Panduan untuk Para Pembenci Gelembung AI

 (wheresyoured.at)
33 poin oleh GN⁺ 2025-07-24 | 5 komentar | Bagikan ke WhatsApp
  • Gelembung AI adalah situasi yang dipenuhi gelembung tanpa keuntungan nyata, dengan struktur yang sangat tidak stabil baik secara ekonomi maupun teknologis
  • NVIDIA dan segelintir big tech menopang pasar, sementara sebagian besar perusahaan AI mencatat kerugian sangat besar
  • Seluruh ekosistem terlalu bergantung pada penjualan GPU, dan pada praktiknya satu-satunya perusahaan yang benar-benar menghasilkan uang adalah NVIDIA
  • Efek AI seperti produktivitas, inovasi, penggantian pekerjaan, dan sebagainya dibesar-besarkan, sementara sebagian besar startup berbasis AI bertahan tanpa model bisnis yang jelas atau transisi menuju laba
  • Modal besar dan media mendorong fantasi tentang AI, padahal kenyataannya dipenuhi fungsi yang repetitif dan terbatas, biaya tinggi, serta masa depan yang tidak pasti

Pendahuluan: Kewaspadaan terhadap “Gelembung AI”

  • Jurnalisme yang sesungguhnya adalah mencatat sejarah, mendiagnosis fakta secara akurat, dan secara jelas menggambarkan situasi saat ini sebagai sesuatu yang patut diperingatkan
  • Penulis memiliki kekhawatiran dan rasa waspada yang mendalam terhadap kondisi industri AI saat ini
  • Kekhawatiran ini bukan lahir dari kelemahan atau pesimisme, melainkan dari skeptisisme yang sehat yang memandang secara kritis gelembung pasar, gelembung modal, dan penipuan diri sendiri
  • Penulis dan para pengkritik lain kerap direndahkan secara berlebihan, serta dituduh ‘menentang demi menentang’ atau ‘memancing klik demi trafik’ hanya karena tidak tunduk pada logika pasar
  • Namun tujuan kritik bukan sekadar mencari perhatian, melainkan untuk mengungkap pembesar-besaran dan kepalsuan dalam industri, pemborosan modal, perusakan lingkungan, serta struktur yang hanya menguntungkan segelintir pihak
  • Sejak 2021, penulis terus mengkritik berbagai gelembung dan manipulasi seperti gelombang anti-kerja jarak jauh, gelembung audio sosial Clubhouse, gelembung NFT, rekayasa Quiet Quitting, dan kasus FTX
  • Ini bukan semata sikap ‘anti-arus’, melainkan berangkat dari cara berpikir kritis dan ketidakpercayaan yang sehat terhadap kekuasaan dan modal
  • Jika melihat situasi belakangan ini, gelembung AI adalah struktur yang amat rapuh yang dibangun semata di atas ekspektasi pasar, vibes, dan keyakinan buta
  • Meski gelembung itu jelas ada, pasar masih menyangkalnya atau keliru mengira bahwa ia jauh lebih kuat dan kokoh daripada kenyataannya
  • Penulis menyebut dirinya seorang ‘hater’, dan secara terbuka menyatakan kebenciannya terhadap pemborosan dan kerugian, perusakan lingkungan, pemasaran palsu, serta ilusi penggantian pekerjaan
  • Tulisan ini bukan panduan dalam arti tradisional, melainkan materi yang merangkum secara padat masalah mendasar dari gelembung AI dan dasar-dasar kritik terhadapnya
  • Penulis muak dengan ilusi industri AI, konsep ‘agent’ yang tidak berjalan, perangkat lunak cloud mahal yang tidak berguna, serta klaim berlebihan bahwa ‘masa depan sudah datang’
  • Menurut penulis, ledakan generative AI hanyalah fatamorgana yang tidak memiliki pendapatan, hasil, maupun kegunaan
  • Saat semua situasi ini runtuh, penulis berharap orang-orang ingat bahwa ia sudah memperingatkannya sejak awal

Titik Lemah The Magnificent 7: NVIDIA

  • Per Juli 2025, saham NVIDIA rebound tajam ke 170 dolar, tetapi pada Januari tahun ini sempat turun di bawah 100 dolar akibat insiden DeepSeek, menunjukkan bahwa harga sahamnya bereaksi sangat ekstrem terhadap peristiwa-peristiwa utama pasar
  • Magnificent 7 (mewakili 35% pasar saham AS): NVIDIA, Microsoft, Alphabet(Google), Apple, Meta, Tesla, Amazon
    • Di antaranya, kapitalisasi pasar NVIDIA mencakup 19% dari Magnificent 7
    • Karena banyak produk pensiun dan investasi warga AS terhubung dengan kelompok big tech ini, pecahnya gelembung AI dapat berdampak pada ekonomi riil
  • Ketergantungan pada pendapatan utama NVIDIA sangat serius
    • Microsoft(18.9%), Amazon(7.5%), Meta(9.3%), Alphabet(5.6%), dan Tesla(0.9%) menyumbang 42.4% dari total pendapatan NVIDIA
    • Meta menggunakan 25% belanja modalnya untuk membeli chip NVIDIA, sementara Microsoft mengalokasikan 47%
    • Microsoft menyewa server dari CoreWeave, dan perusahaan cloud baru seperti CoreWeave dan Crusoe juga menyumbang 10% dari pendapatan NVIDIA
  • Laju pertumbuhan kinerja kuartalan NVIDIA
    • Pertumbuhan tahunan: 101%, 94%, 78%, 69% (4 kuartal terakhir)
    • Pertumbuhan kuartalan melambat tajam dari 69%→59%→12%→12%
    • Pendapatan data center (terutama GPU server) sebesar 39,1 miliar dolar, di bawah ekspektasi pasar (39,4 miliar dolar)
    • Bersamaan dengan isu pasar China (seperti larangan H20), batas pertumbuhan pendapatan semakin terlihat
  • Risiko NVIDIA
    • Untuk mempertahankan pertumbuhan, penjualan GPU harus terus naik setiap kuartal
    • Sebanyak 88% pendapatannya berasal dari GPU data center (yakni trade AI), sehingga jika pembelian beruntun dari 5–6 perusahaan big tech terputus, seluruh pasar bisa terguncang
    • Pada praktiknya, 35% pasar saham AS ditopang oleh pembelian GPU dari 5–6 perusahaan
    • 47.87% laba Russell 1000 dihasilkan oleh Magnificent 7 (per 2024)
  • Kesimpulannya, jika pertumbuhan NVIDIA melambat atau pendapatannya terpukul, guncangan itu dapat menular langsung ke seluruh Magnificent 7, dan lebih jauh lagi ke pasar saham AS serta pasar dana pensiun

The Hollow "AI Trade" (Trade AI yang Hampa)

  • Berbeda dari persepsi umum pasar bahwa “AI menghasilkan uang”, nyaris tidak ada perusahaan selain NVIDIA yang benar-benar meraih laba dari generative AI

Magnificent 7 telah menggelontorkan 560 miliar dolar dalam belanja modal AI (Capex) selama dua tahun 2024–2025, tetapi pendapatan terkait AI yang dihasilkan hanya sekitar 35 miliar dolar

  • Jika Meta, Amazon, Microsoft, Google, dan Tesla berjalan sesuai rencana, investasi 560 miliar dolar itu hanya akan menghasilkan pendapatan 35 miliar dolar
  • Pada kenyataannya, sebagian besar perusahaan hanya punya ‘pendapatan’, tanpa laba (Profit) sama sekali
  • Struktur pasar seperti ini adalah pemborosan modal yang sangat tidak rasional dan berbahaya

Microsoft AI Revenue In 2025: 13 miliar dolar, di mana 10 miliar dolar di antaranya dibelanjakan OpenAI ke Azure dengan 'tarif diskon yang hanya nyaris menutup biaya operasional server'

  • 2025 Capital Expenditure (Capex): 80 miliar dolar

  • Per Januari 2025, Microsoft mengumumkan pendapatan tahunan terkait AI sebesar 13 miliar dolar, tetapi 10 miliar dolar di antaranya (sekitar 77%) berasal dari penggunaan Microsoft Azure oleh OpenAI
  • Jumlah yang dibayar OpenAI adalah 'tarif diskon besar-besaran yang hanya cukup menutup biaya operasional server Microsoft', sehingga hampir tidak menyisakan laba nyata
  • Pendapatan AI Microsoft yang 'sebenarnya' hanya sekitar 3 miliar dolar, dan itu hanya setara 3.75% dari belanja modal 2025
  • Pada 2024 pun, dari pendapatan AI sebesar 4,7 miliar dolar, 2 miliar dolar berasal dari OpenAI. Selama dua tahun perusahaan menginvestasikan 135,7 miliar dolar ke infrastruktur AI, tetapi dari total pendapatan AI 17,7 miliar dolar, sebanyak 12,7 miliar dolar merupakan transaksi internal
  • Pada akhirnya, bisnis AI Microsoft hanya tampak besar dari luar, sementara laba nyatanya sangat kecil dan sebagian besar berasal dari transaksi internal dengan OpenAI

Amazon AI Revenue In 2025: 5 miliar dolar

  • 2025 Capital Expenditure (Capex): 105 miliar dolar

  • Pada 2025, perkiraan pendapatan terkait AI Amazon adalah 5 miliar dolar, tingkat yang sangat kecil dibandingkan belanja modal raksasa sebesar 105 miliar dolar
  • Pada 2024 juga, belanja modalnya mencapai 83 miliar dolar, tetapi pendapatan AI aktual hanya 2,77 miliar dolar
  • Analis memperkirakan pendapatan AI Amazon bisa naik 80%, tetapi struktur imbal hasil terhadap investasinya sangat tidak efisien
  • CEO Amazon Andy Jassy menekankan bahwa “AI adalah peluang bisnis terbesar sejak cloud dan perubahan teknologi terbesar sejak internet”, tetapi data nyata tidak mampu mendukung klaim tersebut
  • Terlepas dari suntikan modal berskala besar, batasan struktural bahwa Amazon belum mampu menghasilkan laba yang berarti dari AI mulai terlihat

Pendapatan AI Google: maksimal 7,7 miliar dolar

  • Belanja modal (Capex) 2025: 75 miliar dolar

  • Pada 2025, estimasi pendapatan maksimum Google yang terkait AI hanya sekitar 7,7 miliar dolar, dan estimasi analis Bank of America ini pun cenderung cukup dermawan
  • Dari jumlah itu, 4,2 miliar dolar berasal dari pendapatan langganan AI di Google Cloud, dan 3,1 miliar dolar berasal dari paket AI premium Google One
    Sisa 1,1 miliar dolar adalah pendapatan yang dihasilkan dari kenaikan harga setelah fitur Gemini AI dipaksakan masuk ke layanan Workspace
  • Paket AI premium Google One hanya bisa menghasilkan pendapatan 3,1 miliar dolar jika diasumsikan memiliki sekitar 12,9 juta pelanggan berbayar, tetapi estimasi ini kurang memiliki dasar yang realistis
  • Pendapatan Workspace juga memunculkan pertanyaan atas keberlanjutan pertumbuhannya karena bergantung pada efek kenaikan harga paksa untuk pengguna bisnis
  • Dibandingkan total belanja modal terkait AI sebesar 75 miliar dolar, pendapatan AI yang sebenarnya (bukan laba) berada pada tingkat yang sangat minim

Pendapatan AI Meta: 2~3 miliar dolar

  • Belanja modal (Capex) 2025: 72 miliar dolar

  • Pada 2025, pendapatan AI Meta berada di kisaran 2~3 miliar dolar, tingkat yang sangat kecil dibandingkan investasi fasilitas AI sebesar 72 miliar dolar
  • Meta telah mengintegrasikan paksa fitur AI generatif (LLM, pembuatan gambar, dll.) ke semua layanan utamanya seperti Instagram DM, tetapi gagal mencapai monetisasi yang nyata dari sana
  • Menurut dokumen yang terungkap dalam gugatan hak cipta, Meta mengklaim pendapatan AI sebesar 460 miliar~1,4 triliun dolar hingga 2035, namun ini tidak lebih dari penggelembungan yang tidak realistis
  • 99% dari total pendapatan bergantung pada iklan, dan pendapatan lisensi model Llama mungkin juga berasal dari sebagian mitra cloud (AWS, NVIDIA, Google, dll.), tetapi kinerja spesifiknya tidak diungkapkan
  • Pada akhirnya, divisi AI Meta tidak menghasilkan laba sebanding dengan investasinya yang masif, dan hanya memperdalam pembakaran kas besar-besaran serta inefisiensi

Tesla Tampaknya Tidak Menghasilkan Uang dari AI Generatif

  • Belanja modal (Capex) 2025: 11 miliar dolar

  • Tesla memang termasuk Magnificent 7, tetapi merupakan perusahaan yang paling jauh dari perdagangan AI generatif
  • Elon Musk memang terjun ke bidang AI melalui xAI (pengembang Grok, salah satu LLM yang menonjol, serta pemilik Twitter), tetapi xAI membakar kas 1 miliar dolar per bulan dan hanya mencatat pendapatan tahunan 100 juta dolar (8,3 juta dolar per bulan), angka yang amat minim
  • Pendapatan langsung Tesla yang terkait AI pada dasarnya nyaris tidak ada, dan apakah Tesla akan berinvestasi di xAI akan diputuskan melalui pemungutan suara pemegang saham, meski ini sangat kental dengan tujuan leverage pribadi Musk
  • Jika modal Tesla dialokasikan ke bisnis AI seperti xAI, peluang menghasilkan pendapatan nyata diperkirakan rendah, sementara risiko memburuknya pendapatan dan merek bisnis inti Tesla justru meningkat
  • Kesimpulannya, Tesla bukan penerima manfaat langsung dari demam AI generatif, dan juga berada dalam situasi yang membuat keuntungan nyata dari investasi AI sulit diharapkan

Kisah AI Apple Itu Aneh

  • Belanja modal (Capex) 2025: sekitar 11 miliar dolar

  • Apple dinilai sebagai perusahaan yang paling pasif dalam mengadopsi AI generatif dan tertinggal dari tren AI
  • Setelah peluncuran fitur Apple Intelligence, jutaan pengguna justru menjadi antipati terhadap AI, karena sebagian besar fitur AI tersebut (ringkasan dokumen, penulisan email, emoji kustom, dll.) adalah fitur yang sebenarnya tidak mereka inginkan
  • Di pasar, Apple dinilai tertinggal dalam persaingan AI, dan hasil dari penerapan AI generatif secara dipaksakan hanya menambah keluhan pengguna
  • Meski demikian, Apple tidak melakukan investasi astronomis pada infrastruktur AI, dan belanja modal terkait AI berada di kisaran 11 miliar dolar, relatif sangat kecil
  • Dari sudut pandang bahwa Apple tidak mempertaruhkan modal raksasa pada produk AI yang punya pasar terbatas dan tidak menguntungkan, pendekatan Apple justru bisa dilihat sebagai konservatif dan hati-hati

Fragile Five — Amazon, Google, Microsoft, Meta, dan Tesla — Menopang Pasar Saham AS dengan Membiayai Kisah Pertumbuhan Masa Depan NVIDIA

  • Apa yang disebut sebagai ‘Fragile Five’ — Amazon, Google, Microsoft, Meta, Tesla — adalah struktur yang menopang pasar saham AS melalui pembelian GPU NVIDIA
  • Nilai perusahaan NVIDIA mencapai sekitar 8% dari seluruh pasar saham AS dan sekitar 7,5% dari S&P 500, dengan 88% pendapatannya berasal dari GPU enterprise untuk AI generatif, dan 42% di antaranya bergantung pada pembelian lima perusahaan tersebut
  • Jika bahkan hanya satu dari mereka mengubah investasinya pada chip NVIDIA, dampak negatif yang langsung dan signifikan terhadap seluruh pasar AS bisa terjadi
  • Dalam situasi di mana kinerja NVIDIA dianggap setara dengan tingkat kepercayaan pasar, pada kenyataannya layanan AI yang mereka bangun justru merugi besar, dan hampir tidak berkontribusi pada penciptaan pendapatan maupun laba yang nyata
  • Masing-masing perusahaan berbicara tentang ‘pertumbuhan karena AI’ atau ‘penggantian pekerjaan oleh AI’, tetapi itu hanyalah gestur untuk menghindari pengungkapan pendapatan yang sebenarnya
  • Jika memang ada pertumbuhan nyata atau peningkatan pendapatan, mereka pasti sudah mengumumkannya secara besar-besaran ke seluruh pasar, namun yang terus dilakukan justru hanya menggelontorkan biaya sangat besar
  • Pada akhirnya, esensi ledakan AI bukanlah laba bisnis yang nyata, melainkan sekadar sirkulasi modal di sekitar pembelian GPU NVIDIA

Ed! Amazon Web Services Butuh Bertahun-tahun untuk Menjadi Menguntungkan! Orang-orang Bilang Amazon Akan Gagal!

  • Banyak orang terus mengulang logika bahwa “Amazon juga merugi untuk sementara waktu, jadi AI pun bisa berbalik untung seiring waktu”, tetapi pada kenyataannya Amazon Web Services (AWS) dan industri AI generatif pada dasarnya berbeda
  • Dalam artikel Barron's Amazon.bomb pada 1999, memang ada pandangan skeptis tentang struktur kerugian Amazon, persaingan yang makin ketat, dan kemungkinan ‘suatu hari nanti bisa berbalik untung’, tetapi
    bahkan pada saat itu sekalipun, permintaan pasar terhadap model bisnis Amazon (perdagangan online) sendiri tidak disangkal
  • AWS juga sempat merugi di sekitar masa peluncurannya pada 2006, tetapi ada permintaan nyata dari pasar yang sudah jelas ada sebelumnya (layanan web, pertumbuhan trafik online), dan setelah tumbuh AWS berhasil cepat berbalik untung
  • Tidak seperti AWS, industri AI generatif hingga kini belum pernah membuktikan model bisnis yang pasti menguntungkan atau permintaan massal yang jelas
  • Hanya karena skeptisisme terhadap Amazon di masa lalu terbukti salah, menjadi optimistis bahwa kritik terhadap industri AI saat ini juga akan berujung pada ‘suatu hari nanti akan untung’ adalah perbandingan keliru yang mengabaikan perbedaan konteks yang mendasar

Namun Mari Kita Bahas Amazon Web Services

  • Amazon Web Services (AWS) pada dasarnya adalah bisnis turunan yang lahir dari proses Amazon.com memperluas sendiri lonjakan trafik web dan infrastruktur operasional layanannya yang kompleks
  • Saat itu adalah era awal internet (sebelum kemunculan Facebook dan Twitter), dan AWS menciptakan pasar baru dengan menjadi yang pertama menyediakan inovasi infrastruktur yang nyata seperti komputasi cloud, penyewaan server, dan storage
  • Dalam artikel Bloomberg tahun 2006 pun, ini dinilai sebagai ‘taruhan berbahaya’ Bezos, dan menghadapi skeptisisme kuat dari Wall Street dan para investor
  • Namun bahkan saat itu, infrastruktur hardware/software sudah dibangun, dan pandangan jangka panjang manajemen bahwa setelah beberapa tahun investasi awal berskala besar berakhir, hasil bisnis akan mulai terlihat secara serius sudah jelas
  • Saat itu analis Scott W. Devitt menilai pesimistis bahwa “tidak akan ada keuntungan ekonomi selama bertahun-tahun”,
    tetapi pada kenyataannya AWS berhasil berbalik untung dengan cepat dengan menyerap permintaan pasar yang sudah ada dan jelas (layanan infrastruktur TI untuk perusahaan dan developer)
  • Dalam ledakan AI saat ini juga, banyak analis optimistis bahwa AI generatif akan menjadi industri yang menguntungkan seperti AWS,
    tetapi kenyataannya perusahaan TI besar seperti Salesforce dan Palantir juga secara resmi menyatakan bahwa belum ada sinyal perbaikan keuntungan di divisi AI
  • Perbedaan yang jelas adalah, dalam kasus AWS pertumbuhan didasarkan pada pasar dan kebutuhan yang nyata, sedangkan layanan AI generatif hanya dipenuhi ekspektasi berlebihan dan belum membuktikan adanya permintaan nyata maupun model keuntungan yang solid
  • Ini menekankan bahwa para analis pun bisa salah besar, dan berbahaya mengharapkan keberhasilan bisnis AI hanya berdasarkan optimisme pasar

Tapi Amazon Web Services Butuh Uang, Ed, dan Kini Kau Akan Menemui Akhirmu!

  • AWS juga tumbuh sambil menanggung kerugian jangka panjang dan beban belanja modal (Capex) yang sangat besar,
    dan bahkan hingga tepat sebelum berbalik untung pada 2015, banyak analis (misalnya Katy Huberty)
    memberi penilaian pesimistis bahwa “AWS masih mengalami kerugian besar” dan “kontribusinya terhadap pendapatan rendah”
  • Pada 2014, sebagian besar dari total belanja modal Amazon sebesar $4,9 miliar dialokasikan ke AWS,
    dan pada akhirnya dengan investasi kumulatif $67,6 miliar selama 10 tahun, AWS
    tumbuh menjadi bisnis infrastruktur raksasa yang menghasilkan laba miliaran dolar per kuartal
  • Sebagai catatan, $67,6 miliar bahkan lebih kecil daripada belanja modal AI Amazon pada 2024 ($83 miliar),
    dan hanya setara 1/15 dari total belanja modal AI Amazon pada 2025
  • Artinya, bahkan biaya yang masuk ke pertumbuhan AWS hanyalah sebagian sangat kecil dari modal yang saat ini digelontorkan dalam ledakan AI
  • Sebaliknya, industri AI generatif sudah menggelontorkan modal puluhan hingga ratusan miliar dolar dalam waktu singkat, tetapi secara nyata belum mampu membuktikan baik profitabilitas maupun kelayakan pasar
  • Singkatnya, AWS di masa lalu dan AI generatif memiliki perbedaan mendasar dalam modal yang ditanamkan, kelayakan pasar, dan kejelasan pertumbuhan
  • Skala dan kecepatan investasi AI saat ini tidak bisa dibandingkan dengan era AWS dulu

Generative AI and Large Language Models Do Not Resemble Amazon Web Services or The Greater Cloud Compute Boom, As Generative AI Is Not Infrastructure

  • Banyak orang membandingkan AI generatif dan large language model (LLM) dengan bisnis infrastruktur cloud seperti AWS, Azure, dan Google Cloud, tetapi sebenarnya kedua bisnis ini pada dasarnya sama sekali berbeda
  • Layanan cloud seperti AWS secara fleksibel menyediakan infrastruktur TI yang nyata seperti EC2 (sewa komputasi) dan S3 (sewa storage), serta sudah mencatat pendapatan puluhan hingga ratusan miliar dolar di pasar enterprise
    Ini adalah bisnis fondasi dengan permintaan yang jelas dan utilitas tinggi bagi perusahaan maupun developer
  • Hakikat infrastruktur cloud adalah memungkinkan layanan dijalankan dengan murah dan stabil dari mana saja di dunia, karena menghilangkan kebutuhan pelanggan untuk membangun dan mengoperasikan infrastruktur sendiri
  • Pertumbuhan AWS terjadi karena secara efektif menyelesaikan masalah dan permintaan yang sudah ada, seperti belanja online dan peningkatan trafik layanan web
    • Artinya, kebutuhan bisnis dan permintaan pasar yang jelas sudah lebih dulu ada
  • Sebaliknya, bisnis AI generatif/LLM, selain menelan biaya data center dan GPU yang berlebihan, kekurangan keragaman dan sifat general-purpose sebagai infrastruktur, serta tidak memiliki permintaan pasar yang jelas
    • Bahkan startup AI pada kenyataannya kebanyakan tetap harus menumpang di atas infrastruktur ‘nyata’ seperti AWS atau Azure
  • Kesimpulannya, AI generatif hanyalah satu fitur dari infrastruktur cloud,
    dan tidak pernah terbukti sebagai infrastruktur general-purpose yang bisa menjadi fondasi beragam industri dan produk seperti cloud
    Menyamakan ledakan AI dengan inovasi infrastruktur adalah kesalahan logis

Companies Built On Top Of Large Language Models Don't Make Much Money (In Fact, They're Likely All Deeply Unprofitable)

  • Perusahaan berbasis AI generatif (LLM) hampir semuanya merugi. Sebagai pengecualian, Midjourney mengklaim untung pada 2022, tetapi kini statusnya tidak pasti
  • Selain OpenAI, Anthropic, dan Cursor (Anysphere), tidak ada perusahaan dengan pendapatan tahunan di atas $500 juta
  • Hanya segelintir seperti Midjourney, Ironclad, dan Perplexity yang berada di kisaran pendapatan tahunan $100 juta hingga $200 juta, dan hanya ada 12 perusahaan AI generatif di seluruh dunia yang pendapatannya melebihi $100 juta
  • Di antaranya, sebagian sudah diakuisisi, dan 7 perusahaan masih berada di level pendapatan tahunan di atas $50 juta
  • Dibandingkan pasar SaaS/software enterprise, skala pendapatan ini sangat kecil (misalnya Hubspot dengan pendapatan tahunan $2,6 miliar)
  • Tiga tahun telah berlalu, tetapi bahkan perusahaan terdepan seperti OpenAI dan Anthropic masih merugi miliaran dolar, dan perusahaan yang tumbuh pun kurang memiliki popularitas massal maupun profitabilitas
  • Bahkan Cursor, contoh utamanya, menghasilkan pendapatan $500 juta tetapi menunjukkan model bisnis yang tidak berkelanjutan karena kebijakan harga yang berlebihan dan pembatasan layanan

Cursor's $500 Million "Annualized Revenue" Was Earned With A Product It No Longer Offers, And Anthropic/OpenAI Just Raised Their Prices, Increasing Cursor’s Costs Dramatically

  • Pendapatan tahunan tersetahunkan Cursor sebesar $500 juta sebenarnya berasal dari layanan yang sudah tidak lagi dijual dan memang tidak berkelanjutan
  • Pada Juni 2025, Anthropic dan OpenAI menaikkan harga API serta memperkenalkan struktur seperti tier layanan dan prioritas pemrosesan, sehingga biaya operasional Cursor melonjak
  • Akibatnya, Cursor berturut-turut menerapkan kebijakan yang merugikan pengguna seperti paket langganan, pembatasan penggunaan, dan pembatasan kecepatan
  • Di balik pertumbuhan pendapatan Cursor yang tajam terdapat kebijakan harga agresif yang sama sekali tidak menguntungkan dan syarat penggunaan model tertentu, dan kini itu tak lagi bisa dipertahankan sehingga kualitas dan syarat layanan memburuk
  • Pada kenyataannya, sebagian besar dana investasi yang dihimpun Cursor dibayarkan kepada penyedia LLM seperti OpenAI dan Anthropic
  • Dalam lingkungan seperti ini, sulit bagi startup AI mana pun untuk membangun model bisnis yang langgeng, dan kasus pertumbuhan pesat Cursor pada akhirnya terbukti sebagai ‘pertumbuhan palsu’

> Tidak, Serius, Di Mana Startup AI Konsumen?

  • Startup AI konsumen yang representatif, Perplexity, hanya memiliki pendapatan tahunan tersetahunkan sebesar $150 juta,
    dan pada 2024 membayar biaya kepada Anthropic, OpenAI, dan Amazon sebesar 167% dari pendapatannya sehingga mencatat kerugian $68 juta
  • Dalam praktiknya, hampir tidak ada contoh layanan AI generatif untuk konsumen yang benar-benar berhasil dimonetisasi
  • Sebagian besar layanan AI baru hanya mengulang fitur SaaS yang sudah ada seperti pencarian, otomasi, dan chatbot, sehingga gagal menciptakan inovasi nyata maupun ‘pasar baru’

The Generative AI Software As A Service Market Is Small, With Little Room For Growth And No Profits To Be Seen

  • Pasar SaaS AI generatif secara keseluruhan sangat kecil, dan tidak ada perusahaan dengan pertumbuhan tinggi sekaligus profitabilitas
  • Industri ini menekankan ‘pendapatan tahunan tersetahunkan (Annualized Revenue)’ alih-alih pendapatan riil, padahal metrik ini punya keterbatasan untuk menilai pertumbuhan dan keberlanjutan nyata ketika pendapatan bulanan rendah atau churn pelanggan tinggi
  • Jika dikonversi berdasarkan pendapatan bulanan, sebagian besar perusahaan bahkan berada di bawah 10 juta dolar AS, dan bahkan dibandingkan dengan pendapatan bulanan AWS pada 2008 (15,75 juta dolar AS), laju pertumbuhannya pun sangat tertinggal
  • Selain Cursor, tidak ada perusahaan SaaS yang benar-benar menonjol, dan bahkan perusahaan yang membanggakan diri sebagai yang “bertumbuh paling cepat” pun menggunakan kebijakan harga yang tidak transparan dan metrik pertumbuhan yang menyesatkan
  • Bahkan Glean, SaaS pencarian AI yang representatif, setelah penggalangan dana berturut-turut pada 2024~2025 dan pengumuman “mencapai ARR 100M”, mengalami stagnasi pendapatan bulanan dan pertumbuhan riil, serta kenaikan harga mendadak, sehingga tidak menunjukkan baik kelayakan pasar maupun pertumbuhan tinggi yang sesungguhnya
  • Secara keseluruhan, pasar SaaS AI generatif itu sempit, hampir tidak punya ruang untuk tumbuh, dan belum ada satu pun perusahaan yang berhasil beralih ke laba

There Are No Unique Generative AI Companies — And Building A Moat Based On Technology Is Near-Impossible

  • Hampir semua perusahaan AI generatif menawarkan fungsi yang sama (chatbot, pencarian/ringkasan, pembuatan teks/gambar, terjemahan, bantuan coding, dan sebagainya), sehingga diferensiasi teknis menjadi sangat sulit
  • Pada akhirnya, sebagian besar perusahaan bergantung pada API LLM yang sama (OpenAI, Anthropic, dan lain-lain), dan kekayaan intelektual (IP) inti pun pada dasarnya dimiliki oleh penyedia LLM
  • Bahkan contoh yang tumbuh seperti Cursor pun tidak punya pembeda nyata selain UI, prompt, dan kebijakan harga, sementara pesaingnya (Amazon, ByteDance, dan lain-lain) juga bisa dengan mudah meluncurkan produk serupa
  • Desain dan operasional layanan tidak bisa menjadi penghalang masuk teknis (moat), dan jika penyedia model menginginkannya, mereka bisa membuat layanan kloning kapan saja
  • Akibatnya, tidak ada startup AI generatif yang benar-benar orisinal, maupun contoh yang sukses membangun ‘moat’ yang nyata

Established Large Language Models Are A Crutch

  • Dalam gelombang teknologi di masa lalu, tiap perusahaan mengembangkan model dan infrastrukturnya sendiri, tetapi di era AI generatif, hampir semua startup justru bergantung pada segelintir LLM besar (OpenAI, Anthropic, dan lain-lain)
  • Pada akhirnya pasar berubah menjadi struktur yang berpusat pada dua atau tiga perusahaan, sementara sisanya hanya menambahkan perangkat lunak fungsional layaknya subkontraktor

OpenAI And Anthropic Are Their Customers' Weak Point

  • Penyedia LLM seperti OpenAI dan Anthropic dapat mengubah harga dan syarat layanan secara sepihak kapan saja, dan seperti kasus pemblokiran Windsurf, mereka secara langsung mengancam bisnis pelanggan
  • Perusahaan pelanggan sepenuhnya bergantung pada perubahan kebijakan dari penyedia LLM

The Limited Use Cases Are Because Large Language Models Are All Really Similar

  • Semua large language model memakai data dan arsitektur yang nyaris sama (Transformer, dan sebagainya), sehingga pada akhirnya diferensiasi fungsional dan keragaman use case juga sangat terbatas

Generative AI Is Simply Too Expensive To Build A Sustainable Business On Top Of It

  • Struktur biayanya, seperti biaya operasional dan biaya API, terlalu besar dan sulit diprediksi
  • OpenAI, Anthropic, Perplexity, dan lainnya sama-sama menanggung beban biaya pemeliharaan yang sangat berat dibandingkan pendapatan, sehingga model bisnis yang berkelanjutan nyaris mustahil

Companies Are Using The Term "Agent" To Deceive Customers and Investors

  • Istilah ‘AI agent’ pada praktiknya lebih mirip penipuan pemasaran yang membungkus chatbot tidak otonom atau alur otomatisasi agar terdengar meyakinkan
  • Contoh representatifnya, Agentforce milik Salesforce, ChatGPT Agent milik OpenAI, Glean, ServiceNow, dan lainnya memakai nama ‘AI agent’ padahal yang disediakan hanyalah chatbot sederhana atau fungsi otomasi berbasis IF-THEN
  • Dalam kenyataannya, tingkat keberhasilan tugas satu langkah hanya 58%, dan tugas multi-langkah hanya 35%, sehingga sama sekali bukan agent sungguhan yang bisa ‘menggantikan manusia’
  • Bahkan coding agent pun pada praktiknya tetap bergantung pada pengawasan manusia untuk eksekusi, penanganan error, dan kontrol kualitas
    • Hasil riset nyata menunjukkan bahwa alat coding AI justru menurunkan produktivitas developer sebesar 19%
  • Istilah ‘AI agent’ itu sendiri hanyalah retorika simbolik yang dilebih-lebihkan untuk menyesatkan pelanggan dan investor, sementara media juga terus mengulanginya tanpa kritik

But Really Though, Everybody Is Losing Money On Generative AI, And Nobody's Making A Profit

  • Menurut laporan UBS, pendapatan terkait AI dari perusahaan publik yang benar-benar mengoperasikan layanan AI ternyata sangat kecil
  • Sebagai contoh, annual contract value (ACV) terkait AI milik ServiceNow hanya sebesar 250 juta dolar AS, dan bahkan itu pun tidak jelas apakah benar-benar merupakan pendapatan murni dari ‘AI saja’
  • Gartner memperkirakan bahwa hingga 2027, lebih dari 40% proyek ‘AI agent’ akan dihentikan di tengah jalan
  • Adobe, Salesforce, dan lainnya juga banyak mempromosikan AI generatif, tetapi pendapatan tahunan tersetahunkan mereka hanya di kisaran 100 juta dolar AS, sehingga jika memperhitungkan biaya, laba riilnya nyaris tidak ada atau mendekati rugi
  • Skala pendapatan seperti ini terlalu kecil untuk memimpin industri masa depan, dan tidak menunjukkan profitabilitas maupun kelayakan pasar yang nyata

OpenAI and Anthropic Are The Generative AI Industry, Are Deeply Unstable and Unsustainable, and Are Critical To The AI Trade Continuing

  • OpenAI dan Anthropic menyumbang lebih dari separuh pendapatan industri AI generatif, tetapi keduanya memiliki struktur yang sangat tidak stabil karena merugi miliaran dolar AS setiap tahun
  • OpenAI sedang menghimpun 40 miliar dolar AS dari SoftBank dan pihak lain, dan dari jumlah itu, 30 miliar dolar AS masih belum pasti didapatkan
    • Sebagian besar dana investasi itu direncanakan akan dimasukkan ke data center (misalnya Stargate), tetapi kemungkinan pendanaan riilnya pun tidak pasti
    • Jika gagal beralih menjadi perusahaan profit sebelum 2025, maka akan kehilangan 20 miliar dolar AS dari total 40 miliar dolar AS, dan jika belum beralih hingga Oktober 2026, seluruh investasi akan berubah menjadi utang
    • Negosiasi dengan investor utama seperti Microsoft juga sedang mengalami kebuntuan
  • Anthropic juga mencatat pendapatan tahunan 4 miliar dolar AS dengan kerugian 3 miliar dolar AS, sambil berulang kali menaikkan harga dan membatasi layanan kepada pelanggan utama seperti Cursor
    • Struktur bisnisnya tidak stabil, tanpa profitabilitas maupun keberlanjutan
  • Kedua perusahaan ini menyumbang lebih dari 50% dari seluruh pendapatan AI generatif, tetapi pada kenyataannya seluruh ekosistem bergantung penuh pada struktur defisit tanpa keuntungan
  • Tanpa dukungan pendanaan eksternal dan ekspansi infrastruktur yang berkelanjutan, keberlangsungan industrinya sendiri menjadi tidak jelas—sebuah ‘industri berisiko’

There Is No Real AI Adoption, Nor Is There Any Significant Revenue

  • Hampir tidak ada adopsi massal yang nyata maupun pendapatan yang berarti dari layanan AI generatif
  • ChatGPT mengedepankan angka 500 juta pengguna mingguan, tetapi pelanggan berbayar yang sebenarnya hanya 15,5 juta, dan sebagian besar dari mereka pun memakai layanan itu secara sesekali atau untuk belajar, tugas, dan penggunaan non-bisnis lainnya
  • Google Gemini dan lainnya juga menggabungkan perhitungan dengan Google Assistant dan layanan lain untuk membesar-besarkan jumlah pengguna aktif, sehingga penetrasi pasar yang sesungguhnya jauh lebih rendah
  • Meski selama tiga tahun industri, media, dan pasar investasi telah memimpin demam AI, pendapatan, jumlah pelanggan, dan ekosistemnya tetap jauh tertinggal dibanding SaaS lama
  • Selain ChatGPT, praktis tidak ada layanan AI generatif yang berhasil memperoleh pendapatan atau pengguna yang benar-benar berarti di pasar

Yes, Generative AI "Does Something," But AI Is Predominantly Marketed Based On Lies

  • Memang benar AI generatif menyediakan tingkat fungsi tertentu (coding, pencarian, dll.), tetapi semua perusahaan terkait masih merugi, sehingga
    dalam situasi di mana tidak ada satu pun perusahaan yang mencetak laba, ini tidak bisa dianggap sebagai industri yang nyata
  • Istilah seperti ‘agent’, ‘AGI’, ‘singularity’ disalahgunakan untuk membesar-besarkan seolah LLM mewujudkan inovasi yang otonom dan cerdas
  • Klaim bahwa AI menggantikan pekerjaan manusia juga tidak lebih dari pembesar-besaran/distorsi yang disengaja untuk menaikkan valuasi perusahaan dan harga saham
  • Kenyataannya, sebagian besar media dan promosi perusahaan membesar-besarkan kemampuan AI melebihi kenyataan sehingga menyesatkan investor dan publik
  • Perilaku model seperti berbohong atau menipu pun sebenarnya hasil yang dipicu oleh prompt yang disengaja, tetapi media memanfaatkannya untuk membesar-besarkan otonomi dan bahayanya
  • Secara keseluruhan, pasar AI generatif lebih merupakan ilusi yang mengemas industri dengan pendapatan nyata senilai 50 miliar dolar menjadi industri masa depan kelas 1 triliun dolar, dan media juga ikut berperan dalam membentuk gelembung ini

The AI Trade Is Entirely About GPUs, And Is Incredibly Brittle As A Result

  • Perdagangan saham terkait AI berlangsung tanpa kaitan dengan keuntungan, pertumbuhan pengguna, atau inovasi teknologi
  • Harga saham perusahaan naik bukan karena mereka menghasilkan uang dari AI, melainkan bergerak karena citra dan suasana yang terkait dengan AI
  • OpenAI dan perusahaan-perusahaan yang dibangun di atasnya sangat rapuh secara bisnis; biaya operasional model bahasa besar terlalu tinggi, dan pada dasarnya juga sulit menciptakan inovasi yang benar-benar terdiferensiasi
  • Saat ini seluruh industri AI bergantung sepenuhnya pada penjualan GPU
  • CoreWeave, Oracle, Meta, dan lainnya membeli GPU dalam jumlah besar dari NVIDIA, dan Microsoft juga mengoperasikan infrastruktur Azure berskala besar berbasis GPU NVIDIA untuk mendukung OpenAI
  • Microsoft, Meta, Google, Apple, Amazon, dan Tesla semuanya belum menghasilkan keuntungan nyata dari AI, dan pertumbuhan saham mereka juga terjadi berkat citra yang terkait dengan AI
  • Pada akhirnya semua arus ini bergantung pada kemampuan NVIDIA menjual GPU, sementara produk AI itu sendiri pada kenyataannya tidak mampu memberikan nilai bisnis yang berarti. Bahkan ketika sebagian produk diadopsi, kebanyakan tetap dioperasikan sambil menanggung kerugian besar

I'm Alarmed!

  • Industri AI saat ini jelas berada dalam kondisi gelembung
  • Ada analisis yang menyebut overvaluasi 10 perusahaan teratas di S&P 500 saat ini lebih parah daripada gelembung IT pada 1990-an
  • AI generatif hampir tidak berkontribusi pada kinerja bisnis nyata, perolehan pengguna, otomasi tenaga kerja, maupun penciptaan nilai yang substansial. Sebagian besar perusahaan tidak menghasilkan laba dan justru mengalami kerugian besar
  • Gelembung kali ini bukan sekadar persoalan modal finansial, tetapi struktur simbolik yang hanya bergantung pada penjualan GPU yang berkelanjutan. Dalam praktiknya, ruang dan modal untuk mengisi data center dengan GPU juga terbatas
  • Terlepas dari klaim penurunan biaya atau adopsi ASIC (chip tujuan khusus), tetap ada kekurangan bukti nyata serta kesulitan dalam produksi dan penerapan. Sampai sekarang industri masih bergantung pada GPU NVIDIA
  • Media dan sentimen pasar mendorong mitos keberhasilan AI yang tidak punya substansi, sambil mengabaikan kenyataan bahwa tidak ada inovasi maupun laba yang nyata
  • NVIDIA adalah kekuatan pasar sekaligus kelemahan terbesarnya. Semua pihak bersandar pada NVIDIA dan membeli GPU dalam jumlah besar, tetapi dalam kenyataannya kerugian dimulai segera setelah pemasangan
  • Semua produk berbasis model bahasa besar serupa satu sama lain, dan meski menghabiskan biaya sangat besar, hasilnya hanya tingkat pengembalian negatif
  • Struktur industri AI saat ini juga berbeda dari Uber, AWS, dan sebagainya di masa lalu; ini adalah struktur yang khas, lahir dari habisnya ide di industri teknologi serta ketergantungan berlebihan pada satu perusahaan
  • Kaum skeptis AI selalu diminta untuk menjelaskan posisinya, tetapi para optimis AI tidak mampu menunjukkan dasar yang nyata
  • Ketika gelembung pecah, ilusi fundamental industri AI akan terungkap

  • Sanggahan terhadap "biaya inferensi sedang turun?"

    • Turunnya harga per token tidak otomatis berarti turunnya biaya inferensi. Semakin besar modelnya, biaya nyata justru meningkat
    • Dalam praktiknya, model yang berat pada reasoning (misalnya Claude Opus 4, dll.) malah menyebabkan kenaikan biaya operasional

  • Skeptisisme terhadap "adopsi ASIC adalah solusi?"

    • OpenAI, Broadcom, dan lainnya memang mencoba mengembangkan ASIC sendiri, tetapi banyak masalah seperti kelayakan produksi, performa nyata, dan kompatibilitas dengan arsitektur server belum terselesaikan
    • Microsoft sendiri juga pernah gagal mengembangkan ASIC yang dapat diandalkan
    • Bahkan jika transisi ke ASIC berhasil, bila penjualan GPU NVIDIA menurun maka keseluruhan perdagangan AI itu sendiri akan goyah

  • Risiko mendasar dari gelembung

    • Industri AI saat ini, tanpa inovasi nyata maupun moat berupa hambatan masuk infrastruktur, mempertahankan harga saham dan valuasi dengan bergantung pada media dan psikologi pasar
    • Contoh sejarah yang sebanding hanyalah gelembung dot-com dan keruntuhan WeWork
    • Pasar hanya terpaku pada kelanjutan penjualan GPU NVIDIA. Ini adalah struktur di mana kerugian dimulai bersamaan dengan pemasangan
    • Pada akhirnya, semua produk dan model bisnis bekerja dengan cara yang serupa, menciptakan lingkaran setan biaya tinggi-pendapatan rendah
  • Di dalam dan luar industri, yang berlimpah hanyalah optimisme tanpa substansi, dan penggunaan nyata serta inovasi AI dibesar-besarkan
  • Jika gelembung AI runtuh, mereka yang selama ini menyebarkan optimisme tanpa dasar harus dimintai pertanggungjawaban

I Don't Like What's Happening : Saya tidak menyukai apa yang sedang terjadi

  • Industri teknologi seharusnya mengejar inovasi, pendapatan nyata, dan pertumbuhan yang sesungguhnya, tetapi AI generatif saat ini menunjukkan kenyataan bahwa pasar dan media hanya terobsesi pada fantasi menggantikan tenaga kerja manusia
  • Seperti argumen Rot Economy (ekonomi busuk), akibat terjerumus pada ideologi pertumbuhan di atas segalanya terlepas dari nilai nyata atau kematangan produk, LLM dan GPU berubah menjadi sekadar sarana untuk menghabiskan uang. Pada kenyataannya, mereka terus membeli data center dan chip sambil membuat produk yang sebenarnya tidak disukai siapa pun
  • Industri AI saat ini adalah struktur yang sangat rapuh dan berbahaya. Seluruh pasar terguncang hanya berdasarkan apakah empat atau lima perusahaan itu akan terus membeli chip. GPU yang langsung merugi begitu dipasang, produk LLM tanpa diferensiasi nyata, dan kerugian yang terus berlanjut adalah masalah mendasarnya
  • Para pemuja AI generatif, sebagian media, dan jajaran eksekutif konsisten menunjukkan sikap meremehkan terhadap pandangan kritis, sambil mendorong ilusi alih-alih menjelaskan kegunaan nyata atau inovasi yang sesungguhnya. Mereka mengklaim AI luar biasa, tetapi dasar nyatanya minim
  • LLM tidak mampu membedakan benar dan salah, dan menyampaikan informasi keliru dengan nada yang otoritatif. Para eksekutif dan manajer berpura-pura menjadi lebih pintar lewat AI, serta menjadikannya sarana untuk menghindari pembelajaran dan tanggung jawab yang nyata
  • Ilusi terbesar AI generatif adalah ilusi aktivitas ekonomi. Pada kenyataannya ia tidak menciptakan nilai yang berarti, tetapi tetap memberi dalih untuk menggelontorkan dana besar ke GPU dan data center sehingga hanya memperbesar gelembung
  • Struktur ini sama sekali berbeda dari Uber, AWS, atau contoh industri lain di masa lalu. Penjualan hardware satu perusahaan bergantung pada empat atau lima perusahaan, dan perubahan persepsi saja bisa merobohkan domino raksasa
  • Arah saat ini mengarah pada pemborosan dan kerusakan yang tidak perlu. Dana pensiun dan pekerjaan banyak orang telah lenyap, sementara perusahaan besar menggelontorkan pengeluaran astronomis untuk data center dan GPU demi mempercantik angka pertumbuhan kuartalan
  • Pada akhirnya, pihak yang bertanggung jawab atas kekacauan pasar ini jelas ada, dan kerugiannya akan menimpa seluruh industri. Dalam proses ini, yang penting bukan menanamkan ketakutan dan ketidakpercayaan pada orang-orang, melainkan mengenali dengan tepat siapa yang benar-benar bertanggung jawab
  • Sam Altman, Dario Amodei, Satya Nadella, Sundar Pichai, Tim Cook, Elon Musk, Mark Zuckerberg, Andy Jassy, dan lainnya memikul tanggung jawab karena memimpin struktur ekonomi yang tidak perlu dan destruktif ini
    • Setelah gelembung pecah, mereka pasti harus bertanggung jawab
  • Masyarakat umum pun cukup mampu memahami struktur ini, dan hanya dengan menyadari bahwa kekuasaan atau modal tidak berarti kebenaran maupun kebijaksanaan, masa depan yang lebih baik bisa dibangun

Bacaan terkait

5 komentar

 
dojanmail 2025-07-28

LLM memang bukannya tanpa kekurangan, tetapi saya rasa sulit untuk setuju bahwa semua layanan AI tidak menguntungkan. Saya pikir dalam 5 tahun ke depan, hampir semua layanan platform yang ada saat ini pada akhirnya akan digantikan oleh agen AI.
 
ndrgrd 2025-07-25

Kalau LLM memang sudah benar-benar berguna tetapi seseorang bahkan tidak mau mencobanya, malah meremehkan dan sengaja menghindarinya, maka orang itu yang bermasalah.
Namun kualitas layanan level konsumen saat ini masih di tingkat yang sulit dipakai.

Saya sudah mencoba model berbayar dari layanan terkenal seperti Perplexity, GPT, dan Gemini, tetapi semuanya sebelas dua belas.
Bahkan kalau saya mencari data sendiri, melampirkan tautan, dan menyuapi data yang dibutuhkan, mereka tetap tidak benar-benar membacanya, malah mengarang isi dan terus mengulang klaim yang salah.
Lalu semuanya juga sama-sama punya keras kepala yang aneh; begitu mulai membuat klaim yang salah sekali, itu nyaris tidak bisa diperbaiki. Membuang seluruh percakapan dan memulai dari awal malah lebih cepat.

Sejujurnya, berdebat dengan hal seperti ini itu menjengkelkan. Mereka tidak paham maksud pembicaraan.
Dalam waktu yang sama, lebih cepat kalau saya langsung mencari dokumennya sendiri, memahami sendiri, lalu memperbaikinya sendiri.

Saya juga sempat mencoba beberapa layanan sejenis Copilot untuk memilih satu, tetapi pada akhirnya semuanya saya buang.
Untuk pekerjaan setingkat snippet mereka memang lumayan, tetapi sulit mengharapkan lebih dari itu. Kalau begitu, untuk apa repot-repot berbagi data, terhubung ke internet yang lambat sekali, lalu memakainya? Mending saya daftar beberapa snippet lagi saja.

Saya tidak tahu orang-orang yang bilang punya pengalaman bagus itu memakai layanan apa dan untuk pekerjaan serumit apa.
 
3ae3ae 2025-07-25

Dari pengalaman saya memakai Claude Code, rasanya bukan seperti agen yang menggantikan pengembangan, melainkan lebih mirip hanya mengalihdayakan bagian saat benar-benar mengetik kode dalam proses pengembangan.

Dalam banyak kasus, perancangannya tetap harus dilakukan manusia, dan instruksinya juga harus diberikan secara rinci agar bisa diikuti apa pun yang datang, jadi rasanya berbeda dari yang sering saya dengar.

Meski begitu, saya tetap puas menggunakannya. Walaupun tidak banyak mengurangi pekerjaan saya, saat AI sedang mengerjakan tugas saya bisa melakukan hal lain atau memberi perintah ke AI lain, jadi cukup membantu dari sisi penghematan waktu.

Kalau Anda menggunakan Claude Code, saya sarankan memasukkan kata-kata instruksi penalaran yang sudah ditentukan sebelumnya seperti think deeply atau ultrathink ke dalam prompt, lalu ubah ke plan mode dengan Shift+Tab untuk bekerja.
 
argo9 2025-07-24

Saat VisiCalc, Lotus 1-2-3, dan semacamnya muncul, orang masih saja mengetuk-ngetuk sempoa dan kalkulator... ternyata ada jeda waktu yang cukup besar dari yang dibayangkan sampai masyarakat umum benar-benar merasakannya.
 
GN⁺ 2025-07-24
Opini Hacker News

  • Pada Juli 2023, saya pernah berkata begini kepada seorang teman: "Sejujurnya saya skeptis terhadap AI. AI dan LLM memang agak menarik, tetapi seperti mobil swakemudi lima tahun lalu, rasanya ini sedang berada di puncak hype berlebihan yang diciptakan modal ventura dan gelembungnya akan segera pecah. Yang membuat saya tertarik pada teknologi adalah ketika inovasi benar-benar berguna bagi orang nyata, dan pada tahap sekarang saya sulit membayangkan manfaat yang lebih dari sekadar sedikit peningkatan dalam konsumsi konten. Hal yang paling dikuasainya adalah membuat konten yang terdengar meyakinkan, tetapi semua hasil yang dihasilkan pada praktiknya harus diperiksa teliti oleh ahli untuk mencari bug, kesalahan, 'halusinasi', dan sebagainya. Jika ada pabrik yang mengeluarkan produk cacat seperti ChatGPT, pabrik itu akan langsung ditutup. Internet sudah kebanjiran konten berkualitas rendah bahkan menipu, dan mengotomatisasi produksi lebih banyak lagi terdengar seperti mimpi buruk. Selain itu, dataset pelatihan yang umum dipakai kemungkinan besar berisi tulisan dari banyak kreator tanpa izin, dan sistem seperti ini pada akhirnya memuntahkan kebohongan yang dipoles dari kerja keras para kreator itu tanpa kompensasi atau atribusi. Rasanya sangat menjijikkan! Saya penasaran seberapa cepat 'spectacular deflation' dari gelembung ini akan datang. Selama hidup saya sejauh ini, saya sudah melewati sekitar tiga gelembung teknologi besar, dan firasat saya mengatakan waktunya tidak jauh lagi."

    • Pernyataan bahwa kegunaan AI tidak akan melampaui sedikit perbaikan dalam konsumsi konten<p>AlphaFold memberi dampak besar pada riset medis. AI bukan cuma chatbot<p>Untuk bagaimana AlphaFold 3 digunakan dalam penemuan obat, artikel ini layak dibaca: artikel ini. Adik perempuan saya mengidap ALS, jadi saya punya ketertarikan pribadi pada topik ini. Saya menyimpan harapan bahwa hanya terobosan in silico yang bisa menyelamatkannya

    • Pernyataan bahwa semua hasil generasi harus diverifikasi teliti oleh ahli<p>Tidak, tinggal unggah saja. Kalau orang-orang menunjukkan kesalahan, algoritma menganggap komentar itu juga sebagai interaksi positif. Ini kenyataan yang menyedihkan bagi orang yang benar-benar peduli

  • Saya juga sangat skeptis terhadap alokasi ekonomi saat ini, tetapi hal seperti ini memang selalu ada di wilayah frontier<p>Dalam bidang AI, orang-orang mengabaikan fakta bahwa arsitektur transformer pada dasarnya adalah proses ekstraktif yang mengidentifikasi dan menambang relasi semantik dari dataset berskala besar<p>Data budaya manusia mengandung jumlah informasi inferensial yang luar biasa besar dan tidak tampak di permukaan, sehingga banyak orang cerdas mengira ini adalah mekanisme generatif<p>Karena itu seluruh bidang ini disebut AI "generatif", padahal sebenarnya sama sekali tidak generatif. Ia hanya mengekstrak makna tersembunyi lalu mengekstrapolasinya dari seed value<p>Mekanisme seperti ini berguna di banyak tempat. Ada banyak contoh pekerjaan yang tidak perlu menciptakan makna atau cerita baru<p>Kita bisa menerapkan pola semantik yang sudah ada pada data untuk mengotomatisasi pekerjaan manual, tanpa harus mendefinisikan sepenuhnya algoritme yang dibutuhkan untuk mencapai tujuan<p>Algoritme serbaguna, seperti obeng sonik: jika diberi cukup banyak contoh masalah dan solusi, algoritme tersembunyi itu akan terserap ke parameter model dan bisa menyelesaikan seluruh keluarga masalah yang sudah benar-benar terpecahkan<p>Namun, ini efektif untuk kelompok masalah yang memang sudah cukup terpecahkan. Untuk masalah yang belum terpecahkan pun, bila diserang dengan kerangka generate-verify, mungkin alat ini tetap bisa dicoba

    • Algoritme yang berbeda menjalankan peran yang berbeda. AI "generatif" benar-benar bisa menghasilkan cerita atau gambar baru, dan masalah yang belum sepenuhnya terselesaikan pun (misalnya pelipatan protein) bisa ditangani dengan algoritme tertentu

  • Saya melihat gelembung ini seperti gelembung kereta api abad ke-19 atau gelembung dot-com generasi pertama: gelembung "baik" yang pada akhirnya membangun investasi infrastruktur dengan nilai sangat besar<p>Namun, semua LLM bisa saling menggantikan (tidak ada moat diferensiasi), dan sebagian besar pendapatan akan datang dari "last mile", yaitu penerapan AI oleh pakar lapangan ke pekerjaan nyata

    • Kalau yang dimaksud gelembung "baik" adalah perangkat keras yang dibeli besar-besaran lalu beberapa tahun kemudian dibuang, saya ragu itu bisa disebut investasi infrastruktur yang positif

    • Saya berharap bandwidth memori yang andal bisa tersebar luas ke perangkat konsumen. Banyak vendor hardware, sayangnya, mengabaikan bagian ini

    • Saya sering berkata ke sekitar saya, "kalau punya ide pemanfaatan GPU murah skala besar yang benar-benar berguna, bersiaplah". Tapi saya sendiri belum menemukan ide bisnis yang benar-benar bagus

    • Seperti kereta api atau dot-com, saya penasaran infrastruktur apa yang akan tersisa dan bisa didaur ulang setelah gelembung AI pecah

  • Menurut saya penulis terlalu pesimistis. Saya setuju perusahaan AI saat ini adalah pembakar uang besar dan tidak berkelanjutan, tetapi rasanya berlebihan untuk menyimpulkan bahwa AI tidak akan pernah bisa menghasilkan uang. Seluruh industri berkembang dengan kecepatan luar biasa dan kualitas model membaik setiap bulan. Biaya juga turun cepat. Kita bahkan belum sepenuhnya menemukan cara memakai AI Kalau setelah gelembung ini orang tetap menyimpulkan bahwa tak seorang pun akan bisa memakai AI untuk memberi nilai dan menghasilkan uang, itu terlalu arogan

    • Katanya "biaya turun cepat", tetapi belanja modalnya masih sangat besar. Bukankah pada akhirnya mereka memang harus menagih uang?

    • Ini bukan cuma soal profitabilitas. Dalam jangka panjang harus ada laba bersih bagi masyarakat secara keseluruhan Mencapai profitabilitas di standar sekarang itu mudah: kumpulkan pengguna, buat mereka makin bergantung, naikkan harga, wajibkan AI, dan seterusnya

    • noone itu apa? Terlalu banyak kepercayaan ditaruh pada kata itu

    • Sejak gpt4, performa model dasar nyaris stagnan. Sekarang persaingan terutama di alat/integrasi, dan karena tujuan akhirnya AGI, produk apa pun dinilai berdasarkan laju kemajuannya menuju ke sana. Model-model "terbaru" terus bermunculan, sehingga sulit mempertahankan pengguna, dan pengguna pada dasarnya hanya peduli pada performa model. openai, kami melihatmu...<p>"Mereka memanggil saya bubble boy..." - seseorang di Deutsche Bank

  • Analisisnya sangat rinci, tetapi saya merasa penulis terlalu larut dalam emosinya sendiri sampai hanya menarik kesimpulan yang membenarkan perasaannya. Saya setuju ini gelembung dan banyak perusahaan akan bangkrut, tetapi saya tidak yakin tempat seperti Google atau Anthropic akan tumbang (kecuali Google gagal membuat model setara dengan performa jauh lebih baik atau jauh lebih murah). Claude menghasilkan kode yang terlalu bagus dalam bahasa dengan data melimpah seperti Python dan Typescript, sehingga sulit mencari alasan untuk tidak membayar ratusan dolar per bulan, bahkan sampai ribuan (disubsidi perusahaan). Saat ini kita sedang berlomba memperoleh agen dan model terkuat. Pada akhirnya bottleneck-nya adalah seberapa baik manusia bisa menjelaskan requirement dan konteks, lalu setelah itu penurunan biaya model menjadi daya saing utama. Kita belum sampai tahap itu (meskipun sekarang pun, makin baik Anda menyampaikan requirement/konteks, makin produktif modelnya). Begitu penurunan biaya menjadi target utama, saya kira Google akan menang berkat kemampuan hardwarenya

    • Claude bernilai ratusan hingga ribuan dolar<p>Biaya inferensi nyatanya mencapai ribuan dolar atau lebih. Dan tidak ada dasar yang meyakinkan bahwa jika engineer mengeluarkan tambahan ribuan dolar per bulan, produktivitasnya benar-benar naik sebesar itu. Model sangat membantu untuk proyek greenfield (kode baru), tetapi rekayasa perangkat lunak nyata lebih banyak diisi pengulangan dan pemeliharaan kode lama. Jadi yang penting adalah selisih antara waktu menulis kode untuk fitur baru secara manual dengan waktu menulis prompt yang bagus agar AI menghasilkan kode fitur baru itu. Bahkan kalau selisihnya 10%, penghematan 10% waktu dengan AI hanya memberi 4 jam per minggu. Dan 4 jam itu pun tidak semuanya dipakai untuk benar-benar mengembangkan kode, jadi kenaikan output riil mungkin sekitar 5%. Dengan hitungan seperti ini, kalau pengguna hanya mendapat kenaikan produktivitas 5% dan gaji tahunannya 10 ribu dolar, perusahaan tidak akan membayar lebih dari 500 dolar per bulan untuk AI. Tetapi kalau Anthropic menghabiskan biaya inferensi lebih dari $10k per minggu untuk satu pengguna, hitungannya tidak masuk. Biaya harus turun drastis agar benar-benar berarti. Sepuluh tahun lagi, skenario yang lebih masuk akal adalah engineer diberi laptop dengan GPU bawaan dan memakai AI code completion yang sangat cepat; perusahaan cukup investasi sekali sebesar 3~5 ribu dolar untuk perangkat itu. Ke depan, AI coding bukan akan didominasi oleh 'agen', juga bukan prompt engineering. Model tidak akan meningkat jauh dari sekarang; hasilnya akan sederhana, standar, berguna, tetapi tidak luar biasa. Pada akhirnya, masa depan yang sehat justru terasa 'membosankan'

    • Pada dasarnya, saya sulit melihat pasar ini bisa lebih besar dari sekadar plugin IDE jika harus dipakai untuk membenarkan valuasi perusahaan-perusahaan tersebut

    • Masih belum jelas apakah Claude benar-benar bisa menghasilkan laba. Apakah cukup banyak orang yang mau membayar biaya subsidi itu secara nyata, apalagi jika biayanya setara porsi besar dari gaji pegawai tambahan

    • OpenAI pernah punya 'keunggulan mutlak', tetapi pesaing menyusul hanya dalam setahun, jadi jarak seperti ini bukan dinding setebal itu. Seperti kasus Anthropic, ini pasar yang bisa dikejar kapan saja kalau talenta kuncinya pindah

  • Apakah kita sedang terjebak dalam gelembung sampai bisa menghapus sebagian besar ekonomi? Saya hampir yakin iya. Tapi itu tidak berarti AI itu sendiri penipuan. Gelembung dot-com pada akhirnya juga pecah, tetapi internet tidak menghilang, dan hampir semua yang dijanjikan dot-com saat itu pada akhirnya terwujud

    • Benar bahwa internet akhirnya memungkinkan banyak hal, tetapi itu tidak otomatis berarti LLM yang dipercepat GPU akan menggantikan mayoritas tenaga kerja manusia

    • Bahkan di tulisan utama pun diakui ada kasus nyata di mana pengguna merasa itu berguna. Penilaian "penipuan" di sini juga berarti VC, media, dan investasi telah melebih-lebihkan jauh di atas kegunaan nyatanya. Menyebutnya gelembung bukan berarti semuanya lenyap total dan tak pernah kembali, melainkan bahwa realitas pada akhirnya akan terungkap, banyak perusahaan bangkrut, valuasi ambruk, dan timbul efek berantai

    • Masalah dalam prediksi adalah bahwa tepatnya 'kapan' itu sendiri sudah menjadi prediksi yang substansial. Kita tidak tahu apa yang akan datang. Saat pertama kali melihat GPT-3, saya merasa itu benar-benar biasa saja dan bahkan tidak peduli. Karena itu sekarang saya jauh lebih tidak yakin tentang masa depan<p>Internet juga merupakan contoh di mana 'semacam versi dari janji awalnya' terwujud setelah waktu sangat lama, dengan teknologi baru yang saat itu belum ada. "Arahnya benar" pada praktiknya hampir sinonim dengan "salah"

    • Klaim bahwa hampir semua yang dijanjikan dot-com telah terwujud—bagaimana dengan gelembung blockchain? Apakah blockchain banyak dipakai sekarang? Apakah benar-benar mengubah sesuatu?

  • Gelembung ini pada akhirnya akan pecah. Gelembung web juga pecah, dan prosesnya akan menyakitkan. Tetapi teknologi AI akan tetap tinggal dan benar-benar mendorong transformasi. Seperti web, dampaknya akan terasa ke arah yang baik maupun buruk

    • Saya selalu merasa lucu bahwa debat seputar AI pada akhirnya nyaris 'tak bisa dibedakan' dari debat kripto<p>(meski LLM memang punya kegunaan nyata)

    • Pada masa gelembung dot-com, rasio P/E Nasdaq melampaui 200, sedangkan pasar keseluruhan saat ini 40 dan Nvidia 49. Semua orang ingin bilang ini juga gelembung, tetapi kalau dilihat dari basis 'pelanggan' atau 'pendapatan', ini sama sekali bukan gelembung. ChatGPT mencapai 100 juta MAU lebih cepat daripada produk mana pun dalam sejarah, dan katanya termasuk 5 besar situs internet berdasarkan jumlah pengunjung. Cursor menembus pendapatan 500 juta dolar lebih cepat daripada perusahaan mana pun sebelumnya. Midjourney mungkin tidak lagi ramai dibicarakan, tetapi pendapatan tahunannya lebih dari 200 juta dolar dan masih untung. Kalau dilihat dengan kepala dingin, justru orang-orang Hacker News yang pikirannya paling mirip 'gelembung'. Tentu ada banyak perusahaan yang overvalued dan akan naik-turun, tetapi melihat metrik nyata seperti ini lalu tetap berkata "ini sama saja dengan kripto" benar-benar tidak masuk akal buat saya. Dalam survei terbaru, 48% responden mengaku pernah memakai ChatGPT untuk konseling psikologis (tautan survei). Penyebaran se-eksplosif ini belum pernah ada dalam sejarah manusia. Sekarang bahkan server pun tak mampu mengejar permintaan sampai layanan tumbang hampir tiap minggu. Ini secara mendasar berbeda dari gelembung

  • Argumen dalam tulisan utama punya makna, tetapi akan lebih kuat dan ringkas jika bagian-bagian yang tidak perlu dipangkas

  • Ironisnya, saya tadi justru meminta ChatGPT membuat ringkasan bahasa Prancis. Tapi saya sudah terlalu lelah dengan gelembung AI, dan jengah karena separuh timeline Twitter dipenuhi kabar AI dan thread AI

    • Reddit dan LinkedIn sudah menjadi sarang konten yang dihasilkan otomatis. Namun, kalau sudah tahu polanya, konten seperti itu cukup mudah disaring dan diblokir

    • Untuk keperluan ringkasan dan terjemahan, AI cukup berguna<p>Saya mengelompokkan hasil AI berdasarkan rasio antara jumlah informasi pada prompt+input dan jumlah informasi pada output<p>Ringkasan: output < input. Untuk tugas berisiko rendah seperti ini, hasilnya lumayan<p>Terjemahan: output ≈ input (hanya format/bahasanya yang berbeda). Ini butuh pemeriksaan sedikit lebih banyak<p>Ekspansi generatif: output > input. Risikonya ada di sini. Misalnya Anda menyuruh AI mengeluarkan komposisi cheeseburger, lalu AI "menambahkan" roti wijen, karena ia hanya menebak nilai rata-rata dari data internalnya. Mungkin tidak masalah, tetapi kalau Anda alergi wijen, itu bisa fatal. Semua bagian yang melampaui input harus selalu dicermati. Pada dasarnya, hasil generasi yang melampaui input hanya bisa bersifat 'rata-rata'. Itulah sebabnya hasil buatan AI terlihat seperti lumpur 'rata-rata'

  • Tulisan ini terasa menyegarkan. Saya lebih dekat ke kubu "optimis", tetapi secara umum saya rasa skeptisisme masih kurang. Ada suasana di mana orang yang punya pandangan konservatif atau yang kritis malah diperlakukan aneh. Berbeda dari tren-tren sebelumnya, penipu di industri AI benar-benar banyak, dan sekarang cukup membungkus apa pun dengan wrapper atau chatbot lalu memasarkannya sebagai "berbasis AI"