Apakah AI adalah gelembung?

• Diskusi kian meluas tentang apakah gelembung sedang terbentuk baik di industri AI maupun pasar investasi, dengan optimisme berlebihan disebut sebagai variabel kunci
• Gelembung ‘infleksi’ (Inflection) berbasis inovasi teknologi menimbulkan kerugian jangka pendek, tetapi dalam jangka panjang berperan mempercepat kemajuan teknologi
• Belanja terkait AI dan kenaikan harga saham menyumbang sebagian besar pertumbuhan ekonomi AS dan S&P 500, sementara lonjakan tajam perusahaan utama seperti Nvidia memicu sentimen investasi
• Perluasan investasi infrastruktur AI melalui utang disebut sebagai sinyal risiko yang mirip dengan gelembung telekomunikasi dan internet di masa lalu
• Dalam situasi ketika potensi dan ketidakpastian AI hidup berdampingan, diperlukan pendekatan yang hati-hati dan selektif alih-alih optimisme total atau menghindar sepenuhnya

---

Hakikat gelembung dan pola yang berulang

• Gelembung berasal dari optimisme berlebihan alih-alih inovasi teknologi atau finansial itu sendiri
  • Saat teknologi baru muncul, para peserta awal meraih keuntungan besar, lalu investor yang datang belakangan tenggelam dalam psikologi ‘tak boleh ketinggalan (FOMO)’
  • Dalam jangka pendek, kerugian hampir tak terelakkan, tetapi dalam jangka panjang hal itu menjadi fondasi bagi perkembangan teknologi
• Dalam contoh-contoh masa lalu (South Sea Company, internet, serat optik, subprime, dll.), ‘kebaruan’ merangsang imajinasi dan memicu penilaian yang tidak rasional
• Batas antara optimisme rasional dan euforia irasional adalah persoalan penilaian, dan sulit dibedakan secara jelas

‘Gelembung baik’ dan ‘gelembung buruk’

• Byrne Hobart dan Tobias Huber membagi gelembung menjadi dua jenis
  • Gelembung ‘mean-reversion’: sekadar tren finansial dan menghancurkan kekayaan
  • Gelembung ‘inflection’: seperti rel kereta api dan internet, mendorong kemajuan teknologi dan membangun infrastruktur sosial
• Menurut analisis Carlota Perez, demam spekulatif memungkinkan ‘fase instalasi (Installation Phase)’, yang kemudian berlanjut ke ‘periode deployment (Deployment Period)’
• Gelembung yang mendorong kemajuan teknologi mempercepat masuknya modal dan eksperimen, tetapi pada saat yang sama juga menghanguskan banyak dana
• Intinya adalah mendorong kemajuan tanpa menjadi korban dari kekayaan yang hancur dalam proses tersebut

Kondisi pasar AI saat ini dan ketidakpastiannya

• AI menyumbang sebagian besar belanja modal perusahaan, pertumbuhan PDB, dan kenaikan S&P 500
  • Nvidia menjadi simbol, dengan kapitalisasi pasar naik sekitar 8.000 kali dalam 26 tahun
• Namun, pemanfaatan komersial AI, struktur keuntungan, dan perusahaan pemenang masih belum pasti
  • Seperti dalam industri otomotif, pentingnya teknologi dan keberhasilan investasi adalah dua hal yang berbeda
• ‘Pemikiran investasi ala tiket lotre (lottery-ticket thinking)’ mulai meluas
  • Contoh: startup Etched, dengan investasi 12 juta dolar, mengusung kemungkinan menjadi ‘perusahaan terbesar di dunia’
• Profitabilitas, struktur persaingan, dan transaksi sirkular (circular deals) juga dipertanyakan
  • Struktur investasi dan belanja timbal balik antara OpenAI dan Nvidia dikritik sebagai ‘self-dealing’
  • Goldman Sachs memperkirakan 15% pendapatan Nvidia akan berasal dari transaksi semacam ini

Ekspansi utang dan risiko finansial

• Biaya pembangunan infrastruktur AI diperkirakan mencapai hingga 5 triliun dolar, dan para big tech utama menggalang dana lewat penerbitan obligasi
  • Microsoft, Meta, Alphabet, dan lainnya menerbitkan obligasi bertenor 30 tahun
• Investasi yang sehat adalah investasi ekuitas berbasis arus kas, sedangkan investasi berisiko adalah membangun pusat data dengan utang tanpa pelanggan
• Paul Kedrosky dan Azeem Azhar memperingatkan bahwa infrastruktur AI sudah memasuki tahap ‘Minsky Moment’
  • Belanja modal yang tumbuh lebih cepat daripada pendapatan, penggunaan SPV (special purpose vehicle), dan meluasnya vendor financing disebut sebagai sinyal bahaya
• Utang memperbesar kerugian, dan perlambatan permintaan atau evolusi teknologi dapat memicu kelebihan kapasitas pusat data dan kebangkrutan
• Oaktree dan Brookfield menekankan ‘penggunaan utang yang hati-hati’ dan berinvestasi di area yang bukan termasuk wilayah yang sudah terlalu padat

Kekhasan AI dan penilaian investasi

• AI adalah teknologi yang dapat menggantikan fungsi kognitif manusia, sehingga secara kualitatif berbeda dari inovasi sebelumnya
  • Di bidang coding dan iklan digital, AI sudah menggantikan tenaga kerja manusia
  • Kecepatan perkembangan teknologi begitu cepat hingga permintaan pun sulit diprediksi
• Seperti pada industri radio dan pesawat terbang di masa lalu, narasi yang memandang ‘ketidakpastian sebagai peluang’ mendorong overheating
• Argumen bahwa AI adalah gelembung dan bantahannya hidup berdampingan
  • Kemiripan: ekspektasi berlebihan, FOMO, transaksi sirkular, SPV, investasi seed skala besar
  • Perbedaan: penciptaan pendapatan nyata, basis pengguna besar, rasio P/E yang rasional
• Anthropic dan Cursor mencatat pendapatan tumbuh 100 kali lipat dalam setahun, menunjukkan adanya permintaan nyata untuk produk AI

Kesimpulan: optimisme yang hati-hati

• AI kemungkinan besar adalah gelembung, tetapi sekaligus titik balik teknologi yang bersejarah
• Apakah ini merupakan ‘irrational exuberance’ baru bisa dipastikan seiring waktu
• Semua inovasi di masa lalu disertai investasi berlebihan dan kerugian, dan AI pun sulit menjadi pengecualian
• Penggunaan utang dapat semakin memperbesar risiko dalam siklus kali ini
• Karena itu, baik investasi total maupun menghindar sepenuhnya sama-sama berisiko, dan partisipasi yang selektif serta terukur adalah strategi terbaik
• Investasi pusat data dan infrastruktur AI juga menuntut analisis yang dingin dan kemampuan eksekusi

Lampiran: AI dan masa depan pekerjaan

• AI adalah teknologi penghemat tenaga kerja, sehingga di balik peningkatan produktivitas juga ada kekhawatiran pengurangan lapangan kerja secara besar-besaran
  • Joe Davis dari Vanguard menganalisis bahwa “43% waktu kerja akan dihemat”
• Peningkatan produktivitas ≠ pertambahan lapangan kerja
  • Penurunan lapangan kerja dapat berujung pada penurunan penerimaan pajak dan kenaikan belanja kesejahteraan
• Kemungkinan penerapan pendapatan dasar universal (UBI) ikut dibahas, tetapi sumber pendanaan dan hilangnya makna sosial menjadi masalah
• Muncul kekhawatiran tentang hilangnya makna pekerjaan, perpecahan sosial, dan meluasnya populisme
• Pekerjaan yang dinilai masih bertahan di masa depan mencakup kerja fisik (tukang ledeng, perawat, dll.) dan profesi berbasis kreativitas serta wawasan
• Pada akhirnya, AI memiliki potensi untuk merombak secara mendasar struktur ekonomi dan sosial, sehingga dibutuhkan respons yang bijak dan sudut pandang yang seimbang

[GN⁺]

Pendapat Hacker News

• Banyak tim software tingkat tinggi kini mengklaim bahwa developer tidak lagi menulis kode sendiri, melainkan cukup memasukkan fitur yang diinginkan lalu AI yang menghasilkan kodenya. Klaim ini terasa terlalu dibesar-besarkan, jadi saya penasaran apakah ada dasarnya

  • Di perusahaan kami, bot yang terintegrasi ke Slack otomatis membuat PR kecil. Hal seperti penyesuaian Terraform, pembaruan endpoint, atau menambahkan handler sederhana ditangani dengan cukup baik.
    Tapi saat saya meminta Claude menulis utilitas migrasi data konkuren dalam Go, penanganan goroutine dan waitgroup-nya berantakan dan penuh bug. Rasanya akan lebih cepat kalau saya menulisnya sendiri.
    Meski begitu, keesokan harinya rekan saya butuh tool serupa, dan lewat percakapan 45 menit dengan Claude dia menghemat 6–8 jam.
    Saya memakai pendekatan hibrida — saya menulis struktur dasar dan contoh kode, mengoreksi hasil buatan AI, lalu memasang test dan guardrail agar AI mengerjakan sisanya. Hasilnya masih naik turun, tapi makin membaik.
    Hanya saja CEO kami mendeklarasikan perusahaan sebagai ‘AI-first’ sehingga semua pekerjaan harus memakai AI. Sejujurnya saya rasa ini arah yang keliru, tapi sepertinya penggunaan AI akan dinilai sebagai KPI
  • Kalimat “kode yang ditulis AI berada di level terbaik di dunia” bahkan lebih parah. Orang-orang di industri keuangan tampaknya sama sekali tidak memahami pemrograman
  • Sangat setuju. Howard Marks adalah investor legendaris, tetapi AI bukan bidang keahliannya. Karena pembacanya adalah investor, niatnya lebih untuk memberi wawasan dari sudut pandang investasi daripada realitas teknis AI
  • Klaim seperti ini tidak benar. Tim yang bekerja seperti itu tak bisa disebut ‘tim tingkat tinggi’. Malah bisa jadi ini bukti bahwa semakin tinggi ketergantungan pada AI, semakin rendah kompleksitas tim tersebut
  • Saya sering mendengar ucapan “pilot sudah tidak menerbangkan pesawat lagi”, padahal itu sepenuhnya salah. Autopilot memang menangani banyak hal, tetapi kendali inti tetap dipegang manusia

• Bagian akhir tulisan itu mengesankan. Untuk pertama kalinya saya merasa berharap ada teknologi yang tidak menepati janjinya. Biasanya teknologi baru membuat saya antusias karena potensinya, tetapi kali ini fokusnya hanya pada pengurangan biaya tenaga kerja sehingga terasa muram.
  AI sebagai alat pengumpulan informasi itu luar biasa, tetapi arah yang ingin menggantikan kreativitas manusia terasa tidak menyenangkan

  • Saya juga merasa begitu. Saya suka proses menulis kode sambil merasakan jiwa craftsmanship. Ada kepuasan saat memecah masalah, menyusunnya secara logis, lalu mengalami momen ajaib ketika kodenya selesai.
    Mengendalikan komputer dengan bahasa yang saya pelajari lebih dari 10 tahun terasa seperti keajaiban. Saya tidak suka hanya menjelaskan dalam bahasa Inggris lalu menunggu. Saya adalah orang yang menulis kode sendiri, dan saya tidak ingin menyerahkannya
  • Saya juga punya kekhawatiran yang sama. Setelah kemunculan ChatGPT, saya sadar betapa besarnya dampak lingkungan yang ditimbulkan, dan ledakan konsumsi sumber daya di data center sangat mengejutkan.
    Saya percaya teknologi bisa meningkatkan kehidupan manusia, tetapi pada saat yang sama menyakitkan melihat kenyataan bahwa teknologi ini memberi kendali sosial kepada segelintir orang kaya.
    AI berisiko menciptakan dunia yang bermusuhan dan timpang bagi kebanyakan orang. Kita harus menilai dampak sosial teknologi ini dengan jauh lebih serius
  • Gagasan bahwa pekerjaan itu harus mutlak ada terasa seperti kurang imajinasi. Jika kebutuhan hidup terjamin, saya rasa saya akan dengan senang hati menulis kode yang tidak punya nilai komersial
  • LLM berguna untuk menulis kode atau melakukan pencarian, tetapi upaya untuk menggantikan kreativitas dan daya ekspresi manusia terasa menjijikkan
  • Pada akhirnya LLM hanyalah prediktor bahasa. Ia hanya menyusun ulang teks yang sudah ada tanpa pemahaman, jadi pekerjaan yang membutuhkan pemikiran tidak bisa digantikan.
    Namun perusahaan memang selalu terobsesi mengurangi biaya tenaga kerja, jadi bahkan tanpa AI pun mereka akan mencari cara lain untuk mengurangi manusia

• Saat membaca kalimat “AI berpotensi menjadi salah satu kemajuan teknologi terbesar dalam sejarah manusia”, saya jadi ingin bercanda bertanya apakah mereka lupa meminta pendapat si beruang (pihak pesimis)

  • Faktanya, banyak orang memang tidak percaya AGI itu mungkin. Mereka juga tidak menganggap LLM atau AI akan mengubah hidup mereka secara besar-besaran
  • Kita bisa percaya bahwa AI suatu hari akan menjadi besar. Walaupun LLM menemui batasnya, pada akhirnya AI akan menjadi arus besar
  • Ini mengingatkan saya pada kalimat “bubble optimisme teknologi saya itu bukan bubble, percayalah”
  • Jika penekanannya diletakkan pada kata “potensi”, maka kalimat itu sebenarnya benar
  • Ada kalimat di artikel yang berbunyi “jika antusiasme terhadap AI tidak berujung pada bubble, itu akan menjadi yang pertama dalam sejarah”

• Kalimat “coding adalah burung kenari di tambang batu bara bagi dampak AI” terasa mengesankan.
  Lalu ada kutipan dari wawancara Grace Hopper tahun 1944, yang menceritakan masa ketika konsep pemrograman itu sendiri belum ada.
  PDF catatan lisan Grace Hopper

• Masalahnya adalah diskusi AI sering condong ke ekstrem. Mengatakan “AI menulis sebagian besar kode” itu berlebihan, tetapi menolak penggunaan AI mentah-mentah juga tidak realistis.
  Startup tahap awal memang memakai LLM untuk mempercepat test atau boilerplate, tetapi engineering inti tetap menjadi porsi manusia.
  Ini memang bubble, tetapi seperti era dotcom, sekalipun ada koreksi, teknologinya sendiri akan tetap tinggal

  • Sekarang saya tidak lagi setuju dengan itu. Teman saya di startup fintech dengan cepat melakukan bootstrap kode kompleks memakai LLM, bahkan mengotomatisasi Terraform dan dokumentasi.
    Saya sendiri tidak paham Kubernetes, Helm, atau ConfigMap, tetapi AI membuatkan konfigurasi layanan yang sempurna
  • Saat bubble dotcom, banyak perusahaan memang tumbang, tetapi perusahaan seperti Amazon, Google, dan eBay tetap bertahan.
    Seperti web menjadi fondasi SaaS, AI juga akan menjadi teknologi inti.
    Saat ini Nvidia menghasilkan uang berkat harga GPU, tetapi nilai sebenarnya akan datang dari bidang aplikasi AI.
    Berkat model open source dan biaya inferensi yang terus turun, infrastruktur itu sendiri bukan hambatan masuk.
    Bahkan ChatGPT pun masih penuh bug dan belum matang. Inovasi yang sesungguhnya akan datang ketika perusahaan-perusahaan kecil memanfaatkan model untuk menciptakan UX dan produk baru

• Saya membayangkan bagaimana kalau ada bot AI yang mendeteksi komentar “AI tidak bisa” lalu otomatis membalas “lah, buat saya sih berhasil?”. Cuma eksperimen pikiran yang lucu

  • Saya juga punya pemikiran serupa. Di HN, respons positif terhadap AI terasa jauh lebih kuat daripada pengalaman nyata para engineer
  • 90% komentar yang memuji AI terlihat seperti hasil copy-paste dari kalimat yang ditulis chatbot

• Mungkinkah Silicon Valley menciptakan triliunan dolar nilai dari LLM dan GPU?
  Jika ekonomi tidak tumbuh sebesar itu, wilayah lain yang akan menanggung dampaknya.
  Dan mungkinkah LLM berevolusi menjadi AGI jika diberi pendanaan yang cukup?
  Untuk saat ini, LLM masih berada di level generator teks yang pintar

  • Dari kutipan artikel, kalimat “agar boom AI produktif, pendapatan harus bisa menyusul sebelum terjadi credit crunch” adalah inti masalahnya.
    Internet juga bersifat transformatif, tetapi banyak perusahaan bangkrut tanpa pendapatan.
    AI bisa realistis sekaligus tetap merupakan bubble
  • “Pemahaman” itu tidak ada

• Cara memandang memo ini tergantung posisi masing-masing.
  Seperti bubble dotcom, sebagian perusahaan akan gagal tetapi teknologinya akan tetap ada.
  Sebaliknya, bubble perumahan 2007 adalah keruntuhan menyeluruh.
  AI lebih dekat ke yang pertama — mungkin ada koreksi, tetapi peluang pertumbuhan jangka panjangnya sangat besar.
  Bagi investor yang mengejar keuntungan jangka pendek, ini mungkin terlihat seperti bubble, tetapi bagi pendiri atau builder jangka panjang, ini adalah masa lahirnya nilai baru

• Dulu saya menyukai tulisan Howard Marks, tetapi kali ini terasa seperti pemahaman yang dangkal.
  Rasanya lebih seperti upaya mengikuti tren daripada memahami fakta teknis

  • Mungkin justru Anda salah memahaminya. Ia lebih memperingatkan soal panasnya euforia investasi daripada kelayakan teknologinya. Dari sudut pandang investasi, analisis itu cukup masuk akal
  • Ia sendiri mengakui bahwa ia tidak terlalu paham teknologi, tetapi usahanya mengeksplorasi dampak ekonominya tetap bermakna.
    Bahkan jika AI hanya mengurangi biaya tenaga kerja 5–10%, dampaknya terhadap masyarakat bisa sangat besar.
    Walaupun teknologinya belum sempurna, efek ekonominya tetap realistis

• Saya melihat artikel yang menyebut 8 triliun dolar akan diinvestasikan untuk membangun data center AI (Yahoo Finance).
  Untuk mencapai imbal hasil tahunan 10%, mereka harus menghasilkan 800 miliar dolar setiap tahun.
  GPU diganti setiap 3 tahun, apakah pendapatan sebesar itu mungkin?
  Dalam wawancara Ilya juga disebutkan bahwa “tidak ada yang tahu cara membuat AGI”