Peringatan Keras Bos CBA: Biaya AI Kini Membengkak Tak Terkendali dan 'Work Slop' Membanjiri Perusahaan

"Pada masa-masa awal, perusahaan ingin orang-orang mulai menggunakan alat ini – dan biayanya tidak terlalu besar [...] sekarang dengan cara kerja model, jumlah konteks yang bisa dimasukkan ke dalamnya, biaya tidak lagi naik secara linear," jelas Comyn . Hal ini menciptakan apa yang ia sebut sebagai "tantangan manajemen baru yang kritis": CFO dan CTO terjebak dalam siklus anggaran tahunan yang tidak dapat memperhitungkan variabilitas biaya per tugas yang bisa melonjak 10x hingga 50x tergantung pada kompleksitasnya .

Dinamika ini bukanlah sesuatu yang abstrak. Transisi GitHub pada 1 Juni 2026 ke penagihan berbasis penggunaan untuk Copilot membuatnya menjadi sangat nyata. Sebelumnya, biaya langganan tetap mencakup semua permintaan; sekarang, setiap token input, output, dan konteks yang di-cache diukur melalui GitHub AI Credits, di mana satu kredit setara dengan $0,01 . Pengguna berat yang menjalankan sesi pengkodean agentik langsung melihat tagihan mereka melonjak, dengan beberapa melaporkan proyeksi kenaikan 10x hingga 50x . Satu sesi agen kompleks terhadap model tingkat atas sekarang dapat menghabiskan seluruh jatah kredit bulanan dalam sekali jalan .

Mendefinisikan 'Work Slop': Biaya Tersembunyi dari Output AI Tak Bernilai

Peringatan besar kedua Comyn bersifat kualitatif. Ia menggunakan frasa "work slop" untuk menggambarkan proliferasi teks, kode, dan analisis yang dihasilkan AI yang tampak produktif tetapi hanya menambah sedikit nilai nyata . Output ini tidak hanya gagal membantu — ia secara aktif menciptakan biaya tersembunyi: setiap konten yang dihasilkan AI yang masuk ke alur kerja harus ditinjau, diperiksa faktanya, diedit, atau dibuang oleh karyawan manusia .

Ini adalah padanan perusahaan dari fenomena web konsumen "AI slop" — spam mesin pencari, postingan media sosial formulaik, dan konten pengisi yang dihasilkan otomatis. Dalam lingkungan perusahaan, risikonya lebih tinggi. "Work slop" dapat secara diam-diam menurunkan kualitas pengambilan keputusan internal, dokumentasi kepatuhan, dan bahkan produk yang berhubungan dengan pelanggan jika lolos dari gerbang kualitas yang tidak memadai . Semakin banyak perusahaan menerapkan AI di setiap fungsi tanpa validasi yang ketat, semakin besar tumpukan pekerjaan tak bernilai yang harus mereka bayar untuk dibersihkan oleh manusia.

Taruhan Teknologi A$2,4 Miliar CBA dan Persamaan Tenaga Kerja

Peringatan Comyn bukanlah dari pengamat yang tidak berkepentingan. CBA menginvestasikan sekitar A$2,4 miliar per tahun dalam teknologi, lebih banyak dari bank besar Australia lainnya setidaknya $500 juta . Pengeluaran itu dibingkai sebagai taruhan strategis pada produktivitas yang dipimpin AI, tetapi komentar Comyn mengakui bahwa pos anggaran ini sendiri terpapar pada inflasi tak terduga yang sama yang ia peringatkan kepada orang lain .

Pada saat yang sama, CBA menunjukkan dampak tenaga kerja dari peningkatan produktivitas AI secara real time. Bank tersebut memangkas sekitar 300 pekerjaan pada awal 2026, di atas 90 peran staf pendukung yang sebelumnya digantikan oleh chatbot AI dan 120 posisi lainnya yang dihilangkan pada bulan April . Comyn telah berterus terang: AI "akan menghilangkan pekerjaan di bisnis di seluruh perekonomian" dan perusahaan harus membantu staf mempersiapkan masa depan itu daripada berpura-pura sebaliknya .

Namun CBA juga telah berkomitmen A$90 juta selama tiga tahun untuk Program Tenaga Kerja Masa Depan (Future Workforce Program), sebuah inisiatif pelatihan ulang yang signifikan untuk lebih dari 30.000 karyawannya . Program ini mencakup platform karier internal baru yang disebut Grow Your Career, pelatihan yang berfokus pada AI, dan pemetaan keterampilan yang dirancang untuk membuat mobilitas internal menjadi transparan . Sikap ganda ini — memangkas pekerjaan sambil melatih ulang — adalah cerminan jujur dari pandangan Comyn bahwa disrupsi sudah ada di sini, dan perusahaan memerlukan strategi bagi para pekerja yang bertahan sama seperti bagi mereka yang pergi .

Implikasi Strategis untuk Setiap Perusahaan

Konvergensi peringatan Comyn, tindakan CBA sendiri, dan pemicu langsung dari perubahan penagihan GitHub Copilot menunjukkan tiga keharusan strategis bagi organisasi mana pun yang menjalankan AI dalam produksi:

1. Penganggaran Harus Menjadi Dinamis dan Terukur. Era anggaran AI tahunan yang tetap sudah berakhir. Model penagihan berbasis token mengubah AI menjadi layanan biaya variabel, sebanding dengan komputasi awan. Perusahaan memerlukan pemantauan biaya waktu nyata, alokasi kredit per tim, batasan penggunaan, dan kemampuan untuk menyesuaikan anggaran di pertengahan siklus — disiplin yang dipelajari perusahaan berbasis awan satu dekade lalu tetapi belum diadopsi banyak perusahaan tradisional untuk AI .

2. Kontrol Kualitas Tidak Bisa Ditawar. "Work slop" menciptakan hubungan langsung antara kegagalan kualitas dan pembengkakan biaya. Setiap output AI yang tidak diperiksa yang memasuki alur kerja memerlukan tinjauan manusia di hilir. Perusahaan harus menerapkan gerbang kualitas, validasi manusia-di-dalam-loop, dan audit output. Tanpa sistem ini, garis biaya akan naik sementara garis nilai tetap datar .

3. Strategi Tenaga Kerja Harus Merencanakan Pemangkasan dan Peningkatan Keterampilan Secara Simultan. Model CBA bersifat instruktif: AI mengurangi jumlah karyawan di beberapa tim sementara investasi pelatihan ulang menciptakan jalur karier baru bagi yang lain. Program A$90 juta menandakan bahwa alternatif untuk PHK bukanlah perlindungan pekerjaan melainkan transformasi pekerjaan — dan bahwa perusahaan memikul tanggung jawab untuk membimbing tenaga kerja mereka melalui transisi itu .

Pesan inti Comyn adalah bahwa AI korporat telah memasuki fase yang jauh lebih sulit. Keuntungan mudah sudah dipanen; yang tersisa rumit, mahal, dan menuntut disiplin yang tidak dimiliki kebanyakan organisasi. Tagihan untuk kurangnya disiplin itu sekarang tiba dalam bentuk biaya token yang tidak terduga dan tumpukan "work slop" yang terus bertambah yang harus dibersihkan seseorang .