membuat investor tidak lagi hanya melihat pertumbuhan pengguna atau kemampuan model AI. Pertanyaan beralih pada kemampuan perusahaan mengubah investasi tersebut menjadi pendapatan.

GPU Hanya Salah Satu Komponen

GPU seperti produk Nvidia kerap menjadi simbol ledakan investasi AI. Namun biaya menjalankan AI tidak berhenti pada chip.

Satu pusat data AI membutuhkan berbagai lapisan infrastruktur, mulai dari server, memori berkecepatan tinggi, networking, sistem penyimpanan, pendinginan, hingga sistem kelistrikan.

Semakin besar model AI yang digunakan, semakin kompleks pula infrastrukturnya.

Hal ini membuat perusahaan cloud dan penyedia AI tidak hanya berlomba memperoleh GPU, tetapi juga membangun ekosistem komputasi lengkap dalam skala besar.

Bahkan kebutuhan listrik pusat data mulai menjadi isu strategis karena fasilitas AI dapat membutuhkan daya dalam jumlah sangat besar.

Dengan kata lain, biaya sebuah layanan AI bukan hanya biaya mengembangkan algoritma. Ada infrastruktur fisik yang harus terus dibangun dan dioperasikan.

Tantangan Besarnya: Monetisasi

Persoalan berikutnya adalah apakah pertumbuhan pendapatan AI akan berlangsung cukup cepat untuk menutup biaya tersebut.

Bain & Company memperkirakan perusahaan pembangun infrastruktur AI perlu menghasilkan lebih dari US$4,2 triliun pendapatan baru dalam lima tahun agar skala investasi yang dilakukan saat ini dapat memperoleh tingkat pengembalian yang memadai.

Angka tersebut menggambarkan besarnya tantangan monetisasi industri AI.

Saat ini, berbagai perusahaan mencoba membangun pendapatan melalui langganan chatbot premium, API, layanan cloud AI, software enterprise, AI coding assistant, advertising, hingga AI agent untuk perusahaan.

Namun pertumbuhan pengguna belum selalu identik dengan profitabilitas.

Sebagian layanan AI membutuhkan biaya inference yang tinggi setiap kali pengguna memberikan perintah. Artinya, semakin banyak pengguna aktif, semakin besar pula kapasitas komputasi yang harus disediakan.

Model bisnis AI karena itu menghadapi dilema: memperbesar penggunaan sekaligus menjaga biaya operasional agar tidak tumbuh lebih cepat daripada pendapatan.

Anthropic Gambarkan Besarnya Taruhan AI

Skala belanja yang direncanakan perusahaan pengembang model AI turut memperlihatkan besarnya pertaruhan industri ini.

Reuters melaporkan Anthropic merencanakan pengeluaran infrastruktur dan cloud dalam jumlah ratusan miliar dolar dalam beberapa tahun ke depan, meskipun pendapatan perusahaan saat ini masih jauh lebih kecil dibandingkan kebutuhan investasi tersebut.

Situasi serupa membuat perusahaan AI harus terus mengakses modal dari investor, perusahaan teknologi besar, atau mitra cloud.

Selama pasar mempercayai bahwa AI akan berkembang menjadi teknologi fundamental seperti internet atau komputasi cloud, arus modal kemungkinan akan tetap tersedia.

Namun jika pertumbuhan pendapatan melambat, tekanan terhadap perusahaan yang memiliki struktur biaya tinggi dapat meningkat.

Big Tech Mulai Cari Jalan Menghasilkan Uang

Perusahaan teknologi juga mulai mencari cara untuk meningkatkan utilisasi infrastruktur AI mereka.

Meta, misalnya, dilaporkan mengembangkan bisnis cloud yang memungkinkan perusahaan menjual sebagian kapasitas komputasi AI yang berlebih. Langkah tersebut muncul ketika perusahaan teknologi mencari cara menghasilkan return dari investasi AI yang semakin mahal.

Di sisi lain, perusahaan seperti Google, Microsoft, Amazon, dan Oracle mengintegrasikan AI ke dalam layanan cloud dan software enterprise.

Pendekatan ini memberikan jalur monetisasi yang lebih langsung karena perusahaan dapat menjual kapasitas komputasi, model AI, API, hingga aplikasi kepada pelanggan korporasi.

Enterprise dipandang sebagai salah satu pasar penting karena perusahaan bersedia membayar untuk AI apabila teknologi tersebut mampu meningkatkan produktivitas, menekan biaya, atau menghasilkan pendapatan baru.

Produktivitas Jadi Ujian Berikutnya

Pertanyaan besar selanjutnya adalah apakah AI benar-benar dapat meningkatkan produktivitas ekonomi secara luas.

Pendukung AI menilai teknologi ini berpotensi membawa perubahan besar seperti revolusi industri sebelumnya. AI dapat mengotomatisasi pekerjaan, mempercepat penelitian, membantu pengembangan perangkat lunak, hingga mengubah cara perusahaan menjalankan operasional.

Namun sejumlah ekonom mengingatkan bahwa peningkatan produktivitas pada skala ekonomi sering kali membutuhkan waktu lebih lama dibandingkan perkembangan teknologi itu sendiri. Reuters mencatat manfaat produktivitas AI secara luas sejauh ini belum sepenuhnya terlihat, sementara sejarah menunjukkan boom teknologi dapat mengalami koreksi jika investasi tumbuh lebih cepat daripada manfaat ekonominya.

Ini menjadi titik penting dalam siklus investasi AI.

Perusahaan bukan hanya harus membuktikan bahwa AI dapat bekerja, tetapi juga bahwa AI dapat menciptakan nilai ekonomi yang lebih besar daripada biaya infrastrukturnya.

Infrastruktur Bisa Tetap Bernilai

Meski terdapat risiko investasi berlebihan, pembangunan infrastruktur AI tidak serta-merta akan menjadi sia-sia jika pertumbuhan industri melambat.

Data center, jaringan fiber, sistem kelistrikan, server, dan kapasitas cloud tetap dapat digunakan untuk berbagai kebutuhan digital lainnya.

Sejarah internet juga menunjukkan pembangunan infrastruktur dalam jumlah besar dapat meninggalkan aset yang kemudian dimanfaatkan untuk pertumbuhan teknologi generasi berikutnya.

Karena itu, perdebatan mengenai investasi AI bukan sekadar apakah industri sedang mengalami gelembung.

Pertanyaan yang lebih relevan adalah seberapa cepat aplikasi AI dapat menghasilkan nilai ekonomi dibandingkan kecepatan industri membangun kapasitas komputasi baru.

Untuk sementara, perusahaan teknologi masih memilih memperbesar investasi.

Namun semakin besar nilai yang dikeluarkan untuk GPU, data center, energi, dan cloud, semakin besar pula tuntutan investor agar kecanggihan AI akhirnya berubah menjadi pendapatan dan keuntungan nyata.