Gempar Anggaran AI Uber: Habis Setahun dalam 4 Bulan, Bos Operasional Mulai Tarik Rem

Kecepatan pembengkakannya sungguh mengejutkan. Uber meluncurkan Claude Code pada akhir 2025 dan secara aktif mendorong penggunaannya melalui papan peringkat internal yang merangking pengembang berdasarkan konsumsi token . Pada Februari, penggunaan Claude Code hampir dua kali lipat. Pada Maret, 84% pengembang Uber sudah tergolong sebagai pengguna agentic coding, dan 65–72% kode di dalam alat berbasis IDE dihasilkan oleh AI . Agen coding AI internal Uber kini menghasilkan sekitar 1.800 perubahan kode per minggu . Perusahaan pada dasarnya menggamifikasi penggunaan token secara maksimal—dan mendapatkan hasil persis sesuai insentif yang diberikan.

Model penganggaran yang runtuh

Akar masalahnya bukan sekadar antusiasme. Uber membangun anggarannya berdasarkan model mental SaaS per pengguna (per-seat), sebuah pendekatan yang berhasil selama dua dekade untuk lisensi perangkat lunak yang biayanya bisa diprediksi . Harga AI generatif beroperasi dengan prinsip yang berbeda secara fundamental: setiap token yang diproses memakan biaya, dan tagihannya membengkak seiring seberapa intensif orang menggunakan alat tersebut, bukan berdasarkan berapa banyak yang memiliki akses. Gartner melaporkan bahwa alur kerja agentik membakar token 5x hingga 30x lebih banyak per tugas dibandingkan interaksi chatbot statis, menciptakan kurva biaya yang tidak bisa diakomodasi oleh peramalan tradisional .

Uber mengukur pengeluarannya tapi tidak keuntungannya. Berapa banyak waktu yang dihemat per insinyur? Berapa banyak bug yang berhasil dihindari? Apa yang berdampak pada pendapatan atau pengalaman pengendara? Perusahaan tidak memiliki jawaban yang jelas .

COO mulai memberi batas tegas

Dalam wawancara Mei 2026 dengan Business Insider, kepala operasional Uber, Andrew Macdonald, membuat ketegangan ini menjadi eksplisit. Setelah berdiskusi dengan para pemimpin senior teknik, Macdonald mengatakan semakin "sulit untuk membenarkan" uang yang dihabiskan perusahaan untuk "tokenmaxxing" AI . Ia mengakui bahwa penggunaan token yang lebih tinggi tidak berbanding lurus dengan peningkatan fitur konsumen yang berguna: "Hubungan itu belum ada, kan? Saya pikir mungkin secara implisit ada lebih banyak yang diluncurkan, tetapi sangat sulit untuk menarik garis antara salah satu statistik itu dan, 'Oke, sekarang bisnis bergerak lebih cepat'" .

CTO-nya sendiri mengakui bahwa perusahaan "kembali ke papan gambar" untuk tata kelola biaya AI . Dinamika internal ini mengungkapkan ketidakcocokan insentif klasik: pimpinan mendorong adopsi alat secara agresif—dengan papan peringkat, peringkat publik, dan dorongan dari CTO—lalu menemukan bahwa konsumsi token tanpa batas menciptakan biaya membengkak tanpa pengatur alami . Para insinyur, secara rasional, menggunakan alat tersebut sebanyak yang mereka dapatkan imbalannya. Bisnis, secara rasional, kini mempertanyakan apakah semua konsumsi itu berdampak pada margin, pengalaman pengendara, atau pendapatan.

Pola industri yang lebih luas

Uber bukanlah pengecualian. Microsoft telah melaporkan temuan serupa bahwa asisten coding bertenaga AI bisa lebih mahal daripada tenaga kerja manusia yang seharusnya merekaoptimalkan . Tantangan strukturalnya sama di seluruh perusahaan: alat AI generatif dihargai per token, nilainya sulit diisolasi dan diukur, dan insentif di dalam organisasi teknik mendorong konsumsi maksimal, bukan efisiensi maksimal.

Pengali token 5x–30x dari Gartner untuk alur kerja agentik berlaku di seluruh industri . Claude Code milik Anthropic sendiri mencapai pendapatan tahunan sebesar $2,5 miliar per Februari 2026, naik dari $1 miliar pada November 2025—peningkatan pendapatan perangkat lunak perusahaan tercepat dalam sejarah . Pengeluarannya nyata. Imbal hasilnya belum terlihat.

Apa yang perlu dipecahkan oleh industri

Kasus Uber memunculkan tantangan yang belum terpecahkan oleh perusahaan besar mana pun: bagaimana Anda menganggarkan untuk teknologi yang biayanya bertambah seiring penggunaan, yang kualitas keluarannya sulit diukur, dan yang adopsinya perlu Anda dorong untuk tetap kompetitif—sementara CFO perlu melihat dampak P&L yang jelas? Sampai perusahaan membangun model tata kelola yang menghubungkan pengeluaran token dengan hasil bisnis yang spesifik dan terukur, masalah "tokenmaxxing" akan menyebar ke luar Uber. Perusahaan yang berhasil menemukan cara mengukur dan mengoptimalkan laba atas investasi AI yang sebenarnya—bukan hanya konsumsi tokennya—akan memiliki keunggulan yang jauh lebih berarti daripada peringkat papan peringkat mana pun.