Janji Penghematan AI Tak Kunjung Terwujud, Mengapa Para Bos Harus Mulai Panik?

Realita Penghematan AI yang Mengecewakan

Survei Bain mengungkap ketidaksesuaian yang mencolok antara ekspektasi dan hasil nyata. Empat puluh persen perusahaan melaporkan penghematan biaya hanya 10% atau kurang, sebuah angka yang sangat kontras dengan proyeksi lebih ambisius yang biasanya mendasari proposal bisnis AI . Jika diperlebar, hanya 23% perusahaan yang dapat secara langsung mengaitkan penerapan AI generatif mereka dengan pendapatan baru atau biaya yang lebih rendah—artinya, mayoritas besar perusahaan tidak mampu mengukur dampaknya terhadap laba bersih .

Fenomena kurang optimalnya hasil ini tidak terbatas pada satu industri saja. Survei ini menjangkau sektor ritel, teknologi, manufaktur maju, dan beberapa sektor lainnya, yang semuanya menunjukkan pola defisit penghematan serupa . Situasi ini menjadi lebih pelik mengingat 72% perusahaan melacak penghematan biaya sebagai metrik utama otomatisasi mereka, namun pada saat yang sama, banyak yang tidak melihat angka tersebut terwujud dalam skala besar .

Masalah Struktural yang Meresahkan

Masalah struktural utama yang ditemukan oleh survei ini adalah bahwa perusahaan terus mendanai investasi AI lanjutan dengan berpijak pada penghematan yang faktanya belum terjadi. Banyak eksekutif menyetujui peningkatan belanja AI dengan ekspektasi eksplisit bahwa otomatisasi akan menghasilkan pengurangan biaya sebagai kompensasinya; ketika penghematan tersebut gagal tercapai, model pendanaan mereka mulai tampak rapuh dan tidak berkelanjutan .

Dinamika ini merupakan bagian dari pola yang lebih besar yang diamati Bain dalam riset B2B Growth Agenda mereka. Sementara perusahaan-perusahaan menargetkan pertumbuhan pendapatan yang jauh lebih tinggi — 20% lebih tinggi di 2026 dibanding tahun sebelumnya — 60% pemimpin yang disurvei mengakui bahwa mereka tidak memiliki infrastruktur data atau teknologi yang dibutuhkan untuk mengembangkan AI secara efektif .

Angka-angka lain memperkuat kecemasan ini. Para CFO (Direktur Keuangan) berencana meningkatkan belanja AI perusahaan secara signifikan: 83% berencana menaikkan anggaran AI lebih dari 15% dalam dua tahun ke depan, dan 42% merencanakan kenaikan 30% atau lebih pada periode yang sama . Namun secara bersamaan, hanya sekitar 23% eksekutif yang disurvei saat ini dapat menunjukkan hasil pendapatan atau biaya yang terukur dari AI generatif . Asimetri inilah — pertumbuhan pengeluaran yang agresif di satu sisi, versus pengembalian yang lesu di sisi lain — yang oleh Bain disebut sebagai realitas struktural yang meresahkan.

Rekomendasi Bain untuk Memperbaiki Kesenjangan

Riset dan analisis Bain sebelumnya menunjukkan bahwa solusinya bukanlah dengan menghentikan investasi AI, melainkan mengubah secara fundamental cara perusahaan mengejar penghematan darinya. Bain menyarankan perusahaan untuk berhenti memperlakukan AI sebagai fitur tambahan mandiri yang secara otomatis akan memberikan pemangkasan biaya. Dalam analisis terpisah, Bain berpendapat bahwa peningkatan produktivitas saja tidak akan menciptakan ROI bagi perusahaan yang berinvestasi di AI generatif, dan “perusahaan-perusahaan terdepan berada di jalur untuk mencapai penghematan biaya hingga 25% dengan menggabungkan desain ulang proses bisnis secara end-to-end dengan penerapan perangkat AI generatif” .

Secara praktis, ini berarti menyematkan AI di dalam perombakan operasional yang lebih luas, bukan sekadar menambahkannya di atas alur kerja yang sudah ada. Riset Bain tentang otomatisasi memperkuat temuan ini: perusahaan yang paling gencar berinvestasi dalam otomatisasi — yang didefinisikan sebagai membelanjakan minimal 20% dari anggaran TI mereka untuk itu — mencapai rata-rata penghematan biaya 22%, dibandingkan dengan hanya hampir 8% untuk perusahaan yang berinvestasi kurang dari 5% . Perusahaan-perusahaan yang melihat hasil terbaik tidak sekadar menerapkan lebih banyak AI; mereka menerapkannya dalam proses yang didesain ulang untuk menghilangkan pekerjaan, bukan hanya mempercepat langkah-langkah yang sudah ada .

Bain juga menekankan bahwa para pemenang pertumbuhan menerapkan lebih banyak use case secara signifikan dibandingkan mereka yang tertinggal — rata-rata 4,5 dibandingkan hanya 3,3 — dan mencapai efisiensi biaya hampir dua kali lipat untuk setiap use case yang diterapkan . Rekomendasi utama Bain adalah berhenti mengukur keberhasilan AI hanya dari jumlah penerapannya, dan sebagai gantinya mengaitkannya dengan hasil proses dan keuangan yang terdefinisi dengan jelas, yang didukung oleh fondasi data dan arsitektur teknologi yang — ironisnya — saat ini tidak dimiliki oleh 60% perusahaan .

Dampaknya pada Anggaran AI di Masa Depan

Survei Bain yang dirilis 1 Juni 2026 ini hadir di saat belanja AI korporat sedang melaju kencang, meskipun ROI (tingkat pengembalian investasi) masih sulit dipahami oleh sebagian besar perusahaan. Bain sendiri sebelumnya telah menghitung bahwa pembangunan infrastruktur komputasi global yang dibutuhkan untuk memenuhi permintaan AI pada tahun 2030 dapat membutuhkan investasi modal $500 miliar (sekitar Rp8.100 triliun) per tahun dan pendapatan tahunan baru sebesar $2 triliun (sekitar Rp32,4 kuadriliun) untuk mendanainya secara berkelanjutan — angka yang bahkan tidak dapat dicapai oleh proyeksi penghematan paling optimistis sekalipun . Artinya, kegagalan mencapai target penghematan saat ini bukanlah sekadar kekecewaan taktis; ini adalah peringatan bahwa model pendanaan yang mendasari AI perusahaan berada di jalur yang tidak berkelanjutan bagi banyak perusahaan.

Kesimpulan paling mendesak dari survei ini adalah bahwa perusahaan tidak bisa lagi memperlakukan investasi AI sebagai lompatan keyakinan yang ditopang oleh proyeksi spreadsheet tentang penghematan yang tidak kunjung datang. Sebaliknya, para pemimpin bisnis harus membangun kembali jembatan antara ambisi dan realitas operasional, dimulai dengan mendesain ulang proses bisnis secara fundamental dan melakukan pengukuran yang jernih: apakah penghematan biaya yang dijanjikan benar-benar muncul di laporan laba-rugi?