Ledakan belanja infrastruktur AI oleh Big Tech paling tepat dibaca sebagai taruhan belanja modal, atau capex, yang bersyarat. Ini bukan bukti bahwa AI sudah pasti memberi laba. Saat komputasi AI langka, platform cloud terbesar punya alasan untuk membangun lebih dulu. Namun ujian akhirnya sederhana: apakah korporasi akan memindahkan AI dari eksperimen ke beban kerja produksi yang berulang dan memberi imbal hasil terukur.

Angkanya sudah terlalu besar untuk dianggap eksperimen

Perkiraan berbeda-beda karena perusahaan dan kategori belanja yang dihitung tidak selalu sama. Namun arahnya seragam: ini bukan belanja coba-coba. Futurum menyebut Microsoft, Alphabet, Amazon, Meta, dan Oracle secara kolektif telah berkomitmen pada capex 2026 sebesar US$660 miliar–US$690 miliar, hampir dua kali level 2025 ^[2]. Campaign US melaporkan Meta, Microsoft, Alphabet, dan Amazon menuju belanja lebih dari US$650 miliar pada 2026 untuk investasi AI yang terpusat pada pusat data canggih, chip khusus, dan sistem pendingin cair ^[5]. Business Insider juga melaporkan Amazon, Microsoft, Meta, dan Google merencanakan capex 2026 hingga US$725 miliar setelah pembaruan laporan laba kuartal I ^[8].

Rentang angka itu mengubah perdebatan. Pertanyaannya bukan lagi apakah AI penting secara strategis, melainkan apakah infrastruktur ini akan cukup terpakai, dan bisa dijual dengan harga yang cukup baik, untuk menghasilkan imbal hasil yang menarik.

Mengapa raksasa cloud berani membangun sebelum buktinya lengkap

Untuk hyperscaler, yaitu penyedia cloud skala raksasa, kekurangan kapasitas juga mahal. Jika beban kerja AI tumbuh lebih cepat daripada kapasitas yang tersedia, penyedia yang sudah punya pusat data dan chip khusus siap jual akan berada di posisi lebih baik dibanding pesaing yang masih menunggu konstruksi, pengadaan, atau ketersediaan daya.

Itulah alasan pembangunan saat ini masih bisa rasional meski ROI enterprise belum sepenuhnya terbukti. AInvest menggambarkan ekspansi pusat data 2026 ini berlangsung di tengah kendala pasokan, dan menyebut investasi infrastruktur AI berjalan lebih cepat daripada kemampuan software menangkap nilai ^[7]. Dengan kata lain, Big Tech sedang berebut menguasai input yang masih langka sebelum pasar akhirnya benar-benar matang.

Namun itu bukan pembenaran otomatis. Membangun lebih awal mengurangi risiko ketinggalan permintaan, tetapi memperbesar risiko kapasitas datang sebelum cukup banyak pelanggan siap membayar dalam skala besar.

ROI korporasi masih menjadi mata rantai lemah

Adopsi AI dan hasil finansial dari AI bukan hal yang sama. Survei Global McKinsey 2025 menemukan hampir dua pertiga responden mengatakan organisasi mereka belum mulai menskalakan AI ke seluruh perusahaan; 64% mengatakan AI mendorong inovasi, tetapi hanya 39% melaporkan dampak EBIT di tingkat perusahaan ^[27]. EBIT adalah laba sebelum bunga dan pajak, sehingga metrik ini lebih dekat ke kinerja bisnis daripada sekadar jumlah pilot atau demo.

McKinsey juga mencatat organisasi mulai merancang ulang alur kerja dan menempatkan pemimpin senior dalam peran tata kelola AI saat mereka mencoba menangkap nilai hingga ke laba-rugi ^[22].

Di sisi yang lebih muram, Digital Commerce 360 melaporkan temuan MIT GenAI Divide: meski estimasi belanja AI generatif perusahaan mencapai US$30 miliar–US$40 miliar, 95% organisasi belum melihat imbal hasil finansial terukur, sementara hanya 5% pilot yang terintegrasi mampu mengekstrak nilai jutaan dolar ^[24]. Angka ini sebaiknya dibaca sebagai lampu kuning, bukan vonis bahwa AI untuk bisnis tidak mungkin berhasil. Buktinya menunjuk pada jurang antara penerapan yang sudah terintegrasi dan pilot yang berhenti sebelum masuk ke laporan laba rugi.

Sinyal yang menentukan apakah pembangunan ini balik modal

1. Utilisasi kapasitas

Pertanyaan paling penting adalah apakah pusat data AI dan chip khusus tetap terpakai intensif. Utilisasi tinggi mengubah biaya tetap yang sangat besar menjadi kapasitas yang bisa dijual. Utilisasi lemah akan membuka risiko kelebihan pembangunan dan membuat penyedia cloud lebih sulit menyerap biaya infrastruktur baru.

2. Daya tawar harga

Komputasi AI harus bisa dijual pada harga yang mendukung imbal hasil. Jika penyedia cloud saling menekan harga sebelum pelanggan korporasi memperbesar penggunaan, pertumbuhan pendapatan bisa tetap mengecewakan dibanding beban capex.

3. Dampak keuangan di level perusahaan

Kemenangan use case dan demo produk belum cukup. Bukti yang lebih kuat adalah dampak finansial di level perusahaan, sementara survei McKinsey masih menunjukkan jarak antara manfaat inovasi dan dampak EBIT ^[27]. Semakin banyak perusahaan merancang ulang alur kerja, bukan sekadar menempelkan AI ke proses lama, semakin kuat pula argumen bahwa permintaan cloud AI bisa bertahan lama ^[22].

4. Kesabaran investor

Pasar sudah mulai membedakan cerita belanja AI mana yang lebih meyakinkan. Fortune melaporkan bahwa setelah Alphabet, Meta, dan Microsoft membahas peningkatan belanja AI, saham Meta turun lebih dari 6% di perdagangan setelah jam bursa, Microsoft nyaris datar, dan Alphabet naik hampir 7% ^[1]. Reaksi yang tidak seragam ini menunjukkan investor mencari jalur yang masuk akal dari capex ke imbal hasil, bukan sekadar anggaran AI yang lebih besar.

Siapa memikul risiko terbesar?

Kapasitas paling tahan banting adalah kapasitas yang bisa melayani banyak beban kerja berbayar. Platform cloud yang luas memiliki lebih banyak cara memonetisasi infrastruktur AI dibanding pembangunan yang bergantung pada basis permintaan yang sempit atau masih belum terbukti.

Futurum menyoroti ketimpangan intinya: vendor AI murni yang dipimpin OpenAI dan Anthropic tumbuh cepat, tetapi pendapatan gabungan mereka masih hanya sebagian kecil dari investasi infrastruktur yang digelar atas nama mereka ^[2]. Ini tidak berarti capex tersebut pasti gagal. Artinya, bantalan pengamannya bergantung pada apakah pelanggan korporasi mengubah AI menjadi permintaan berkelanjutan, bukan eksperimen sesaat.

Kesimpulan: berkelanjutan, tapi dengan syarat

Untuk saat ini, belanja infrastruktur AI Big Tech masih bisa berkelanjutan—tetapi bukan cek kosong. Selama komputasi AI langka, penyedia cloud terbesar punya alasan strategis untuk membangun ^[7]. Namun estimasi capex di atas US$650 miliar akan dinilai dari utilisasi, kekuatan harga, dan ROI perusahaan, bukan dari sensasi model AI semata ^{[2][5][24][27]}.

Jika korporasi menjadikan AI beban kerja produksi yang berulang dengan dampak finansial terukur, pembangunan ini terlihat seperti pergeseran besar jangka panjang di platform cloud. Jika mayoritas organisasi tetap tertahan sebelum skala perusahaan, belanja yang sama akan mulai terlihat sebagai kelebihan kapasitas.