Chen (tokoh ilustratif, manajer keuangan di sebuah perusahaan e-commerce Taiwan — bukan pelanggan nyata) memperhatikan item baru di tagihan bulanannya yang tidak ada tiga tahun lalu: biaya penggunaan model AI. Awalnya hanya beberapa ratus dolar, tetapi selama enam bulan terakhir terus naik, kini hampir menyamai biaya hosting cloud awal perusahaan. Ia mengajukan pertanyaan langsung kepada kepala tim teknik: “Bukankah model AI seharusnya makin murah setiap tahun? Kenapa kita malah membayar lebih banyak?”

Jawaban dari insinyur tidak memuaskannya, jadi ia mencari penjelasan yang lebih mendalam — dan menemukannya dalam kuliah Stanford Online dari mata kuliah MS&E435, “Economics of the AI Supercycle”, dalam sesi berjudul “The GPU Economy”.

Wawasan 1: Chip Bukan Komoditas Biasa — Ini Sumber Daya yang Langka

Poin pertama dalam kuliah tersebut: hambatan sebenarnya dalam industri AI saat ini bukan algoritma, melainkan chip komputasi (GPU) yang menjalankan model-model tersebut. Pertumbuhan permintaan jauh lebih cepat daripada kemampuan pabrik untuk memproduksi, menciptakan hasil yang tampak berlawanan dengan intuisi: meskipun kecerdasan model meningkat dengan kecepatan seperti Hukum Moore, harga komputasi itu sendiri bisa tetap tinggi — atau terus naik — hanya karena permintaan melebihi pasokan.

Bagi Chen, ini menjawab pertanyaan terbesarnya: model menjadi lebih murah dan lebih pintar adalah satu kurva; berapa yang harus dibayar setiap bulan adalah kurva yang sama sekali berbeda. Yang pertama mengikuti kecepatan kemajuan teknologi; yang kedua mengikuti pasar untuk sumber daya fisik yang langka.

Wawasan 2: Tagihan Anda Mencerminkan Margin Keuntungan Seluruh Rantai Pasok

Kuliah tersebut menguraikan ke mana sebenarnya setiap dolar pengeluaran AI mengalir — mulai dari pembuatan chip, pembangunan data center, penyewaan komputasi cloud, hingga API model yang Anda gunakan. Setiap lapisan dalam rantai itu mengambil bagiannya. Chen sebelumnya mengira ia hanya membayar satu perusahaan AI untuk “berapa kali mereka menjalankan model untuknya”. Kuliah itu mengingatkannya bahwa tagihan menyembunyikan beberapa lapisan struktur biaya — listrik, pendinginan, depresiasi perangkat keras, kontrak pengadaan chip — yang semuanya akhirnya tercermin dalam harga per juta token yang Anda lihat.

Wawasan 3: “Supercycle” Berarti Tekanan Biaya Tidak Akan Cepat Hilang — Tapi Bukan Selamanya

Kuliah tersebut menggunakan kata “supercycle” untuk menggambarkan lonjakan permintaan komputasi AI saat ini — artinya ini bukan kenaikan harga sesaat, melainkan periode berkepanjangan di mana permintaan terus melebihi pasokan. Ini adalah komentar makro industri, bukan saran investasi: berapa lama tren ini akan berlangsung memang masih diperdebatkan. Kemungkinan besar kelangkaan ini adalah fenomena jangka menengah — beberapa tahun ke depan — bukan struktur permanen. Industri masih terbelah pendapat soal seberapa cepat chip buatan sendiri dari penyedia cloud besar dan peningkatan efisiensi model akan meredakan kelangkaan chip dan tekanan biaya ini; baik waktu maupun kecepatan pembalikannya belum pasti. Karena itu artikel ini hanya menyajikan sudut pandang “tekanan biaya tidak akan cepat hilang dalam jangka pendek-menengah” dari kuliah tersebut, bukan klaim bahwa supercycle akan berlangsung tanpa batas.

Titik Balik: Tagihan yang Naik Tidak Selalu Salah Perusahaan Anda

Asumsi awal Chen adalah bahwa tagihan yang naik berarti ada masalah dalam pengelolaan penggunaan internal — apakah para insinyur menggunakan model secara boros? Ia menghabiskan satu minggu mengaudit log penggunaan dan memang menemukan pemborosan nyata (konteks yang berulang, tidak menggunakan model yang lebih murah untuk tugas sederhana). Namun bahkan setelah semua itu diperbaiki, sebagian dari kenaikan tetap ada — disebabkan oleh fakta bahwa komputasi itu sendiri, di seluruh industri, memang semakin mahal. Bagian itu bukan masalah perusahaannya.

Temuan ini mengubah cara ia melapor ke manajemen. Dulu ia hanya berkata “kita perlu lebih hemat”. Sekarang ia menambahkan satu kalimat lagi: “Sebagian kenaikan biaya ini berasal dari kondisi pasokan industri. Yang harus kita lakukan adalah menekan pemborosan yang bisa kita kendalikan serendah mungkin, sekaligus menyiapkan buffer anggaran untuk kondisi pasar yang tidak bisa kita kendalikan — bukan selalu menganggap setiap kenaikan harga sebagai kegagalan manajemen internal.”

Penutup: Mengubah Kuliah Menjadi Laporan Satu Halaman untuk Pimpinan

Chen tidak menyimpan kuliah Stanford itu sekadar sebagai pengetahuan akademis. Ia merangkum tiga wawasan tersebut menjadi satu halaman ringkasan, melampirkan data penggunaan enam bulan terakhir, dan menyampaikan kepada pimpinannya: “Sebagian kenaikan tagihan AI kita adalah pemborosan yang bisa kita perbaiki sendiri. Sebagian lagi adalah kondisi pasar komputasi. Ini dua masalah yang berbeda — harus ditangani secara terpisah, kalau tidak kita akan terus mencari jawaban di tempat yang salah.”

Bagi perusahaan mana pun yang mulai mengadopsi AI dalam operasional sehari-hari, langkah pertama untuk memahami “mengapa tagihan terus naik” biasanya bukan menyalahkan tim teknik, melainkan mencari tahu berapa dari yang Anda bayar adalah harga pasar untuk sumber daya fisik yang langka, dan berapa yang benar-benar bisa Anda optimalkan sendiri.

Tanya Jawab

Model AI makin murah, kenapa tagihan perusahaan saya malah naik?

Kemajuan teknologi (model makin pintar, algoritma makin efisien) dan harga pasar komputasi (GPU) adalah dua kurva yang tidak selalu bergerak seiring. Jika pertumbuhan permintaan komputasi melampaui pasokan, harga chip dan komputasi bisa tetap tinggi — atau terus naik — meskipun teknologi model itu sendiri terus maju.

Apakah tagihan yang naik berarti kami memboroskan resource?

Belum tentu. Pertama, periksa log penggunaan untuk menemukan pemborosan yang bisa dikendalikan — konteks berulang, tidak menggunakan model lebih murah untuk tugas sederhana. Jika kenaikan tetap ada setelah itu diperbaiki, sisanya kemungkinan mencerminkan kondisi permintaan-pasokan seluruh industri — faktor pasar, bukan sepenuhnya kegagalan manajemen internal.

Apa itu “supercycle AI”, dan berapa lama akan berlangsung?

Istilah ini menggambarkan periode berkepanjangan di mana permintaan komputasi AI melebihi pasokan — artinya tekanan biaya mungkin tidak akan cepat mereda. Namun ini kemungkinan besar fenomena jangka menengah (beberapa tahun ke depan), bukan struktur permanen: seiring chip buatan sendiri dan peningkatan efisiensi model semakin matang, ketidakseimbangan ini bisa mereda, meski industri belum sepakat soal waktunya. Ini adalah pandangan makro industri, bukan prediksi pasti — anggap sebagai komentar informasional, bukan saran investasi.

Bagaimana perusahaan harus merespons kenaikan biaya komputasi?

Pisahkan biaya menjadi “bisa dikendalikan” dan “tidak bisa dikendalikan”, lalu kelola secara terpisah: terus optimalkan pemborosan yang bisa dikendalikan (konteks berulang, penempatan model yang kurang tepat), sambil menyiapkan buffer anggaran untuk tren industri yang tidak bisa dikendalikan — sehingga kenaikan harga akibat pasar tidak disalahartikan sebagai kegagalan internal.

Catatan Sumber

Artikel ini diadaptasi dari kuliah Stanford Online, “Stanford MS&E435: Economics of the AI Supercycle | Spring 2026 | The GPU Economy” (Juli 2026), disusun ulang dan ditulis kembali, bukan diterjemahkan kata per kata. “Chen” adalah tokoh ilustratif, bukan pelanggan nyata. Komentar tentang tren industri AI dan daya tahan “supercycle” bersifat informasional, bukan saran investasi atau prediksi pasti, dan mungkin tidak mencerminkan perkembangan terbaru.

Ambil Tindakan

Memahami mengapa tagihan Anda naik adalah langkah pertama untuk mengetahui apa yang sebenarnya perlu dioptimalkan. Coba AI Token King gratis — kami membantu Anda memisahkan pemborosan yang bisa dikendalikan dari kenaikan biaya akibat pasar, agar anggaran Anda digunakan di tempat yang tepat.