Kecerdasan buatan selama ini dipromosikan sebagai cara cepat untuk memangkas biaya kerja. Namun pengalaman Microsoft dan Uber justru menunjukkan hal yang berbeda: dalam banyak tugas sehari-hari, pekerja manusia masih bisa lebih murah dibanding penggunaan AI secara masif.
Perubahan ini penting karena datang dari dua perusahaan teknologi besar yang sangat aktif mendorong adopsi AI. Saat penggunaan alat bantu berbasis AI meluas di internal perusahaan, biaya token, komputasi, dan infrastruktur ternyata naik lebih cepat dari perkiraan.
Microsoft menjadi salah satu contoh paling jelas. Perusahaan itu dilaporkan mulai membatalkan sebagian besar lisensi langsung Claude Code setelah para karyawan menggunakan asisten coding AI tersebut secara luas.
Langkah itu diambil ketika Microsoft berupaya mengendalikan pengeluaran terkait AI yang terus membesar. Sebagai gantinya, perusahaan mengarahkan para pengembang untuk beralih ke GitHub Copilot CLI.
Keputusan ini muncul hanya beberapa bulan setelah Microsoft mendorong ribuan karyawannya untuk bereksperimen dengan dukungan coding berbasis AI. Dorongan itu menyasar banyak peran, mulai dari insinyur perangkat lunak hingga desainer dan manajer proyek.
Masalahnya, adopsi yang cepat ikut mendorong lonjakan biaya operasional. Semakin banyak karyawan menggunakan alat AI untuk pekerjaan harian, semakin besar pula beban biaya yang harus ditanggung perusahaan.
Biaya AI tidak berhenti di langganan
Salah satu alasan utama AI bisa menjadi mahal adalah model biayanya berbeda dari gaji karyawan. Sistem AI umumnya ditagihkan berdasarkan token untuk setiap proses kerja yang dijalankan.
Artinya, setiap prompt, setiap jawaban, dan setiap alur kerja otomatis mengonsumsi token yang harus dibayar terus-menerus. Ketika penggunaan meluas ke banyak tim sekaligus, konsumsi token bisa melonjak tajam.
Hal serupa juga terjadi di Uber. CTO Uber, Praveen Neppalli Naga, mengatakan pada awal tahun ini bahwa perusahaan telah menghabiskan seluruh anggaran AI coding untuk 2026 hanya dalam empat bulan.
Kasus Uber menunjukkan bagaimana biaya bisa membengkak bukan hanya karena teknologinya tersedia, tetapi karena perusahaan aktif mendorong pemakaian. Uber saat itu meningkatkan penggunaan AI melalui peringkat internal dan dasbor produktivitas.
Dorongan tersebut memang bisa menaikkan tingkat adopsi. Namun semakin tinggi pemakaian, semakin besar pula konsumsi token, kebutuhan komputasi, dan biaya infrastruktur yang mengikuti di belakangnya.
Mengapa manusia masih bisa lebih murah
Secara teori, satu token AI mungkin terlihat murah. Tetapi dalam praktik perusahaan, biaya kecil yang berulang dalam volume sangat besar dapat berkembang menjadi pengeluaran yang sulit dikendalikan.
Itu sebabnya AI belum otomatis lebih hemat dibanding tenaga kerja manusia. Untuk banyak tugas rutin, biaya penggunaan sistem AI secara terus-menerus justru masih dapat melampaui biaya mempekerjakan orang.
Riset dari Massachusetts Institute of Technology mendukung gambaran tersebut. Menurut penelitian itu, AI baru ekonomis pada sebagian kecil peran pekerjaan, bukan untuk seluruh jenis tugas yang selama ini diasumsikan bisa digantikan mesin.
Pandangan serupa juga datang dari industri chip AI sendiri. Eksekutif Nvidia, Bryan Catanzaro, mengakui bahwa menjalankan sistem AI pada beberapa kondisi memang bisa lebih mahal daripada mempekerjakan manusia.
Poin pentingnya bukan berarti AI gagal memberi manfaat. Teknologi ini tetap berguna sebagai alat bantu untuk mempercepat pekerjaan, tetapi belum selalu masuk akal sebagai pengganti penuh tenaga kerja.
Tantangan berikutnya: agentic AI
Tekanan biaya juga diperkirakan belum akan mereda dalam waktu dekat. Pelaku industri memperkirakan sistem “agentic AI”, yakni AI yang dapat menangani tugas multi-langkah secara lebih mandiri, justru bisa melipatgandakan belanja AI perusahaan pada tahun-tahun mendatang.
Sistem seperti itu menjanjikan otomatisasi yang lebih dalam. Namun kemampuan yang lebih tinggi biasanya menuntut lebih banyak pemrosesan, lebih banyak token, dan infrastruktur yang lebih besar.
Bagi perusahaan, ini menciptakan dilema baru. Di satu sisi, AI menawarkan produktivitas dan efisiensi, tetapi di sisi lain penggunaan yang terlalu luas bisa menggerus anggaran lebih cepat daripada manfaat finansial yang dihasilkan.
Situasi di Microsoft dan Uber menunjukkan bahwa persoalan AI kini bukan lagi sekadar apakah teknologinya mampu bekerja. Pertanyaan yang semakin penting adalah apakah biaya menjalankannya benar-benar sepadan untuk skala penggunaan perusahaan yang besar.
Untuk saat ini, banyak ahli menilai AI masih lebih cocok sebagai alat pendukung daripada pengganti total pekerja. Sampai biaya, keandalan, dan efisiensinya membaik, manusia tetap memegang keunggulan pada banyak pekerjaan harian yang menuntut hasil stabil dengan ongkos yang lebih terukur.
