Ledakan Belanja AI Big Tech Bisa Berubah Menjadi Krisis Kredit?

Satu kuartal dengan arus kas bebas negatif tentu bukan bukti bahwa perusahaan berada di ambang kebangkrutan. Namun, defisit kas yang berulang dapat meningkatkan ketergantungan pada cadangan kas, penerbitan obligasi, penjualan saham, sewa, dan berbagai komitmen kontraktual. Dengan begitu, risikonya bergeser dari sekadar siklus investasi teknologi menjadi siklus pembiayaan.

Infrastruktur menciptakan ketidaksesuaian ekonomi

Infrastruktur AI menggabungkan aset dengan umur ekonomi yang sangat berbeda:

• GPU dan perangkat lain dapat kehilangan nilai dengan cepat jika sistem generasi baru menawarkan kinerja lebih tinggi atau biaya lebih rendah.
• Data center dan infrastruktur listrik berumur panjang, mahal, serta sulit dialihkan untuk keperluan lain.
• Harga layanan cloud dapat menjadi lebih kompetitif ketika banyak penyedia menambah kapasitas pada waktu bersamaan.
• Komitmen konstruksi, peralatan, dan pasokan listrik bisa tetap berjalan meski pelanggan memperlambat ekspansi.

Jika permintaan AI mengecewakan, hyperscaler memang dapat mengurangi belanja modal di masa depan. Namun, langkah itu tidak otomatis membatalkan fasilitas yang sudah dibangun, peralatan yang telah dipesan, kontrak sewa yang sudah ditandatangani, atau utang proyek yang telah dihimpun.

Akibatnya, kerugian bisa lebih dulu ditanggung pemilik infrastruktur dan pemberi pinjaman—bukan perusahaan teknologi terbesar itu sendiri.

Pembiayaan di luar neraca dapat memindahkan risiko

Pembangunan ini dibiayai melalui kombinasi utang korporasi, sewa, usaha patungan, entitas proyek, jaminan, dan modal pihak ketiga. Bank for International Settlements (BIS), lembaga yang memantau sistem keuangan global, menjelaskan struktur ketika sebuah entitas bertujuan khusus mengembangkan atau membeli data center, menghimpun utang, lalu bergantung pada sewa operasi jangka panjang atau komitmen kapasitas dari hyperscaler.

Struktur semacam itu bisa tetap memiliki hubungan ekonomi yang kuat dengan hyperscaler, meski pinjamannya tidak tampil sebagai utang korporasi biasa. Pembaruan Moody’s pada Juli, sebagaimana dilaporkan, mencatat sekitar US$1,2 triliun kewajiban sewa data center pada Amazon, Alphabet, Meta, Microsoft, Oracle, dan CoreWeave. Lebih dari US$820 miliar di antaranya berkaitan dengan fasilitas yang masih dalam pembangunan.

Karena itu, angka “kewajiban AI tersembunyi” perlu dibaca dengan hati-hati. Total seperti US$3 triliun dapat mencakup kombinasi sewa, komitmen pembelian, jaminan, dan eksposur kontraktual lain yang berbeda-beda. Angka tersebut tidak otomatis dapat dibandingkan langsung dengan utang yang tercatat di neraca.

Poin yang lebih kuat adalah bahwa utang yang terlihat di neraca tidak mencakup seluruh klaim finansial yang tercipta dari pembangunan infrastruktur AI.

Private credit menghadapi ujian serius

Pemberi pinjaman private credit semakin terlibat dalam pembiayaan data center, konstruksi, lahan, peralatan listrik, dan infrastruktur terkait. Riset Columbia Business School, dengan mengutip estimasi Morgan Stanley, menyebut lebih dari separuh kebutuhan investasi sekitar US$2,9 triliun untuk memenuhi tambahan kapasitas komputasi hyperscaler pada 2025–2028 kemungkinan memerlukan modal eksternal. Private credit diperkirakan menyediakan porsi besar dari pembiayaan utang tersebut.

Hal ini menciptakan beberapa kerentanan yang saling terkait. Pembukaan data center yang tertunda dapat menunda pendapatan, sementara bunga terus bertambah. Permintaan penyewa yang lebih rendah dapat melemahkan kemampuan membayar utang. Nilai GPU atau peralatan yang jatuh juga dapat mengurangi nilai agunan pada saat arus kas operasional memburuk.

Jika dana private credit harus memenuhi permintaan pencairan investor sementara asetnya sulit dijual, penurunan nilai aset dapat berubah menjadi tekanan pendanaan—bahkan tanpa ada hyperscaler yang gagal bayar.

Spread obligasi korporasi dapat melebar

Hyperscaler biasanya dapat menghimpun dana dengan biaya lebih rendah dibandingkan peminjam yang lebih lemah. Namun, penerbitan utang dalam jumlah besar tetap bersaing memperebutkan kapasitas neraca investor.

Federal Reserve Bank of Dallas mengidentifikasi penerbitan obligasi korporasi investment grade jangka panjang, refinancing pinjaman private credit, serta kemungkinan tersisihnya penerbit dari sektor keuangan sebagai saluran yang dapat memengaruhi pasokan surat utang berdurasi panjang dan suku bunga.

Jika arus kas bebas menurun sementara utang dan kewajiban sewa bertambah, analis pemeringkat bisa menjadi lebih berhati-hati terhadap leverage dan kebijakan keuangan perusahaan. Moody’s telah memperingatkan bahwa belanja AI, penjualan saham, dan pembiayaan di luar neraca dapat mengancam kualitas kredit, sembari tetap menekankan kekuatan dasar perusahaan-perusahaan tersebut.

Dampaknya tidak berhenti di sektor teknologi. Operator data center, perusahaan utilitas, telekomunikasi, kontraktor konstruksi, pemasok chip, dan peminjam industri lain dapat menghadapi spread yang lebih tinggi jika investor mulai meminta kompensasi lebih besar atas eksposur AI yang saling berkorelasi.

Structured finance dapat memperbesar kerugian

Arus kas data center, piutang sewa, pinjaman peralatan, dan utang proyek dapat dibiayai atau dikemas melalui kendaraan structured finance. Struktur tersebut mungkin tampak tangguh ketika bergantung pada penyewa besar dengan peringkat kredit tinggi dan kontrak jangka panjang.

Namun, perlindungan itu menjadi lebih terbatas jika banyak proyek bergantung pada kelompok hyperscaler yang sama dan asumsi yang sama mengenai permintaan AI.

Pemangkasan belanja yang terjadi serentak dapat memicu beberapa masalah sekaligus: renegosiasi sewa, pelanggaran covenant, penurunan nilai agunan, dan memburuknya asumsi tentang nilai sisa peralatan. Investor senior mungkin masih memiliki perlindungan, tetapi tranche junior, pemberi pinjaman warehouse, dan pemegang saham akan lebih terekspos pada kerugian.

Bahaya utamanya adalah korelasi. Aset yang terlihat terdiversifikasi secara individual bisa jatuh bersamaan karena alasan yang sama.

Utang pemerintah terkena dampak secara tidak langsung

Belanja AI kemungkinan tidak akan sendirian menciptakan krisis utang negara. Pengaruhnya terhadap pasar obligasi pemerintah lebih mungkin muncul melalui perebutan modal dan kenaikan premi jangka panjang, atau term premium.

Penerbitan obligasi korporasi dan pembiayaan proyek dalam jumlah besar terjadi ketika pemerintah juga perlu melakukan refinancing atas utang yang signifikan. Jika investor meminta kompensasi lebih tinggi untuk risiko durasi atau kredit, imbal hasil dapat naik bagi peminjam publik maupun swasta.

Suku bunga yang lebih tinggi kemudian membuat pembiayaan data center, utilitas, dan infrastruktur lain menjadi lebih mahal. Tekanan ini dapat semakin membebani proyek-proyek yang sejak awal memiliki keekonomian marjinal.

Risiko sistemik berasal dari konsentrasi dan sifat pro-siklus

Kekhawatiran investor bukanlah ramalan bahwa Alphabet, Amazon, Meta, atau Microsoft akan tiba-tiba gagal. Skenario yang dikhawatirkan adalah guncangan bersama pada ekosistem yang sangat terkonsentrasi.

Survei pengelola dana Bank of America menemukan bahwa 38% responden menilai belanja modal hyperscaler AI sebagai sumber paling mungkin bagi krisis kredit sistemik.

Kekhawatiran itu muncul karena perusahaan yang sama mendorong permintaan atas chip canggih, listrik, konstruksi, kapasitas data center, dan pembiayaan. Selama imbal hasil tetap kuat, konsentrasi ini mempercepat investasi. Namun, jika imbal hasil mengecewakan, perusahaan-perusahaan tersebut dapat memangkas belanja secara bersamaan.

Guncangan itu kemudian dapat merambat secara serentak ke pemberi pinjaman, pemilik lahan dan fasilitas, perusahaan utilitas, pemasok, serta produk sekuritisasi.

Indikator yang perlu dipantau

Total belanja modal saja tidak cukup untuk mengukur risikonya. Investor perlu memperhatikan:

1. Pertumbuhan pendapatan AI dan cloud dibandingkan depresiasi, biaya listrik, sewa, dan pembiayaan.
2. Arus kas bebas setelah belanja modal dan sewa pembiayaan.
3. Tingkat pemanfaatan dan harga data center, terutama ketika banyak penyedia menambah kapasitas.
4. Dimulainya atau dibatalkannya kontrak sewa untuk fasilitas yang masih dalam pembangunan.
5. Standar penyaluran private credit dan likuiditas dana, termasuk paparan terhadap satu penyewa atau wilayah tertentu.
6. Penerbitan obligasi, prospek peringkat, dan spread hyperscaler serta peminjam infrastruktur terkait.
7. Nilai jual kembali GPU dan peralatan, yang memengaruhi agunan serta tingkat pemulihan kredit.

Risiko akan tetap terkendali jika pendapatan AI dan arus kas operasional pada akhirnya tumbuh lebih cepat daripada kenaikan belanja infrastruktur. Salah satu estimasi pasar memperkirakan pertumbuhan laba dan arus kas hyperscaler mulai melampaui pertumbuhan belanja modal tambahan pada akhir 2027 atau 2028. Namun, itu masih merupakan proyeksi, bukan hasil yang sudah terbukti.

Kondisi kegagalan terjadi jika pertumbuhan pendapatan bertahan di bawah tingkat yang dibutuhkan untuk menutup depresiasi, listrik, sewa, biaya pembiayaan, dan investasi baru. Dalam skenario tersebut, pembangunan AI berubah dari ekspansi kapasitas yang menguntungkan menjadi siklus kelebihan kapasitas.

Hyperscaler mungkin hanya menerima imbal hasil yang lebih rendah, tetapi perantara yang lebih berutang dapat menghadapi gagal bayar, penurunan nilai agunan, tekanan refinancing, dan pelebaran spread kredit di pasar yang lebih luas.