Analis memperkirakan: Pada tahun 2029, pengeluaran token AI perusahaan mungkin lebih mahal daripada gaji insinyur.

Anthropic hanya memiliki 5.000 karyawan, tetapi biaya komputasi 2,3 kali lipat dari gaji; perusahaan median hanya menghabiskan $137 per insinyur per tahun. Kesenjangan 680 kali lipat inilah yang akan diurai dalam analisis ini, dan ke arah mana tahun 2029 akan berakhir masih belum diketahui.
(Latar belakang: Dari memaksa karyawan menggunakan AI hingga khawatir membakar terlalu banyak Token: Semakin banyak perusahaan yang memperketat kuota penggunaan AI internal)
(Tambahan latar: Oracle jarang mengungkapkan pusat datanya "mungkin tidak akan balik modal", saham Oracle anjlok 40% pada Juni)

Daftar Isi Artikel

Toggle

• Daya Komputasi Lebih Dulu Memakan Gaji
• Dorongan dan Tarikan
• Setiap Perusahaan Bertaruh

Bayangkan, sebuah perusahaan biasa di tahun 2029 memelihara seorang insinyur, tagihan AI setahun kemungkinan besar lebih mahal dari gaji insinyur itu sendiri? Ini adalah kesimpulan yang dihitung oleh analis modal ventura terkenal Tomasz Tunguz menggunakan tiga model skenario.

Ketika biaya komputasi mulai mendekati atau bahkan melampaui biaya tenaga kerja, pengeluaran AI bukan lagi anggaran alat yang opsional, melainkan pengeluaran struktural yang harus dibandingkan dengan gaji dalam laporan laba rugi yang sama.

Daya Komputasi Lebih Dulu Memakan Gaji

Cerita ini harus dimulai dari buku besar Anthropic sendiri. Menurut statistik SaaStr, perusahaan ini saat ini hanya memiliki sekitar 5.000 karyawan, namun pada tahun 2026 menghabiskan sekitar $10 miliar untuk inferensi dan pelatihan. Dihitung rata-rata, setiap karyawan menanggung sekitar $2 juta biaya komputasi per tahun. Dibandingkan dengan perkiraan kompensasi total dari Levels.fyi yang di atas $500.000, biaya komputasi adalah 2,3 kali lipat dari gaji.

Ini adalah rasio yang belum pernah terjadi sebelumnya di seluruh industri perangkat lunak; sebagian besar perusahaan hidup di dunia yang sama sekali berbeda. Menurut statistik Ramp AI Index pada Juni 2026, 1% perusahaan teratas menghabiskan sekitar $89.000 per insinyur per tahun untuk AI, setara dengan 40% gaji seorang insinyur senior dengan gaji tahunan $224.000; perusahaan median hanya menghabiskan $137 per insinyur per tahun, hampir nol.

Antara puncak dan median, ada kesenjangan hampir 680 kali lipat, dan inilah teka-teki yang paling ingin dijelaskan oleh analisis ini: apakah kesenjangan ini akan melebar atau menyempit di masa depan.

Apakah 99% perusahaan lainnya akan, dan seberapa cepat, mengejar ritme Anthropic? Tunguz membingkai jawabannya dengan tiga skenario: Skenario pesimis mengasumsikan harga token terus turun hingga mengimbangi pertumbuhan permintaan; skenario dasar mengasumsikan kurva pertumbuhan 1% teratas melambat secara bertahap; skenario optimis mengasumsikan pasar secara keseluruhan mengejar rasio Anthropic saat ini pada tahun 2029. Masing-masing mengonversi tagihan AI menjadi persentase dari gaji dasar insinyur senior sebesar $224.000, dan mengasumsikan gaji tumbuh sekitar 5% per tahun:

• 2026: Pesimis, dasar, optimis sama-sama $90.000, persentase 40%
• 2027: Pesimis $106.000 (45%), dasar $164.000 (70%), optimis $258.000 (110%)
• 2028: Pesimis $118.000 (48%), dasar $259.000 (105%), optimis $444.000 (180%)
• 2029: Pesimis $106.000 (41%), dasar $363.000 (140%), optimis $596.000 (230%)

Jumlah dalam skenario pesimis malah turun setelah tahun 2028, karena kecepatan penurunan persentase lebih cepat dari inflasi gaji.

Dorongan dan Tarikan

Alasan skenario optimis bisa dipertahankan adalah karena alur kerja AI yang semakin kompleks (agentic workflow).

Ketika Anda membiarkan AI menjalankan tugas secara mandiri dan berurutan, memutuskan sendiri langkah selanjutnya, daripada sekadar tanya jawab sederhana, jumlah token yang dikonsumsi beberapa tingkat lipat lebih besar daripada mode obrolan. Goldman Sachs memperkirakan bahwa pada tahun 2030, konsumsi token akan tumbuh 24 kali lipat.

Di sisi lain, menurut penelitian Epoch AI, pendapatan per karyawan Anthropic dan OpenAI masing-masing $14 juta dan $6,5 juta, menjadikannya dua perusahaan tertinggi dalam daftar Forbes Global 2000. Struktur biaya pada akhirnya mengikuti struktur pendapatan; perusahaan yang mampu membelanjakan biasanya juga mampu menghasilkan kembali.

Namun kekuatan yang menarik ke arah skenario pesimis juga nyata, dan telah terjadi selama tiga tahun. Harga input model setara GPT-4 di bawah OpenAI, dari $30 per juta token saat diluncurkan pada Maret 2023, turun menjadi kurang dari $3 pada tahun 2026, turun sepuluh kali lipat setiap tahun selama tiga tahun.

Dan model open-source juga mendekati level batas, DeepSeek-V3 dan versi selanjutnya, dengan biaya API sepersepuluh hingga sepertiga, mampu memberikan hasil yang sebanding dengan model tertutup teratas. Ini tepat menggema mengapa perdebatan open-source vs closed-source adalah salah satu masalah politik paling penting di era AI: model open-source yang murah secara langsung menentukan apakah skenario pesimis memiliki kesempatan untuk menjadi kenyataan.

Perusahaan yang bersedia secara aktif membatasi penggunaan sesuai peran atau beban kerja, juga bisa menekan kurva ini sendiri, tanpa harus menunggu penurunan harga secara pasif.

Setiap Perusahaan Bertaruh

Hal yang benar-benar patut diperhatikan dalam analisis ini bukanlah kesimpulan permukaan "AI itu mahal", melainkan bahwa pengeluaran AI berubah dari anggaran alat yang opsional menjadi pengeluaran struktural yang setara dengan biaya tenaga kerja. Dalam skenario optimis, tagihan AI seorang insinyur saja sudah cukup setara dengan pendapatan median yang dihasilkan oleh seorang karyawan perusahaan SaaS publik bagi perusahaannya (sekitar $250.000). Ini bukan lagi skala biaya alat, melainkan skala gaji lain.

Ketika biaya komputasi mulai saling tarik-menarik dengan gaji dalam laporan laba rugi yang sama, perusahaan perlu memutuskan lebih awal untuk masa depan mana mereka bersedia mengalokasikan anggaran.