Lonjakan biaya token untuk mengakses model AI kelas atas menjadi pemicu utama perubahan strategi ini. Semakin canggih sebuah model, semakin mahal biaya perhitungan per token yang harus dibayar pengguna korporat. Di sisi lain, model langganan yang ditawarkan startup AI juga mulai menunjukkan kelemahan struktural.
Menurut analisis yang beredar di kalangan industri, tingkat utilisasi layanan berlangganan yang melebihi 5,7 persen sudah bisa menyebabkan kerugian bagi penyedia. Angka ini sangat rendah dan mudah terlampaui oleh perusahaan dengan volume pemrosesan data tinggi. Dengan kata lain, semakin sering pelanggan menggunakan layanan, semakin besar potensi kerugian yang harus ditanggung OpenAI atau Anthropic.
LLM China dan Open-Source Jadi Alternatif Hemat Anggaran
Tekanan biaya ini mendorong perusahaan untuk mencari jalan keluar. Alih-alih membayar mahal untuk model proprietary, banyak tim teknik kini menjajaki LLM dari pengembang China yang menawarkan harga lebih kompetitif. Model-model dari perusahaan seperti Baidu, Alibaba, atau startup AI China lainnya kerap dibanderol dengan biaya token yang jauh lebih rendah.
Opsi open-source juga menjadi primadona. Model seperti Llama dari Meta atau varian lokal yang dikembangkan di Asia memungkinkan perusahaan untuk menjalankan AI di infrastruktur mereka sendiri tanpa biaya lisensi berulang. Ini memberikan kontrol lebih besar atas data dan biaya operasional jangka panjang.
Dampak ke Pasar AI Global dan Indonesia
Pergeseran ini bisa mengubah peta persaingan AI global. Jika tren berlanjut, pendapatan OpenAI dan Anthropic yang sangat bergantung pada langganan dan penjualan token berpotensi tergerus. Sebaliknya, ekosistem open-source dan vendor China justru bisa memperkuat posisi mereka sebagai pemasok infrastruktur AI yang lebih efisien.
Bagi pasar Indonesia, situasi ini membuka peluang adopsi yang lebih cepat. Perusahaan lokal yang selama ini ragu karena biaya tinggi kini punya lebih banyak opsi terjangkau. Model open-source atau LLM China yang sudah dioptimalkan untuk bahasa Asia bisa menjadi fondasi pengembangan solusi AI tanpa harus bergantung pada vendor AS yang mahal.
Antara Efisiensi dan Risiko Ketergantungan Baru
Keputusan beralih ke alternatif yang lebih murah bukan tanpa konsekuensi. Model open-source membutuhkan keahlian teknis internal untuk deployment dan maintenance. Sementara itu, LLM China mungkin menimbulkan kekhawatiran baru terkait kepatuhan data dan regulasi lintas batas.
Namun, dalam jangka pendek, tekanan anggaran tampaknya menjadi prioritas utama. Perusahaan lebih memilih solusi yang bisa dijalankan sekarang dengan biaya terkendali daripada menunggu harga token dari model frontier turun. Langkah ini menandai dimulainya era baru pragmatisme di industri AI, di mana efisiensi biaya mulai mengalahkan gengsi menggunakan model termahal.
