Pukul sebelas malam, Qiu Ziwei membuka percakapan Sam Altman di sesi penutup ‘Startup School 2026’ milik Y Combinator, meredupkan separuh layar laptopnya agar tidak membangunkan dua co-founder lain yang sudah tidur di kamar sebelah. Bertiga, mereka adalah seluruh tim di balik alat otomatisasi layanan pelanggan untuk brand e-commerce kecil dan menengah — siang hari habis untuk produk, jadi hanya di waktu setenang ini mereka sempat mengejar bacaan. Di video itu, Altman berbincang dengan presiden YC saat ini, Garry Tan, soal mengapa belum pernah ada waktu sebaik sekarang untuk memulai startup.

Kalimat itu sendiri tidak terlalu berpengaruh bagi Qiu Ziwei — semacam ‘sekarang adalah waktu terbaik’ selalu ada yang mengucapkannya setiap tahun di dunia startup. Yang benar-benar membuatnya menaikkan kembali kecerahan layar dan duduk tegak adalah perbandingan yang dilontarkan Altman tepat setelahnya: sebuah pekerjaan pengembangan yang dulu makan waktu tiga bulan baginya di tahun 2005, sekarang bisa diselesaikan AI agent dalam waktu sekitar tujuh menit.

Yang Membuatnya Terhenti Bukan Kata-Kata Motivasi, Tapi Angka Setelahnya

Tujuh menit berbanding tiga bulan, awalnya terasa seperti retorika yang berlebihan bagi Qiu Ziwei — sampai dia teringat sesuatu yang baru terjadi pada timnya sendiri minggu sebelumnya: sebuah refactor fitur yang awalnya dianggarkan dua minggu, selesai dalam tiga hari berkat bantuan AI agent menulis test dan mendeteksi logika yang berulang. Dia sebenarnya sudah merasakan kompresi waktu semacam ini hampir setiap bulan, hanya saja belum ada yang mengubahnya menjadi angka kelipatan konkret yang diucapkan langsung.

Bagian video selanjutnya berisi pandangan Altman soal ke mana arah kebutuhan inference seluruh industri: dia memperkirakan permintaan inference AI global akan terus tumbuh sekitar sepuluh kali lipat per tahun selama bertahun-tahun ke depan, dengan permintaan terhadap AI berkualitas tinggi yang ‘hampir tanpa batas atas’. Dia bahkan melontarkan prediksi yang lebih jauh — bahwa pada 2032, setiap orang akan mengonsumsi 500 miliar token per bulan.

Qiu Ziwei memutar ulang kalimat itu untuk memastikan dia tidak salah dengar satuannya. Dia bukannya meragukan keakuratan angka tersebut — dia cukup paham ini adalah penilaian dan prediksi jangka panjang Altman sendiri, bukan statistik resmi yang dipublikasikan lembaga mana pun — tapi skala angka itu sendiri sudah cukup membuatnya memikirkan hal yang lebih mendesak: jika arah kesimpulan itu saja bisa jadi kenyataan, apakah timnya yang cuma bertiga ini benar-benar tahu berapa token yang mereka habiskan dalam sebulan?

Dia Membuka Spreadsheet, dan Baru Sadar Tagihan Tim Selama Ini Cuma Kotak Hitam ‘Rasanya Worth It’

Jawabannya tidak ada yang tahu. Tiga bulan lalu saat tim baru terbentuk, mereka menggesek kartu kredit untuk beberapa paket langganan platform AI dan setelah itu tidak pernah lagi mengecek rincian tagihannya — jumlah yang terpotong setiap bulan selalu terlihat masih dalam kisaran wajar, ‘rasanya worth it’, sehingga hal ini langsung dianggap sebagai urusan yang sudah beres, terotomatisasi begitu saja seperti tagihan listrik.

Namun saat itu Qiu Ziwei sadar, penilaian ‘rasanya worth it’ ini bertumpu pada asumsi yang tidak pernah diucapkan secara eksplisit: bahwa laju pertumbuhan pemakaian akan tetap berada dalam rentang fleksibilitas paket langganan. Jika arah yang disampaikan Altman benar — permintaan inference AI tumbuh berlipat sekitar sepuluh kali per tahun — maka asumsi ini cepat atau lambat akan pecah, hanya saja tidak ada yang tahu di bulan mana. Sebelum hari itu tiba, tagihan akan terlihat normal-normal saja; setelah hari itu, baru untuk pertama kalinya muncul pertanyaan ‘kenapa bulan ini jadi mahal begini’, dan biasanya itu pun baru disadari belakangan. Tim mereka saat ini sama sekali tidak punya satu pun catatan yang bisa menjawab pertanyaan sesederhana berapa token yang habis dipakai bertiga minggu lalu, dan untuk fitur yang mana.

Dianggap Gila oleh Orang Lain, Ternyata Justru Sinyal Peluang yang Paling Jelas

Di pertengahan percakapan, Altman menyebutkan bahwa saat OpenAI baru didirikan, menurut ceritanya sendiri hanya sekitar lima puluh orang di bidang ini yang benar-benar percaya AGI (kecerdasan umum buatan) bisa diwujudkan; periode dianggap remeh oleh arus utama itu justru memberi mereka dua keuntungan tak terduga: tidak ada kompetitor besar yang mengejar, dan cukup waktu untuk benar-benar mematangkan riset.

Mendengar bagian ini, Qiu Ziwei teringat saat timnya pertama kali memutuskan mengerjakan topik ‘otomatisasi layanan pelanggan’, beberapa mantan rekan kerja sempat berbisik bahwa area ini sudah terlalu ramai dan cepat atau lambat perusahaan besar akan masuk. Dulu dia tidak terlalu menganggap serius komentar itu, tapi kali ini dia memikirkannya lebih dalam: jika Altman saja menganggap ‘kebanyakan orang pikir kamu melakukan hal bodoh’ sebagai sinyal, bukan peringatan, mungkin ada baiknya dia meninjau ulang keputusan-keputusan timnya sendiri, mana yang sebenarnya peluang yang diremehkan, bukan alasan untuk meragukan diri sendiri.

Kecepatan Gerak Tim Kecil Sedang Mengikis Keunggulan Skala Perusahaan Besar

Altman juga menyebutkan sebuah pola yang dia amati: semakin cepat laju perubahan teknologi, semakin mudah keunggulan ‘skala’ yang selama ini dimiliki perusahaan besar untuk dinetralkan; karena keunggulan skala itu sendiri dibangun dari ‘menghabiskan lebih banyak waktu, menumpuk lebih banyak sumber daya’, dan begitu kecepatan eksekusi menjadi variabel penentu, tim kecil justru mendapat peluang mengerjakan hal-hal yang dulu mustahil bagi mereka.

Kalimat ini sedikit meringankan kecemasan Qiu Ziwei sebagai tim yang cuma bertiga — tapi dia juga sadar betul ada satu prasyarat yang tidak diucapkan: agar tim kecil benar-benar bisa ‘bergerak lebih cepat’ dari perusahaan besar, syaratnya mereka tidak menghabiskan waktu untuk menelusuri belakangan kenapa pengeluaran AI bulan ini melonjak — masalah yang sebenarnya bisa terlihat sejak awal. Keunggulan kecepatan itu untuk melaju ke depan, bukan untuk membereskan pemakaian yang sudah kadung tidak terkendali.

Altman Bilang Boleh Bebas Salah, Tapi Dia Memutuskan ‘Pemakaian’ Tidak Ikut Boleh Salah

Menjelang akhir percakapan, Altman memberi saran yang sangat langsung: membangun startup memang akan banyak salahnya, dan industri ini sebenarnya cukup toleran terhadap kesalahan, jadi tidak perlu takut bertindak hanya karena takut salah. Qiu Ziwei sangat setuju dengan sikap ini, dan berniat benar-benar menerapkannya pada keputusan produk dan eksperimen pasar — cukup punya visi yang jelas, dan menerima bahwa langkah-langkah awal memang seharusnya belum terlihat jelas.

Tapi dia juga membuat satu batasan kecil saat itu juga: arah produk boleh bebas dicoba dan salah, tapi soal ‘terlihat atau tidaknya pemakaian token’ tidak ingin dia biarkan terus tanpa ada yang mengurus. Malam itu juga, tanpa menunggu rapat tim, dia langsung membuka spreadsheet bersama dengan cara paling sederhana, meminta dua orang lainnya mencatat satu baris setiap kali menjalankan tugas yang cukup memakan resource — dipakai untuk fitur apa, kira-kira berapa lama berjalan. Dia tahu tabel ini masih jauh dari rinci, tapi setidaknya sejak malam itu, ‘kenapa bulan ini jadi lebih mahal’ bukan lagi pertanyaan yang hanya bisa ditebak-tebak belakangan.

FAQ

T1: Apa itu Startup School dari Y Combinator?

Startup School adalah acara edukasi startup tahunan yang diselenggarakan oleh Y Combinator, akselerator startup ternama, yang mengundang founder dan investor untuk berbagi pengalaman, ditujukan terutama bagi tim yang sedang atau berencana memulai startup. Percakapan yang dibahas artikel ini adalah sesi penutup andalan edisi 2026, antara Sam Altman dan presiden YC saat ini, Garry Tan.

T2: Apakah angka ‘500 miliar token per orang per bulan pada 2032’ adalah statistik resmi?

Bukan. Ini adalah prediksi jangka panjang pribadi yang disampaikan Sam Altman dalam percakapan untuk menjelaskan pandangannya sendiri soal kecepatan pertumbuhan permintaan inference AI, bukan angka statistik yang dipublikasikan lembaga riset atau badan resmi mana pun. Artikel ini hanya menyampaikan ulang pernyataan pembicara apa adanya, tidak mewakili dukungan situs ini atau AITK terhadap keakuratan angka tersebut; pembaca tetap harus mendasarkan perencanaan pemakaian mereka sendiri pada data pemakaian aktual mereka.

T3: Bisakah klaim ‘hanya sekitar 50 orang percaya AGI di awal’ diverifikasi?

Ini juga merupakan pernyataan pribadi Altman dalam percakapan, kenangannya sendiri soal suasana di masa awal berdirinya OpenAI. Situs ini belum memverifikasi secara independen bagaimana angka tersebut dihitung; angka ini disajikan semata sebagai bagian dari narasi pembicara, bukan sebagai fakta sejarah yang telah dikonfirmasi situs ini.

T4: Bukankah klaim ‘pekerjaan tiga bulan sekarang selesai dalam tujuh menit oleh AI agent’ agak berlebihan?

Ini adalah perbandingan Altman dengan pengalaman pribadinya sendiri di tahun 2005 — pada dasarnya sebuah anekdot pribadi dengan efek retoris untuk menyampaikan rasa kesenjangan kecepatan pengembangan, bukan hasil benchmark yang ketat. Peningkatan efisiensi yang sebenarnya sangat bervariasi tergantung jenis tugas, pilihan tools, dan tingkat familiaritas tim, dan tidak sebaiknya langsung diterapkan pada proyek tertentu mana pun.

T5: Jika setuju bahwa tim kecil harus memanfaatkan momen ini, apa sebenarnya langkah pertama yang harus dilakukan?

Poin yang ingin ditekankan artikel ini bukanlah agar tim langsung membuat perubahan strategi besar. Melainkan agar tim lebih dulu memastikan mereka benar-benar bisa ‘melihat’ perubahan yang sedang terjadi — terutama apakah pemakaian dan pengeluaran tools AI tercatat seiring pertumbuhan volume pekerjaan. Dengan bisa melihatnya, barulah keputusan penyesuaian arah bisa diambil berdasarkan data nyata saat benar-benar diperlukan, bukan sekadar berdasarkan perasaan.

Catatan Sumber

Artikel ini merujuk pada percakapan yang dipublikasikan kanal YouTube resmi Y Combinator pada 28 Juli 2026, berjudul “Sam Altman: "Never a Better Time to Do a Startup"”, direkam pada sesi penutup Startup School 2026 (25-26 Juli 2026, Chase Center, San Francisco) antara Sam Altman dan presiden YC saat ini, Garry Tan, yang disusun ulang dan diceritakan secara naratif, bukan diterjemahkan kata demi kata. ‘Qiu Ziwei’ dalam artikel ini adalah tokoh ilustratif untuk keperluan penjelasan, bukan klien sungguhan; latar belakang timnya dan skenario yang digambarkan merupakan rekonstruksi ilustratif. Empat klaim yang dibahas artikel ini — bahwa orang akan mengonsumsi 500 miliar token per bulan pada 2032, bahwa permintaan inference AI global tumbuh sekitar sepuluh kali lipat per tahun, bahwa hanya sekitar 50 orang percaya AGI bisa dicapai di masa awal OpenAI, dan bahwa pekerjaan pengembangan tiga bulan era 2005 kini diselesaikan AI agent dalam tujuh menit — semuanya merupakan pernyataan, kenangan, atau prediksi pribadi yang disampaikan Sam Altman selama percakapan, bukan statistik resmi atau data akademis yang diverifikasi secara independen oleh situs ini atau pihak ketiga mana pun. Semua ini disajikan semata untuk membantu pembaca memahami sudut pandang pembicara dan tidak merupakan dukungan situs ini terhadap keakuratannya.

Ambil Tindakan Sekarang

Jika bahkan sebagian saja dari yang digambarkan Altman ternyata benar — permintaan inference AI terus tumbuh berlipat — maka berapa banyak token yang benar-benar dihabiskan timmu setiap bulan, dan untuk apa saja, cepat atau lambat akan berhenti menjadi pertanyaan yang bisa dibiarkan begitu saja dan mulai menjadi sesuatu yang membentuk ekonomi unit bisnismu. Daripada menunggu tagihan yang memberitahumu lebih dulu, lebih baik tampilkan semuanya sekarang. Coba AI Token King gratis, dan biarkan kami membantumu memetakan dengan tepat berapa banyak token yang benar-benar dipakai setiap agent dan setiap fitur di timmu, agar kamu bisa menetapkan batas pemakaian yang tepat selagi pemakaian masih terkendali.