Euforia pasar saham berakhir hanya setelah satu hari? Saham Anthropic jatuh setelah IPO: Apa yang ada di balik penurunan valuasi?
Xpert Pra-Rilis
Tersedia dalam 27 bahasa 📢
Lebih suka Xpert.Digital di GoogleⓘDiterbitkan pada: 20 November 2026 / Diperbarui pada: 20 November 2026 – Penulis: Konrad Wolfenstein

Euforia pasar saham berakhir hanya dalam satu hari? Saham Anthropic jatuh setelah IPO: Apa yang ada di balik penurunan valuasi? – Gambar kreatif tentang topik ini, dibuat dengan AI: Xpert.Digital
IPO Anthropic di bawah tekanan: Mengapa ledakan AI tidak otomatis membawa keuntungan
Bisnis AI bernilai triliunan dolar: Pertanyaan krusialnya adalah apa yang tersisa pada akhirnya
Mengapa peringkat Anthropic sudah berada di bawah pengawasan?
Debut pasar saham Anthropic dimulai dengan antusiasme yang besar: Harga saham dibuka jauh di atas harga penawaran sebelum kemudian turun pada hari pertama perdagangan. Tekanan jual selanjutnya menyoroti pertanyaan sentral dalam ekonomi AI: Dapatkah perusahaan yang teknologinya menjanjikan peningkatan produktivitas yang sangat besar juga menghasilkan keuntungan tinggi yang berkelanjutan bagi pemiliknya? Karena peningkatan pendapatan dan permintaan yang kuat belum menjadi bukti model bisnis yang menguntungkan. Penyedia AI tidak hanya harus membiayai penelitian dan pengembangan, tetapi juga mengelola pengoperasian model mereka yang mahal, perluasan infrastruktur komputasi, dan kewajiban jangka panjang.
Di Anthropic, pertumbuhan pesat dan ekspektasi tinggi bertabrakan dengan biaya tinggi, persaingan ketat, dan kebutuhan modal yang signifikan. Pada saat yang sama, penurunan harga saham itu sendiri tidak selalu berarti perusahaan telah gagal secara finansial: Perubahan kapitalisasi pasar tidak berarti bahwa jumlah yang sama telah hilang dari kas perusahaan. Pertanyaan krusialnya adalah apakah Anthropic dapat menawarkan layanannya dengan harga yang akan menutupi operasional berkelanjutan dan investasi yang diperlukan dalam jangka panjang. Penurunan harga saham dengan demikian menyoroti satu hal di atas segalanya: Ledakan AI mungkin nyata – namun valuasi penyedia tunggal mungkin masih terlalu tinggi.
Peluncuran pasar saham yang terjebak antara permintaan historis dan keraguan yang tiba-tiba
Anjloknya harga saham Anthropic segera setelah IPO spektakulernya menyoroti konflik mendasar dalam ekonomi AI saat ini: potensi ekonomi kecerdasan buatan bisa sangat besar, namun valuasi penyedia tunggal tetap terlalu tinggi. Kemajuan teknologi, peningkatan pendapatan, dan imbal hasil saham yang menarik tidak secara otomatis berjalan beriringan. Faktor-faktor pentingnya adalah berapa proporsi nilai yang diciptakan tetap berada di perusahaan, berapa banyak modal yang harus diinvestasikan, dan ekspektasi apa yang sudah tercermin dalam harga saham.
Anthropic menetapkan harga penawaran umum perdana (IPO) sebesar $83. Harga perdagangan hari pertama sebesar $111,50 sekitar 34,3 persen lebih tinggi. Namun, pada akhir hari perdagangan pertama, harga telah turun menjadi $97,17. Meskipun ini masih mewakili premi sekitar 17,1 persen di atas harga IPO, harga tersebut sudah menunjukkan kerugian sekitar 12,9 persen dibandingkan dengan harga perdagangan hari pertama. Tekanan penjualan pra-pasar selanjutnya memperkuat kesan bahwa antusiasme awal telah berubah menjadi penilaian yang jauh lebih kritis.
Penurunan sementara hampir 14 persen dari $97,17 secara matematis akan menghasilkan harga sekitar $83,57. Ini praktis akan menghilangkan selisih dengan harga penawaran. Namun, penting untuk memahami bahwa harga pra-pasar hanyalah gambaran sesaat. Harga tersebut bukanlah harga penutupan akhir atau bukti konklusif bahwa suatu perusahaan telah salah nilai secara permanen.
Pada saat yang sama, akan terlalu menyederhanakan jika menganggap pergerakan ini hanya sebagai kegelisahan pasca-IPO biasa. Anthropic mewakili industri yang prospek ekonominya tumbuh lebih cepat daripada kepastian tentang profitabilitas jangka panjangnya. Pertanyaan utamanya bukan lagi sekadar apakah perusahaan dan konsumen ingin menggunakan AI. Pertanyaannya semakin menjadi apakah penyedia dapat menjual layanan mereka dengan harga yang secara berkelanjutan dapat menutupi biaya penelitian, komputasi, komitmen infrastruktur, dan biaya modal.
Mengapa kerugian valuasi sebesar $500 miliar bukanlah arus kas keluar?
Gagasan bahwa sebuah perusahaan telah kehilangan sekitar $500 miliar dalam waktu singkat memerlukan penjelasan ekonomi. Ini bukan merujuk pada transfer yang sesuai, arus keluar dari dana perusahaan, atau aset bisnis yang tiba-tiba hilang. Ini merujuk pada perubahan yang diperhitungkan dalam nilai yang diberikan pasar saham kepada kepemilikan saham.
Kapitalisasi pasar umumnya dihitung dengan mengalikan harga saham dengan jumlah saham yang beredar. Jika harga saham turun, kapitalisasi pasar juga akan turun, dengan asumsi jumlah saham tetap tidak berubah. Hal ini hanya membutuhkan sebagian kecil saham yang diperdagangkan secara aktif. Harga yang paling baru ditentukan kemudian diterapkan pada semua saham yang sebanding.
Dalam kasus Anthropic, penting juga untuk membedakan antara berbagai metrik valuasi. Perhitungan berdasarkan saham yang beredar dapat secara signifikan lebih rendah daripada valuasi yang terdilusi penuh, yang juga mempertimbangkan opsi saham dan rencana kepemilikan saham karyawan tertentu. Harga saham awal sesuai dengan valuasi yang terdilusi penuh sekitar dua triliun dolar. Harga penerbitan itu sendiri dikaitkan dengan valuasi sekitar 1,5 triliun dolar. Oleh karena itu, penurunan menuju harga penerbitan secara teoritis dapat mengurangi sekitar 500 miliar dolar dari valuasi sementara.
Angka ini tidak boleh disamakan dengan penurunan dalam satu sesi perdagangan. Penurunan 14 persen menjadi valuasi $1,8 triliun, misalnya, akan setara dengan sekitar $252 miliar. Penurunan sekitar $500 miliar hanya terjadi dengan perbedaan harga yang lebih besar, seperti antara harga pencatatan awal dan harga selanjutnya yang mendekati harga penerbitan, dan dengan basis valuasi yang sesuai.
Namun, perubahan tersebut bukanlah hal yang sepele. Harga saham yang lebih rendah dapat mempersulit peningkatan modal di masa mendatang, membuat kompensasi berbasis saham kurang menarik, dan meningkatkan biaya akuisisi menggunakan saham perusahaan sendiri. Selain itu, valuasi memengaruhi kepercayaan karyawan, mitra bisnis, dan investor. Namun, ada perbedaan mendasar antara penurunan valuasi yang belum terealisasi dalam pembukuan dan masalah likuiditas yang mendesak.
Harga penerbitan adalah hasil negosiasi, bukan jaminan ekonomi
Mendekati angka $83 memiliki dampak psikologis yang signifikan. Harga penawaran tersebut berfungsi sebagai titik referensi yang terlihat bagi banyak pelaku pasar. Mereka yang menerima saham pada saat penawaran mengukur keberhasilan investasi mereka hingga saat ini berdasarkan harga tersebut. Namun, mereka yang baru memasuki pasar pada harga penawaran awal mempertimbangkan ambang batas kerugian yang sama sekali berbeda.
Secara ekonomi, harga penawaran tidak menjamin batas bawah atau nilai perusahaan yang wajar. Harga tersebut muncul dari proses penentuan harga yang menggabungkan permintaan, minat penempatan, kondisi pasar, dan penilaian investor institusional. Bahkan penawaran yang sangat diminati pun bisa terlalu mahal jika ekspektasi laba yang mendasarinya tidak terpenuhi.
Sebaliknya, penurunan harga penawaran tidak membuktikan bahwa IPO gagal. Perusahaan mungkin masih berhasil mengumpulkan dana yang substansial. Lagipula, IPO terutama bertujuan untuk mengumpulkan modal dan menciptakan saham yang dapat diperdagangkan, bukan untuk menjamin kenaikan harga saham secara langsung.
Penawaran tersebut terdiri dari 980 juta saham dengan harga $83 per saham, menghasilkan volume penempatan sekitar $81,34 miliar. Dari jumlah tersebut, lebih dari 956 juta saham dijual oleh Anthropic sendiri, dan hampir 23,65 juta saham dijual oleh pemegang saham yang sudah ada. Dengan demikian, tidak seluruh volume penempatan saham masuk ke perusahaan. Saham yang ditawarkan oleh Anthropic, sebelum biaya dan pengeluaran lainnya, mewakili sekitar $79,38 miliar.
Perbedaan ini penting karena berita utama tentang volume penerbitan saham dapat dengan mudah menciptakan kesan bahwa setiap dolar yang dibayarkan dalam IPO secara langsung meningkatkan kas perusahaan. Pada kenyataannya, hanya penerbitan saham baru perusahaan yang membiayai perusahaan itu sendiri. Penjualan saham yang ada, di sisi lain, mengalihkan kepemilikan antara investor lama dan investor baru.
Permintaan itu nyata – tetapi permintaan saja tidak cukup untuk membiayai infrastruktur
Daya tarik ekonomi Anthropic tidak semata-mata didasarkan pada fantasi spekulatif. Dengan model dan aplikasi AI-nya, perusahaan ini menyasar pasar di mana bisnis mencari produktivitas yang lebih tinggi, pengembangan perangkat lunak yang lebih cepat, dan proses berbasis pengetahuan yang lebih efisien.
Bisnis dengan klien profesional sangat relevan. Bahkan peningkatan terbatas dalam pemrograman, penelitian, pemrosesan dokumen, atau pengambilan pengetahuan internal dapat berdampak finansial yang signifikan di dalam perusahaan. Sebuah alat tidak harus mengambil alih semua tugas karyawan agar layak secara ekonomi. Cukup untuk mempercepat tugas-tugas berulang, mengurangi hambatan, atau meningkatkan kualitas proses kerja tertentu.
Angka keuangan Anthropic menunjukkan ekspansi yang sangat pesat. Pada akhir Oktober, perusahaan melaporkan pendapatan tahunan sebesar $81 miliar. Bersamaan dengan itu, jumlah pelanggan yang masing-masing telah memberikan kontribusi pendapatan setidaknya $100.000 dalam dua belas bulan sebelumnya melebihi 11.900 pada akhir September. Tahun sebelumnya, angka ini sekitar 1.500.
Perkembangan seperti itu menunjukkan permintaan komersial yang signifikan. Namun, hal itu belum memungkinkan penilaian definitif terhadap kualitas model bisnis. Tingkat penjualan yang diproyeksikan tidak sama dengan pendapatan tahunan yang telah dicapai. Secara matematis, proyeksi tersebut memperpanjang periode yang lebih pendek menjadi dua belas bulan dan dengan demikian mengasumsikan bahwa tingkat pendapatan akan terus berlanjut.
Bahkan jumlah pelanggan besar pun tidak menjawab semua pertanyaan penting. Misalnya, masih belum jelas seberapa menguntungkan penggunaan mereka, diskon apa yang ditawarkan, seberapa besar permintaan bergantung pada aplikasi individual, dan apakah pelanggan akan beralih ke alternatif yang lebih murah. Oleh karena itu, pertumbuhan merupakan komponen penting dari tesis investasi, tetapi bukan pengganti untuk menganalisis biayanya.
Mengapa AI berfungsi secara ekonomi berbeda dibandingkan perangkat lunak tradisional?
Salah satu alasan utama ketidakpastian ini terletak pada struktur biaya. Perusahaan perangkat lunak tradisional sering kali diuntungkan oleh fakta bahwa pengguna tambahan hanya menimbulkan biaya penerapan yang relatif rendah setelah produk dikembangkan. Sebaliknya, dengan sistem AI yang canggih, setiap pengguna tambahan dapat mengonsumsi sumber daya komputasi yang signifikan.
Dua area biaya harus dibedakan. Pelatihan dan pengembangan lebih lanjut suatu model membutuhkan riset yang ekstensif, daya komputasi, dan infrastruktur teknis. Selanjutnya, biaya tambahan muncul selama penggunaan berkelanjutan ketika model memproses kueri dan menghasilkan respons. Area kedua ini disebut inferensi.
Ini berarti bahwa pertumbuhan pendapatan yang kuat dapat disertai dengan kenaikan biaya operasional yang tajam. Meskipun pelanggan korporat besar menghasilkan pendapatan tambahan, hal itu juga dapat menciptakan beban administrasi yang tinggi. Oleh karena itu, yang penting secara ekonomi bukanlah hanya berapa banyak yang dibayar pelanggan, tetapi berapa banyak yang tersisa setelah biaya yang secara langsung terkait dengan penggunaan mereka.
Perhitungan ini menjadi sangat menantang terutama untuk tugas-tugas yang kompleks. Sistem AI yang memeriksa banyak solusi, menggunakan berbagai alat, memproses dokumen yang ekstensif, atau mengelola alur kerja yang panjang dapat membutuhkan sumber daya yang jauh lebih banyak daripada respons berbasis teks sederhana. Nilai ekonomi dari layanan semacam itu bisa tinggi. Namun, ini tidak secara otomatis berarti bahwa harga jualnya meningkat secara proporsional.
Inilah perbedaan antara produk yang mengesankan dan perusahaan yang menguntungkan secara berkelanjutan. Kemampuan teknis menciptakan prasyarat untuk kesediaan membayar. Hanya rasio yang menguntungkan antara harga yang dapat dicapai dan total biaya pasokan yang menciptakan model bisnis yang layak.
Komitmen terhadap infrastruktur tersebut meluas jauh melampaui hasil dari pasar saham
Besarnya kebutuhan modal menjadi sangat jelas ketika membandingkan hasil dari IPO dengan perjanjian infrastruktur jangka panjang. Anthropic telah mengungkapkan komitmen pembelian dan perjanjian sewa untuk daya komputasi dan infrastruktur dengan total sekitar $900 miliar. Kira-kira setengah dari biaya ini diharapkan akan dibayarkan pada akhir tahun 2030, dengan sisanya jatuh tempo antara tahun 2031 dan 2045. Sekitar $186 miliar terkait dengan perjanjian yang dapat diakhiri atau bergantung pada kondisi seperti pembiayaan, fasilitas yang tersedia, atau persetujuan peraturan.
Angka-angka ini tidak boleh diperlakukan seolah-olah tagihan tunggal sebesar $900 miliar harus segera dibayar. Waktu, ketentuan kontrak, dan potensi pembiayaan melalui pendapatan di masa mendatang sangat penting untuk penilaian ekonomi.
Akan keliru juga jika menyamakan semua kewajiban dengan investasi dalam aset berwujud. Sebuah perusahaan AI dapat memperoleh daya komputasi tanpa memiliki pusat data dan chip yang digunakan. Namun, ini tidak menghilangkan intensitas modal ekonomi. Hal ini dapat dicatat oleh mitra infrastruktur dan diteruskan kepada penyedia model melalui kewajiban pembayaran jangka panjang.
Besarnya skala IPO ini memperjelas mengapa bahkan IPO yang berskala besar sekalipun tidak memberikan jawaban pasti atas pertanyaan pendanaan. Masuknya modal dalam jumlah besar menciptakan ruang gerak dan memperkuat posisi tawar. Namun, hal itu tidak menggantikan kebutuhan pelanggan untuk membayar cukup mahal atas layanan yang diberikan dalam jangka panjang.
Oleh karena itu, risiko sebenarnya terletak bukan pada besarnya komitmen itu sendiri, melainkan pada potensi ketidaksesuaian antara kendala biaya dan fleksibilitas permintaan. Kapasitas yang dipesan dalam jangka panjang dapat menguntungkan secara ekonomi jika dimanfaatkan secara andal. Namun, jika permintaan kurang dari yang diharapkan atau harga yang dapat dicapai turun lebih cepat dari yang direncanakan, kontrak-kontrak tersebut dapat menjadi beban.
Kekuatan komputasi merupakan pendorong pertumbuhan sekaligus risiko bagi pendapatan
Penyedia AI tidak dapat berkembang tanpa batas jika kekurangan daya komputasi yang diperlukan. Bahkan pelanggan yang membayar pun tidak akan menghasilkan pendapatan nyata jika permintaan tidak dapat diproses, batas kapasitas tercapai, atau produk baru tidak dapat dikirimkan dengan andal.
Hal ini menciptakan konflik tujuan yang sulit. Jika perusahaan memesan infrastruktur terlalu sedikit, perusahaan berisiko kehilangan pendapatan dan pelanggan yang tidak puas. Jika memesan terlalu banyak, perusahaan berisiko mengalami pemanfaatan yang rendah dan kewajiban yang tinggi. Jika hanya memesan dalam waktu singkat, fleksibilitas mungkin datang dengan biaya yang lebih tinggi.
Bagi Anthropic, hubungan ini sudah relevan secara finansial. Kerugian operasional sebesar $567 juta dilaporkan untuk kuartal ketiga. Beban tersebut termasuk $5 miliar untuk daya komputasi berdasarkan perjanjian jangka pendek dan $2 miliar dalam pengeluaran non-tunai terkait dengan program peningkatan donasi amal. Item-item ini harus dibedakan: Daya komputasi jangka pendek berkaitan dengan provisi berkelanjutan, sedangkan pengeluaran non-tunai tidak selalu berdampak pada likuiditas pada periode yang sama.
Interpretasi ekonomi pun haruslah bernuansa. Biaya akuntansi jangka pendek yang tinggi dapat mengindikasikan bahwa permintaan tumbuh lebih cepat daripada pasokan jangka panjang yang terjamin. Hal ini pada awalnya akan berdampak positif secara komersial. Pada saat yang sama, beban biaya yang dihasilkan dapat menunjukkan bahwa pertumbuhan pendapatan belum cukup diterjemahkan ke dalam laba operasional.
Selain itu, terdapat risiko pelaksanaan di luar kendali langsung penyedia model. Kontrak yang ditandatangani tidak menjamin bahwa pusat data akan selesai tepat waktu. Pembiayaan, pasokan listrik, perizinan, dan implementasi teknis dapat menunda perluasan kapasitas. Oleh karena itu, evaluasi tidak boleh hanya berfokus pada jumlah infrastruktur yang disepakati, tetapi juga pada kapan infrastruktur tersebut benar-benar dapat digunakan dan berapa biayanya.
Mengapa arus kas bebas positif justru akan membuat valuasi menjadi sangat sensitif di tahun 2030
Ekspektasi bahwa Anthropic tidak akan mencapai arus kas bebas positif secara tahunan hingga tahun 2030 merupakan aspek kunci dari valuasi. Ini tidak berarti bahwa perusahaan tidak akan menghasilkan pendapatan sama sekali hingga saat itu atau harus mengalami arus kas keluar setiap kuartal. Yang penting adalah pendapatan bersih tahunan setelah operasi dan investasi yang dipertimbangkan untuk perhitungan tersebut.
Goldman Sachs memperkirakan arus kas bebas tahunan positif baru akan terjadi pada tahun 2030. Pada saat yang sama, model analisisnya mengasumsikan pertumbuhan pendapatan yang sangat kuat hingga sekitar $685 miliar tahun ini. Oleh karena itu, prospek surplus kas di masa depan tidak didasarkan pada asumsi konservatif tentang perusahaan yang pertumbuhannya lambat, melainkan pada ekspansi yang sangat luas.
Namun, perkiraan bukanlah jangka waktu yang tetap. Hal itu bergantung pada tren harga, pertumbuhan pelanggan, biaya, persaingan, dan laju investasi. Jika bahkan perkiraan pendapatan yang optimis hanya menghasilkan arus kas bebas setelah penundaan yang cukup lama, intensitas modal perlu mendapat perhatian khusus.
Selain itu, profitabilitas operasional, laba bersih, dan arus kas bebas adalah metrik yang berbeda. Sebuah perusahaan dapat melaporkan laba operasional dan tetap membutuhkan dana yang signifikan untuk infrastruktur atau investasi lainnya. Sebaliknya, efek waktu pada pembayaran di muka dan kewajiban dapat meningkatkan arus kas untuk sementara waktu tanpa peningkatan yang sepadan dalam profitabilitas jangka panjang.
Hal ini menyebabkan meningkatnya sensitivitas investor terhadap informasi baru. Semakin jauh ke depan perkiraan imbal hasil ekonomi, semakin besar nilai perusahaan saat ini bergantung pada seberapa pasti imbal hasil tersebut. Bahkan penundaan hanya beberapa tahun pun dapat signifikan, meskipun potensi pasar jangka panjang tetap tidak berubah.
🎯🎯🎯 Pusat industri B2B berbasis data sebagai solusi semi-internal

Solusi semi-internal: Bagaimana Xpert.Digital menutup kesenjangan operasional dalam pemasaran dan penjualan B2B – Bisnis Cerdas Berbasis Konten - Gambar: Xpert.Digital
Xpert.Digital adalah pusat industri B2B berbasis data yang dipimpin oleh Konrad Wolfenstein . Perusahaan ini bertindak sebagai solusi eksternal, yang hampir bersifat internal, bagi mitra industri, menutup kesenjangan operasional dalam pemasaran, konten, dan penjualan – tanpa memerlukan sumber daya tambahan di pihak klien.
Informasi selengkapnya di sini:
Peningkatan efisiensi tidak menjamin profitabilitas
Valuasi satu triliun dolar menuntut lebih dari sekadar produk yang bagus
Valuasi perusahaan dalam triliunan dolar mengasumsikan bahwa penyedia layanan dapat menghasilkan keuntungan besar dalam jangka waktu yang panjang. Model bisnis yang unggul secara teknologi saja tidak cukup. Pasar yang besar dan mudah diakses, keunggulan kompetitif yang kuat, dan kemampuan untuk merebut pangsa yang cukup dari penciptaan nilai juga diperlukan.
Contoh perhitungan sederhana mengilustrasikan skalanya. Dengan asumsi valuasi sebesar $1,5 triliun, arus kas bebas tahunan sebesar $30 miliar akan menghasilkan imbal hasil arus kas sebesar dua persen. Pada $75 miliar, imbal hasilnya akan menjadi lima persen. Perhitungan ini bukanlah model valuasi atau perkiraan untuk Anthropic. Ini hanya menunjukkan surplus absolut yang diperlukan ketika harga pembelian suatu perusahaan sangat tinggi.
Oleh karena itu, hubungan antara pendapatan dan nilai perusahaan hanyalah langkah perantara. Bahkan pendapatan beberapa ratus miliar dolar pun tidak secara otomatis membenarkan valuasi yang tinggi. Dengan margin yang rendah, kebutuhan investasi ulang yang tinggi, atau pengenceran saham yang berulang, pemegang saham yang ada bisa berakhir dengan hasil yang jauh lebih sedikit daripada yang diharapkan.
Sebaliknya, rasio valuasi saat ini yang tinggi tidak boleh dianggap sebagai bukti valuasi yang berlebihan. Jika pendapatan dan arus kas bebas tumbuh sangat kuat selama bertahun-tahun, saham yang awalnya tampak mahal dapat menjadi lebih menarik secara ekonomi. Faktor krusialnya adalah keberlanjutan lintasan pertumbuhan ini.
Oleh karena itu, pasar saham tidak hanya mengevaluasi bisnis Anthropic yang ada saat ini, tetapi juga menilai potensi posisi pasar yang sangat kuat di masa depan. Sebagian besar harga saham bergantung pada partisipasi perusahaan dalam pertumbuhan AI, serta kemampuannya menghasilkan keuntungan ekonomi yang secara konsisten di atas rata-rata.
Persaingan menentukan siapa yang menerima peningkatan produktivitas
Persaingan dari OpenAI, Google, dan penyedia lainnya memengaruhi lebih dari sekadar peringkat kualitas model. Hal ini berdampak pada harga, biaya distribusi, loyalitas pelanggan, dan kecepatan pemanfaatan fitur baru secara komersial.
Keunggulan teknologi menjadi berharga ketika pelanggan bersedia membayar harga premium yang signifikan untuknya. Keunggulan tersebut menjadi kurang berharga ketika model pesaing segera menawarkan kinerja serupa dengan harga lebih rendah. Dalam hal ini, sebagian besar kemajuan teknologi diteruskan kepada pengguna, sementara penyedia hanya dapat menutup sebagian biaya pengembangan mereka.
Secara ekonomi, ini bukanlah sebuah kontradiksi. Suatu teknologi dapat sangat bermanfaat bagi perekonomian secara keseluruhan dan sekaligus memicu persaingan harga yang sengit di antara para produsennya. Penurunan harga kemudian meningkatkan penggunaannya, tetapi dapat membatasi margin keuntungan.
Bagi Anthropic, ini berarti bahwa posisi teknis terdepan harus diterjemahkan menjadi hubungan pelanggan yang langgeng. Faktor-faktor penting tidak hanya mencakup solusi yang lebih baik, tetapi juga keandalan, integrasi ke dalam alur kerja, biaya yang transparan, dan manfaat yang menarik dalam operasional sehari-hari.
Situasinya menjadi sangat sulit ketika para pesaing memiliki berbagai sumber pendapatan. Perusahaan teknologi yang terdiversifikasi secara luas dapat menggunakan penawaran AI secara strategis untuk memperkuat area bisnis lainnya. Di sisi lain, penyedia yang lebih fokus pada bisnis AI-nya harus menunjukkan secara lebih langsung bahwa layanannya sendiri layak secara ekonomi.
Oleh karena itu, peluang Anthropic tidak selalu terletak pada menuntut harga terendah di mana-mana. Peluang tersebut juga dapat terletak pada menciptakan nilai tambah yang sangat tinggi dalam aplikasi yang penting secara ekonomi sehingga pelanggan bersedia membayar harga premium.
Model-model buatan Tiongkok yang lebih murah semakin menurunkan batasan harga
Model AI buatan Tiongkok yang lebih murah meningkatkan tekanan persaingan, terutama di area di mana pelanggan tidak memerlukan kinerja terbaik secara absolut. Banyak tugas bisnis tidak membutuhkan model yang paling serbaguna. Yang dibutuhkan adalah kualitas yang memadai dengan biaya keseluruhan yang wajar.
Jika model yang lebih murah, misalnya, mengklasifikasikan teks standar, mengurutkan dokumen terlebih dahulu, atau secara andal mendukung tugas pemrograman sederhana, daya tarik ekonominya bisa lebih besar daripada model kelas atas yang jauh lebih mahal. Faktor penentunya adalah hubungan antara kualitas hasil, biaya kesalahan, dan biaya operasional.
Namun, perbandingan tidak boleh berhenti hanya pada harga per unit yang diproses. Perusahaan juga harus mempertimbangkan integrasi, dukungan, keamanan data, keandalan, dan, jika berlaku, operasional teknis mereka sendiri. Model yang tampak murah pada pandangan pertama mungkin akan menimbulkan biaya yang lebih tinggi di kemudian hari. Sebaliknya, penawaran yang lebih mahal mungkin terbukti lebih ekonomis jika membutuhkan lebih sedikit pengerjaan ulang dan biaya operasional yang lebih rendah.
Tekanan harga tetap menjadi ancaman nyata. Ketersediaan bobot model secara terbuka, khususnya, dapat menawarkan peluang tambahan bagi perusahaan dan penyedia layanan untuk mengoperasikan model mereka sendiri atau membandingkan penawaran dari berbagai mitra infrastruktur. Kemungkinan untuk beralih saja sudah mengubah posisi tawar, meskipun tidak setiap pelanggan benar-benar beralih.
Hal ini menghadirkan tantangan bagi vendor-vendor berperingkat tinggi: mereka harus menunjukkan bahwa keunggulan kualitas mereka dalam aplikasi spesifik tetap cukup signifikan untuk membenarkan harga yang lebih tinggi dan ekspektasi margin yang terkait. Kepemimpinan pasar secara umum kurang berarti dalam hal ini dibandingkan manfaat yang dapat dibuktikan bagi pelanggan.
Model yang lebih efisien tidak secara otomatis menyelesaikan masalah biaya
Kemajuan teknologi dapat secara signifikan mengurangi biaya per tugas. Model yang lebih kecil dan khusus, pemanfaatan yang lebih baik, pemrosesan yang lebih efisien, dan perangkat keras yang lebih baik semuanya dapat berkontribusi untuk memberikan kinerja yang sama dengan sumber daya yang lebih sedikit.
Namun, profitabilitas sangat bergantung pada siapa yang mendapat manfaat dari penghematan ini. Jika pemasok dapat mempertahankan harga mereka sementara biaya menurun, margin akan meningkat. Jika persaingan memaksa penurunan harga yang sesuai, keuntungan terutama akan dirasakan oleh pelanggan.
Selain itu, biaya yang lebih rendah dapat secara signifikan meningkatkan permintaan. Seiring dengan semakin terjangkaunya layanan AI, perusahaan akan menerapkannya dalam lebih banyak proses dan membiarkannya menangani tugas-tugas yang lebih kompleks. Oleh karena itu, konsumsi daya komputasi secara keseluruhan dapat terus meningkat meskipun biaya per unit menurun.
Hal ini menarik dari perspektif pertumbuhan pasar, tetapi ambigu dari perspektif kebutuhan modal. Peningkatan efisiensi dapat meningkatkan profitabilitas dan memicu siklus investasi baru. Efek mana yang lebih dominan bergantung pada harga, pola penggunaan, dan biaya kapasitas.
Oleh karena itu, asumsi umum bahwa kerugian saat ini akan otomatis hilang dengan generasi model berikutnya adalah bermasalah. Efisiensi adalah prasyarat penting. Profitabilitas berkelanjutan juga membutuhkan agar sebagian besar keuntungan efisiensi tetap berada di tangan pemasok.
Dalam bisnis, seluruh proses kerja sangat penting
Salah satu jalan yang menjanjikan untuk mendapatkan keuntungan yang lebih stabil adalah dengan menawarkan bukan hanya akses ke model, tetapi juga komponen yang andal dalam alur kerja operasional. Bagi klien korporat, kualitas satu respons seringkali hanya salah satu aspek dari keputusan pembelian mereka.
Yang tak kalah penting adalah izin, dokumentasi, integrasi ke dalam sistem yang ada, dan kemampuan untuk memantau hasil. Alat AI mungkin tampak mengesankan secara teknis, tetapi tetap mengecewakan secara ekonomi jika karyawan menghabiskan banyak waktu untuk pengerjaan ulang atau jika diperlukan proses kontrol tambahan.
Oleh karena itu, indikator kinerja utama bukanlah semata-mata kecepatan respons. Yang penting adalah dampak bersih terhadap biaya, waktu tunggu, kualitas, dan risiko. Penghematan waktu dalam satu langkah kerja hanya akan menghasilkan keuntungan finansial jika seluruh proses benar-benar menjadi lebih efisien.
Bagi Anthropic, perspektif ini membuka peluang untuk loyalitas pelanggan yang lebih besar. Ketika suatu layanan terintegrasi secara mendalam ke dalam alur kerja pengembangan atau proses bisnis penting lainnya, beralih penyedia menjadi lebih kompleks. Namun, loyalitas ini harus dibangun berdasarkan kinerja yang nyata. Loyalitas ini tidak dapat dipertahankan hanya berdasarkan kesulitan beralih penyedia.
Selain itu, muncul potensi konflik tujuan: semakin lengkap aplikasi yang ditawarkan oleh penyedia model, semakin besar pula persaingannya dengan perusahaan perangkat lunak yang sebelumnya telah mengintegrasikan model-model tersebut ke dalam produk mereka sendiri. Oleh karena itu, perluasan rantai nilai sendiri dapat secara bersamaan mengubah hubungannya dengan mitra penjualan utama.
Mitra cloud menstabilkan bisnis dan menciptakan ketergantungan baru
Hubungan dengan perusahaan cloud besar merupakan sumber stabilitas yang signifikan bagi Anthropic. Mitra jangka panjang dapat menyediakan daya komputasi, modal, dan akses ke pelanggan perusahaan, membantu mengatasi beberapa hambatan terbesar yang dihadapi oleh penyedia AI yang berkembang pesat.
Anthropic memiliki komitmen infrastruktur kepada Amazon dan Google masing-masing lebih dari $100 miliar, yang berlanjut hingga tahun 2030-an. Pada saat yang sama, kedua perusahaan tersebut merupakan pemegang saham yang signifikan. Hal ini menciptakan insentif ekonomi yang kuat untuk mempertahankan pasokan daya komputasi.
Namun, keterkaitan ini tidak sepenuhnya positif. Mitra dapat sekaligus menjadi pemasok, investor, saluran penjualan, dan pesaing. Hal ini menciptakan ketergantungan terkait penetapan harga, integrasi teknis, dan keputusan strategis.
Untuk analisis ini, penting juga untuk membedakan antara arus pembiayaan dan permintaan pelanggan. Modal dari mitra teknologi tidak sama dengan pendapatan dari pelanggan akhir yang independen. Demikian pula, perjanjian infrastruktur jangka panjang bukanlah bukti bahwa biayanya nantinya akan tertutupi oleh permintaan yang menguntungkan.
Ini bukan berarti bahwa hubungan semacam itu secara ekonomi bersifat artifisial atau pada dasarnya bermasalah. Dalam industri padat modal, kemitraan jangka panjang seringkali diperlukan. Faktor krusialnya adalah transparansi mengenai risiko mana yang ditanggung oleh pihak mana dan apakah ada cukup pelanggan yang membayar di ujung rantai tersebut.
Penggalangan modal lebih lanjut dapat memperkuat perusahaan dan membebani para pemegang saham
Bahkan IPO besar pun tidak menutup kemungkinan putaran pendanaan tambahan. Jika ekspansi berjalan lebih cepat daripada penggalangan dana internal, Anthropic mungkin memerlukan pendanaan ekuitas atau utang lebih lanjut. Apakah ini terjadi bergantung pada kinerja bisnis aktual dan tidak dapat ditentukan hanya dari komitmen jangka panjang.
Bagi pemegang saham, pengenceran saham merupakan faktor penting. Ketika sebuah perusahaan menerbitkan saham baru, kepemilikan ekonomi didistribusikan di antara lebih banyak saham. Nilai keseluruhan perusahaan dapat meningkat, sementara kepemilikan saham pemegang saham yang sudah ada berkurang.
Oleh karena itu, peningkatan modal tidak secara otomatis merugikan. Jika dana tambahan digunakan secara menguntungkan, nilai per saham yang ada juga dapat meningkat. Masalah muncul ketika modal baru dibutuhkan secara teratur tanpa peningkatan pendapatan di masa depan yang sepadan.
Harga saham secara langsung memengaruhi perhitungan ini. Pada valuasi tinggi, sejumlah besar dana dapat dikumpulkan dengan pengenceran yang relatif kecil. Pada valuasi rendah, lebih banyak saham baru harus diterbitkan untuk aliran dana yang sama. Oleh karena itu, penurunan harga saham yang berkelanjutan dapat memperburuk kondisi pembiayaan di masa mendatang.
Kompensasi berbasis saham juga perlu dipertimbangkan. Hal ini dapat membatasi kebutuhan uang tunai langsung dan memungkinkan karyawan untuk berpartisipasi dalam kesuksesan perusahaan. Namun, hal ini bukannya tanpa biaya bagi pemegang saham yang ada jika hal itu menciptakan klaim tambahan terhadap perusahaan.
Mengapa beberapa hari perdagangan pertama belum memungkinkan untuk memberikan penilaian akhir?
Setelah IPO, berbagai kepentingan yang sangat berbeda bertabrakan. Investor jangka panjang, pedagang jangka pendek, dan mereka yang tidak menerima alokasi yang cukup dalam penawaran tersebut semuanya melakukan perdagangan secara bersamaan. Akibatnya, penentuan harga pada awalnya mungkin lebih didorong oleh kelangkaan dan posisi daripada penilaian yang stabil terhadap nilai perusahaan.
Sejumlah kecil saham yang diperdagangkan secara bebas dapat memperkuat efek dari pesanan beli atau jual tambahan. Likuiditas juga seringkali lebih rendah dalam perdagangan pra-pasar dibandingkan selama jam perdagangan reguler. Oleh karena itu, pergerakan harga individual tidak boleh ditafsirkan secara berlebihan.
Meskipun demikian, penurunan harga merupakan sinyal yang relevan. Hal ini menunjukkan bahwa permintaan terhadap saham tersebut tidak tak terbatas pada harga berapa pun. Sebuah perusahaan dapat melakukan IPO yang mengesankan dan tak lama kemudian menemukan bahwa investor memiliki gagasan yang sangat berbeda tentang nilai wajarnya.
Selain itu, valuasi perusahaan AI individual tidak terjadi dalam ruang hampa. Ketika selera risiko di pasar secara keseluruhan menurun, saham-saham yang nilainya sangat bergantung pada keuntungan jangka panjang akan berada di bawah tekanan khusus. Keraguan spesifik terhadap perusahaan dan kelemahan pasar secara umum dapat saling memperkuat.
Oleh karena itu, beberapa hari perdagangan pertama tidak memberikan bukti runtuhnya ekonomi AI maupun konfirmasi atas penilaian awal. Periode pelaporan berikutnya, di mana pertumbuhan, tren biaya, dan konsumsi sumber daya akan terlihat bersamaan, akan lebih informatif.
Tokoh-tokoh kunci mana yang sebenarnya akan menunjukkan terobosan ekonomi tersebut?
Untuk penilaian yang andal, tidak cukup hanya berfokus pada jumlah pengguna atau versi model baru. Faktor penentu utamanya adalah perkembangan pendapatan yang sebenarnya dilaporkan. Proyeksi pendapatan dapat memberikan indikasi awal, tetapi harus dikonfirmasi oleh pendapatan aktual.
Kedua, sangat penting untuk memahami bagaimana biaya penyebaran langsung berkembang. Jika pendapatan tumbuh lebih cepat daripada upaya komputasi yang dibutuhkan, skalabilitas ekonomi umumnya meningkat. Jika kedua faktor tersebut meningkat secara paralel, prospek margin tinggi tetap terbatas.
Ketiga, loyalitas pelanggan sangat relevan. Penggunaan berulang dan meningkatnya permintaan dari pelanggan yang sudah ada menunjukkan manfaat produk yang kuat. Proyek percontohan jangka pendek atau penawaran perkenalan dengan diskon besar memiliki arti yang berbeda dibandingkan dengan kontrak yang diperpanjang secara permanen.
Keempat, arus kas bebas harus dipertimbangkan bersamaan dengan kewajiban kontraktual. Satu kuartal positif tidak serta merta membuktikan pembiayaan mandiri yang berkelanjutan. Demikian pula, kuartal negatif karena investasi tidak secara otomatis menunjukkan penurunan kinerja bisnis yang mendasar.
Kelima, kinerja per saham sangat penting. Pendapatan perusahaan yang meningkat pesat hanya akan menguntungkan pemegang saham dalam batas tertentu jika jumlah klaim atas pendapatan tersebut tumbuh dengan kecepatan yang sama. Oleh karena itu, valuasi yang baik menggabungkan kinerja operasional, kebutuhan modal, dan pengenceran saham.
Terobosan ekonomi akan tercapai jika Anthropic tidak hanya tumbuh lebih cepat, tetapi juga secara nyata menghasilkan arus kas bebas yang lebih besar dari setiap unit bisnis tambahan.
Tiga jalur pengembangan antara kepemimpinan pasar dan tekanan margin
Dalam skenario yang menguntungkan, Anthropic berhasil memperluas posisinya yang kuat di pasar perusahaan. Kapasitas komputasi jangka panjang menggantikan solusi jangka pendek yang lebih mahal, efisiensi teknis meningkatkan struktur biaya, dan pelanggan menerima harga yang wajar untuk peningkatan produktivitas yang terbukti. Perusahaan kemudian dapat secara bertahap beralih dari fase investasi awal yang tinggi ke fase penghasilan kas yang lebih kuat.
Dalam skenario menengah, pendapatan terus tumbuh secara signifikan, tetapi persaingan memaksa harga turun. Peningkatan efisiensi mengimbangi sebagian tekanan ini, tetapi pada awalnya tidak cukup untuk menghasilkan margin yang sangat tinggi. Anthropic berpotensi menjadi perusahaan teknologi besar, sementara sahamnya, karena valuasi awalnya yang sudah tinggi, hanya memberikan pengembalian yang terbatas atau sangat fluktuatif.
Dalam skenario yang tidak menguntungkan, beberapa tekanan terjadi secara bersamaan. Model yang lebih menguntungkan mengurangi kesediaan untuk membayar, infrastruktur tertunda atau tiba dengan biaya tinggi, dan komitmen jangka panjang tidak dapat disesuaikan dengan cukup cepat. Kebutuhan modal tambahan kemudian dapat bertepatan dengan valuasi yang lebih rendah, yang selanjutnya mengurangi kepemilikan saham para pemegang saham yang ada.
Skenario-skenario ini bukanlah prediksi. Skenario-skenario ini menggambarkan bahwa perkembangan teknologi yang sama dapat menghasilkan hasil keuangan yang berbeda. Bahkan peningkatan adopsi AI secara global yang signifikan pun tidak menjamin penyedia mana yang akan mencapai keuntungan tertinggi.
Oleh karena itu, ukuran pasar potensial saja bukanlah faktor penentu dalam penilaian. Sama pentingnya adalah seberapa besar kemungkinan Anthropic dapat merebut pangsa pasar yang menarik dalam kondisi menguntungkan dan berapa banyak modal tambahan yang dibutuhkan hingga saat itu.
Konflik krusial terletak antara manfaat bagi masyarakat dan keuntungan pribadi
Kecerdasan buatan dapat meningkatkan produktivitas perusahaan, memungkinkan layanan baru, dan mengurangi biaya banyak tugas berbasis pengetahuan. Namun, manfaat ekonomi secara keseluruhan ini tidak sebanding dengan keuntungan penyedia model tersebut.
Sebagian besar keuntungan dapat tetap berada di perusahaan pengguna jika mereka dapat mencapai lebih banyak hal dengan jumlah karyawan yang sama atau menawarkan layanan dengan harga lebih rendah. Sebagian lainnya dapat diteruskan kepada pelanggan mereka melalui harga yang lebih rendah. Perusahaan infrastruktur dan penyedia layanan khusus juga dapat memperoleh manfaat.
Penyedia model hanya menerima bagian yang secara ekonomi dapat mereka peroleh dari para pemangku kepentingan lainnya. Posisi mereka bergantung pada seberapa mudah produk atau layanan mereka saling menggantikan, alternatif apa yang dimiliki pelanggan, dan biaya apa yang dikeluarkan oleh persaingan teknologi yang berkelanjutan.
Itulah mengapa kesimpulan umum bahwa teknologi revolusioner pasti merupakan investasi yang sangat baik bagi penyedia terkemuka mana pun terlalu sederhana. Keberhasilan ekonomi suatu inovasi dan pengembalian atas harga awal tertentu adalah dua hal yang berbeda.
Penurunan harga saham Anthropic menggambarkan kesenjangan ini dengan sangat jelas. Permintaan akan AI mungkin nyata. Perusahaan ini mungkin memiliki teknologi yang menarik. Pasarnya mungkin mengalami pertumbuhan yang kuat. Namun demikian, harga saham dapat jatuh jika ekspektasi mengenai kecepatan, margin, dan kebutuhan pendanaan menjadi terlalu ambisius.
Nilai pasar harus diperoleh terlebih dahulu melalui pengembalian yang dapat diandalkan
Alasan di balik Anthropic bukanlah euforia yang berlebihan atau pernyataan bahwa penurunan harga saham membuktikan tidak adanya manfaat ekonomi dari kecerdasan buatan. Perusahaan ini memiliki basis permintaan yang kuat dan menangani aplikasi yang signifikan secara ekonomi. Pada saat yang sama, peluang-peluang ini diimbangi oleh komitmen infrastruktur yang luar biasa, persaingan yang ketat, dan ketidakpastian yang cukup besar mengenai waktu perolehan arus kas bebas yang berkelanjutan.
Valuasi yang tinggi memperparah konflik ini. Semakin besar kesuksesan yang diantisipasi, semakin sedikit ruang untuk penundaan dan kekecewaan operasional. Kesepakatan yang hanya baik mungkin tidak cukup untuk membenarkan harga saham yang sangat tinggi.
Oleh karena itu, ujian terpenting bukanlah memperkenalkan generasi model terbaru yang mengesankan. Melainkan menggabungkan kinerja teknologi dengan pengiriman yang andal, penetapan harga yang layak, biaya yang terkendali, dan pertumbuhan laba per saham.
Dengan latar belakang ini, pergeseran mendadak dari euforia pasar saham ke keraguan valuasi pada dasarnya merupakan sebuah ujian realitas ekonomi. Anthropic tidak hanya harus membuktikan bahwa AI-nya dapat melakukan pekerjaan yang berharga; perusahaan tersebut juga harus menunjukkan bahwa nilai yang cukup tetap ada bagi pemiliknya dalam jangka panjang setelah menutupi biaya layanan ini.
📈🚀 Dari visibilitas menuju kepercayaan 👀🤝 Jalur pertumbuhan Anda yang terukur dengan Xpert.Digital

Dari visibilitas hingga kepercayaan: Jalur skalabel Anda dengan Xpert.Digital - Gambar: Xpert.Digital
Dalam bisnis B2B industri, hubungan bisnis yang berkelanjutan jarang muncul dalam semalam. Hubungan tersebut berkembang selangkah demi selangkah – melalui visibilitas, relevansi profesional, titik kontak yang berulang, dan kepercayaan yang tumbuh. Model 4 tahap Xpert.Digital menjawab hal ini secara tepat: Model ini menawarkan jalur terstruktur yang dimulai dengan titik masuk yang mudah dikelola dan dapat berkembang menjadi kolaborasi yang lebih dalam dalam pengembangan bisnis jika diperlukan.
Alih-alih mengandalkan janji pemasaran yang bombastis, model ini menempatkan hubungan sebagai prioritas utama. Perusahaan memulai dengan ukuran yang jelas dan mudah dihitung, kemudian memutuskan, berdasarkan pengalaman mereka sendiri, sejauh mana mereka ingin memperluas kolaborasi. Faktor kunci untuk proses membangun kepercayaan yang tidak terganggu ini: Platform sepenuhnya menghindari iklan yang mengganggu, sehingga fokus editorial tetap semata-mata pada keahlian perusahaan.
Informasi selengkapnya di sini:
Mitra pemasaran dan pengembangan bisnis global Anda
☑️ Bahasa bisnis kami adalah bahasa Inggris atau Jerman
☑️ BARU: Korespondensi dalam bahasa ibu Anda!
Saya dan tim saya dengan senang hati siap membantu Anda sebagai penasihat pribadi Anda.
Anda dapat menghubungi saya dengan mengisi formulir kontak di sini [email protected]:atau cukup hubungi saya di +49 7348 4088 965. Alamat email saya adalah
Saya sangat menantikan proyek bersama kita.



















