Perusahaan Habiskan Rp3 Triliun untuk AI, Tapi Hanya 8% yang Bisa Buktikan Untung

Mengapa Mengukur ROI AI Begitu Sulit

Tantangan terbagi dalam empat area utama:

Tidak ada basis acuan awal. Sebagian besar penerapan AI baru mulai melacak metrik setelah peluncuran, membuat atribusi nilai menjadi mustahil . Survei ModelOp 2026 menemukan bahwa lebih dari dua pertiga perusahaan masih mengandalkan perkiraan, bukan hasil finansial terukur, untuk menilai pengembalian investasi .

Metrik 'gengsi' mendominasi. Banyak perusahaan melacak jumlah pengguna aktif, sesi, atau kueri per hari — metrik yang tidak mengungkapkan apakah AI benar-benar menghasilkan nilai bisnis . Metrik tahun 2025 adalah "pengguna." Metrik tahun 2026 haruslah "hasil yang dapat diaudit" .

Kesenjangan produksi-ke-ROI. Laporan CIO Gartner 2026, yang mensurvei 11.000 CIO, menemukan bahwa 59% inisiatif AI tidak pernah mencapai tahap produksi, dan 71% CIO kesulitan memprioritaskan kasus penggunaan yang akan memberikan hasil terukur .

Ledakan pengeluaran tanpa visibilitas. Biaya AI tersebar di berbagai penyedia, model, dan departemen tanpa kerangka akuntansi yang terpadu . Riset Forrester menemukan bahwa perusahaan menunda 25% pengeluaran AI yang direncanakan hingga tahun 2027 karena tekanan pengawasan finansial yang semakin ketat .

Bagaimana OpenAI, Anthropic, dan Industri Merespons

OpenAI — 'Kecerdasan Berguna per Dolar'

CFO OpenAI Sarah Friar memperkenalkan kartu skor empat pertanyaan: Apakah AI berfungsi? Apakah efisien secara biaya? Apakah nilai yang diciptakan tumbuh lebih cepat dari biayanya? Kerangka ini menggeser fokus dari konsumsi token mentah ke ekonomi unit yang disesuaikan dengan hasil .

Anthropic — 'Primitif Ekonomi'

Anthropic merilis kerangka kerja yang dibangun di atas "primitif ekonomi" yang mengukur kompleksitas tugas, tingkat otonomi, dan waktu yang dihemat terhadap biaya per tugas — bukan hanya penggunaan umum . Panduan internal perusahaan mereka menekankan metrik keberhasilan yang terkait dengan ambang batas kinerja, akurasi, peningkatan kecepatan, dan efisiensi biaya .

Tokenomics Foundation dari Linux Foundation

Diluncurkan pada 4 Agustus 2026 dengan sekitar 30 anggota pendiri termasuk JPMorgan Chase, Accenture, IBM, SAP, BNY, dan Booking.com, badan standar netral-vendor ini bertujuan melakukan untuk biaya token AI apa yang dilakukan FinOps Foundation untuk pengeluaran cloud . Draft pertama mereka, "Notasi Big-T," mengusulkan standarisasi biaya-per-panggilan-API (bukan biaya-per-token) sehingga metrik langsung terkait dengan satu unit pekerjaan yang dilakukan . Yayasan ini juga mendefinisikan metrik biaya-untuk-melayani yang saat ini belum ada dalam bentuk standar apa pun .

Elisity — 'Tenaga Kerja Bionik'

Perusahaan keamanan siber ini menciptakan metrik yang membagi total pengeluaran AI dengan biaya staf rata-rata, lalu membandingkan gabungan output pekerja manusia dan AI terhadap pendapatan. Ini memberi CFO analogi produktivitas tenaga kerja langsung untuk investasi AI .

Upaya seluruh industri

FinOps Foundation telah menerbitkan kerangka kerja khusus AI yang merekomendasikan metrik biaya unit — biaya per kueri, biaya per pengguna, biaya per alur kerja — untuk membuat pengeluaran token dapat dipahami oleh pemangku kepentingan bisnis . Oracle, Jellyfish, dan lainnya kini menawarkan dasbor ekonomi token yang memetakan konsumsi ke hasil bisnis di tingkat alur kerja . BCG mengusulkan rasio "Return on AI" (RoAI) formal: Pengembalian ekonomi / (Biaya kecerdasan manusia + Biaya token) .

Apa yang Berhasil: Konsensus yang Muncul tentang Metrik Berbasis Hasil

Di semua kerangka kerja ini, pola yang jelas mulai terbentuk. Pendekatan yang paling efektif memiliki struktur yang sama:

1. Definisikan 'selesai' sebelum penerapan. Alih-alih melacak penggunaan umum, mulailah dengan satu alur kerja dan tentukan arti hasil yang sukses .
2. Ukur biaya per hasil, bukan biaya per token. Contohnya termasuk biaya per tiket dukungan yang terselesaikan, biaya per pull request yang diterima, biaya per fitur yang dirilis, atau biaya per aset pemasaran yang dikirimkan .
3. Atribusikan pengeluaran kepada pemilik. Setiap alur kerja yang material harus diberi tag dengan pemilik, fungsi, penggunaan produk versus internal, lini P&L, model, dan hasil yang dimaksudkan .

Intinya

Belum ada satu standar pun yang diadopsi secara luas. Namun arahnya jelas: konsensus yang berkembang terbentuk di sekitar ekonomi unit berbasis hasil — biaya per tugas selesai, biaya per tiket terselesaikan, tenaga kerja bionik — daripada hitungan token mentah. Bagi CFO dan CIO yang mencari titik awal, saran dari Sarah Friar dari OpenAI tetap yang paling praktis: "Tempat terbaik untuk memulai adalah dengan satu alur kerja. Definisikan apa arti 'selesai' dan ukur hasil itu di sistem tempat pekerjaan terjadi" .