AI dan Ilusi Efisiensi: Ketika Teknologi Justru Menguras Anggaran Perusahaan

Beritabanten.com – Pada 2026, ketika perusahaan teknologi global berlomba mengadopsi kecerdasan buatan (AI), muncul paradoks yang menarik. Teknologi yang semula dipromosikan sebagai mesin efisiensi dan penghemat biaya justru mulai membuat sejumlah perusahaan melakukan pembatasan penggunaan.

Uber, misalnya, dilaporkan telah menghabiskan anggaran coding berbasis AI untuk 2026 hanya dalam empat bulan. Sementara itu, Microsoft juga dilaporkan mengurangi penggunaan sejumlah alat AI eksternal.

Fenomena tersebut berkaitan dengan tren yang disebut tokenmaxxing, yakni dorongan untuk menggunakan AI sebanyak mungkin dan menjadikan konsumsi token sebagai salah satu ukuran pemanfaatan teknologi. Di sejumlah perusahaan bahkan muncul papan peringkat penggunaan AI.

Masalahnya, ketika jumlah token berubah menjadi target, pekerja memiliki insentif untuk memperbanyak penggunaan AI, termasuk untuk pekerjaan yang sebenarnya tidak membutuhkan teknologi tersebut.

Di sinilah Goodhart’s Law menjadi relevan. Ketika sebuah ukuran dijadikan target, ukuran tersebut dapat kehilangan kemampuannya sebagai indikator yang baik. Jika banyaknya token dianggap sebagai tanda produktivitas, pekerja akan terdorong mengejar angka penggunaan, bukan semata-mata mengejar hasil.

Akibatnya, perusahaan justru bisa membayar lebih mahal untuk aktivitas yang memiliki nilai tambah kecil.

Fenomena ini juga dapat dijelaskan melalui Jevons Paradox. Ketika penggunaan suatu teknologi menjadi semakin mudah dan murah, konsumsi terhadap sumber daya yang digunakan teknologi tersebut justru dapat meningkat.

AI memang dapat menurunkan biaya dan waktu untuk menyelesaikan satu pekerjaan. Namun, jika kemudahan tersebut membuat jutaan tugas tambahan ikut diproses menggunakan AI, total konsumsi komputasi dan biaya perusahaan tetap dapat melonjak.

Lebih jauh, persoalan ini memperlihatkan kelemahan pendekatan “AI-first” tanpa perhitungan return on investment (ROI). Perusahaan tidak cukup hanya bertanya, “Berapa banyak karyawan yang menggunakan AI?”

Pertanyaan yang jauh lebih penting adalah: berapa banyak biaya yang benar-benar dihemat, berapa produktivitas yang benar-benar meningkat, dan berapa nilai bisnis yang dihasilkan?

Sejumlah laporan terbaru menunjukkan perusahaan mulai bergerak ke arah tersebut. Amazon, Uber, dan perusahaan lainnya dilaporkan mulai membatasi atau mengevaluasi kembali penggunaan AI setelah biaya meningkat dan hubungan antara konsumsi AI dengan hasil bisnis tidak selalu terlihat jelas.

Dalam perspektif teori principal-agent, persoalan tersebut semakin jelas. Manajemen sebagai principal menginginkan produktivitas meningkat melalui AI, sementara pekerja sebagai agent merespons indikator yang diberikan manajemen.

Jika yang dihargai adalah banyaknya penggunaan AI, pekerja akan berusaha memenuhi indikator tersebut. Maka yang terjadi bukan optimasi produktivitas, melainkan optimasi terhadap metrik.

Karena itu, kesalahan sebenarnya bukan pada AI. Persoalannya terletak pada cara perusahaan mengukur keberhasilan penggunaan AI.

Perusahaan seharusnya tidak menjadikan jumlah token, jumlah prompt, atau seberapa sering seorang pekerja membuka AI sebagai ukuran utama produktivitas. Yang harus diukur adalah hasil akhirnya: kualitas pekerjaan, waktu yang dihemat, biaya yang dipangkas, pendapatan yang dihasilkan, dan kepuasan pelanggan.

AI juga tidak otomatis lebih murah daripada manusia. Dalam pekerjaan tertentu, manusia mungkin lebih efisien karena mampu memahami konteks, mengambil keputusan, dan menyelesaikan tugas tanpa membutuhkan komputasi berulang.

Bahkan, biaya AI sangat bergantung pada model, volume penggunaan, dan arsitektur sistem yang digunakan. Karena itu, anggapan bahwa “AI selalu lebih murah daripada tenaga manusia” merupakan penyederhanaan yang berbahaya.

Pelajaran penting dari fenomena 2026 ini adalah bahwa perusahaan tidak membutuhkan lebih banyak penggunaan AI, melainkan penggunaan AI yang lebih cerdas.

AI seharusnya menjadi alat untuk menghasilkan nilai, bukan alat untuk mengejar angka penggunaan. Era AI bukan tentang siapa yang paling banyak menghabiskan token, tetapi siapa yang paling mampu mengubah kecerdasan buatan menjadi produktivitas nyata dengan biaya yang masuk akal. (Red)