Satu dari Lima Syarikat Bakal Tinggalkan AI Menjelang 2028 – Gartner

Realiti Baru AI Perusahaan: Gelombang Perbelanjaan Bertembung Dinding Pulangan

Selama beberapa tahun, AI menjadi primadona pelaburan teknologi korporat. Namun, deretan laporan terkini dari Gartner, Goldman Sachs, McKinsey, MIT, dan Sequoia Capital mendedahkan satu jurang yang semakin melebar: perbelanjaan AI melambung tinggi, tetapi pulangan perniagaan yang boleh diukur masih sukar dibuktikan. Konsensus mula terbentuk—ramai organisasi sudah mula menarik diri.

Ramalan Gartner: Ombak Surut AI Bermula

Gartner meramalkan menjelang 2028, kira-kira satu daripada lima organisasi di seluruh dunia akan mengurangkan atau meninggalkan AI dalam sebahagian operasi mereka dan kembali kepada pembangunan perisian konvensional. Punca utamanya: kos yang tidak terkawal dan pulangan yang gagal mewajarkan perbelanjaan . Pengunduran ini dijangka tertumpu di kawasan di mana nilai perniagaan masih kabur .

Ini bukan ramalan terpencil. Penyelidikan Gartner yang lebih luas mengenai kegagalan projek AI menunjukkan punca-punca yang konsisten dan bersifat bukan teknikal :

• Kos meningkat tanpa model ROI yang jelas — Kos infrastruktur AI (komputasi, API, integrasi, penyelenggaraan berterusan, dan pengawasan manusia) adalah signifikan dan sering di luar kawalan. 90% daripada CIO melaporkan bahawa kos AI sudah menghadkan keupayaan mereka untuk memaksimumkan nilai .
• Nilai perniagaan yang tidak jelas — Banyak projek ditinggalkan selepas fasa bukti konsep (proof-of-concept) kerana organisasi tidak dapat menunjukkan impak yang boleh diukur terhadap keuntungan .
• Kualiti data yang lemah dan kawalan risiko yang tidak mencukupi — Tadbir urus yang lemah, isu data, dan pengurusan risiko yang tidak sempurna menyebabkan projek runtuh . Gartner meramalkan sehingga 2026, organisasi akan meninggalkan 60% projek AI yang tidak disokong oleh data yang bersedia untuk AI .
• 'Agent washing' dan hanyut kes guna (use-case drift) — Organisasi mengejar AI semata-mata kerana ia trending, tanpa kes perniagaan yang disiplin, membawa kepada kegagalan. Penganalisis Gartner, Anushree Verma, menyatakan bahawa ramai vendor telah menjenamakan semula chatbots sedia ada sebagai ejen AI tanpa memberikan hasil yang bermakna .

Penemuan ini selari dengan anggaran berasingan Gartner pada April 2026 mendapati 57% daripada pengurus infrastruktur dan operasi IT mempunyai sekurang-kurangnya satu projek AI yang gagal, dan satu daripada lima projek AI dalam domain itu runtuh sepenuhnya .

Jurang Perbelanjaan-Pulangan: Bukti dari Pelbagai Sumber

Beberapa sumber utama mengesahkan jurang antara pelaburan AI yang besar dan hasil perniagaan yang boleh diukur:

Goldman Sachs (Ogos 2026): Strategis Ben Snider melaporkan bahawa perbelanjaan AI meningkat dengan mendadak, tetapi teknologi itu belum menghasilkan peningkatan bermakna dalam pendapatan bagi kebanyakan syarikat. Hanya 2% daripada syarikat S&P 500 yang telah mengukur impak AI terhadap pendapatan mereka, dan kebanyakannya melaporkan sedikit atau tiada faedah segera . Penganalisis Jessica Rindels menganggarkan pelaburan AI di AS akan mencecah hampir AS$600 bilion pada 2026, bersamaan hampir 2% daripada KDNK, namun bukti keuntungan ekonomi yang sepadan masih tipis .

Goldman Sachs (Mei 2026): Penganalisis Jim Covello menyatakan kebanyakan perusahaan masih belum memperoleh sebarang pulangan daripada perbelanjaan AI mereka, memetik kajian MIT yang mendapati 95% daripada projek perintis AI perusahaan tidak memberikan kesan P&L yang boleh diukur . Covello berpendapat ekonomi AI "lebih diragui hari ini berbanding dua tahun lalu" .

Goldman Sachs (Julai 2026): Pakar ekonomi Jan Hatzius dan penganalisis David Peng menawarkan pemeriksaan realiti—penggunaan AI dan pulangan produktivitinya mungkin mengambil masa lebih lama daripada jangkaan pasaran. Analisis mereka menunjukkan impak produktiviti mengikut lengkung J: kesan negatif sederhana untuk empat tahun pertama, keuntungan signifikan secara statistik hanya selepas lapan tahun, dan impak puncak sekitar 0.6 mata peratusan pada tahun ke-12. Jika pelancaran ChatGPT pada 2022 adalah setara dengan kemunculan PC pada 1981, pulangannya masih bertahun-tahun lagi .

McKinsey (2026): Kurang daripada 20% penggunaan AI perusahaan menunjukkan impak perniagaan yang boleh diukur .

Sequoia Capital: Telah menandakan jurang pendapatan kira-kira AS$600 bilion antara pelaburan AI dan pulangan AI .

Risiko aliran tunai pembekal awan (Hyperscaler): Goldman Sachs memberi amaran bahawa empat vendor awan dominan (Amazon, Alphabet/Google, Microsoft, Meta) secara kolektif berada di landasan untuk membelanjakan lebih daripada keseluruhan aliran tunai operasi mereka untuk infrastruktur AI, tanpa ROI perusahaan yang terbukti untuk mewajarkan perbelanjaan itu . Gabungan perbelanjaan modal (capex) untuk tahun 2026 bagi keempat-empat syarikat ini diunjurkan sekitar AS$650 bilion .

Mengapa Projek Gagal: Ia Bukan Masalah Teknologi

Penemuan konsisten merentas semua analisis utama ialah kegagalan projek AI adalah organisasi dan strategik, bukan teknikal. Model itu hampir tidak pernah gagal—tetapi kes perniagaan, asas data, dan kawalan kos yang gagal.

Gartner mengenal pasti tiga mod kegagalan utama yang mendorong ramalannya: kos yang meningkat tanpa model ROI yang jelas, nilai perniagaan yang tidak jelas, dan kawalan risiko yang tidak mencukupi . Seperti yang dinyatakan oleh seorang penganalisis Gartner, "kebanyakan projek AI agentik sekarang adalah eksperimen peringkat awal atau bukti konsep yang sebahagian besarnya didorong oleh gimik dan sering disalah gunakan" .

Kesannya sudah kelihatan. Gartner meramalkan menjelang 2028, 70% daripada inisiatif AI akan dihentikan disebabkan oleh letupan kos yang tidak diurus dan hanyut nilai dalam organisasi yang tidak mempunyai amalan pengurusan kewangan AI khusus .

Apa Maksudnya untuk Pemimpin Perniagaan

Corak merentas Gartner, Goldman Sachs, McKinsey, MIT, dan Sequoia adalah konsisten: perbelanjaan AI berada pada tahap tertinggi dalam sejarah, tetapi sebahagian besar organisasi masih tidak dapat menunjukkan pulangan asas yang boleh diukur daripada perbelanjaan itu. Ramai yang sudah menarik diri atau gagal melepasi projek dari peringkat perintis.

Bagi organisasi yang melabur dalam AI, penyelidikan menunjukkan laluan ke hadapan yang jelas: kenal pasti kesesakan operasi tertentu dengan kesan kos atau kualiti yang boleh diukur, bina penyelesaian AI untuk masalah khusus itu, ukur impak sebelum/selesai dengan teliti, dan skala hanya apa yang berfungsi . Projek yang gagal menetapkan metrik ROI yang jelas dari hari pertama tidak mungkin bertahan dalam gelombang pemulihan yang akan datang.