Laporan Mendalam Goldman Sachs: Titik Balik yang Akan Datang Mengurai Ekonomi Agen AI

agen AI (Agentic AI) sedang mengubah industri kecerdasan buatan dari narasi biaya menjadi narasi keuntungan. Goldman Sachs berpendapat bahwa, seiring dengan lonjakan konsumsi token yang akan terjadi, dan kecepatan penurunan biaya komputasi dasar yang melebihi penurunan harga token, titik balik margin kotor dari penyedia cloud skala besar dan penyedia model besar mungkin akan terjadi dalam 3 hingga 12 bulan ke depan.

Menurut platform perdagangan追风交易台, laporan Goldman Sachs yang dirilis pada 5 Mei menyatakan bahwa, perusahaan memperkirakan hingga tahun 2030, AI agen di sisi konsumen dan perusahaan secara gabungan akan mendorong konsumsi token global meningkat 24 kali dibandingkan level 2026, mencapai sekitar 120 triliun token per bulan; jika dihitung berdasarkan tingkat adopsi puncak agen di sisi perusahaan pada tahun 2040, angka ini akan meningkat menjadi 55 kali.

Sementara itu, analisis Goldman Sachs menunjukkan bahwa kurva harga dan biaya menunjukkan bahwa harga token model besar utama telah stabil bahkan sedikit meningkat setelah penurunan sekitar 40% per tahun sebelumnya; sementara itu, biaya komputasi per token yang didukung oleh chip seperti Nvidia, AMD, Google TPU dan Trainium terus menurun dengan kecepatan 60% hingga 70% per tahun, dan selisih antara kedua kurva ini membuka ruang keuntungan bagi industri. Pengeluaran modal besar untuk infrastruktur AI, mungkin akan mendapatkan dukungan ekonomi yang lebih berkelanjutan karena perbaikan margin keuntungan.

Titik balik ekonomi Token: Penurunan biaya lebih cepat dari harga, ruang keuntungan mulai terbuka

Inti dari laporan Goldman Sachs adalah bahwa industri AI sedang beralih dari fase “ketidakpastian ekonomi inferensi, yang mungkin mengurangi keuntungan” ke fase baru “peningkatan token dengan margin keuntungan menarik yang akan direalisasikan.”

Pada fase pertama siklus AI, investor umumnya memandang daya komputasi dan token sebagai faktor penggerak biaya—semakin banyak penggunaannya, semakin besar beban inferensi, semakin banyak akselerator, listrik, dan pengeluaran modal. Tetapi analisis kurva harga dan biaya Goldman Sachs menunjukkan bahwa logika ini sedang berubah.

Meskipun harga token model besar utama telah menurun secara signifikan, saat ini sudah stabil dan bahkan dalam beberapa kasus menunjukkan kenaikan; sementara itu, biaya total per token yang didukung Nvidia, Google TPU (Broadcom), AMD, dan Trainium (Marvell) terus menurun dengan cepat dan berkelanjutan. Jika harga token tetap stabil di atas biaya token, peningkatan adopsi AI agen akan menghasilkan ekspansi keuntungan positif, bukan hanya peningkatan pendapatan.

Goldman Sachs juga menambahkan bahwa AI agen dapat membentuk roda ekonomi yang memperkuat diri sendiri: biaya komputasi per token yang lebih rendah akan mendorong agen yang lebih kaya dan kompleks; agen yang lebih kaya akan menggunakan konteks yang lebih panjang, lebih banyak siklus, verifikasi lebih banyak, dan pemantauan berkelanjutan yang menghabiskan lebih banyak token; tingkat utilisasi yang lebih tinggi akan meningkatkan efisiensi ekonomi infrastruktur AI, mendukung penyedia untuk terus meningkatkan kualitas model dan distribusi. Goldman Sachs berpendapat bahwa roda ini berbeda dari narasi umum di pasar bahwa “penggunaan AI akan membawa beban biaya yang tidak berkelanjutan.”

Namun, Goldman Sachs juga memperingatkan risiko: tidak semua beban kerja AI dapat menjamin titik balik keuntungan yang positif. Untuk chatbot berbasis teks yang sangat komersial, persaingan mungkin memaksa penurunan harga token lebih cepat daripada biaya komputasi.

代理 konsumen: dari percakapan fragmentaris ke asisten “tetap” yang akan meningkatkan konsumsi token 12 kali

Goldman Sachs memperkirakan bahwa, pada tahun 2030, agen AI di sisi konsumen dapat meningkatkan konsumsi token global sebanyak 12 kali, dengan penambahan sekitar 60 triliun token per bulan.

Laporan membagi agen sisi konsumen menjadi dua kategori: pertama, “berbasis kebutuhan” seperti OpenAI Operator, Claude Code, yaitu agen browser yang dipicu pengguna untuk merencanakan, mengeksekusi, dan mengembalikan hasil secara mandiri; kedua, “berbasis permanen” seperti agen yang berjalan terus-menerus di latar belakang, seperti pemantauan email, pengelolaan jadwal, atau asisten kehidupan digital. Goldman Sachs berpendapat bahwa lonjakan konsumsi token terbesar akan terjadi saat agen beralih dari memulai tugas oleh pengguna ke berjalan terus-menerus di latar belakang—mengawasi konteks dan bertindak secara aktif saat diperlukan.

Berdasarkan data simulasi, chatbot LLM biasa menghabiskan sekitar 1.000 token per sesi, Copilot embedded menghabiskan lebih dari 5.000 token per hari, dan agen permanen dapat menghabiskan lebih dari 100.000 token per hari.

Goldman Sachs memperkirakan, pada tahun 2030, jumlah kueri AI harian akan meningkat dari sekitar 5 miliar pada 2025 menjadi sekitar 23 miliar, dengan maksimal 30% mengalir ke agen di bidang pencarian, belanja, perjalanan, email, dan produktivitas pribadi. Sementara itu, pangsa pasar mesin pencari tradisional dalam volume kueri diperkirakan akan menurun dari 68% pada 2025 menjadi 36% pada 2030, sementara pangsa aplikasi LLM asli akan meningkat dari 12% menjadi 31%.

代理 perusahaan: kompleksitas alur kerja mendorong kekuatan token, konsumsi 2040 bisa 55 kali lipat

Goldman Sachs memperkirakan bahwa agen AI di sisi perusahaan akan menjadi pengganda token terbesar, mendorong konsumsi token global meningkat 24 kali pada 2030, dan meningkat lagi menjadi 55 kali lipat saat adopsi puncak pada 2040, dengan beban kerja perusahaan akan mewakili lebih dari 70% dari total penggunaan token global.

Alasan mengapa agen di sisi perusahaan memiliki kekuatan token lebih tinggi dibandingkan agen di sisi konsumen adalah karena alur kerja mereka yang lebih kompleks dan presisi—memantau tugas, mengambil konteks, inferensi anomali, memverifikasi output, memperbarui sistem, dan melaporkan masalah secara berkelanjutan sepanjang hari kerja. Selain itu, agen perusahaan sering melibatkan input multimodal yang lebih berat (suara, gambar, dokumen, aktivitas layar, data aplikasi, log, dan catatan sistem terstruktur), yang secara signifikan meningkatkan kekuatan token.

Goldman Sachs melakukan simulasi konsumsi token untuk berbagai profesi menggunakan agen yang berbeda.

Hasilnya menunjukkan bahwa agen pemrograman menghabiskan sekitar 7 juta token per hari, dengan biaya API sekitar 13 dolar AS/hari, jauh lebih rendah dari biaya tenaga kerja manusia; agen call center menghabiskan sekitar 2 juta token per hari, tetapi jika bergantung pada pemrosesan suara real-time, biayanya bisa mencapai 92 dolar AS/hari, sehingga otomatisasi suara penuh secara ekonomi masih belum kompetitif; agen entri data menghabiskan sekitar 25 juta token per hari, dengan biaya sekitar 60 dolar AS/hari, tetap lebih rendah dari biaya tenaga kerja manusia.

Goldman Sachs menyatakan bahwa kecepatan adopsi agen di sisi perusahaan akan bergantung pada empat variabel: jumlah token, biaya API, kombinasi modal, dan kompleksitas implementasi. Alur kerja berbasis teks dan ekosistem alat yang matang akan menjadi yang pertama melakukan skala; alur kerja berbasis suara atau yang terintegrasi secara mendalam dengan sistem latar belakang mungkin akan berkembang lebih lambat.

Dari kurva adopsi, Goldman Sachs percaya bahwa AI agen di sisi perusahaan kemungkinan besar akan mengikuti kurva S, dengan tingkat adopsi puncak sekitar 35% hingga 40% dari pekerja pengetahuan, mencapai puncaknya dalam sekitar 15 tahun, lebih cepat dari median penyebaran teknologi sejarah (29 tahun).

Kelestarian pengeluaran modal: perbaikan keuntungan memberi ruang lebih besar bagi penyedia cloud skala besar

Salah satu kesimpulan investasi utama dari laporan Goldman Sachs adalah bahwa perbaikan margin keuntungan dari penyedia cloud skala besar akan membuat investasi infrastruktur yang saat ini tinggi menjadi lebih berkelanjutan, sehingga mengatasi kekhawatiran utama pasar tentang pengembalian modal AI.

Laporan menunjukkan bahwa operator saat ini masih terbatas dalam memenuhi kebutuhan daya komputasi saat ini dan mendatang, Google dan Meta telah menaikkan proyeksi pengeluaran modal untuk tahun fiskal 2026, dan manajemen Amazon juga menegaskan kembali strategi pengeluaran modal tinggi mereka setelah laporan kuartal pertama. Goldman Sachs memperkirakan bahwa seiring mendekatnya titik balik keuntungan, investor akan semakin mencari bukti pengembalian yang terlihat.

Dalam hal saham tertentu, Goldman Sachs berpendapat bahwa logika utama untuk Amazon adalah percepatan pertumbuhan pendapatan AWS (pertumbuhan 28% YoY di kuartal pertama) dan tumpukan pesanan sebesar 364 miliar dolar AS; untuk Google, pandangannya didasarkan pada pertumbuhan cloud sebesar 63% YoY di kuartal pertama dan tumpukan pesanan yang hampir dua kali lipat menjadi sekitar 460 miliar dolar AS; untuk Meta, didasarkan pada pertumbuhan bisnis iklannya yang jauh melampaui industri iklan digital secara keseluruhan dan kontribusi berkelanjutan dari kekuatan komputasi AI dalam meningkatkan keterlibatan pengguna dan monetisasi iklan.

Dalam bidang perangkat lunak, Goldman Sachs berpendapat bahwa biaya token yang lebih rendah akan memudahkan produsen perangkat lunak untuk menyematkan agen ke produk yang ada tanpa secara signifikan mempengaruhi margin kotor, sekaligus mendukung penetapan harga berdasarkan hasil, produktivitas, atau unit kerja daripada jumlah pengguna, sehingga memperluas pasar yang dapat dijangkau perangkat lunak. Untuk perusahaan layanan TI, seiring agen mengubah konsumsi AI dari alat independen menjadi alur kerja perusahaan tingkat tinggi yang terintegrasi, kebutuhan akan integrasi, tata kelola, dan orkestrasi pengelolaan akan meningkat secara signifikan, dan Accenture dipandang sebagai penerima manfaat utama dari tren ini.