CEO AI Microsoft Mustafa Suleyman: Industri AI Akan Ditentukan oleh Skala Operasi, Bukan Model Terpintar

Mustafa Suleyman, CEO AI Microsoft, mengungkapkan bahwa masa depan industri kecerdasan buatan (AI) selama beberapa tahun ke depan tidak akan ditentukan oleh siapa yang membangun model AI paling pintar, melainkan siapa yang mampu menjalankan model tersebut dalam skala besar. Dalam sebuah postingan di platform X (sebelumnya Twitter), Suleyman menjelaskan bahwa kelangkaan daya komputasi inferensi akan menjadi faktor penentu utama kemenangan dan kekalahan di industri AI selama dua hingga tiga tahun ke depan.

Kelangkaan Komputasi Inferensi Jadi Faktor Utama

Selama ini, perhatian industri AI sering terfokus pada pelatihan model-model besar yang mendasar (foundation models). Namun, menurut Suleyman, tantangan terbesar pada tahun 2026 bukanlah pelatihan model, melainkan serving atau menjalankan model tersebut secara real-time untuk jutaan pengguna.

Data dari Deloitte dalam 2026 TMT Predictions menunjukkan bahwa beban kerja inferensi kini menyerap sekitar dua pertiga dari seluruh pengeluaran komputasi AI. Selain itu, waktu tunggu GPU yang dibutuhkan untuk komputasi AI telah melambat hingga satu tahun, dan kapasitas memori berkecepatan tinggi dari pemasok utama telah habis terjual hingga akhir 2026. Dari kapasitas pusat data global sebesar 16 GW yang dijadwalkan pada tahun ini, hanya sekitar 5 GW yang sedang dalam tahap konstruksi, sementara sisanya masih berupa pengumuman tanpa realisasi fisik.

Model Bisnis Margin Tinggi Memiliki Keunggulan Kompetitif

Suleyman menjelaskan bahwa produk dengan margin keuntungan tinggi, seperti alat hukum perusahaan, layanan SaaS di bidang kesehatan, dan Microsoft 365 Copilot, memiliki keunggulan karena mampu menyerap biaya inferensi yang premium. Hal ini memungkinkan mereka mendapatkan latensi lebih rendah, yang pada akhirnya meningkatkan retensi pengguna.

• Latensi rendah membuat pengguna lebih sering kembali menggunakan produk.
• Pengguna yang kembali menghasilkan data alur kerja yang kaya dan unik.
• Data tersebut digunakan untuk menyempurnakan dan meningkatkan model AI.
• Model yang lebih baik mendorong adopsi dan pendapatan yang lebih tinggi.
• Siklus ini berulang dengan kecepatan semakin meningkat.

Suleyman menyebutkan bahwa pendekatan ini merupakan sebuah flywheel atau roda penggerak yang mempercepat kemajuan produk dengan margin tinggi secara signifikan. Sebagai contoh, Microsoft melaporkan bahwa jumlah pelanggan berbayar Copilot mencapai 15 juta pada kuartal kedua tahun fiskal 2026, meningkat 160% dibandingkan tahun sebelumnya, meskipun baru sekitar 3,3% dari total basis pengguna komersial Microsoft 365 yang mencapai 450 juta.

Startup dan Aplikasi Konsumen AI Hadapi Kendala Besar

Sementara itu, aplikasi AI konsumen dan startup dengan modal terbatas menghadapi kendala serius dalam mengakses token inferensi. Tanpa margin yang cukup untuk membeli token inferensi premium, mereka harus rela menerima kecepatan respons yang lebih lambat dan tingkat retensi yang rendah, sehingga siklus flywheel mereka tidak pernah benar-benar berputar.

Beberapa pengamat berpendapat bahwa efisiensi intelijen per dolar dan solusi open-source atau model yang berjalan di perangkat lokal dapat memangkas biaya inferensi secara drastis. Namun, Suleyman tetap yakin dengan strategi Microsoft yang mengucurkan lebih dari $80 miliar per tahun untuk infrastruktur AI, karena menurutnya dalam beberapa tahun ke depan, bisnis yang mampu membayar token inferensi-lah yang akan memenangkan perlombaan kecerdasan AI terlebih dahulu.

Analisis Redaksi

Menurut pandangan redaksi, pernyataan Mustafa Suleyman ini membuka perspektif baru yang lebih realistis dan pragmatis terkait persaingan di industri AI saat ini. Fokus yang selama ini hanya pada pengembangan model AI paling canggih ternyata kurang relevan jika tidak didukung oleh kemampuan menjalankan model tersebut secara masif dan efisien.

Faktor kelangkaan komputasi inferensi dan biaya token akan menjadi penghalang besar bagi banyak startup dan aplikasi AI konsumen yang mengandalkan margin rendah atau model bisnis baru. Hal ini berpotensi memperlebar jurang antara perusahaan raksasa teknologi dengan sumber daya besar dan pemain kecil yang sulit bersaing dalam hal infrastruktur.

Ke depan, pengamat dan pelaku industri harus memperhatikan bagaimana inovasi tidak hanya terjadi pada pengembangan model, tetapi juga pada efisiensi penggunaan sumber daya komputasi dan strategi bisnis yang mampu mempertahankan siklus peningkatan produk melalui data pengguna. Perkembangan ini juga akan berdampak pada bagaimana regulasi, investasi, dan kolaborasi antar perusahaan AI dibentuk.

Untuk pembaca yang ingin mengikuti perkembangan terbaru dari industri AI dan strategi Microsoft, kunjungi laporan lengkapnya di Times of India dan sumber berita teknologi terpercaya lainnya.