Penggunaan Artificial Intelligence atau AI di perusahaan berkembang sangat cepat. Mulai dari membuat konten, membantu customer service, menganalisis data, menulis kode, membuat laporan, sampai mengotomatisasi berbagai proses bisnis.
Awalnya, semakin banyak penggunaan AI sering dianggap semakin baik. Perusahaan berlomba mencoba berbagai tools dan model terbaru karena dianggap bisa meningkatkan produktivitas. Namun, setelah pemakaiannya mulai meningkat, muncul pertanyaan baru: apakah semua tools AI yang mahal benar-benar menghasilkan keuntungan yang sebanding untuk bisnis?
Reuters pada Juni 2026 melaporkan bahwa meningkatnya penggunaan AI mulai membuat sejumlah perusahaan mengevaluasi kembali biaya mereka. Sistem pembayaran berbasis penggunaan membuat biaya AI dapat meningkat seiring bertambahnya aktivitas, sehingga pengeluaran tidak selalu semudah software subscription biasa untuk diprediksi.
Fenomena tersebut mulai dikenal sebagai AI sticker shock. Perusahaan bukan lagi hanya bertanya, “AI apa yang paling canggih?”, tetapi mulai mempertanyakan, “AI mana yang benar-benar memberikan dampak untuk bisnis?”
Ketika Penggunaan AI Naik, Tagihannya Bisa Ikut Naik
Banyak layanan AI menggunakan sistem pembayaran berdasarkan konsumsi. Semakin banyak proses yang dijalankan, semakin banyak pula token, API call, komputasi, atau resource yang digunakan. Dalam skala kecil, perbedaannya mungkin belum terlalu terasa, tetapi ketika sebuah perusahaan memiliki ratusan atau ribuan karyawan yang menggunakan AI setiap hari, biaya tersebut dapat berkembang dengan cepat.
Reuters bahkan melaporkan Uber menghabiskan anggaran AI untuk tahun 2026 hanya dalam empat bulan akibat tingginya penggunaan internal. Kondisi seperti ini mendorong perusahaan mulai lebih selektif dalam menentukan model yang digunakan untuk setiap pekerjaan.
Di sinilah masalahnya. Penggunaan AI yang tinggi belum tentu sama dengan produktivitas yang tinggi. Jika perusahaan mengeluarkan biaya besar tetapi tidak mengetahui apakah AI tersebut menghemat waktu, menurunkan biaya operasional, meningkatkan conversion, atau menghasilkan revenue tambahan, maka sulit menentukan apakah investasi tersebut benar-benar efektif.
AI Paling Canggih Belum Tentu Dibutuhkan untuk Semua Pekerjaan
Dalam beberapa tahun pertama perkembangan Generative AI, perusahaan cenderung mengejar model dengan kemampuan terbesar. Semakin besar modelnya dan semakin tinggi kemampuannya, semakin baik teknologi tersebut dianggap.
Namun, kebutuhan bisnis tidak selalu membutuhkan model paling kuat untuk setiap aktivitas. Menjawab pertanyaan pelanggan sederhana, mengategorikan lead, merangkum informasi, membuat draft awal, atau menjalankan proses rutin tidak selalu membutuhkan model AI paling mahal.
Reuters mencatat bahwa sejumlah eksekutif teknologi mulai melihat model yang lebih kecil dan murah sebagai pilihan yang cukup untuk banyak pekerjaan korporasi. Pergeseran ini membuat perusahaan semakin mempertimbangkan kombinasi beberapa model berdasarkan kebutuhan, biaya, performa, dan keamanan.
Artinya, strategi AI perusahaan mulai berubah. Bukan menggunakan satu AI paling mahal untuk semuanya, tetapi menggunakan AI yang tepat untuk pekerjaan yang tepat.
Model AI yang Lebih Murah Mulai Semakin Kompetitif
Persaingan industri AI juga membuat perusahaan memiliki semakin banyak pilihan. Model open-weight dan model dengan biaya penggunaan lebih rendah terus bermunculan. Sejumlah model AI dari China seperti DeepSeek dan Qwen juga mulai menarik perhatian karena menawarkan kemampuan yang kompetitif dengan biaya relatif lebih rendah untuk beberapa jenis penggunaan.
Reuters melaporkan bahwa penggunaan token dari model open-source melalui platform OpenRouter meningkat dari sekitar 34% pada Januari menjadi 65% pada Juni 2026. Hal ini menunjukkan bahwa pengguna bisnis semakin mempertimbangkan alternatif model selain hanya menggunakan model premium terbesar.
Namun, harga murah bukan satu-satunya pertimbangan. Perusahaan tetap perlu memperhatikan kualitas output, kecepatan, reliabilitas, keamanan data, kebutuhan integrasi, hingga kepatuhan terhadap regulasi. Untuk bisnis yang menangani data sensitif, pilihan AI termurah belum tentu menjadi pilihan terbaik.
Karena itu, keputusan seharusnya tidak berhenti pada pertanyaan “mana yang murah?” atau “mana yang paling pintar?”, tetapi mana yang paling sesuai dengan kebutuhan bisnis?
Masalah Sebenarnya Bukan Harga AI, tapi Dampaknya
AI senilai jutaan rupiah per bulan bisa terasa mahal jika tidak menghasilkan apa-apa. Sebaliknya, sistem AI dengan biaya lebih besar tetap bisa menjadi investasi yang masuk akal apabila mampu menghasilkan keuntungan yang lebih tinggi.
Misalnya, sebuah AI membantu tim sales membalas customer lebih cepat. Pertanyaannya bukan hanya berapa harga AI tersebut, tetapi apakah response time menjadi lebih cepat, apakah lebih banyak lead berhasil ditindaklanjuti, apakah conversion meningkat, dan apakah sales cycle menjadi lebih pendek.
Begitu juga dengan AI untuk operasional. Jika AI mampu menghemat ratusan jam pekerjaan manual setiap bulan, biaya penggunaannya dapat dibandingkan dengan waktu dan resource yang berhasil dihemat.
McKinsey pada April 2026 menekankan pentingnya mengukur investasi AI menggunakan indikator yang terhubung langsung dengan hasil bisnis. Beberapa di antaranya adalah peningkatan revenue, penurunan cost-to-serve, perbaikan margin, cycle time, kualitas proses, hingga total cost of ownership termasuk biaya cloud dan penggunaan token.
Jadi, nilai AI seharusnya tidak hanya dilihat dari seberapa sering teknologi tersebut digunakan, tetapi dari hasil apa yang berubah setelah teknologi tersebut digunakan.
Banyak Perusahaan Sudah Pakai AI, tapi Dampaknya Belum Terlihat
Adopsi AI tidak otomatis berarti perusahaan sudah mendapatkan keuntungan dari AI. McKinsey menemukan hampir delapan dari sepuluh organisasi yang disurvei telah menggunakan Generative AI setidaknya dalam satu fungsi bisnis. Namun, sekitar 60% responden masih belum melihat dampak EBIT secara enterprise-wide dari program AI mereka.
Ini menunjukkan adanya perbedaan besar antara menggunakan AI dan menghasilkan value dari AI. Perusahaan bisa memiliki berbagai AI assistant, chatbot, copilot, dan automation, tetapi jika teknologi tersebut tidak masuk ke proses yang benar-benar berdampak terhadap bisnis, manfaatnya akan sulit terlihat dalam laporan keuangan.
McKinsey juga menyoroti bahwa tools horizontal seperti chatbot, copilot, dan summarizer memang dapat membantu karyawan bekerja lebih cepat. Namun, dampak finansial yang lebih besar biasanya membutuhkan AI yang terhubung ke workflow bisnis tertentu secara end-to-end.
Dengan kata lain, AI akan lebih bernilai ketika digunakan untuk menyelesaikan masalah bisnis tertentu, bukan hanya karena perusahaan ingin terlihat sudah “menggunakan AI”.
Sebelum Beli AI, Cari Proses yang Paling Boros
Sebelum menentukan tools AI, perusahaan sebaiknya melihat proses bisnisnya terlebih dahulu. Cari pekerjaan yang paling banyak memakan waktu, aktivitas yang dilakukan berulang kali, proses yang membuat customer menunggu, serta pekerjaan administratif yang membuat tim kehilangan waktu untuk melakukan aktivitas yang lebih bernilai.
Yang paling penting, bisnis juga perlu mengetahui proses mana yang paling dekat dengan revenue atau biaya perusahaan. Misalnya, tim sales menerima ratusan chat setiap hari. Masalah sebenarnya mungkin bukan kurangnya tools AI, tetapi lead yang tidak sempat di-follow-up, quotation yang terlambat dikirim, customer potensial yang tidak terdeteksi, atau pembayaran yang tidak segera ditindaklanjuti.
Jika AI mampu memperbaiki titik-titik tersebut, manfaatnya jauh lebih mudah diukur. Sebelum menggunakan AI, bisnis perlu melihat apakah teknologi tersebut benar-benar dapat mempercepat pekerjaan, mengurangi biaya, atau meningkatkan sales. Jika dampaknya tidak jelas, AI justru berpotensi menjadi beban biaya baru.
AI Perlu Diukur Seperti Investasi Bisnis Lainnya
Selama ini, teknologi baru sering dinilai dari jumlah pengguna. Semakin banyak karyawan menggunakan AI dianggap semakin sukses implementasinya. Padahal, angka penggunaan hanyalah salah satu indikator.
Perusahaan juga perlu mengukur perubahan sebelum dan sesudah AI digunakan. Berapa lama waktu yang dibutuhkan untuk menyelesaikan pekerjaan? Berapa biaya per transaksi? Berapa banyak customer yang berhasil dilayani? Berapa banyak lead yang berubah menjadi deal? Apakah conversion meningkat? Apakah sales cycle menjadi lebih cepat? Dan pada akhirnya, berapa tambahan revenue atau biaya yang berhasil dikurangi?
Gartner pada 2026 juga menekankan bahwa investasi AI tidak dapat dinilai menggunakan satu formula ROI yang sama untuk setiap use case. AI untuk produktivitas, perbaikan proses, dan transformasi bisnis memiliki jenis manfaat dan struktur biaya yang berbeda sehingga perusahaan perlu melihatnya sebagai portofolio investasi.
Karena itu, AI yang bagus bukan sekadar AI dengan teknologi paling impresif. AI yang bagus adalah AI yang manfaatnya bisa dibuktikan.
Jualin AI: AI yang Ditempatkan Langsung di Proses Sales
Salah satu area yang relatif mudah untuk mengukur dampak AI adalah sales karena aktivitasnya memiliki indikator yang jelas, mulai dari jumlah lead, kecepatan response, follow-up, quotation, invoice, conversion, sampai revenue.
Di sinilah Jualin AI dirancang untuk membantu aktivitas sales melalui WhatsApp. Jualin AI dapat membantu proses mulai dari menjawab customer, membaca prospek yang sudah memiliki indikasi siap membeli, membantu pembuatan quotation dan invoice, hingga melakukan follow-up pembayaran.
Selain membantu komunikasi dengan pelanggan, Jualin AI juga membantu bisnis memantau lead, pipeline, invoice, dan performa sales dalam satu dashboard. Dengan begitu, AI tidak hanya berdiri sebagai chatbot, tetapi ditempatkan pada proses bisnis yang memiliki hubungan langsung dengan aktivitas penjualan.
Ketika AI digunakan pada proses seperti ini, dampaknya juga lebih mudah dievaluasi. Bisnis bisa melihat apakah customer dijawab lebih cepat, apakah lebih banyak lead berhasil di-follow-up, apakah quotation lebih cepat dikirim, apakah invoice lebih cepat dibayar, dan apakah akhirnya lebih banyak peluang berubah menjadi revenue.
Mahal atau Murah Bukan Lagi Pertanyaan Utamanya
Persaingan industri AI kemungkinan akan membuat semakin banyak model dengan harga dan kemampuan berbeda. Ada model premium, model kecil, model open-weight, AI khusus coding, AI khusus customer service, hingga AI yang langsung terintegrasi dengan workflow tertentu.
Karena itu, mencari tools yang paling murah saja tidak cukup. Begitu juga dengan membeli tools paling mahal karena dianggap pasti lebih baik. Perusahaan perlu mencari keseimbangan antara kemampuan, biaya, keamanan, kebutuhan, dan dampak bisnis.
AI sebaiknya diperlakukan seperti investasi bisnis lainnya. Implementasi yang mampu memberikan value dapat dikembangkan lebih jauh, sementara penggunaan yang tidak menghasilkan dampak perlu dievaluasi kembali.
Pada akhirnya, perusahaan tidak membutuhkan AI paling mahal. Perusahaan membutuhkan AI yang menyelesaikan masalah yang benar.
Penutup
AI tools yang mahal masih bisa worth it, tetapi hanya jika dampaknya lebih besar daripada biaya yang dikeluarkan. Karena itu, pertanyaan yang seharusnya diajukan perusahaan bukan sekadar “Berapa harga AI ini?”, tetapi juga “Masalah apa yang diselesaikan?”, “Berapa waktu yang bisa dihemat?”, “Berapa biaya yang bisa dikurangi?”, dan “Apakah teknologi ini benar-benar membantu meningkatkan hasil bisnis?”
Tren penggunaan AI saat ini menunjukkan perusahaan mulai semakin sadar terhadap hal tersebut. Model yang lebih murah semakin kompetitif, biaya AI semakin diperhatikan, dan perusahaan mulai mencari penggunaan AI yang memberikan hasil lebih jelas.
Jualin AI membawa pendekatan tersebut langsung ke proses sales melalui WhatsApp, mulai dari melayani customer, membaca prospek, membuat quotation dan invoice, melakukan follow-up, hingga memantau pipeline dan performa sales.
Karena pada akhirnya, AI yang bagus bukan yang paling mahal, tetapi yang paling terukur dampaknya untuk bisnis.