Mitos Biaya AI Murah Terbantahkan Realitas Rp7 Triliun Data Center

VOXBLICK.COM - Banyak orang mengira biaya AI itu “murah” karena model bisa dijalankan di layanan cloud atau karena muncul angka-angka investasi yang terdengar kecil dibanding skala teknologi. Padahal, realitas infrastrukturterutama kebutuhan data center, jaringan, dan energisering membuat proyeksi biaya berubah drastis. Artikel ini membahas mitos “AI murah” dengan menautkannya pada realitas kebutuhan kapasitas komputasi yang dapat mengubah hitungan investasi menjadi miliaran hingga triliunan rupiah untuk pembangunan dan penguatan fasilitas.

Dalam kacamata finansial, isu ini bukan sekadar urusan teknik.

Dampaknya terasa pada biaya operasional, likuiditas perusahaan yang membiayai ekspansi, sampai risiko pasar ketika proyeksi pendapatan tidak segera mengikuti belanja infrastruktur. Memahami hubungan ini membantu pembacabaik investor maupun pengguna layanan berbasis AIuntuk membaca sinyal pasar secara lebih rasional.

Mitos “AI Murah”: yang sering diabaikan adalah biaya energi dan kapasitas

Mitos ini biasanya lahir dari cara pandang yang terlalu sempit: fokus pada biaya perangkat lunak atau akses layanan, lalu menganggap “komputasi” seolah-olah seperti listrik rumahcukup bayar pemakaian tanpa memikirkan pembangunan jaringan dan

pembangkit di belakangnya. Padahal, AI modern menuntut GPU/komputasi intensif, penyimpanan data besar, serta latensi rendah agar proses inferensi dan pelatihan berjalan efisien.

Di titik ini, data center menjadi pusat biaya. Ketika kapasitas harus meningkat, perusahaan tidak hanya menambah server, tetapi juga menambah sistem pendingin, catu daya, jaringan, keamanan, serta pemeliharaan.

Energi bukan sekadar “tagihan” ia adalah komponen yang menentukan skala biaya operasional. Maka, proyeksi imbal hasil (return/ROI) bisa meleset bila pendapatan berbasis AI tidak tumbuh secepat kenaikan belanja.

Kenapa angka investasi data center bisa mengubah proyeksi keuangan?

Bayangkan investasi data center seperti membangun gudang besar sebelum barang laku.

Jika gudang dibangun terlalu cepat atau kapasitasnya jauh melampaui permintaan, arus kas akan tertekan oleh biaya tetap: sewa lahan/gedung, gaji operasional, kontrak pemeliharaan, sampai konsumsi energi. Dalam laporan keuangan, ini dapat tercermin sebagai peningkatan beban dan kebutuhan pembiayaan.

Dari sisi pembaca yang memantau pasar, perubahan skala belanja ini bisa berdampak pada:

• Likuiditas: perusahaan perlu menjaga kas agar tetap bisa beroperasi sambil membayar biaya tetap.
• Risiko pasar: jika pasar menilai belanja terlalu agresif, valuasi bisa tertekan atau volatilitas meningkat.
• Biaya per unit layanan: ketika utilisasi rendah, biaya per penggunaan AI bisa naik.
• Struktur pendanaan: ekspansi infrastruktur bisa mendorong kebutuhan pendanaan eksternal (utang atau penerbitan instrumen ekuitas), yang menambah sensitivitas terhadap kondisi suku bunga dan sentimen investor.

Biaya AI murah sering “terlihat” murah, tapi sebenarnya bergantung pada utilisasi

Dalam praktik komersial, biaya AI sering dihitung berdasarkan skema pemakaian atau layanan. Namun, “murah” di permukaan bisa menutupi kenyataan bahwa biaya infrastruktur tetap harus dibayar.

Analogi sederhana: tiket masuk kolam renang terlihat murah, tetapi jika Anda hanya berenang sebentar sementara kolam harus tetap dipanaskan, biaya operasional tetap adadan akhirnya bisa memengaruhi harga tiket di periode lain.

Pada data center, utilisasi adalah kunci. Bila kapasitas komputasi tinggi dan permintaan stabil, biaya per layanan dapat ditekan.

Sebaliknya, ketika permintaan tidak merata (musiman atau proyek berbasis pilot), kapasitas menganggur membuat biaya per unit meningkat. Ini berkaitan erat dengan konsep biaya tetap vs biaya variabel yang sering memengaruhi margin keuntungan perusahaan penyedia layanan AI.

Dampak ke investor dan nasabah: dari volatilitas sampai perubahan arus kas

Walau pembaca tidak terlibat langsung dalam pembangunan data center, efeknya bisa “menyebar” ke ekosistem finansial.

Investor dapat melihat sinyal melalui indikator seperti pertumbuhan belanja modal (capex), perubahan arus kas operasi, serta ekspektasi pendapatan. Nasabah atau pengguna layanan berbasis AI pun dapat merasakan dampak tidak langsung, misalnya perubahan skema harga, prioritas layanan, atau peningkatan biaya berlangganan ketika biaya infrastruktur naik.

Di sisi risiko, ada dua jenis yang relevan:

• Risiko eksekusi: keterlambatan pembangunan atau realisasi kapasitas bisa menggeser jadwal pendapatan.
• Risiko pasar: sentimen investor dapat berubah jika pasar menilai biaya dan energi menjadi beban yang lebih besar dari perkiraan, sehingga proyeksi pertumbuhan tidak tercapai.

Tabel Perbandingan Sederhana: “AI Murah” vs Realitas Biaya Infrastruktur

Implikasi untuk perencanaan portofolio: diversifikasi dan sensitivitas biaya

Saat membahas AI dan infrastruktur, investor sering menilai peluang pertumbuhan. Namun, pendekatan yang lebih matang adalah memahami sensitivitas terhadap biaya energi dan utilisasi.

Dalam portofolio, perusahaan dengan belanja infrastruktur besar bisa lebih sensitif terhadap perubahan permintaan, sehingga perlu pertimbangan diversifikasi portofolio agar risiko terkonsentrasi tidak terlalu besar.

Dari sisi pembaca yang mengelola dana pribadi, konsepnya mirip dengan mengatur porsi: bukan berarti AI tidak menjanjikan, tetapi porsi eksposur pada sektor yang memiliki kebutuhan infrastruktur tinggi sebaiknya dipahami sebagai bagian dari

manajemen risiko. Hal ini juga relevan ketika kondisi pasar berubahmisalnya ketika biaya pendanaan atau ekspektasi pertumbuhan ikut bergeser.

Bagaimana regulasi dan transparansi laporan membantu pembaca?

Untuk memahami dampak finansial dari investasi infrastruktur, pembaca dapat menaruh perhatian pada informasi yang dipublikasikan perusahaan dan kerangka pengawasan otoritas. Di Indonesia, rujukan umum dapat dilihat melalui OJK dan mekanisme keterbukaan informasi di pasar modal yang diatur sesuai ketentuan. Tujuannya bukan untuk menebak hasil, tetapi agar publik memiliki dasar data saat menilai risiko, termasuk risiko terkait biaya operasional dan rencana ekspansi.

FAQ (Pertanyaan Umum) tentang mitos biaya AI murah dan data center

1) Mengapa layanan AI bisa terasa murah, padahal data center butuh biaya besar?

Karena harga layanan sering dihitung dari skema pemakaian dan asumsi utilisasi. Namun, data center tetap menanggung biaya tetap seperti energi, pendinginan, dan pemeliharaan.

Jika utilisasi tidak sesuai asumsi, biaya per unit bisa naik di periode berikutnya.

2) Apa hubungan investasi data center dengan likuiditas perusahaan?

Investasi infrastruktur biasanya membutuhkan arus kas untuk capex dan biaya operasional berulang.

Jika pendapatan berbasis AI tidak segera tumbuh, perusahaan bisa mengalami tekanan likuiditasmisalnya perlu menyeimbangkan kas, memperpanjang pendanaan, atau menata ulang prioritas ekspansi.

3) Apa yang harus diperhatikan investor agar tidak terjebak “risiko pasar” dari proyeksi AI?

Perhatikan indikator seperti perubahan biaya operasional, rencana ekspansi kapasitas, tren utilisasi (jika tersedia), serta konsistensi antara target pendapatan dan belanja infrastruktur.

Ini membantu menilai apakah risiko eksekusi dan risiko pasar lebih dominan daripada potensi imbal hasil yang diproyeksikan.

Pada akhirnya, mitos “biaya AI murah” sering runtuh ketika realitas kebutuhan data centertermasuk energi dan kapasitasmasuk dalam hitungan.

Bagi pembaca, memahami hubungan antara belanja infrastruktur, likuiditas, dan risiko pasar membantu membaca dinamika investasi dengan lebih jernih. Namun, instrumen atau eksposur finansial yang terkait sektor teknologi dan infrastruktur tetap memiliki risiko pasar serta potensi fluktuasi yang dapat berubah seiring kondisi ekonomi dan sentimen investor karena itu, lakukan riset mandiri dan pertimbangkan informasi terbaru sebelum mengambil keputusan finansial.