Agen AI Mahal untuk Dijalankan — dan Itu Mengubah Narasi Penggantian
Natalia Ivanov2026-02-23
AI yang menggantikan tenaga kerja sedang menjadi perbincangan, tetapi kenaikan biaya token membuat agen menjadi mahal. Investor memperingatkan bahwa ROI harus dua kali lipat lebih baik dari manusia untuk membenarkan adopsi saat ini.
AI menggantikan manusia sebagai tenaga kerja telah menjadi topik hangat, dan merupakan topik yang berani, dengan dua orang tertentu yang terlibat di dalamnya mengklaim bahwa hal ini mungkin juga menjadi terlalu berlebihan (hype). Dalam beberapa bulan terakhir, dua investor teknologi signifikan yang benar-benar memiliki dana di balik keputusan mereka kini mempertanyakan apa yang terjadi jika ada lebih banyak biaya yang terkait dengan AI daripada biaya untuk orang yang awalnya akan digantikan?
Ini bukan sekadar pertanyaan; hal ini sedang terjadi saat ini.
Pemeriksaan Realitas $300 per Hari
Pada rekaman terbaru dari All-In podcast, Jason Calacanis — seorang investor ventura dan co-host podcast tersebut — menyatakan bahwa ia membayar $300 sehari untuk menjalankan agen AI Anthropic Claude guna menjalankan bisnisnya. Ini berjumlah sekitar $9.000 per bulan, tetapi inilah masalah utamanya: Kinerja agen tersebut hanya antara 10% dan 20% dari kapabilitas maksimum, menurut Calacanis.
Jadi, ketika Anda menghitung biaya per tugas yang berguna sebesar $300 per hari untuk output parsial, hal itu mulai terlihat kurang seperti teknologi yang mengganggu (disruptive) dan lebih seperti eksperimen yang mahal.
Calacanis juga menjelaskan masalah ini secara sederhana: "Kapan token menjadi lebih mahal daripada membayar seorang karyawan?" Token adalah unit penggunaan yang ditagihkan oleh semua model AI, dan saat agen AI terus melakukan tugas di siang hari, token tersebut bertambah dengan cepat. Semakin banyak tugas yang dilakukan agen, semakin mahal tagihan Anda. Tidak seperti karyawan dengan gaji tetap, tidak ada batasan jumlah token yang ditagihkan kepada Anda selama agen tersebut aktif menggunakan token tanpa Anda menetapkan batasan pada penggunaan token.
Aturan Dua Kali Lipat Chamath
Chamath Palihapitiya, CEO Social Capital dan co-host All-In podcast, berbagi bahwa ia menghadapi masalah serupa di Social Capital, yang ia parafrasakan, "Agen AI hanya dapat membenarkan biaya mereka kepada saya jika mereka memberikan saya minimal 2x lipat output karyawan manusia pada pekerjaan yang sama."
Menggunakan aturan dua kali lipat tersebut sebagai dasar memberi kita cara untuk menganalisis efektivitas AI dibandingkan dengan karyawan manusia karena ada beberapa faktor yang berkontribusi pada total biaya operasional mereka. Beberapa faktor ini meliputi:
- Biaya menjalankan (sekitar $70.000 - $150.000/tahun tergantung pada cloud vs on-premise)
- Biaya pengelolaan dan pemberian perintah/prompting (sekitar $20.000 - $50.000/tahun tergantung seberapa sering mereka digunakan)
- Waktu yang dihabiskan untuk memperbaiki kesalahan karena kekeliruan atau kualitas data yang buruk
- Hilangnya produktivitas selama periode waktu ketika AI berkinerja buruk
Ketika Anda menjumlahkan total biaya operasional untuk perusahaan manusia vs AI, ketika sebuah perusahaan dapat mempekerjakan manusia untuk melakukan pekerjaan seharga $70 ribu atau lebih dari $150 ribu, sebuah perusahaan terlepas dari AI vs manusia akan menemukan biaya yang sama untuk mempekerjakan orang tersebut. Menjadi jelas bahwa perusahaan manusia lebih suka mempekerjakan orang tersebut karena mereka dapat dengan mudah mempekerjakan seseorang yang telah bekerja dengan mereka selama bertahun-tahun, terlatih, dan belajar tentang bisnis mereka untuk melakukan pekerjaan yang serupa dengan AI baru.
Ia menyarankan bahwa beberapa perusahaan mungkin akan menerapkan semacam batasan anggaran yang ketat (hard budget cap) untuk membatasi jumlah AI yang digunakan (ini mengejutkan mendengar dari seseorang yang telah menghabiskan bertahun-tahun bertaruh pada kemampuan transformatif teknologi), menunjukkan bahwa bahkan orang-orang yang berdedikasi pada AI pada akhirnya akan diperlakukan seperti pos anggaran lainnya dalam anggaran perusahaan dan dengan demikian perlu memberikan pembenaran atas pengeluaran tersebut.
Oleh Penulis
Masalah Token yang Tidak Diperingatkan Siapa Pun
Calacanis menunjukkan bahwa ada masalah yang lebih kritis dalam artikel-artikel AI yang sebagian besar berfokus pada metrik kinerja dan informasi video demo daripada biaya token. Sebagian besar AI yang digunakan oleh perusahaan enterprise melibatkan banyak input, output, dan transaksi yang melibatkan agen yang berinteraksi dengan suatu sistem. Dalam beberapa kasus, ini akan berjumlah pada tingkat yang wajar untuk pekerjaan kecil, tetapi ketika Anda mulai menambahkan agen yang melakukan pekerjaannya selama 8 jam per hari di semua departemen dalam sebuah bisnis, jumlah token yang digunakan akan mencapai jumlah yang signifikan dalam waktu singkat.
Model bisnis untuk agen AI yang beroperasi pada model berbasis token sangat berbeda dari merekrut sumber daya manusia untuk melakukan suatu pekerjaan. Seorang karyawan yang bekerja untuk sebuah perusahaan dengan gaji tahunan akan memiliki biaya yang tetap, tidak peduli seberapa produktif dia pada hari tertentu. Sebuah AI yang bekerja di bawah model berbasis token akan memiliki biaya yang meningkat semakin produktif dia — atau, dengan kata lain, semakin banyak nilai yang diciptakan untuk perusahaan.
Ambang batas produktivitas yang diperlukan bagi agen AI untuk memberikan ROI positif bagi perusahaan yang membelinya terus berubah, karena penyedia model AI akan dipaksa untuk bersaing satu sama lain dengan penurunan harga dari waktu ke waktu. Namun, pada awal 2026, ada cukup perbedaan, dalam hal biaya moneter, antara biaya agen dan apa yang diharapkan oleh perusahaan yang memilikinya sehingga menghasilkan percakapan antara dua individu yang keduanya membayar sejumlah besar uang untuk mereka dan sekarang membagikannya secara publik.
Ini Tidak Berarti Agen AI Adalah Jalan Buntu
Mari kita perjelas, baik Calacanis maupun Palihapitiya tidak mengabaikan Agen AI; mereka berdua sangat berkomitmen pada bidang ini dari sudut pandang investasi (baik secara finansial maupun intelektual). Mereka mengambil pendekatan yang lebih terfokus dan pragmatis dalam argumen mereka melawan hipotesis agen AI sebagai pengganti. Contohnya termasuk bagaimana pada tingkat makroekonomi, ekonomi harus bekerja agar substitusi dapat terjadi; namun, saat ini makroekonomi agen AI cukup kacau.
Di masa depan, seiring dengan model yang menjadi lebih efisien dan penyedia yang terus bersaing untuk pangsa pasar, biaya agen AI akan menurun dan oleh karena itu biayanya lebih murah. Upaya dari OpenAI, Anthropic, Google, dan berbagai alternatif Sumber Terbuka (Open Source) semuanya mendorong model yang lebih efisien. Setelah biaya per token menurun dan keandalan meningkat, ekonomi akan mulai mendukung peralihan ke Agen AI. Namun, menggunakan "di masa depan" untuk mendukung hipotesis saat ini tentang agen AI sebagai pengganti adalah hal yang sangat menyesatkan, dan pengguna yang secara aktif menggunakan alat-alat ini setiap hari dapat memberikan data dunia nyata tentang bagaimana keadaan sebenarnya.
Oleh Penulis
Apa yang Harus Diperhatikan Selanjutnya
Aspek utamanya adalah harga. Jika OpenAI dan Anthropic, bersama dengan pesaing mereka, terus menurunkan biaya per token (dan tren menunjukkan bahwa ini sedang terjadi), maka titik impas yang diuraikan akan berubah. Perusahaan yang mengembangkan proses mengenai agen sekarang (meskipun margin negatif) dapat mempersiapkan diri untuk struktur biaya yang berbeda dalam 12 hingga 24 bulan ke depan.
Namun, setiap individu yang menggunakan AI untuk menentukan pengaturan tenaga kerja saat ini karena keyakinan bahwa AI berbiaya lebih rendah daripada pekerja manusia perlu mempertimbangkan kembali berdasarkan pengalaman historis dari para investor yang terlibat dalam jaringan operator tersebut.
