Ketika AI Lebih Mahal dari Karyawan yang Digantikannya: Membedah Krisis Tagihan Token 2026

Selasa, 10 November 2026. Artikel ini berangkat dari video kanal Economy Media, “How AI Became More Expensive Than The Workers It Replaced”, dan dilengkapi data serta kutipan dari Semafor, InfoWorld/Gartner, The Next Web, laporan Challenger, Gray & Christmas, dan pemberitaan media teknologi lainnya. Sumber lengkap ada di bagian akhir.

Tiga tahun lalu, hitungannya terdengar sederhana. Gaji seorang staf layanan pelanggan, penulis konten, atau programmer junior dibayar setiap bulan, lengkap dengan tunjangan, cuti, dan pesangon. Sementara itu, model kecerdasan buatan (AI) bisa dipanggil kapan saja dengan harga beberapa sen per permintaan. Tidak lelah, tidak sakit, tidak menuntut kenaikan gaji. Di atas kertas, mengganti manusia dengan AI tampak seperti keputusan bisnis yang paling masuk akal sejak ditemukannya spreadsheet.

Pada 2026, hitungan itu mulai goyah. Seorang eksekutif JPMorgan mengakui ada karyawan yang menghabiskan biaya AI lebih besar daripada gajinya sendiri. Uber dilaporkan menghabiskan anggaran AI untuk setahun penuh hanya dalam empat bulan. Microsoft mengirim memo internal yang meminta karyawannya berhenti “tokenmaxxing”. Gartner bahkan memperkirakan, dalam sekitar dua tahun, biaya token AI per programmer akan menyamai atau melampaui gaji bulanan seorang software engineer pada umumnya.

Fenomena inilah yang diangkat Economy Media dalam video berdurasi sekitar 11 menit yang telah ditonton lebih dari 3,6 juta kali sejak diunggah pada 2 Juli 2026. Judulnya provokatif: bagaimana AI menjadi lebih mahal daripada pekerja yang digantikannya.

Video: “How AI Became More Expensive Than The Workers It Replaced” (Economy Media, 2 Juli 2026).

Artikel ini membedah klaim dalam video tersebut satu per satu, mengujinya dengan data yang tersedia, dan menarik pelajaran yang relevan bagi perusahaan serta pekerja di Indonesia.

Ringkasan Isi Video

Dalam deskripsinya, Economy Media merangkum argumen utamanya sebagai berikut. Sejak ChatGPT diluncurkan pada akhir 2022, AI dengan cepat menggantikan tenaga kerja manusia di berbagai industri karena murah dan efisien, mendorong adopsi massal sekaligus gelombang PHK. Namun penggunaan AI yang meluas di perusahaan, model harga berbasis token, dan praktik “tokenmaxxing” membuat permintaan dan biaya membengkak.

Di sisi pasokan, keterbatasan pusat data dan naiknya harga komputasi ikut mendorong biaya. Video itu menyebut biaya token telah naik lebih dari dua kali lipat sejak 2025, serta menyinggung Meta dan Microsoft sebagai perusahaan yang melaporkan penggunaan masif dan tekanan anggaran. Kesimpulannya: ketika biaya AI mendekati atau melampaui biaya tenaga kerja untuk sebagian peran, perusahaan mulai mempertanyakan imbal hasil investasi (ROI) dan kelayakan ekonomi jangka panjang dari penerapan AI skala besar.

Video ini dibagi dalam sepuluh bab: adopsi AI, pasar kerja teknologi, pekerjaan teknologi, penggantian oleh AI, harga token, tokenmaxxing, infrastruktur pusat data, belanja AI perusahaan, pergeseran tenaga kerja, dan agen AI. Mari kita telusuri bagian-bagian terpentingnya.

Babak Pertama: Ketika AI Dijadikan Alasan PHK

Narasi “AI menggantikan manusia” bukan sekadar wacana. Lembaga riset ketenagakerjaan Amerika Serikat, Challenger, Gray & Christmas, mencatat bahwa sepanjang 2026 AI menjadi alasan yang paling sering disebut perusahaan ketika mengumumkan PHK. Porsinya terus naik: dari sekitar 7 persen pada Januari menjadi 25 persen pada Maret, 26 persen pada April, dan 40 persen pada Mei.

Pada Mei 2026 saja, sebanyak 38.579 pemutusan hubungan kerja dikaitkan dengan AI, angka bulanan tertinggi sejak lembaga itu mulai melacak alasan ini pada 2023. Hingga akhir Mei, total PHK yang dikaitkan dengan AI mencapai sekitar 87.714 orang, atau sekitar 22 persen dari seluruh PHK yang diumumkan tahun ini. Angka itu sudah melampaui total sepanjang 2025, yaitu 54.836 orang. Sektor teknologi menjadi penyumbang terbesar: perusahaan teknologi AS mengumumkan 139.156 PHK pada paruh pertama 2026, naik 83 persen dibanding periode yang sama tahun sebelumnya.

Meski begitu, Challenger sendiri berhati-hati. Andy Challenger, wakil presiden senior lembaga itu, menyatakan bahwa AI “belum menjadi jobpocalypse seperti yang diramalkan sebagian orang”. Para analis juga mengingatkan bahwa perusahaan punya insentif untuk menyebut AI sebagai alasan PHK, karena terdengar lebih modern dan lebih disukai investor dibanding mengakui penjualan yang melemah.

Logika di balik gelombang PHK ini mudah dipahami. Jika satu lisensi AI seharga puluhan dolar per bulan bisa mengerjakan sebagian tugas seorang karyawan bergaji ribuan dolar, selisihnya terlihat seperti laba murni. Masalahnya, hitungan itu dibuat ketika AI masih dipakai sebatas chatbot. Begitu AI berubah menjadi “agen” yang bekerja sendiri berjam-jam, tagihannya ikut berubah.

Memahami Token: Argo Taksi Bernama AI

Untuk memahami mengapa biaya AI bisa membengkak, kita perlu mengenal satuan yang dipakai penyedia AI untuk menagih pelanggannya: token. Token adalah potongan teks, kira-kira setara tiga perempat kata dalam bahasa Inggris. Setiap kali AI membaca dokumen, menulis jawaban, atau menjalankan kode, yang dihitung adalah jumlah token yang masuk dan keluar.

Bayangkan argo taksi. Untuk perjalanan pendek, argonya kecil. Masalahnya, AI generasi terbaru tidak lagi sekadar menjawab satu pertanyaan. Agen AI untuk pemrograman, misalnya, membaca ribuan baris kode, mencoba sebuah solusi, menjalankan pengujian, membaca pesan galat, lalu mengulangi siklus itu puluhan kali. Setiap putaran menyalakan argo. Media teknologi Tom’s Hardware menyebut agen AI bisa mengonsumsi hingga 1.000 kali lebih banyak token dibanding penggunaan AI biasa.

Di sinilah muncul paradoks yang menjadi inti cerita ini. Menurut The Next Web, harga per token telah turun sekitar 98 persen sejak akhir 2022. Namun tagihan AI perusahaan justru tumbuh sekitar tiga kali lipat, karena alat-alat berbasis agen menghabiskan jauh lebih banyak token untuk setiap tugas. Harga per kilometer taksinya memang turun drastis, tetapi jarak yang ditempuh melonjak berkali-kali lipat.

Perlu dicatat, klaim video bahwa biaya token “lebih dari dua kali lipat sejak 2025” tidak sepenuhnya sejalan dengan data harga per token yang umumnya menurun. Yang lebih tepat: harga satuannya turun, tetapi total tagihannya naik. Bagi bagian keuangan, yang penting tentu total tagihan.

Ilustrasi tagihan token AI yang memanjang dari rak server — Harga per token turun drastis sejak 2022, tetapi konsumsinya naik jauh lebih cepat. Ilustrasi dibuat dengan AI (OpenAI).

Tokenmaxxing: Ketika Memakai AI Menjadi Lomba

Bagian paling menarik dari video Economy Media adalah fenomena “tokenmaxxing”, istilah untuk perilaku menghabiskan token sebanyak-banyaknya, bukan karena dibutuhkan, tetapi karena penggunaan AI dijadikan ukuran kinerja.

Ceritanya bermula dari dorongan manajemen. Pada 2025, banyak perusahaan teknologi besar meminta karyawannya “AI-first”. Penggunaan AI dipantau lewat dasbor, dan di beberapa tempat ikut masuk ke penilaian kinerja. Akibatnya bisa ditebak: yang dikejar adalah angka pemakaian, bukan hasil kerja.

Contoh paling terkenal datang dari Meta. Seorang karyawan membuat papan peringkat internal bernama “Claudeonomics” yang mencakup lebih dari 85.000 staf dan menampilkan 250 pengguna token terbanyak, lengkap dengan gelar seperti “Token Legend” dan “Cache Wizard”. Menurut berbagai laporan, total pemakaian dalam 30 hari melampaui 60 triliun token, dengan pengguna teratas mencapai sekitar 281 miliar token. Sejumlah karyawan disebut membiarkan agen AI berjalan berjam-jam hanya untuk naik peringkat. Papan peringkat itu kemudian ditutup, dan juru bicara Meta menyatakan perusahaan “tidak akan menggunakan dasbor adopsi AI atau jumlah token untuk mengevaluasi dampak”.

Microsoft mengambil langkah lebih tegas. Dalam email internal yang pertama kali dilaporkan 404 Media, Wakil Presiden Eksekutif Jay Parikh menulis bahwa “tokenmaxxing is not what we are optimizing for“, atau “tokenmaxxing bukan hal yang sedang kami kejar”. Sejak Juli 2026, setiap divisi di Microsoft memiliki target anggaran token AI, karyawan dapat memantau pengeluaran AI pribadinya lewat dasbor internal, dan model AI bawaan untuk penggunaan internal dialihkan ke alternatif yang lebih murah. Pada Mei, Microsoft juga membatalkan sebagian besar lisensi Claude Code di salah satu grupnya dan meminta para engineer beralih ke GitHub Copilot CLI. Seorang karyawan yang membocorkan email itu menyebut pembatasan anggaran tersebut sebagai “pengakuan pamungkas”.

Laporan serupa datang dari perusahaan lain. The Next Web mencatat bahwa sejak Juni, AT&T, Meta, Uber, Walmart, dan Amazon telah membatasi atau memperlambat pengeluaran AI karyawannya. Di Amazon, sebagian anggota tim dilaporkan mengaku memakai AI untuk tugas yang tidak perlu demi menaikkan skor penggunaan internal.

Ketika Tagihan AI Menyalip Gaji

Klaim paling mencolok dalam video, bahwa AI kini lebih mahal daripada pekerja, ternyata punya dasar, meski dengan catatan penting.

JPMorgan. Kepada Semafor pada awal Juni 2026, Zachery Anderson, Chief Data and Analytics Officer divisi Payments JPMorgan, mengatakan ada karyawan yang “menghabiskan lebih banyak untuk token daripada gaji mereka”. Ia menambahkan bahwa bank itu tidak memiliki papan peringkat penggunaan token, tidak ada upaya menyeluruh untuk memangkas atau menjatah penggunaan AI, dan perusahaan sedang “memantaunya”.

Uber. Chief Technology Officer Uber, Praveen Neppalli Naga, dilaporkan mengakui bahwa anggaran AI perusahaan untuk 2026 sudah habis sekitar April, hanya empat bulan setelah tahun berjalan, terutama karena lonjakan penggunaan alat pemrograman Claude Code. “Saya kembali ke papan gambar, karena anggaran yang saya kira saya butuhkan sudah jebol,” katanya, seperti dikutip sejumlah media. Laporan sekunder menyebut biaya API per engineer berkisar US$500 hingga US$2.000 per bulan, dan Uber kemudian menetapkan batas pengeluaran bulanan per karyawan untuk alat AI pemrograman.

Gartner. Nitish Tyagi, analis senior Gartner, memperkirakan bahwa dalam sekitar dua tahun biaya token AI per developer akan menyamai atau melampaui gaji bulanan seorang software engineer pada umumnya. Penting dicatat, prediksi ini memakai asumsi gaji rata-rata global sekitar US$2.000 per bulan, bukan gaji engineer di Silicon Valley yang bisa jauh lebih tinggi. Tyagi juga mengutip pengakuan klien yang menggambarkan skalanya: “Developer saya menghabiskan US$20 ribu bulan lalu,” dan “Seorang pengguna bisnis menghabiskan US$32 ribu.”

Menurut Tyagi, tujuan prediksi itu adalah “membunyikan alarm bagi industri tentang dampak biaya token jika tidak diatur dan dikendalikan”. Ia menekankan bahwa tidak ada hubungan langsung antara jumlah token yang dikonsumsi dan kenaikan produktivitas. AI untuk pengembangan perangkat lunak memang bisa memberi peningkatan produktivitas hingga sekitar 20 persen, yang ia sebut “bukan angka yang buruk”. Namun biaya bisa naik lebih cepat daripada manfaat yang dihasilkan.

Tetapi Jangan Salah Baca: Ini Belum Terjadi di Semua Perusahaan

Di sinilah video Economy Media perlu dibaca dengan kritis. Data pengeluaran menunjukkan bahwa “AI lebih mahal dari karyawan” baru terjadi pada segelintir perusahaan dan tim pengguna berat.

Ramp AI Index, yang melacak pengeluaran perusahaan AS, menunjukkan kesenjangan yang sangat lebar. Satu persen perusahaan teratas yang paling agresif mengadopsi AI menghabiskan sekitar US$7.500 per karyawan per bulan, dan angka itu dilaporkan tumbuh sekitar 14 persen per bulan. Sepuluh persen teratas menghabiskan sekitar US$611 per karyawan per bulan. Adapun perusahaan median hanya mengeluarkan sekitar US$11 per karyawan per bulan, kira-kira seharga satu lisensi paket enterprise.

Artinya, bagi kebanyakan perusahaan, AI masih jauh lebih murah daripada gaji. Masalah biaya muncul di perusahaan yang paling “rakus” AI, terutama yang memakai agen otomatis untuk pemrograman dan riset. Firma riset SemiAnalysis bahkan menilai sebagian cerita tokenmaxxing di Meta dan Uber terlalu dibesar-besarkan, dan lebih disebabkan oleh insentif yang keliru daripada masalah struktural di seluruh industri.

Dengan kata lain, judul video itu benar untuk sebagian kasus, tetapi bukan gambaran umum. Yang lebih akurat: di perusahaan yang memakai AI paling intensif, biaya AI per orang mulai menyaingi biaya gaji, dan tren itu bergerak ke arah yang mengkhawatirkan jika tidak dikendalikan.

Sisi Pasokan: Pusat Data yang Tidak Bisa Dibangun dalam Semalam

Video ini juga menyoroti faktor yang jarang dibicarakan: keterbatasan fisik. AI berjalan di atas chip grafis (GPU) yang ditempatkan di pusat data raksasa, dan pusat data membutuhkan lahan, sambungan listrik dalam jumlah sangat besar, trafo, dan sistem pendingin. Membangun pusat data baru bisa memakan waktu 18 hingga 36 bulan, sementara permintaan AI melonjak hanya dalam hitungan bulan.

Ketidakseimbangan ini mulai terasa di harga. Sepanjang 2026, sejumlah penyedia cloud dilaporkan menaikkan harga layanan komputasi dan penyimpanan untuk AI, termasuk AWS, Google Cloud, Tencent Cloud, Alibaba Cloud, dan Baidu AI Cloud, dengan alasan lonjakan permintaan dan biaya rantai pasok. Operator pusat data yang sudah ada menikmati tingkat utilisasi tinggi sekaligus harga sewa yang naik.

Bagi perusahaan pengguna, ini berarti satu hal: asumsi bahwa AI akan terus menjadi lebih murah setiap tahun tidak lagi bisa dipegang mentah-mentah. Harga per token mungkin terus turun dalam jangka panjang, tetapi dalam jangka pendek kapasitas yang terbatas bisa membuat biaya naik turun dengan tajam.

Ilustrasi pembangunan kompleks pusat data dengan derek dan jaringan listrik — Membangun pusat data baru butuh 18 hingga 36 bulan, sementara permintaan AI melonjak dalam hitungan bulan. Ilustrasi dibuat dengan AI (OpenAI).

Pelajaran dari Klarna: Murah Belum Tentu Untung

Jauh sebelum isu tokenmaxxing mencuat, perusahaan teknologi finansial asal Swedia, Klarna, sudah memberi peringatan dini. Pada 2024, Klarna dengan bangga mengumumkan bahwa asisten AI-nya mengerjakan pekerjaan setara 700 karyawan layanan pelanggan dan memangkas waktu penyelesaian keluhan dari 11 menit menjadi dua menit.

Namun pada Mei 2025, CEO Klarna Sebastian Siemiatkowski mengakui kepada Bloomberg bahwa perusahaannya kembali merekrut manusia. Menurutnya, chatbot memang lebih murah, tetapi menghasilkan layanan dengan kualitas lebih rendah. “Sayangnya, penggunaan AI terlalu berfokus pada biaya sebagai faktor evaluasi, yang pada akhirnya menurunkan kualitas,” ujarnya. Klarna kini memakai pendekatan dua jalur: AI untuk skala, manusia untuk layanan berkualitas tinggi.

Kasus Klarna menunjukkan bahwa biaya AI tidak hanya berupa tagihan token. Ada biaya tersembunyi: pelanggan yang kecewa, kesalahan yang harus diperbaiki manusia, serta hilangnya pengetahuan institusional ketika karyawan berpengalaman sudah terlanjur diberhentikan.

Agen AI: Masa Depan yang Paling Mahal

Bab terakhir video Economy Media membahas agen AI, sistem yang tidak hanya menjawab tetapi juga bertindak: menulis dan menjalankan kode, mengisi formulir, membalas email, hingga melakukan riset berjam-jam tanpa campur tangan manusia. Inilah teknologi yang paling dijanjikan akan menggantikan pekerjaan kantoran, sekaligus yang paling boros token.

Gartner menyebut industri sedang bergeser dari uji coba ke penerapan agen AI pemrograman dalam skala penuh. Pada saat yang sama, model harga bergeser dari biaya lisensi tetap per pengguna ke biaya berbasis pemakaian. Dulu perusahaan membayar langganan bulanan yang bisa diprediksi. Kini mereka membayar sesuai jumlah token yang dihabiskan, yang bisa melonjak tanpa peringatan ketika agen bekerja tanpa henti.

Perubahan model harga inilah yang membuat bagian keuangan perusahaan gelisah. Anggaran yang disusun untuk setahun bisa habis dalam satu kuartal, seperti yang dialami Uber.

Bagaimana Perusahaan Seharusnya Merespons?

Gartner merumuskan sejumlah rekomendasi yang relevan bagi perusahaan mana pun yang mulai serius memakai AI:

Tetapkan batas dan pantau otomatis. Buat ambang batas token, pantau penggunaan secara otomatis, dan siapkan aturan eskalasi yang jelas.
Klasifikasikan pekerjaan. Bedakan tugas yang dipimpin manusia, tugas manusia dengan bantuan agen, dan tugas yang sepenuhnya dijalankan agen. Tidak semua pekerjaan cocok diotomatisasi penuh.
Pilih model sesuai tugas. Tugas sederhana dan berulang cukup memakai model kecil yang murah. Model paling canggih, dan paling mahal, hanya untuk pekerjaan kompleks bernilai tinggi.
Latih “context engineering”. Ajari karyawan memberi AI hanya konteks yang relevan, meringkasnya, dan membuang data yang tidak perlu. Tyagi menyebut ini sebagai salah satu keterampilan terpenting saat ini.
Ukur hasil, bukan pemakaian. Nilai manfaat AI dari kualitas, kecepatan, dan kepuasan pelanggan, bukan dari jumlah baris kode atau token yang dihabiskan.

Pesan dasarnya sama dengan pelajaran dari Meta dan Microsoft: begitu penggunaan AI dijadikan target, orang akan mengejar angka pemakaian, bukan nilai yang dihasilkan.

Apa Artinya bagi Indonesia?

Sebagian besar data dalam artikel ini berasal dari Amerika Serikat, tetapi pelajarannya relevan bagi Indonesia, justru karena struktur biayanya berbeda.

Pertama, ambang “AI lebih mahal dari manusia” di Indonesia jauh lebih rendah. Prediksi Gartner memakai asumsi gaji rata-rata global sekitar US$2.000 per bulan. Banyak posisi kantoran di Indonesia, seperti staf layanan pelanggan, admin, penulis konten, dan programmer junior, digaji jauh di bawah angka itu. Sementara itu, harga token AI dipatok dalam dolar AS dan sama untuk semua negara. Artinya, titik ketika biaya AI menyalip gaji bisa tercapai jauh lebih cepat di sini, apalagi jika nilai tukar rupiah melemah. Bagi tim yang memakai agen AI secara intensif, tagihan beberapa ratus dolar per orang per bulan sudah setara dengan, atau melampaui, gaji staf entry-level di banyak kota.

Kedua, keputusan mengganti karyawan dengan AI perlu dihitung lebih cermat. Perusahaan Indonesia yang tergoda memangkas tim karena tren global sebaiknya menghitung total biaya, termasuk tagihan token yang naik seiring pemakaian, biaya pengawasan dan koreksi oleh manusia, serta risiko kualitas seperti yang dialami Klarna. Di banyak kasus, kombinasi manusia yang dibekali AI bisa lebih efisien daripada AI yang berjalan sendiri.

Ketiga, keterampilan yang paling dicari bergeser. Pekerja yang mampu memakai AI secara hemat dan efektif, yaitu tahu kapan memakai model kecil, bagaimana menyusun konteks, dan kapan AI tidak perlu dipakai, akan semakin bernilai. Di era ketika setiap permintaan ke AI ada argonya, efisiensi menjadi keterampilan, bukan sekadar sikap.

Kesimpulan: Bukan Akhir AI, tetapi Akhir Asumsi “AI Pasti Murah”

Video Economy Media menangkap pergeseran penting pada 2026: era ketika AI dianggap hampir gratis sudah berakhir. Untuk sebagian perusahaan dan tim, terutama pengguna agen AI yang paling intensif, biaya token kini sungguh-sungguh menyaingi, bahkan melampaui, gaji karyawan.

Namun gambaran besarnya lebih bernuansa. Bagi kebanyakan perusahaan, AI masih jauh lebih murah daripada tenaga kerja manusia. Harga per token terus turun, dan masalah yang muncul lebih banyak bersumber dari cara pakai yang boros, insentif yang keliru, dan anggaran yang tidak disiapkan untuk model harga berbasis pemakaian.

Pelajarannya bagi perusahaan bukanlah berhenti memakai AI, melainkan berhenti memperlakukannya sebagai pengganti manusia yang murah dan tanpa batas. AI adalah alat produksi dengan biaya variabel, dan seperti alat produksi lainnya, ia perlu diukur dengan hasil, bukan dengan seberapa banyak ia dipakai. Bagi pekerja, kabarnya sedikit lebih melegakan: manusia yang mampu memakai AI dengan cerdas dan hemat justru semakin dibutuhkan.