Ekonomi Penggunaan AI untuk Membuat Kode Semakin Mahal dan Meragukan

Pemanfaatan kecerdasan buatan (AI) untuk menghasilkan kode perangkat lunak sempat dianggap sebagai solusi revolusioner bagi perusahaan teknologi. Dengan AI, pimpinan dapat memangkas jumlah karyawan dan menghemat biaya gaji serta tunjangan, atau bahkan meningkatkan produktivitas tim pengembang dengan bantuan AI yang mampu menghasilkan kode secara masif. Namun, realitas yang dihadapi saat ini menunjukkan bahwa biaya penggunaan AI dalam pengembangan kode justru melonjak tajam, membuat model bisnis ini menjadi semakin meragukan.

Biaya Penggunaan AI Coding Membengkak

Sebuah peringatan datang dari perusahaan pengembang AI, Anthropic, yang diam-diam menggandakan estimasi biaya yang harus dikeluarkan oleh pengembang saat menggunakan alat AI mereka, Claude Code. Sebelumnya, dokumen resmi Anthropic memperkirakan biaya rata-rata per pengembang adalah $6 per hari, dengan 90 persen pengguna menghabiskan di bawah $12 per hari. Namun, pembaruan terbaru menunjukkan biaya telah naik menjadi sekitar $13 per hari atau $150-250 per bulan per pengembang. Meski selisih beberapa dolar terlihat kecil, dalam skala perusahaan besar dengan ribuan karyawan, angka ini menjadi sangat signifikan.

Selain itu, banyak pengembang menjalankan multiple AI agents secara bersamaan, memanfaatkan AI untuk berbagai tugas pengkodean selama berjam-jam setiap hari. Hal ini menyebabkan biaya token AI meroket. Bahkan, ada laporan seorang karyawan bisa menghabiskan lebih dari $150.000 per bulan hanya untuk biaya penggunaan AI. Bryan Catanzaro, Wakil Presiden Deep Learning Terapan di Nvidia, mengatakan kepada Axios bahwa "biaya komputasi jauh melebihi biaya karyawan" di timnya.

Langkah Pengetatan dari Perusahaan AI

Menanggapi lonjakan biaya dan beban server, perusahaan AI mulai melakukan pembatasan penggunaan. Anthropic menguji pembatasan akses, sementara Microsoft melalui GitHub Copilot mengumumkan peralihan ke sistem billing berdasarkan pemakaian. Inisiatif ini secara efektif membuat pengguna harus membayar lebih sesuai dengan volume kode yang dihasilkan menggunakan AI, menghilangkan model berlangganan tetap yang lebih murah.

Situasi ini berbanding terbalik dengan ekspektasi awal bahwa AI akan memangkas biaya dan meningkatkan efisiensi secara signifikan. Dalam kenyataannya, penelitian mulai mengungkap bahwa integrasi AI tidak serta merta mendongkrak produktivitas perusahaan. Misalnya, studi dari MIT menemukan bahwa sebagian besar perusahaan tidak mengalami pertumbuhan pendapatan setelah menggunakan AI. Studi lain memperkenalkan konsep workslop, yakni kondisi di mana AI justru menciptakan pekerjaan tambahan yang harus diperbaiki oleh manusia, sehingga memperlambat alur kerja sekaligus meningkatkan ketidakpuasan di antara karyawan.

AI dan Beban Kerja Karyawan

Selain itu, beberapa penelitian juga menunjukkan AI malah meningkatkan intensitas kerja karyawan dan mendorong mereka ke arah burnout. Alih-alih menjadi solusi yang meringankan, AI dalam konteks pengkodean dapat menimbulkan tekanan baru dan meningkatkan beban kerja yang tak terduga.

Analisis Redaksi

Menurut pandangan redaksi, lonjakan biaya penggunaan AI dalam pengembangan kode ini menjadi peringatan penting bagi perusahaan teknologi dan pengambil kebijakan. Model ekonomi AI yang awalnya dianggap hemat biaya kini menunjukkan sisi gelapnya, di mana biaya komputasi dan infrastruktur memaksa perusahaan mengeluarkan anggaran besar yang bisa menyamai atau bahkan melampaui gaji karyawan manusia.

Selain masalah biaya, dampak produktivitas yang tidak signifikan dan potensi peningkatan beban kerja karyawan membuka pertanyaan mendalam tentang bagaimana AI seharusnya diintegrasikan agar benar-benar memberikan nilai tambah. Perusahaan perlu mengevaluasi ulang strategi penggunaan AI, bukan sekadar mengadopsi teknologi demi tren, tapi juga mempertimbangkan dampak jangka panjang terhadap budaya kerja dan kesehatan karyawan.

Ke depan, kita perlu mengawasi bagaimana perusahaan AI akan mengatasi tantangan biaya dan bagaimana regulasi mungkin perlu hadir untuk mengatur penggunaan AI agar lebih berkelanjutan dan manusiawi. Perubahan kebijakan penggunaan dan struktur harga AI seperti yang dilakukan GitHub Copilot bisa menjadi preseden penting bagi industri ini. Untuk perkembangan lebih lanjut, pembaca bisa merujuk artikel asli dari Futurism dan berita terkait dari Axios.