Ke Mana Anggaran Proyek AI Perusahaan Terserap dan Bagaimana Menghitung Untungnya?

Ke Mana Anggaran Proyek AI Perusahaan Terserap dan Bagaimana Menghitung Untungnya?

Anggaran proyek AI perusahaan adalah seluruh dana yang dikeluarkan sejak data disiapkan, model dipilih, sistem dihubungkan, hingga AI dipakai harian dan diawasi. Sederhananya, harga lisensi atau tagihan token hanya satu baris dari daftar belanja yang jauh lebih panjang. Tulisan ini membahas besar anggaran AI perusahaan Indonesia pada 2026, hambatan selain biaya, pos tempat uang terserap, dampak biaya token, beban integrasi sistem lama, peran tata kelola, cara mengukur hasil, hingga cara menyusun anggaran bertahap.

TLDR

Berapa Besar Anggaran AI Perusahaan Indonesia pada 2026?

Survei Cloudera mencatat investasi AI perusahaan Indonesia naik 88 persen dalam setahun, dan 70 persen perusahaan menyiapkan minimal 500.000 dolar AS per tahun.

Mengapa Biaya Bukan Hambatan Terbesar Proyek AI?

Di survei HSBC, integrasi sistem disebut 80 persen responden Indonesia, jauh di atas biaya yang disebut 33 persen.

Ke Mana Uang Proyek AI Biasanya Terserap?

Uang terserap di fondasi data, inference, komputasi, dan tata kelola, bukan hanya di model.

Bagaimana Biaya Token dan Inference Mengubah Hitungan Proyek?

Biaya token membuat 89 persen organisasi dalam survei Cloudera merancang ulang kasus penggunaan AI mereka.

Mengapa Integrasi dengan Sistem Lama Memakan Anggaran Besar?

Sistem lama yang tidak siap dihubungkan membuat pekerjaan penyambungan sering lebih mahal dari modelnya.

Apa Peran Tata Kelola dan Kepatuhan dalam Anggaran AI?

Tata kelola dan kepatuhan menjadi hambatan utama bagi 65 persen perusahaan Indonesia, dan PP 33 Tahun 2026 mulai berlaku pada 16 Januari 2027.

Bagaimana Mengukur Hasil Proyek AI dengan Unit Economics?

Biaya AI dihitung per hasil bisnis, seperti waktu proses yang berkurang, bukan per jumlah pemakaian.

Bagaimana Menyusun Anggaran Proyek AI Secara Bertahap?

Mulai dari satu kasus penggunaan berukuran kecil, tetapkan ukuran keberhasilan, lalu tambah anggaran hanya jika hasilnya terbukti.

Kesimpulan

Anggaran AI yang sehat dihitung dari seluruh rantai kerja dan diuji pada hasil bisnis sebelum diperbesar.

Banyak rapat perencanaan proyek AI berakhir pada satu pertanyaan yang tampak sederhana, yaitu berapa dana yang harus disiapkan. Angkanya sering diminta sebelum ada kejelasan tentang data, sistem yang harus dihubungkan, dan hasil yang dikejar. Akibatnya anggaran disusun dari harga model, lalu membengkak di tengah jalan oleh pekerjaan yang tidak pernah masuk daftar. Tulisan ini membantu Anda membaca ke mana uang proyek AI sebenarnya pergi.

Berapa Besar Anggaran AI Perusahaan Indonesia pada 2026?

Menurut survei The State of Enterprise AI 2026 dari Cloudera, investasi AI perusahaan Indonesia naik 88 persen dibanding tahun sebelumnya, dan 70 persen perusahaan mengalokasikan anggaran minimal 500.000 dolar AS per tahun. Angka ini menunjukkan belanja AI sudah menjadi pos serius, bukan lagi percobaan kecil.

Survei HSBC bertajuk Voices of Treasury 2026, yang diumumkan di Jakarta pada 29 Oktober 2026, memperlihatkan sisi lain dari semangat yang sama. Sebanyak 84 persen manajer keuangan korporasi Indonesia memperkirakan AI akan sangat bermanfaat bagi pengelolaan keuangan dalam tiga tahun ke depan, dibandingkan rata-rata Asia Pasifik sebesar 72 persen.

Semangat itu sudah berubah menjadi praktik. Menurut survei HSBC yang sama, 34 persen manajer keuangan di Indonesia telah memakai agen AI untuk mengotomatiskan transaksi treasury, dibandingkan 17 persen di tingkat Asia Pasifik. Hanya 7 persen perusahaan Indonesia yang belum mengadopsi AI untuk fungsi treasury, sedangkan rata-rata kawasan mencapai 19 persen.

Laporan perdana BT Insights dari The Business Times, yang dikutip Bloomberg Technoz pada 18 Juni 2026, menambahkan gambaran tekanan di pasar. Indonesia mencatat proporsi AI First Movers tertinggi di Asia Tenggara sebesar 62 persen, dan 70 persen perusahaannya mengaku menghadapi tekanan moderat hingga kuat untuk beradaptasi dengan teknologi baru seperti AI dan otomatisasi.

Ada pelajaran praktis dari deretan angka tersebut. Perusahaan Indonesia bukan sedang ragu apakah akan berinvestasi di AI, melainkan sedang berebut cara membelanjakan dananya dengan benar. Karena itu pertanyaan yang lebih berguna bagi Anda bukan berapa besar anggaran, tetapi pos mana yang paling menentukan hasil.

Angka-angka survei juga perlu dibaca dengan hati-hati. Responden survei umumnya pemimpin keuangan, teknologi, atau bisnis di perusahaan yang cukup besar, sehingga gambaran itu belum tentu mewakili perusahaan menengah atau instansi daerah. Gunakan angka-angka ini sebagai bahan pembanding awal saat menyusun proposal ke direksi, bukan sebagai patokan baku yang harus diikuti. Perusahaan Anda punya data, sistem, dan tujuan sendiri, jadi anggaran yang tepat selalu lahir dari hitungan internal yang disesuaikan dengan kondisi tersebut.

Mengapa Biaya Bukan Hambatan Terbesar Proyek AI?

Biaya memang sering disebut sebagai penghambat adopsi AI, tetapi dalam beberapa survei 2026 ia bukan yang terbesar. Di survei HSBC, integrasi dengan sistem yang sudah ada disebut 80 persen responden Indonesia, sedangkan biaya hanya disebut 33 persen. Tata kelola dan kepatuhan pun lebih sering disebut daripada biaya.

Hasil survei HSBC untuk Indonesia menunjukkan urutan hambatan yang jelas: integrasi sistem 80 persen, keterbatasan tenaga ahli 40 persen, risiko 40 persen, biaya 33 persen, dan kualitas data 27 persen. Di tingkat Asia Pasifik, integrasi sistem juga berada di posisi teratas, di atas keterbatasan tenaga ahli sebesar 47 persen dan biaya sebesar 44 persen.

Gambaran berbeda muncul dari laporan BT Insights. Sebanyak 58 persen perusahaan Indonesia di dalamnya menyebut tingginya biaya perangkat AI, infrastruktur, dan implementasi sebagai hambatan utama. Kesulitan menghubungkan AI dengan sistem lama disebut 42 persen, keterbatasan kapabilitas internal 38 persen, dan kualitas data 33 persen.

Survei Cloudera menunjukkan posisi lain lagi. Sebanyak 65 persen perusahaan Indonesia menyebut tata kelola sebagai penghambat utama, 55 persen menyebut keterbatasan keterampilan, dan 45 persen menyebut integrasi data serta kedaulatan data. Biaya token dan inference disebut 35 persen perusahaan.

Perbedaan angka biaya, dari 33 persen sampai 58 persen, tidak berarti salah satu survei keliru. Responden, sampel, dan definisi biaya setiap survei berbeda, jadi angka-angka itu tidak bisa disatukan menjadi satu rata-rata. Yang konsisten adalah pola besarnya: biaya muncul bersama integrasi, tata kelola, dan keterampilan, bukan berdiri sendiri.

Akibatnya, memangkas harga lisensi tidak otomatis menyelamatkan proyek. Jika integrasi dan tata kelola tidak dianggarkan, penghematan di satu pos akan muncul sebagai pembengkakan di pos lain. Anggaran yang aman memperlakukan keempat hambatan itu sebagai satu paket.

Pembacaan ini juga membantu saat bernegosiasi dengan vendor. Jika vendor hanya menawarkan potongan harga lisensi, tanyakan siapa yang menanggung pekerjaan integrasi, bagaimana tata kelola data dijalankan, dan apa yang terjadi pada tagihan ketika pemakaian naik dua kali lipat. Penawaran yang menjawab pertanyaan-pertanyaan itu secara tertulis biasanya lebih bisa dipercaya daripada penawaran dengan angka murah tetapi cakupan kerja yang kabur. Hasilnya, perbandingan antarvendor menjadi adil karena dilakukan pada cakupan pekerjaan yang sama.

Cara praktis memakai temuan ini adalah menanyakan empat hal kepada tim sebelum meminta dana. Sistem apa yang harus terhubung, siapa yang memegang tata kelola data, siapa yang punya keterampilan untuk merawat hasilnya, dan berapa tagihan pemakaian pada skenario terburuk. Jika salah satu jawabannya kosong, proposal belum siap. Proposal yang menjawab keempatnya biasanya lebih cepat disetujui karena risikonya terlihat dan sudah dipikirkan sejak awal.

Ke Mana Uang Proyek AI Biasanya Terserap?

Uang proyek AI terserap di lima kelompok pekerjaan: fondasi dan platform data, komputasi, inference atau pemakaian model, persiapan data, dan tata kelola. Cloudera menyebut empat dari lima itu sebagai komponen perhitungan biaya AI, yaitu inference, komputasi, persiapan data, dan governance.

Fondasi data mendapat porsi besar karena tanpa data yang rapi model tidak punya bahan kerja. Menurut BT Insights, 51 persen responden di Asia Tenggara menyatakan investasi AI 2026 difokuskan pada infrastruktur dan platform data, sedangkan di Indonesia porsinya 54 persen. Prioritas berikutnya di kawasan adalah risiko dan kepatuhan sebesar 42 persen.

Kondisi data di lapangan menjelaskan mengapa pos ini mahal. Laporan Cloudera mencatat hanya 43 persen organisasi Indonesia yang sumber datanya terintegrasi sepenuhnya. Sebanyak 48 persen pemimpin IT melaporkan visibilitas data yang terbatas, dan 26 persen perusahaan melaporkan masalah silo data.

Daftar berikut membantu Anda memeriksa kelengkapan anggaran sebelum disetujui:

  • Persiapan dan integrasi data. Pembersihan, penyatuan sumber, dan pengaturan akses data yang akan dibaca model. Pos ini sering terlambat dihitung karena pekerjaannya tidak terlihat.

  • Komputasi dan infrastruktur. Server, layanan cloud, atau perangkat yang menjalankan model, termasuk pilihan tempat data disimpan dan diproses.

  • Inference atau pemakaian model. Biaya yang berulang setiap kali sistem menjawab, yang naik seiring jumlah pemakai dan panjang percakapan.

  • Tata kelola dan kepatuhan. Aturan pemakaian, pencatatan persetujuan, pengawasan hasil, dan penyelarasan dengan regulasi data pribadi.

  • Orang dan keterampilan. Waktu tim internal, pelatihan, serta pendampingan vendor setelah sistem berjalan.

Satu catatan penting menyangkut pos orang. Cloudera mencatat 55 persen perusahaan Indonesia mengalami kekurangan tenaga dengan keterampilan AI yang memadai. Namun menurut Sherlie Karnidta, menaikkan anggaran pelatihan atau merekrut lebih banyak data scientist tidak akan menyelesaikan masalah jika para ahli itu tetap tersita waktunya oleh pekerjaan yang tidak kritikal. Jadi anggaran orang bukan hanya gaji dan pelatihan, melainkan juga pembebasan waktu tim ahli dari tugas rutin.

Kelima pos ini berlaku pada proyek AI mana pun, baik chatbot layanan pelanggan, asisten pencarian dokumen, maupun otomatisasi proses internal. Pembeda antarproyek bukan ada atau tidaknya pos itu, melainkan seberapa besar bobot masing-masing.

Bobot tiap pos berubah seiring tahap proyek. Pada bulan-bulan awal, pekerjaan data dan integrasi biasanya menyedot waktu dan dana terbanyak, sedangkan biaya inference masih kecil karena pemakainya sedikit. Setelah sistem dipakai luas, keadaannya terbalik: biaya pemakaian dan pengawasan mendominasi. Anggaran tahunan yang rata di semua bulan hampir pasti keliru, jadi susun anggaran per tahap dan tinjau setelah setiap tahap selesai.

Bagaimana Biaya Token dan Inference Mengubah Hitungan Proyek?

Biaya token dan inference membuat anggaran AI berbeda dari anggaran perangkat lunak biasa, karena tagihannya naik mengikuti pemakaian. Survei Cloudera mencatat 35 persen perusahaan Indonesia menyebutnya hambatan utama, dan 89 persen organisasi merancang ulang kasus penggunaan AI karena konsumsi token melonjak.

Token adalah satuan pemrosesan informasi yang dipakai model AI untuk membaca masukan dan menghasilkan jawaban. Pada layanan dengan tarif berdasarkan pemakaian, makin banyak token yang dikonsumsi, makin besar tagihan bulanan. Tagihan itu sulit diperkirakan jika jumlah pemakai belum pasti.

Survei global Cloudera, yang dilakukan Wakefield Research terhadap 1.500 pemimpin dan pengambil keputusan teknologi informasi pada September 2026, menemukan bahwa 45 persen responden telah memindahkan beban kerja AI karena biaya yang lebih tinggi atau lebih sulit diprediksi. Artinya, keputusan tempat menjalankan AI kini ikut ditentukan oleh hitungan biaya.

Cloudera menyarankan tiga langkah untuk menekan biaya tanpa mengorbankan hasil. Pertama, ukur biaya berdasarkan hasil bisnis. Kedua, pilih model sesuai kompleksitas pekerjaan, karena model lebih kecil atau arsitektur Retrieval-Augmented Generation dapat menangani tugas tertentu dengan biaya inference lebih rendah. Ketiga, masukkan tata kelola sejak awal.

Pembahasan teknis tentang cara menghitung token, membandingkan harga model, dan menghemat pemakaian sudah dibahas di tulisan Burhan lainnya, yaitu Menghitung Biaya AI untuk Perusahaan: Token, Harga Model, dan Cara Hemat. Tulisan ini fokus pada letak biaya token di dalam anggaran proyek yang lebih besar.

Pelajaran bagi perencana anggaran adalah menyediakan batas pemakaian dan alarm biaya sejak hari pertama. Anggaran tanpa batas pemakaian mengundang kejutan di bulan ketiga, ketika pemakai bertambah dan tim baru menyadari tarif per token tidak datar.

Keputusan teknis kecil ikut menentukan tagihan. Jawaban yang lebih singkat, konteks dokumen yang dipotong seperlunya, dan pemilihan model sesuai tingkat kesulitan tugas dapat menurunkan konsumsi token tanpa mengurangi manfaat. Karena itu libatkan tim teknis sejak penyusunan anggaran, dan minta mereka menuliskan asumsi pemakaian harian, panjang percakapan rata-rata, serta rencana pengendalian biaya. Asumsi tertulis memudahkan Anda mengecek penyimpangan ketika tagihan pertama datang.

Mengapa Integrasi dengan Sistem Lama Memakan Anggaran Besar?

Integrasi dengan sistem lama memakan anggaran besar karena AI baru berguna setelah terhubung ke data dan proses yang sudah berjalan. Di survei HSBC, 80 persen responden Indonesia menyebut integrasi dengan sistem yang ada sebagai hambatan utama, lebih tinggi dari rata-rata Asia Pasifik sebesar 70 persen.

Penyebabnya biasa terjadi di banyak perusahaan. Aplikasi lama dibangun bertahun-tahun lalu, dokumentasinya tipis, formatnya beragam, dan datanya tersebar di beberapa basis data. Sebelum model bisa membaca apa pun, tim perlu memetakan di mana data berada, siapa pemiliknya, dan bagaimana mengaksesnya dengan aman.

Menurut BT Insights, kesulitan mengintegrasikan AI dengan sistem lama dialami 42 persen perusahaan Indonesia. Karena itu pekerjaan penyambungan layak mendapat baris anggaran sendiri, bukan diselipkan sebagai pekerjaan kecil di bawah baris model.

Hambatan anggaran tidak berhenti di teknis. Dalam survei HSBC, hampir separuh manajer keuangan di Indonesia, tepatnya 48 persen, menyebut persetujuan anggaran untuk implementasi sistem sebagai salah satu tantangan terbesar dalam mewujudkan treasury real time. Risiko keamanan dan upaya meyakinkan pemangku kepentingan disebut 37 persen.

Artinya, proposal anggaran harus bisa dibaca oleh orang yang bukan teknisi. Tunjukkan sistem apa yang akan dihubungkan, data apa yang akan dibaca, apa yang berubah bagi pengguna, dan apa yang terjadi jika integrasi berjalan lebih lama dari rencana.

Langkah teknis menghubungkan AI ke aplikasi lama tanpa membongkarnya dibahas di Bagaimana Perusahaan Menghubungkan AI ke Sistem Lama Tanpa Membongkar Semuanya?, sedangkan gambaran layanan dan tahapannya ada di Panduan Integrasi AI untuk Perusahaan dan BUMN di Indonesia. Keduanya membantu Anda menilai berapa lama dan seberapa rumit pekerjaan penyambungan.

Satu cara menjaga biaya integrasi tetap terkendali adalah memulai dari satu aliran data yang paling bernilai, bukan menghubungkan semua sistem sekaligus. Dengan begitu tim bisa belajar dari hambatan nyata, memperbaiki pola sambungan, lalu mengulanginya untuk sistem berikutnya. Pendekatan ini juga memperkecil risiko gangguan pada operasional harian, yang biasanya menjadi kekhawatiran terbesar pemilik sistem lama ketika diminta membuka akses bagi proyek AI.

Apa Peran Tata Kelola dan Kepatuhan dalam Anggaran AI?

Tata kelola dan kepatuhan adalah pos anggaran yang paling sering dilupakan sekaligus paling sering disebut sebagai hambatan. Dalam survei Cloudera, 65 persen perusahaan Indonesia menyebut tata kelola sebagai penghambat utama, dan 88 persen menghadapi ketentuan residensi data yang ketat.

Pada sisi hukum, perusahaan yang memproses data pribadi lewat AI perlu memperhatikan Peraturan Pemerintah Nomor 33 Tahun 2026 tentang Pelindungan Data Pribadi. Menurut Katadata, peraturan ini diteken Presiden Prabowo Subianto pada 16 Juli 2026 dan berlaku enam bulan sejak diundangkan, atau pada 16 Januari 2027.

Dalam pemberitaan yang sama, Pasal 34 mengharuskan pengendali data menyediakan mekanisme untuk memperoleh persetujuan, secara elektronik maupun nonelektronik. Pasal 36 mengharuskan pengendali data memiliki bukti atas persetujuan yang diberikan sebagai bagian dari akuntabilitas pemrosesan data. Kedua ketentuan ini berdampak langsung pada sistem AI yang membaca data pelanggan.

Bagi anggaran, artinya pencatatan persetujuan, penyimpanan bukti, dan kontrol akses perlu dirancang sejak awal, bukan ditambal setelah sistem jalan. Penjabaran klausul kontrak dengan vendor yang menyentuh data pribadi ada di Apa yang Harus Masuk Kontrak Vendor IT Setelah PP 33/2026 Mengatur Prosesor Data Pribadi?.

Di sisi kebijakan AI, pemerintah sedang menyusun Peraturan Presiden tentang Peta Jalan Kecerdasan Artifisial Nasional 2026 sampai 2029. Menurut Kementerian Komunikasi dan Digital, rapat pleno antarkementerian pada 11 Februari 2026 menyepakati empat arah kebijakan: penguatan keterlibatan pemangku kepentingan, pengembangan inovasi, peningkatan kapabilitas teknologi dan riset, serta mitigasi risiko pemanfaatan AI.

Kementerian itu menargetkan rancangan Perpres tersebut ditetapkan pada kuartal pertama 2026. Dari sumber resmi yang kami buka, belum ada konfirmasi bahwa peraturan itu sudah ditetapkan, sehingga perusahaan sebaiknya memantau JDIH Komdigi dan menyisakan ruang anggaran untuk penyesuaian.

Soal lokasi data, pembahasan lebih lengkap ada di Di Mana Data Perusahaan Boleh Disimpan, di Dalam atau di Luar Negeri?. Keputusan tempat menyimpan dan memproses data memengaruhi biaya infrastruktur, jadi sebaiknya diputuskan sebelum anggaran komputasi dikunci.

Penyusun anggaran sebaiknya juga memasukkan biaya pengawasan manusia. Hasil AI yang dipakai dalam proses bisnis penting perlu ditinjau oleh petugas, setidaknya pada tahap awal, dan peninjauan itu memakan waktu yang harus dihitung. Menurut Cloudera, mengintegrasikan kepatuhan sejak awal mencegah kemunduran setelah penerapan dan denda karena masalah regulasi. Dengan kata lain, dana tata kelola yang dikeluarkan di depan sering lebih murah daripada perbaikan di belakang.

Bagaimana Mengukur Hasil Proyek AI dengan Unit Economics?

Unit economics AI berarti menghitung biaya dan manfaat untuk setiap beban kerja AI, bukan untuk seluruh program sekaligus. Cloudera menilai perusahaan perlu mengevaluasi keekonomian setiap workload AI sebelum memperluas penerapannya, karena belum banyak perusahaan yang merasa AI memberi nilai melebihi biaya setelah masuk produksi.

Country Manager Cloudera Indonesia, Sherlie Karnidta, menyampaikan penilaian itu dalam keterangan tertulis di Jakarta pada 13 November 2026. Ia mengatakan, “Masalahnya bukan terletak pada teknologinya; melainkan pada perusahaan yang memperlakukan AI sebagai pos pengeluaran operasional tanpa batas, alih-alih mengevaluasi unit economics dari setiap workload AI mereka.”

Perhitungan yang ia usulkan mencakup biaya inference, komputasi, persiapan data, dan tata kelola, lalu dihubungkan dengan indikator bisnis seperti pengurangan waktu proses dan retensi pelanggan. Jadi pembilangnya adalah seluruh biaya rantai kerja, dan penyebutnya adalah hasil yang bisa diaudit oleh divisi bisnis.

Contoh sederhana membantu. Jika AI dipakai untuk merangkum dokumen pengadaan, ukurannya bisa berupa jam kerja analis yang berkurang per bulan, dibandingkan seluruh biaya bulanan sistem itu. Jika AI dipakai untuk layanan pelanggan, ukurannya bisa berupa waktu penyelesaian keluhan dan jumlah eskalasi ke petugas.

Laporan Cloudera juga mengaitkan tekanan biaya dengan gejala AI fatigue, yaitu puluhan proyek percontohan terpisah yang tak kunjung masuk produksi. Menurut laporan yang sama, 95 persen organisasi melaporkan penundaan atau pembatalan proyek AI akibat kendala infrastruktur dan tata kelola.

Ukuran hasil yang disepakati di awal juga melindungi Anda dari debat di akhir proyek. Tanpa ukuran itu, vendor dan divisi pengguna sama-sama sulit menjawab pertanyaan paling sederhana dari direksi: apakah uang yang keluar sepadan dengan yang didapat.

Pilih indikator yang sudah dicatat perusahaan sebelum proyek dimulai, seperti waktu penyelesaian tiket, jumlah dokumen yang diproses per hari, atau tingkat kesalahan input. Indikator yang baru dibuat bersamaan dengan proyek rawan dipertanyakan karena tidak punya pembanding. Libatkan divisi keuangan sejak awal agar perhitungan manfaatnya bisa diterima sebagai angka resmi, bukan klaim tim proyek, dan jadwalkan tinjauan berkala supaya penyimpangan terdeteksi sebelum menumpuk.

Bagaimana Menyusun Anggaran Proyek AI Secara Bertahap?

Anggaran proyek AI paling aman disusun bertahap: mulai dari satu kasus penggunaan kecil dengan ukuran hasil jelas, lalu memperbesar dana hanya setelah hasil terbukti. Pendekatan ini cocok dengan temuan bahwa banyak perusahaan terjebak di proyek percontohan yang tak pernah masuk produksi.

Diagram lima pos biaya proyek AI, yaitu data, komputasi, inference, tata kelola, dan orang, serta empat tahap penyusunan anggaran bertahap

Diagram lima pos biaya proyek AI dan empat tahap anggaran. Diolah Burung Hantu Infratek dari survei Cloudera, HSBC, dan BT Insights.

Tahap pertama adalah memilih satu proses yang datanya sudah relatif rapi dan manfaatnya mudah diukur. Tetapkan pemilik bisnis yang bertanggung jawab atas hasil, bukan hanya pemilik teknis. Catat kondisi awal, seperti waktu proses saat ini, supaya perbandingan nanti jujur.

Tahap kedua adalah menghitung seluruh pos, bukan hanya model. Gunakan daftar lima pos di atas sebagai lembar periksa: data, komputasi, inference, tata kelola, dan orang. Minta setiap vendor memisahkan biaya satu kali dari biaya berulang, termasuk batas pemakaian dan tarif jika pemakaian melonjak.

Tahap ketiga adalah uji produksi terbatas dengan kelompok pengguna kecil. Pantau biaya per hasil, kualitas jawaban, dan keluhan. Survei Cloudera mencatat 98 persen responden globalnya pernah mengurangi atau menghentikan penerapan AI akibat kegagalan sistem, halusinasi, atau perilaku yang tak terduga, sehingga pengawasan perlu masuk anggaran.

Tahap keempat adalah keputusan memperbesar atau berhenti. Jika biaya per hasil turun dan kualitas stabil, tambah dana untuk memperluas cakupan. Jika tidak, hentikan tanpa rasa bersalah dan alihkan dana ke kasus penggunaan lain. Berhenti pada waktunya adalah bagian dari disiplin anggaran.

Dokumentasikan keputusan di setiap tahap, termasuk alasan menghentikan atau melanjutkan. Catatan itu berguna ketika pimpinan berganti atau ketika proyek serupa diusulkan di divisi lain, karena pelajaran dari proyek sebelumnya tidak hilang. Perusahaan yang rajin mencatat biasanya lebih cepat menyusun anggaran proyek berikutnya, sebab pos biaya dan risiko yang sering terlewat sudah tercatat dan bisa dipakai ulang sebagai lembar periksa.

Jangan lupa menyisihkan dana cadangan untuk hal yang belum terlihat. Dalam proyek yang menyentuh sistem lama dan data pribadi, temuan baru hampir selalu muncul di tengah jalan, seperti format data yang tidak seragam atau kebutuhan kontrol akses tambahan. Cadangan yang ditetapkan di awal membuat tim tidak perlu mengulang proses persetujuan setiap kali menemukan pekerjaan tambahan, dan membuat direksi melihat bahwa risiko sudah dipertimbangkan secara terbuka.

Panduan layanan dan komponen pengerjaan proyek AI dari awal tersedia di Panduan Pengembangan AI untuk Perusahaan dan BUMN di Indonesia, yang bisa dipakai sebagai pembanding saat menilai proposal vendor.

Pertanyaan yang Sering Diajukan

Berapa anggaran minimal untuk proyek AI di perusahaan Indonesia?

Tidak ada angka minimal yang berlaku untuk semua proyek. Survei Cloudera mencatat 70 persen perusahaan Indonesia menyiapkan minimal 500.000 dolar AS per tahun, tetapi itu anggaran program, bukan harga satu proyek. Mulailah dari satu kasus penggunaan dan hitung seluruh pos pekerjaannya.

Apakah biaya adalah hambatan terbesar adopsi AI di perusahaan Indonesia?

Belum tentu. Di survei HSBC, integrasi sistem disebut 80 persen responden Indonesia dan biaya 33 persen. Di laporan BT Insights, biaya disebut 58 persen dan sistem lama 42 persen. Hasilnya bergantung pada survei, tetapi biaya hampir selalu muncul bersama integrasi dan tata kelola.

Apa saja pos biaya proyek AI selain lisensi model?

Pos lain mencakup persiapan dan integrasi data, komputasi dan infrastruktur, biaya inference yang berulang, tata kelola serta kepatuhan, dan waktu tim internal. Cloudera menyebut inference, komputasi, persiapan data, dan governance sebagai komponen perhitungan biaya AI yang perlu dilihat bersama.

Bagaimana cara menghitung apakah proyek AI menguntungkan?

Hitung seluruh biaya satu beban kerja AI, lalu bandingkan dengan hasil bisnis yang terukur, misalnya jam kerja yang berkurang atau waktu penyelesaian keluhan yang lebih cepat. Tetapkan kondisi awal sebelum proyek berjalan agar perbandingannya jujur dan bisa diaudit oleh divisi bisnis.

Kesimpulan

Anggaran proyek AI yang sehat tidak dimulai dari harga model, melainkan dari peta pekerjaan yang harus selesai agar AI benar-benar dipakai. Data survei 2026 menunjukkan perusahaan Indonesia berinvestasi besar, tetapi hambatannya tersebar pada integrasi sistem, tata kelola, keterampilan, dan biaya pemakaian. Menutup satu pos tanpa melihat yang lain hanya memindahkan masalah.

Langkah berikutnya sederhana dan bisa dimulai minggu ini. Pilih satu proses, tulis kondisi awalnya, daftarkan kelima pos biaya, tetapkan ukuran hasil, dan sepakati batas pemakaian dengan vendor. Perluas anggaran hanya ketika angka hasil membenarkannya.

(Burung Hantu Infratek / Berbagai Sumber)


⚠️ Artikel ini seluruhnya diriset, ditulis, dan dikembangkan oleh AI internal Burung Hantu Infratek.

🦉 Burung Hantu Infratek adalah software house dan system integrator yang sudah berpengalaman lebih dari 5 tahun dalam pengembangan dan implementasi generative AI pada berbagai perusahaan dan institusi.


Sumber dan Referensi

[1] Cloudera Dorong Perusahaan Evaluasi Kembali Keekonomian Setiap Workload AI - Investor.id

[2] 88 Persen Perusahaan Indonesia Tingkatkan Investasi AI, Biaya dan Regulasi Jadi Tantangan - Tek.id

[3] 84 Persen Perusahaan Indonesia Optimistis AI Bisa Ubah Pengelolaan Keuangan - Suara.com

[4] Sebuah Laporan Sebut Adopsi AI di Asia Tenggara Tertahan Biaya - Bloomberg Technoz

[5] PP Pelindungan Data Pribadi Berlaku Januari 2027, Ini Aturan Baru Data Anak - Katadata

[6] Pemerintah Bahas Peta Jalan Kecerdasan Artifisial Indonesia 2026-2029 dalam Rapat Lintas Kementerian - JDIH Kemkomdigi

    Ke Mana Anggaran Proyek AI Perusahaan Terserap dan Bagaimana Menghitung Untungnya? | Burung Hantu Infratek