Pernyataan CEO Palantir Alex Karp memicu perhatian baru dalam perdebatan soal pemakaian AI di perusahaan. Ia membandingkan penggunaan AI yang berlebihan dengan kecanduan pornografi dan menilai konsumsi AI yang terus naik tidak otomatis menciptakan nilai bisnis.
Komentar itu muncul saat wawancara langsung di TBPN di sela acara AIP Con 10 milik Palantir. Dengan bahasa yang provokatif, Karp menegaskan bahwa perusahaan perlu berhenti melihat banyaknya token dan prompt sebagai ukuran keberhasilan adopsi AI.
Fokus baru: nilai, bukan volume penggunaan
Perdebatan ini muncul ketika banyak perusahaan teknologi mulai mempertanyakan pola “tokenmaxxing”. Istilah itu merujuk pada dorongan agar karyawan memaksimalkan penggunaan alat AI dan menghabiskan sebanyak mungkin token.
Selama ledakan AI, tingginya penggunaan sering dianggap sebagai sinyal positif. Semakin banyak interaksi dengan chatbot dan model AI, semakin besar pula anggapan bahwa organisasi sedang bergerak cepat dalam transformasi digital.
Namun pandangan itu mulai digugat. Saat semakin banyak penyedia AI menerapkan harga berbasis penggunaan, tagihan AI melonjak di banyak perusahaan tanpa kenaikan produktivitas yang terlihat jelas.
Uber termasuk yang mengangkat persoalan itu secara terbuka. COO Uber Andrew Macdonald menyebut perusahaan kesulitan menemukan kaitan yang jelas antara belanja AI yang terus tumbuh dan hasil yang benar-benar berarti.
Amazon juga dilaporkan mengambil langkah internal terkait pola serupa. Perusahaan itu disebut menghapus leaderboard AI internal setelah karyawan diduga mulai menggelembungkan penggunaan AI mereka.
Dalam konteks itu, komentar Karp mencerminkan kekhawatiran yang makin luas di industri. Pemakaian AI yang tinggi kini tidak lagi otomatis dipandang sebagai indikator keberhasilan.
Palantir menolak “slop” dari token berlebih
Sikap Karp sejalan dengan pesan yang sebelumnya disampaikan CTO Palantir, Shyam Sankar. Dalam earnings call perusahaan bulan lalu, Sankar mengatakan Palantir melihat dirinya sebagai “no slop zone”.
Ia menolak anggapan bahwa AI yang lebih murah atau konsumsi token yang lebih tinggi akan otomatis melahirkan nilai. Menurut Sankar, semakin banyak token yang dipakai, semakin besar pula risiko munculnya “slop” atau keluaran yang tidak memberi manfaat nyata.
Sankar juga menekankan bahwa konsumsi “commodity cognition” yang berlebihan membutuhkan sistem yang mampu mencegah kerugian ekonomi. Tujuannya agar perusahaan benar-benar bisa menangkap nilai ekonomi dari AI, bukan sekadar menambah biaya operasional.
Bagi Palantir, AI baru menjadi bernilai ketika terhubung dengan proses bisnis di dunia nyata. Penggunaan AI demi penggunaan itu sendiri dinilai tidak cukup untuk menghasilkan dampak yang relevan bagi perusahaan.
AI efektif untuk sebagian tugas, tapi tidak menggantikan proses inti
Karp mengakui bahwa model AI sangat efektif untuk banyak persoalan tertentu. Ia mencontohkan AI dapat dengan mudah menghasilkan laporan tentang topik seperti pertumbuhan PDB China.
Tetapi menurutnya, tantangan bisnis yang lebih kompleks tidak bisa diselesaikan hanya dengan respons chatbot. Di titik inilah batas kemampuan AI generatif mulai terlihat dalam lingkungan operasional yang rumit.
Ia menyoroti bidang seperti rantai pasok, operasi industri, logistik militer, proses manufaktur, hingga operasi minyak dan gas yang sangat spesifik. Area-area itu menuntut pengambilan keputusan berkelanjutan dan alur kerja yang presisi.
Dalam pandangan Karp, model bahasa besar dapat meningkatkan kualitas kerja manusia di sektor-sektor tersebut. Namun model itu tidak menggantikan proses dasar yang menopang keputusan dan eksekusi di lapangan.
Pesan ini penting karena banyak perusahaan sempat melihat chatbot dan model generatif sebagai solusi serbaguna. Palantir justru mendorong pendekatan yang lebih hati-hati dan lebih terikat pada kebutuhan operasional nyata.
Mengapa “taste” jadi pembeda
Karp juga menilai banyak kemampuan AI pada akhirnya akan tersedia secara luas. Saat teknologi makin mudah diakses, pembeda utama bukan lagi siapa yang paling sering memakai AI, melainkan siapa yang tahu persoalan bisnis mana yang layak diselesaikan lebih dulu.
Menurutnya, kemampuan memilih masalah yang tepat bergantung pada penilaian manusia. Ia menyebut faktor itu sebagai “taste”, yakni ketajaman dalam menentukan aplikasi AI yang benar-benar memberi hasil.
Pandangan tersebut menandai pergeseran dalam cara perusahaan menilai investasi AI. Fokusnya bergeser dari metrik konsumsi menuju pertanyaan yang lebih mendasar, yaitu apakah AI benar-benar memperbaiki alur kerja, keputusan, dan hasil bisnis.
Komentar Karp memang terdengar ekstrem, tetapi pesan intinya selaras dengan arah diskusi yang kini berkembang di industri. Di tengah biaya AI yang terus membesar, ukuran yang semakin dicari bukan lagi seberapa sering AI dipakai, melainkan seberapa nyata nilainya bagi operasi perusahaan.
