Tentang permintaan terinduksi, PHK, dan biaya nyata AI yang belum kita tahu cara memanfaatkannya
Jika Anda pernah menghabiskan waktu di transit Twitter, Anda pasti pernah melihat meme itu.
"Satu lajur lagi bro."
Seorang insinyur jalan raya yang digambar dengan krayon berdiri di samping jalan bebas hambatan, menunjuk ke lajur baru yang ingin ia tambahkan karena lalu lintas macet. Wajahnya tulus. Kali ini ia akan memperbaikinya. Satu lajur lagi dan kemacetan akan hilang.
Jarang sekali kemacetan hilang untuk waktu yang lama.
Lajur baru menciptakan perjalanan baru. Kapasitas baru menciptakan permintaan baru. Ekonom menyebutnya permintaan terinduksi. Katy Freeway di Texas diperluas menjadi salah satu jalan bebas hambatan terlebar di dunia. Jalan 405 di Los Angeles mendapat pelebaran bernilai miliaran dolar. Polanya sudah akrab di beberapa dekade ekspansi jalan bebas hambatan: kapasitas naik, penggunaan tumbuh mengisinya, dan kemacetan kembali.
Insinyur dalam meme itu tetap saja terus meminta satu lajur lagi.
Sekarang kita berada di momen yang sama dengan pusat data AI.
Janji “infrastruktur yang tepat”
Setiap triwulan muncul satu lagi pengumuman dari para hyperscaler. Satu lagi pembangunan bernilai sepuluh digit. Satu lagi kampus. Satu lagi gardu induk. Satu lagi kesepakatan listrik. Satu lagi konflik soal air. Satu lagi kabupaten pedesaan yang diberi tahu bahwa inilah harga kemajuan.
Pembenarannya selalu sama.
Permintaan AI meledak. Kita butuh lebih banyak komputasi. Jika kita tidak membangun, Amerika Serikat akan tertinggal dari Tiongkok. Perusahaan tidak akan mendapat kapasitas yang mereka perlukan. Pengembang akan terbatasi. Inovasi akan melambat.
Satu pusat data lagi.
Satu lagi kampus berkekuatan satu gigawatt.
Satu lagi lahan seluas 2.700 acre.
Satu lagi peningkatan jaringan listrik.
Lalu kita akan punya cukup.
Itu insinyur yang sama dengan cetak biru yang berbeda.
Ini adalah taruhan infrastruktur lintas generasi, dan bagian besarnya sudah dikontrak.
Ini bukan argumen bahwa AI tidak butuh infrastruktur. Sebagian kapasitas baru memang perlu.
Pertanyaannya adalah apakah kita harus terus mengikat komitmen kapasitas baru secepat ini sebelum memaksa pembeli membuktikan bahwa mereka memakai kapasitas yang ada secara cerdas.
Saat ini, sebagian dari permintaan yang meledak itu benar‑benar produktivitas baru. Sebagiannya adalah konsumsi yang bisa dihindari, diciptakan oleh default yang buruk, retry tak terkendali, kredensial kedaluwarsa, model yang terlalu kuat, dan beban kerja yang tak pernah dipaksa membenarkan biayanya.
Permintaan terinduksi
Komputasi tidak punya kurva permintaan yang tetap. Ia melengkung mengikuti suplai apa pun yang tersedia.
Beri pengembang akses murah ke model frontier dan banyak beban kerja akan menjadikan model frontier sebagai default. Beri agen anggaran besar dan banyak agen akan menghabiskannya. Beri tim kunci API tanpa batas dan tagihan akan naik sampai seseorang menyadarinya.
Saat itu, beban kerja sudah terlanjur dikirim.
Seorang founder menjalankan model mahal di setiap langkah pipeline dukungan pelanggan karena itulah default saat engineer mengirim dengan cepat. Pipelin‑nya berfungsi. Tagihannya menyakitkan. Belakangan seseorang menemukan bahwa sebagian besar beban kerja bisa dijalankan di model yang lebih murah dengan sedikit atau tanpa penurunan kualitas yang terukur.
Itu bukan kasus sudut aneh. Itulah cara kerja pengembangan AI yang bergerak cepat.
Default‑nya salah. Pemborosan tak terlihat. Tagihannya terlambat.
Hal yang sama terjadi di mana‑mana.
Sistem retrieval meng‑embed duplikat. Agen dukungan berputar dalam loop retry. Agen coding membakar model termahal untuk suntingan sepele. Kunci milik kontraktor tetap hidup setelah kontrak selesai. Kunci mantan karyawan tetap hidup melewati proses offboarding. Kunci produksi berakhir di laptop seseorang.
Mereka tidak selalu jahat. Sistemnya saja yang tidak dikelola.
Ketika industri AI berkata permintaan meledak, sebagian permintaan itu adalah produktivitas nyata. Sebagiannya adalah default yang buruk, kredensial basi, anggaran yang tak ada, dan kerja mesin yang tak diatur.
Menambah komputasi tidak memperbaiki itu. Ia justru menyuplainya. Bahkan perusahaan seperti Amazon pun melaporkan hal ini.
Itulah permintaan terinduksi. Itulah jalan bebas hambatan.
Mentalitas “orang keluar, AI masuk”
Dengan jumlah karyawan turun dan anggaran AI naik, keduanya seringkali secara eksplisit dihubungkan. Microsoft dengan gamblang menyatakan bahwa pemotongannya bukan sekadar penggantian oleh AI. Sam Altman mengakui sebagian atribusi itu adalah apa yang ia sebut AI washing: mengutip AI untuk pemotongan yang memang akan dilakukan perusahaan. Survei CEO berbagi bahwa mereka harus merencanakan perubahan berbasis AI.
Data dengan jelas menunjukkan realokasi prioritas. Challenger menggambarkan perusahaan teknologi sebagai yang sedang merestrukturisasi di sekitar AI, mengotomasi beberapa peran, dan mengalihkan anggaran menuju kapabilitas baru. Pekerja tertentu dan GPU tertentu tidak perlu dipasangkan satu banding satu agar pergeseran modal itu nyata.
Itu membuat pertanyaan tidak nyaman jadi lebih tajam, bukan lebih tumpul.
Jika perdagangannya bukan orang untuk produktivitas AI, dan bukan sepenuhnya orang untuk ketiadaan, lalu apa sebenarnya sisi mesin di neraca itu? Tak ada yang bisa menawarkan jawaban pasti, karena belanja AI menjadi seperti gaji tanpa dikelola dengan kedisiplinan yang mendekati manajemen gaji.
Pekerja manusia punya manajer, anggaran, izin, kartu korporat, kartu akses, offboarding, penilaian kinerja, dan jejak audit.
Pekerja mesin sering hanya punya kunci API.
Kita memindahkan anggaran dari payroll manusia ke payroll mesin, lalu mengelola payroll mesin seperti tumpukan kata sandi. Tak ada pemilik. Tak ada manajer. Tak ada masa kedaluwarsa. Tak ada kebijakan belanja. Tak ada kuitansi. Tak ada biaya per hasil yang berguna. Tak ada bukti bahwa kerja mesin sepadan dengan biayanya.
Kunci API adalah kartu korporat baru
Sebuah perusahaan tidak akan pernah berkata: "mantan karyawan masih memegang kartu korporatnya, tidak ada yang tahu apa saja yang ditagihkan, dan kita baru tahu berbulan‑bulan kemudian." Itu akan dianggap kegagalan operasional yang jelas. Tapi versi API‑nya terjadi terus‑menerus.
Kunci penyedia model bisa menciptakan pengeluaran. Kunci cloud bisa menciptakan infrastruktur. Kunci Stripe bisa memindahkan uang. Kunci GitHub bisa mengirim kode. Kunci penyedia data bisa mengakses dataset berbayar. Kunci platform iklan bisa membakar anggaran kampanye. Kunci bursa bisa memperdagangkan aset.
Itu bukan sekadar rahasia. Itu otoritas ekonomi.
Terlalu banyak kunci API masih diperlakukan seperti kata sandi. Mereka perlu diperlakukan seperti kartu korporat untuk mesin.
Kontraktor, rumah pengembang, agensi pemasaran, auditor, tim fraksional, karyawan, dan agen semuanya butuh akses ke sumber daya yang naik‑turun. Hari ini, perusahaan entah memberikan akses berlebihan atau memperlambat segalanya. Proyek selesai, akses tetap ada, dan pengeluaran terus berjalan.
Itu bukan hanya masalah keamanan. Itu masalah akuntansi. Masalah tata kelola dan masalah infrastruktur.
Warga lokal tahu
Penolakan publik terhadap pusat data bukan sekadar NIMBYisme. Orang bisa merasakan kontradiksinya. Sebuah jajak pendapat Gallup baru‑baru ini menemukan bahwa tujuh dari 10 orang Amerika akan menentang pembangunan pusat data AI di kota mereka.
Pusat data mengonsumsi listrik dalam jumlah sangat besar. Bergantung pada desain pendinginan dan lokasi, mereka juga bisa mengonsumsi banyak air dan lahan. Mereka menciptakan panas nyata, kebisingan, konflik transmisi, dan tekanan politik lokal. Manfaatnya sering terasa jauh, privat, atau spekulatif. Biayanya lokal.
Beban infrastruktur terkonsentrasi di kabupaten pedesaan. Manfaat ekonominya tersebar dan sering ditangkap di tempat lain. Manfaat dijanjikan nanti. Biaya datang sekarang.
Itu secara politik tidak stabil. Pada 2026 hal itu berhenti menjadi sekadar prediksi.
Industri seharusnya tidak terkejut bahwa pusat data menjadi pertarungan politik nasional. Jika infrastruktur AI meminta komunitas untuk lahan, listrik, air, dan kesabaran, industri seharusnya mampu membuktikan bahwa komputasi itu digunakan dengan baik.
Saat ini, banyak pembeli tidak bisa.
Pertukaran orang untuk mesin yang tak diukur itu keliru
Tarik semua lapisan menjadi satu.
Seorang CFO membaca tesis investasi AI, menyetujui pembangunan, memotong jumlah karyawan untuk mendanainya, dan memberi tahu dewan bahwa perhitungannya masuk akal. Komputasi disediakan. Beban kerja dikirim. Default‑nya salah. Kuncinya tak dikelola. Model mahal digunakan berlebihan. Agen terlalu sering retry. Kredensial lama terus berfungsi. Tagihan tumbuh lebih cepat dari proyeksi.
Dewan bertanya kenapa. Jawaban kembali: permintaan AI meledak. Kita butuh lebih banyak kapasitas. Jadi CFO menandatangani kontrak berikutnya. Siklus berulang.
Sementara itu, karyawan yang tergeser menyaksikan perusahaan membelanjakan agresif pada sistem AI yang mungkin atau mungkin tidak benar‑benar menghasilkan produktivitas yang dijanjikan. Seorang anggota dewan kabupaten menerima telepon marah tentang listrik, air, lahan, dan kebisingan. Operator jaringan listrik mencoba membuat angka‑angkanya masuk akal. Warga lokal diberi tahu bahwa inilah masa depan.
Terlalu sering, pertukarannya bukan orang untuk produktivitas. Itu orang untuk kerja mesin yang tak diukur.
Orang untuk default yang buruk. Orang untuk ketidakteraturan. Dan ketika ketidakteraturan itu menjadi mahal, jawaban industri bukanlah disiplin. Jawabannya satu lagi
pusat data. Satu lagi saja, bro.
Jawaban sebenarnya
Jawaban sebenarnya bukan hanya membangun lebih banyak pusat data.
Jawaban sebenarnya adalah menggunakan pusat data yang sudah kita miliki secara cerdas.
Itu hal yang tidak nyaman untuk dikatakan industri, karena insentifnya tidak selaras sempurna. Penyedia umumnya dibayar ketika konsumsi naik. Pembeli menang ketika hasil yang berguna naik. Dua kurva itu tidak sama.
Kepentingan pembeli itu spesifik.
Pembeli ingin model sekecil mungkin yang bisa menyelesaikan tugas. Panggilan sesedikit mungkin yang menyelesaikan masalah. Kunci yang kedaluwarsa ketika proyek berakhir. Kredensial yang hanya berfungsi dari perangkat yang tepat. Agen yang diputus ketika keluar dari kebijakan. Pengecualian yang hanya disetujui ketika kasus bisnisnya nyata.
Tak satu pun dari itu butuh pusat data baru. Yang dibutuhkan adalah penyediaan cerdas untuk komputasi yang sudah kita miliki.
Jalan menuju solusi itu membosankan
Sesuaikan ukuran beban kerja dengan model. Batch apa pun yang bisa di‑batch. Cache apa pun yang bisa di‑cache. Batasi apa yang memang harus dibatasi. Otorisasi apa yang perlu melampaui batas. Tolak apa pun yang berjalan pada model yang salah. kredensial, dari perangkat yang salah, oleh pemegang yang salah, untuk pekerjaan yang salah. Ukur biaya per hasil yang berguna. Kedaluwarsakan akses secara otomatis. Hentikan loop yang lepas kendali. Rute-kan pekerjaan berisiko rendah ke model berbiaya rendah. Eskalasi hanya ketika kualitas memang membutuhkannya. Hasilkan tanda terima.
Pasar mulai menyadarinya. Musim panas ini, CFO dan dewan mulai menertibkan tagihan AI yang melampaui anggaran. Perutean model (model routing) berubah dari makalah riset menjadi kosakata ruang rapat, ketika tim mencari cara untuk mengirim pekerjaan rutin ke model yang lebih murah tanpa mengorbankan kualitas. Para penyedia model sendiri mulai meluncurkan batas pengeluaran admin karena pelanggan menuntut cara untuk mengekang tagihan.
Bagus. Gelombang itu nyata dan sudah lama terlambat. Penyedia kini menawarkan batas pengeluaran keras yang benar‑benar menggagalkan pemanggilan ketika batas tercapai, batas per pengguna, dan jalur persetujuan.
Namun perhatikan batas dari gelombang saat ini. Kontrol tersebut mengatur konsumsi di dalam satu penyedia, satu proyek, atau satu aplikasi. Perutean memilih model yang lebih murah. Batas menghentikan tagihan yang lepas kendali. Keduanya tidak menjawab pertanyaan otoritas yang lebih luas: mesin mana yang bertindak, dari runtime yang mana, atas nama siapa, untuk tujuan apa, terhadap sumber daya eksternal yang mana, dan bukti portabel apa yang ada setelahnya. Pengendalian biaya bukanlah hal yang sama dengan otoritas yang dapat diprogram dan dapat diverifikasi.
AI membutuhkan disiplin penuh, bukan hanya separuh soal biaya. Bukan karena AI itu buruk. Karena AI sedang menjadi tenaga kerja. Dan tenaga kerja membutuhkan manajemen.
Lapisan yang hilang dari agen AI
Inilah lapisan yang kami pikir hilang dari AI, dan ia sengaja dibuat lebih sempit daripada keseluruhan tumpukan FinOps.
Otoritas ekonomi harus diatur sebelum eksekusi: siapa dan apa yang boleh membelanjakan, dari perangkat dan runtime mana, untuk beban kerja apa dan dengan batasan apa. Semua disertai tanda terima di akhir yang bisa diverifikasi oleh orang sungguhan.
Sebagian dari pembangunan pusat data memang perlu. AI itu nyata, dan hal nyata butuh infrastruktur. Namun permintaan yang tidak terkelola membuat pembangunan yang dibutuhkan menjadi lebih besar, lebih cepat, dan lebih sulit dibenarkan daripada yang seharusnya. Jalan yang benar bukanlah dasbor yang lebih cantik setelah tagihan datang. Solusinya adalah lapisan kontrol pada kredensial, sebelum pengeluaran terjadi.
Melaju ke arah yang benar
Satu pusat data lagi, bro.
Kami janji kali ini akan berhasil. Komputasinya sebentar lagi akan aktif. Tingkat pemborosan sebentar lagi akan turun. Margin sebentar lagi akan muncul. Beban kerja sebentar lagi akan menjadi efisien. Warga lokal sebentar lagi akan menerima. Jaringan listrik sebentar lagi akan sanggup menanganinya. Satu triliun dolar dalam sewa yang sudah ditandatangani sebentar lagi akan terlihat konservatif. Dewan sebentar lagi akan melihat kenaikan produktivitas.
Satu lagi saja.
Mungkin sebagian kapasitas itu memang perlu. Tetapi sebelum industri meminta komunitas untuk lebih banyak lahan, lebih banyak air, lebih banyak listrik, dan lebih banyak kesabaran, para pembeli seharusnya bisa menjawab pertanyaan yang lebih sederhana.
Apakah kita sudah menggunakan komputasi yang kita miliki dengan baik? Bukan di slide atau memo kebijakan.
Dalam tanda terima. Model mana yang digunakan. Beban kerja mana yang membutuhkannya. Kunci mana yang mengotorisasinya. Itulah pertarungan infrastruktur AI berikutnya. Bukan komputasi versus tanpa komputasi. Komputasi yang diatur versus pemborosan.
Bangun dengan lebih sedikit kebutaan. Gunakan apa yang sudah kita punya.