Menurut konsultan yang kisahnya dipublikasikan oleh Axios pada 28 Mei, perusahaan tak dikenal itu memberikan lisensi Claude kepada ribuan karyawannya tanpa pagar pembatas apa pun . Tidak ada batas pengeluaran per pengguna, tidak ada dasbor pemantauan biaya real-time, dan tidak ada peringatan otomatis. Para karyawan pada dasarnya diberi cek kosong untuk menggunakan salah satu platform AI tercanggih di dunia
.
Tak heran jika biaya langsung meledak. Para insinyur menjalankan agen pengkodean otonom yang kompleks; tim mengeksekusi prompt dengan konteks besar yang boros sumber daya; dan alur kerja otomatis menghabiskan volume token yang sangat besar di latar belakang, semuanya berkontribusi pada tagihan bulanan setengah miliar dolar itu . Situasi ini akhirnya diketahui oleh seorang konsultan yang mengaku berhasil mengidentifikasi pemborosan itu dan "membersihkan semuanya untuk mereka"
.
Siapa perusahaan ini masih menjadi misteri. Skala pemborosan yang luar biasa ini mempersempit tersangka menjadi segelintir perusahaan terbesar di dunia. Spekulasi di laporan industri mengarah pada kandidat potensial seperti Amazon, yang juga merupakan investor terbesar Anthropic, atau raksasa teknologi lain dengan skala serupa, tetapi belum ada pihak yang mengonfirmasi atau menyangkal keterlibatan .
Kegagalan setengah miliar dolar ini adalah ekspresi paling ekstrem dari masalah kultural dan operasional yang telah membusuk di seluruh industri teknologi: tokenmaxxing. Istilah ini menggambarkan praktik memaksimalkan konsumsi token AI bukan karena suatu pekerjaan secara objektif membutuhkannya, tetapi karena volume pemakaian yang tinggi telah diputarbalikkan menjadi proksi untuk status, produktivitas, dan bahkan keamanan kerja di dalam beberapa organisasi .
Banyak perusahaan secara implisit berasumsi bahwa penggunaan token yang lebih tinggi sama dengan output yang lebih tinggi. Insentif beracun ini diperkuat oleh dasbor dan papan peringkat internal yang dengan bangga melacak konsumsi token, yang secara efektif memberi penghargaan kepada karyawan karena menghabiskan lebih banyak—bukan karena menciptakan nilai lebih. Seperti yang dicatat oleh Everest Group dalam analisis Mei 2026, "adopsi AI diukur jauh lebih agresif daripada realisasi nilai AI," mengubah konsumsi token dari biaya input menjadi "lencana efektivitas" .
Di perusahaan tak dikenal ini, di mana setiap karyawan memiliki akses tak terbatas, budaya ini meledak. Tidak ada mekanisme untuk membedakan konsumsi produktif dari konsumsi yang boros, dan hasilnya adalah laju pembakaran uang yang bisa mendanai seluruh anggaran litbang perusahaan kecil selama satu dekade hanya dalam 30 hari . Insiden ini menggarisbawahi pelajaran pahit yang ditangkap oleh Fortune dalam judul berita pada periode yang sama: "Tokenmaxxing sudah berakhir" karena perusahaan "tidak mendapatkan ROI dari AI yang mereka harapkan"
.
Kegagalan intinya adalah kesalahan kategori. Klien tersebut memperlakukan Claude seperti produk SaaS konvensional berbasis kursi dengan harga per pengguna yang dapat diprediksi, alih-alih sebagai layanan berbasis pemakaian dengan meteran token seperti aslinya . Dalam lisensi perangkat lunak tradisional, biaya bersifat tetap. Dalam platform AI frontier, setiap pertanyaan karyawan, unggahan file, sesi pembuatan kode, dan alur kerja agen secara langsung mendorong biaya variabel—dan tanpa batasan, biaya itu tidak memiliki pagu atas
.
Anthropic, seperti banyak penyedia AI lainnya, telah mengalihkan harga perusahaannya ke model berbasis pemakaian. Sebuah laporan dari The Register pada April 2026 merinci bagaimana Anthropic mulai memindahkan pelanggan korporat lama dari paket tarif tetap ke penagihan meteran saat perpanjangan kontrak, mengubah dokumentasinya untuk mencerminkan bahwa model lama tidak akan lagi didukung . Evolusi harga ini, meskipun logis secara finansial bagi penyedia, menempatkan beban pengendalian biaya sepenuhnya pada pelanggan yang seringkali tidak siap untuk itu.
Industri kini bergegas menerapkan prinsip FinOps—yang secara historis digunakan untuk mengelola biaya cloud—pada konsumsi token AI. Insiden ini telah mempercepat seruan untuk pedoman tata kelola baru, termasuk:
Bulan dengan tagihan $500 juta dari perusahaan tak dikenal ini adalah titik data spektakuler dalam cerita yang jauh lebih besar dan lebih meresahkan. Pengeluaran AI perusahaan melonjak di semua lini saat perusahaan berlomba mengadopsi teknologi, tetapi hasil finansialnya terbukti sulit dipahami .
Pertimbangkan konteksnya: Uber mengungkapkan pada tahun 2026 bahwa mereka telah menghabiskan seluruh "anggaran token" AI tahunan mereka dalam empat bulan pertama tahun ini, sebagian didorong oleh penggunaan berat Claude Code . CEO Salesforce Marc Benioff secara terbuka mengakui bahwa tagihan Anthropic perusahaannya akan sangat mengejutkan
. Dan sebuah laporan Financial Times, yang diperkuat oleh outlet seperti TechRadar dan Futurism, mendokumentasikan bahwa perusahaan termasuk Amazon, Meta, dan Microsoft telah mulai membatasi dasbor karyawan atau secara aktif mendorong staf menjauh dari alat AI pihak ketiga karena biaya dan "kebisingan" dari penggunaan yang digelembungkan meningkat
.
Data mengonfirmasi tren tersebut. Platform manajemen pengeluaran korporat Ramp melaporkan bahwa biaya AI melonjak 50% atau lebih kira-kira satu dari setiap empat bulan untuk para pembelanja terbesar . Pengeluaran ini seringkali diambil dari anggaran operasional daripada dana inovasi khusus, menempatkan tekanan akut pada Chief Financial Officer yang kini menuntut ROI yang jelas dari AI—sebuah pembenaran yang, bagi banyak orang, belum terwujud
.
Kisah tagihan Claude senilai $500 juta adalah cerita tentang apa yang terjadi ketika penerapan melampaui tata kelola. Bagi organisasi yang masih meluncurkan AI, poin-poin pentingnya jelas dan berorientasi pada tindakan:
Sementara identitas perusahaan misterius ini mungkin tidak akan pernah dikonfirmasi secara publik, insiden ini telah menjadi titik referensi di seluruh industri—skenario terburuk yang akan dikutip oleh para pemimpin keuangan dan teknik ketika mereka berargumen bahwa lebih baik memperlambat penerapan dan membangun kontrol yang tepat daripada mempelajari pelajaran ini dengan cara yang sulit.
Comments
0 comments