Akhirnya, perusahaan yang mulai memakai AI menemukan bahwa bisnisnya telah direbut oleh perusahaan-perusahaan model besar.

Penulis: 宇航猿; Sumber: 极客公园

1 Juli, CEO Palantir Alex Karp masuk ke studio CNBC, lalu melempar sebuah bom dengan nada nyaris tak terkendali.

Ia berkata industri AI “effing insane” (gila), ia berkata CEO perusahaan-perusahaan AS “livid” (murka) terhadap OpenAI dan Anthropic, ia berkata perusahaan sedang melakukan hal yang konyol—di satu sisi gila-gilaan membayar token, di sisi lain menyerahkan data operasional paling inti mereka kepada pemasok layanan model. Nilai bisnis yang didapat baliknya, hampir tidak dapat diukur.

Pembawa acara bertanya apakah itu berarti “mengalihkan kesalahan”. Karp menjawab, “Tidak, saya hanya menyampaikan fakta.”

Saham Palantir pada hari itu naik 9%. Angka itu sendiri adalah bentuk suara—pasar menilai bahwa ia mengucapkan banyak hal yang ingin dibicarakan orang, tetapi tidak berani diucapkan.

Ini bukan sekadar luapan emosi satu orang. Ketika seorang pemimpin perusahaan dengan valuasi lebih dari seribu miliar, menembaki seluruh industri model besar di siaran langsung nasional, dan pasar membalasnya dengan uang sungguhan, itu berarti sebuah emosi kolektif telah mencapai titik kritis.

Dalam dua tahun terakhir, semua orang membahas bagaimana merangkul model besar. Namun sekarang, masalah baru mulai mengemuka—apakah perusahaan yang terlalu dekat dengan model besar akan dihancurkan olehnya?

**01 **Dari “naik pitam” ke “tidak naif”

Kita lihat kembali awal 2024, sikap perusahaan terhadap model besar bisa diringkas menjadi empat kata—“pakai dulu”.

Tidak peduli ROI atau tidak, tidak peduli ke mana arus data, pokoknya jangan sampai ketinggalan. Saat itu, narasi arus utama adalah “revolusi AI sudah datang, kalau tidak merangkul akan tersisih”. CIO dan CTO di berbagai industri menghadapi tekanan besar, lalu menyelipkan AI ke setiap celah bisnis yang bisa diselipkan. Ini adalah keputusan yang didorong oleh kepanikan teknologi yang khas.

Memasuki 2025, “membuka secara menyeluruh” menjadi kata kunci. Perusahaan mulai benar-benar menyematkan model besar ke dalam proses bisnis inti, bukan lagi sekadar demo, bukan lagi sekadar menggelar internal hackathon. Dari layanan pelanggan sampai generasi kode, dari analisis pasar sampai desain produk, kedalaman dan keluasan penetrasi AI berkembang secara eksponensial.

Tapi memasuki 2026, sebuah perubahan suasana yang halus sedang terjadi.

Hasil riset Salesforce menunjukkan hanya separuh pemimpin IT yang percaya fondasi infrastruktur data perusahaan mereka cukup untuk mendukung keberhasilan implementasi AI. Laporan riset NTT DATA yang dirilis pada bulan Mei tahun ini bahkan memakai istilah “menabrak tembok”—AI perusahaan sedang menghadapi hambatan arsitektural yang dibawa oleh tuntutan privasi data dan kedaulatan. Gartner memprediksi pada 2027, 35% negara akan bergantung pada platform AI yang berbasis regional, sementara saat ini angkanya hanya 5%.

Karp menyampaikan perubahan ini dengan lebih terus terang. Ia mengatakan perusahaan sedang beralih dari “tokenmaxxing” yang tanpa berpikir menghamburkan token, menuju pertanyaan yang sungguh-sungguh tentang ROI. “Inti pandangannya adalah, jangan lagi buang waktu di token.”

Ini bukan penyangkalan terhadap model besar, melainkan seluruh industri sedang berjalan dari “naik pitam” ke “tidak naif”. Setelah fase euforia lewat, perusahaan mulai meninjau dengan mata yang lebih dingin sebuah persoalan mendasar—barang apa yang saya serahkan, dan barang apa yang saya terima; apakah neracanya bisa dihitung?

**02 **Saat mitra berubah menjadi pesaing

Kritik Karp masih sebatas lapisan model bisnis. Tapi ancaman yang benar-benar membuat merinding ada pada hal lain yang lebih langsung—pemasok layanan AI Anda mungkin sedang memakai data dan pemahaman skenario yang Anda sumbangkan untuk membangun produk yang menggantikan Anda.

Peristiwa pada April 2026 mengubah kekhawatiran ini dari teori menjadi kenyataan.

Pada bulan Februari tahun ini, Figma dan Anthropic masih bekerja sama mengembangkan fitur bernama “Code to Canvas”, yang mengintegrasikan kode hasil Claude ke alur desain Figma tanpa hambatan. Dua perusahaan tampak seperti mitra yang sangat akrab.

Pada 14 April, Chief Product Officer Anthropic Mike Krieger diam-diam mengundurkan diri dari kursi dewan direksi Figma.

Tiga hari kemudian, Anthropic merilis Claude Design—alat desain AI yang bisa menghasilkan prototipe interaksi, PPT, dan materi pemasaran secara langsung dengan bahasa alami, dengan sasaran yang tepat meniru bisnis inti Figma.

Saham Figma pada hari itu turun hampir 8%.

Dalam laporan Fast Company belakangan, ada detail yang terasa sangat mencurigakan—Figma dan Adobe, Canva, dan perusahaan lain telah menjalin kerja sama bertahun-tahun dengan Anthropic, tetapi sebelum peluncuran Claude Design, tidak ada yang diberi tahu. Semua orang baru menyadari, mitra AI mereka diam-diam berubah menjadi pesaing di bawah hidung mereka sendiri.

Kisah ini patut direnungkan karena mengungkap sebuah masalah struktural di era model besar yang bahkan lebih berbahaya daripada sebelumnya—ketika Anda bekerja sama secara mendalam dengan perusahaan AI, Anda bukan hanya menyerahkan pintu masuk pasar, tetapi juga menyerahkan pemahaman skenario inti dan data kebutuhan pengguna Anda.

Anthropic mampu membuat Claude Design, sebagian besar karena ia sangat memahami alur kerja dan titik sakit desainer dalam kerja sama dengan perusahaan alat desain.

Namun jika perspektif dipanjangkan, ini bukan skenario baru dalam sejarah teknologi.

Amazon yang bermula dari platform e-commerce lalu membangun merek sendiri: memakai data platform untuk mengidentifikasi kategori yang paling menguntungkan secara presisi, lalu meluncurkan produk sendiri untuk menggerogoti penjual pihak ketiga. Microsoft berangkat dari sistem operasi: ia merangkul peramban, perangkat lunak perkantoran, alat komunikasi satu per satu—Netscape dibunuh, Slack dipaksa menyerahkan diri. Google dari mesin pencari: memanjangkan diri dari hasil pencarian untuk menjawab pertanyaan pengguna langsung di halaman hasil, sehingga Yelp dan banyak layanan informasi vertikal tersisih.

Hukum besi industri teknologi tak pernah berubah—begitu sebuah platform memiliki data dan pemahaman pengguna yang cukup, ia akan menggerogoti ke hulu.

Di era model besar, hukum ini menjadi lebih ganas, karena penetrasi platform tradisional masih perlu waktu untuk mengumpulkan pemahaman, sementara model besar secara alami adalah “accelerator pemahaman”. Setiap kali Anda melakukan panggilan API, setiap kali data bisnis Anda menjadi masukan, semuanya membantu pemasok model memahami wilayah Anda lebih cepat dan lebih dalam.

**03 **“Batas Roche” era AI

Dalam astronomi ada konsep bernama “Batas Roche”—ketika sebuah benda langit terlalu dekat dengan bintang yang massanya besar, gaya pasang surut melebihi gaya gravitasi yang menahannya sendiri, sehingga benda langit tersebut akan tersobek.

Metafora ini dipakai untuk menggambarkan hubungan perusahaan dengan model besar hari ini, dan terasa terlalu tepat sampai membuat gelisah.

Model besar adalah bintang massanya besar itu. Setiap perusahaan ingin memakai gaya gravitasinya untuk mempercepat laju—meningkatkan efisiensi, menurunkan biaya, berinovasi. Tapi masalahnya, saat Anda mendekat cukup jauh, “materi” Anda mulai terlepas. Data Anda, know-how Anda, pemahaman atas kebutuhan pengguna, semuanya akan mengalir ke pusat gravitasi selama proses kerja sama.

Lalu, di mana batas agar perusahaan bisa “menari bersama AI” tanpa akhirnya ditelan?

Masalah ini sudah dipajang di meja di Amerika. Tapi jika Anda merasa itu masih jauh dari perusahaan-perusahaan di Tiongkok, mungkin itu sekadar ilusi.

Ada perbedaan kecepatan penerapan AI antara perusahaan AS dan Tiongkok. Perusahaan AS sudah masuk tahap deployment AI berskala besar dan sangat mendalam ke bisnis, sementara perusahaan Tiongkok secara umum masih bergerak dari pilot menuju skala. Riset yang dirilis Lenovo bersama IDC pada bulan Maret tahun ini menunjukkan 72% perusahaan domestik sudah menyelesaikan uji coba agen dan menggunakannya secara resmi, dengan AI diterapkan rata-rata pada 3,5 skenario. Namun tantangan bergeser dari “kurang komputasi, kurang data” menjadi “hasil aplikasi tidak sesuai ekspektasi” dan “ROI tidak jelas”.

Dengan kata lain, perusahaan Tiongkok sedang memasuki fase “kesadaran AI” yang mirip dengan perusahaan AS.

Geeko Park baru-baru ini berdialog dengan banyak pendiri startup dan perusahaan dengan bisnis tradisional, dan menemukan fenomena yang menarik—cara orang berpikir tentang isu-isu ini sering kali bukan berasal dari krisis langsung seperti “khawatir perusahaan model akan merampas bisnis saya”, melainkan karena setelah AI benar-benar disematkan ke dalam bisnis, mereka secara alami mulai mendefinisikan ulang “di era AI, apa nilai inti saya sebenarnya”.

Definisi ulang ini akhirnya akan bermuara pada dua kemampuan kunci.

**04 **Siapa yang mengendalikan “fondasi AI”?

Pertama, dan ini paling realistis, sangat selaras dengan apa yang diceritakan Karp—data dan logika bisnis Anda, sebenarnya berjalan di atas fondasi milik siapa?

Karp menekankan hal itu berulang kali di CNBC. Data operasional paling sensitif perusahaan tidak seharusnya mengalir ke kotak hitam pemasok model pihak ketiga. Ia memposisikan Palantir sebagai lapisan aplikasi untuk menyediakan “AI berdaulat” — model boleh memakai milik orang, tapi data harus tetap berada di pagar sendiri, dan deployment harus berjalan pada infrastruktur yang bisa dikendalikan sendiri.

Ini bukan sikap paranoid; pengalaman di perusahaan-perusahaan Tiongkok secara rasa memang sepaham. Pimpinan R&D WPS 365 dari Kingsoft, Huang Weijie, baru-baru ini mengucapkan kalimat yang tepat—“Yang kurang bagi perusahaan hari ini bukan perangkat keras dan model, melainkan lapisan aplikasi AI yang aman.”

Data IDC juga menguatkan tren ini. Dalam deployment komputasi AI perusahaan, porsi komputasi cloud publik sedang menurun; porsi total private cloud dan deployment lokal naik dari 54% menjadi 69%. “Data tidak keluar wilayah” yang dulu hanya sekadar slogan kepatuhan, kini menjadi syarat saringan pertama saat CTO melakukan pemilihan.

Karp menyebutnya “commodity cognition” yang dikomersialisasi. Penilaiannya: kualitas model itu sendiri sedang menuju konvergensi, sementara nilai diferensiasi yang sesungguhnya tidak berada di lapisan model, melainkan di lapisan aplikasi yang mengikat kemampuan model dengan skenario spesifik perusahaan. “Mesin AI berdaulat” yang Palantir kembangkan bekerja sama dengan NVIDIA adalah bentuk yang diproduktivkan dari logika itu—pakai model open source ditambah lapisan ontologi dan kerangka tata kelola milik Palantir, sehingga perusahaan dapat menjalankan AI dalam lingkungan yang sepenuhnya terkontrol, dan data tidak keluar bahkan satu byte pun. Pendapatan Palantir kuartal pertama 2026 sebesar 1,63 miliar dolar AS, naik 85% year-on-year; dalam beberapa cara, itu adalah “suara” pasar untuk jalur tersebut.

Ada sinyal yang perlu diperhatikan di sini—di masa depan, perusahaan dan solusi yang membantu perusahaan menjalankan AI di atas “fondasi mereka sendiri” akan semakin laris. Di dalam negeri, “otak AI privatisasi” sudah menjadi arena yang nyata, dan banyak startup membangun produk seputar arah ini. Ini bukan kemurnian teknologi yang berlebihan, melainkan pilihan rasional setelah perusahaan memikirkannya dengan jelas.

**05 **Jangan ubah organisasi menjadi “mesin pengulangan”

Kedua, kemampuan ini lebih sulit diukur, tetapi Geeko Park merasakannya semakin kuat saat berbicara dengan perusahaan—ketika AI bisa menggantikan semakin banyak proses eksekusi, organisasi pada akhirnya masih membutuhkan jenis “orang” seperti apa?

Sudah ada beberapa perusahaan yang cukup cepat dan pernah jatuh ke lubang yang sama.

Ketika AI di beberapa tahap efisiensinya jelas melampaui manusia, muncul pemikiran alami untuk “mengurangi orang”. Tapi setelah organisasi menjadi lebih tipis, masalah tersembunyi mulai muncul—apa yang dijalankan AI pada dasarnya adalah “best practice” yang dulu dipadatkan oleh orang-orang tersebut di lingkungan lama. Ketika lingkungan berubah, pasar berubah, pengguna berubah, AI tetap setia menjalankan logika lama itu, sementara di dalam organisasi sudah tidak ada cukup orang untuk merasakan perubahan dan mendorong evolusi bisnis ke depan.

Intinya, organisasi yang diisi AI tetapi dikuras oleh manusia, mungkin hanya sedang mengulangi masa lalu dengan efisien.

Ini bukan berarti AI tidak boleh menggantikan eksekusi. Namun ketika AI mengambil alih semakin banyak lapisan eksekusi, perusahaan justru lebih membutuhkan jenis orang yang lain—bukan orang-orang yang sekadar menjalankan tugas spesifik secara tradisional, melainkan orang yang bisa “mengendalikan” AI. Peran ini perlu memahami keseluruhan bisnis, mampu menilai apakah output AI masih cocok untuk realitas yang berubah, serta bisa melihat kemungkinan baru di luar “solusi terbaik” yang diberikan AI.

Beberapa perusahaan yang lebih maju sudah mulai memikirkan hal ini dengan serius. Mereka menemukan, setelah hadirnya AI, daya saing yang sesungguhnya bukan “berapa banyak orang yang kamu ganti dengan AI”, melainkan “apakah orang-orangmu bisa mengendalikan AI untuk melakukan hal yang dulu tidak bisa dilakukan”. Jika hanya membuat AI terus mengotomatisasi berdasarkan data historis dan terus berputar, Anda pada dasarnya mengunci diri Anda dalam satu snapshot masa lalu.

Betapa pentingnya pembalikan pemahaman ini mungkin tidak kalah dengan kedaulatan data. Ketika AI meratakan hambatan teknologi, “kemampuan penilaian manusia” dan “kemampuan evolusi organisasi” justru menjadi hal tersulit untuk ditiru. Ada perusahaan yang sudah menyadarinya, ada yang belum. Dan ambang batas ini kemungkinan akan menjadi sangat jelas dalam satu atau dua tahun ke depan.

**06 **Industri membutuhkan “perusahaan AI baru”

Dalam dua tahun terakhir, sebuah asumsi implisit menguasai seluruh industri—nilai era AI pada akhirnya akan terkonsentrasi di tangan perusahaan model. Semakin dekat dengan model, semakin tinggi nilainya.

Asumsi ini sedang digoyang.

Karp sebenarnya menguraikan sesuatu di CNBC—model itu sendiri sedang berubah menjadi “commodity cognition”. Ketika kesenjangan kemampuan antar berbagai model besar semakin kecil, diferensiasi yang sebenarnya tidak lagi ada di lapisan model. Struktur industri yang hanya membuat perusahaan model mendominasi tidak hanya tidak sehat bagi perusahaan, tetapi juga menjadi kendala bagi kecepatan perkembangan seluruh industri AI.

Yang dibutuhkan perusahaan bukan pernah model yang lebih kuat. Mereka membutuhkan seluruh rangkaian ekosistem—yang bisa merespons kecemasan kedaulatan data, yang bisa melindungi penghalang kompetitif agar tidak tersedot, dan yang memungkinkan AI benar-benar menyatu ke bisnis tanpa lepas kendali. Kebutuhan ini sedang melahirkan pasar yang jauh lebih rumit daripada sekadar “menjual token”.

Beberapa arah sudah menunjukkan sinyal yang jelas.

“Infrastruktur AI berdaulat” sedang menjadi jalur yang nyata dan mengantongi uang besar. Ini bukan sekadar konsep. Hanya pada paruh pertama tahun 2026, Eropa sudah memiliki tiga perusahaan yang mengerjakan infrastruktur AI berdaulat (Nebius, nScale, AtlasEsge) dengan total pendanaan lebih dari 11,8 miliar dolar AS. Baru beberapa hari lalu, Valarian di London baru saja mendapatkan putaran A sebesar 50 juta dolar AS, dan yang dikerjakannya sangat spesifik—menambahkan lapisan “kontrol berdaulat” di antara sistem AI dan data sensitif: menentukan AI mana yang boleh menyentuh data mana, serta dalam kondisi apa. Hal seperti ini dua tahun lalu bahkan tidak ada permintaannya, sekarang pemerintah dan perusahaan besar antre untuk itu.

“AI gateway” dan lapisan orkestrasi di tengah, sedang menjadi bagian yang tak terpisahkan dari arsitektur AI perusahaan. Ketika sebuah perusahaan memakai OpenAI, Anthropic, model open source, dan juga model khusus yang mereka fine-tuning sendiri, siapa yang melakukan routing terpadu, kontrol biaya, tata kelola izin, dan audit? Di era perangkat lunak tradisional, posisi ini disebut middleware, tetapi di era AI disebut gateway atau lapisan orkestrasi. Tidak menarik, tapi ini infrastruktur kunci agar perusahaan bisa berpindah dari “memakai AI” menuju “mengendalikan AI”. Palantir pada dasarnya melakukan lapisan ini, hanya saja mereka melakukannya versi yang paling berat. Untuk versi yang lebih ringan dan ditujukan bagi perusahaan dengan skala berbeda, ruangnya sangat besar.

Di lapisan aplikasi, solusi AI industri vertikal juga sedang bergeser dari “sekadar tempel GPT” menuju “lebih dalam”. Banyak aplikasi AI yang dulu, pada dasarnya, hanya membungkus semacam “casing” GPT. Namun sekarang, produk yang benar-benar punya landasan adalah yang memahami mendalam know-how industri tertentu, dan mengikat erat kemampuan AI dengan logika industri. Titik jangkar nilai perusahaan seperti ini tidak ada pada model, tetapi pada pemahaman industri—hal yang justru sulit didapat oleh perusahaan model besar melalui pelatihan.

Bahkan di lapisan “orang”, mulai muncul pasar layanan baru. Ketika semakin banyak perusahaan sadar bahwa mereka tidak membutuhkan lebih banyak alat AI, melainkan orang yang bisa “mengendalikan AI” dan metodologi organisasi yang menyertainya, kebutuhan akan konsultasi perubahan organisasi di era AI, pelatihan talenta, dan redesain proses pun cepat bermunculan.

Pada akhirnya, industri yang hanya punya “lapisan model” itu rapuh. Ekosistem yang lebih berlapis adalah yang membuat industri AI bisa berjalan lebih cepat dan lebih sehat. Dalam ekosistem ini, ada yang membuat model, ada yang membangun infrastruktur berdaulat, ada yang membuat gateway dan tata kelola, ada yang menghadirkan aplikasi mendalam untuk industri vertikal, ada yang membantu perusahaan membentuk ulang kemampuan organisasi. Setiap lapisan menjawab kebutuhan nyata perusahaan saat beralih dari “merangkul” menjadi “mengendalikan”.

Kebutuhan ini dalam setahun terakhir berubah dari kabur menjadi semakin jelas. Selanjutnya, gelombang ledakan yang tegas mungkin datang untuk generasi baru solusi, penyedia layanan, dan produk yang lahir dari kebutuhan-kebutuhan ini.

Kembali ke metafora Batas Roche. Menemukan jalur aman, tidak pernah menjadi urusan satu perusahaan saja. Ketika seluruh ekosistem mulai tumbuh dengan kekuatan di luar model, barulah perusahaan punya alasan untuk yakin tidak akan tersobek.