Ledakan AI dengan risiko tinggi: Anthropic mencatatkan kerugian sebesar $80,7 miliar – tetapi bahaya terbesar terletak di tempat lain

Apa yang tersembunyi di balik neraca keuangan Anthropic yang spektakuler – apakah pendapatan seimbang dengan biaya?

Kerugian sebesar $80,7 miliar hanya dalam enam bulan: Angka ini terdengar seperti bencana keuangan. Namun, angka tersebut tidak menceritakan keseluruhan kisah Anthropic. Sekitar $72 miliar dari kekurangan tersebut dikatakan disebabkan oleh revaluasi neraca obligasi konversi dan instrumen keuangan lainnya – uang yang sebenarnya tidak keluar dari kas perusahaan dalam jumlah tersebut. Pada saat yang sama, pendapatan perusahaan AI ini tumbuh pesat. Tetapi itu tidak berarti bahwa Anthropic telah membangun model bisnis yang menguntungkan secara berkelanjutan.

Oleh karena itu, pertanyaan krusialnya bukanlah semata-mata besarnya kerugian yang dilaporkan. Yang lebih penting adalah apakah Anthropic dapat mengubah pendapatannya yang terus meningkat menjadi keuntungan yang berkelanjutan dalam jangka panjang. Untuk mencapai hal ini, perusahaan harus menanggung biaya tinggi untuk daya komputasi, chip, dan layanan cloud, sambil berkomitmen pada kewajiban infrastruktur yang sangat besar untuk tahun-tahun mendatang. Selain itu, perusahaan menghadapi ketergantungan yang kuat pada beberapa pelanggan utama dan mitra cloud – yang sekaligus dapat menjadi investor, pemasok, dan pesaing.

Angka-angka Anthropic tersebut menggambarkan fase selanjutnya dari booming AI: Keberhasilan tidak lagi hanya bergantung pada kualitas model, tetapi juga pada apakah pengembangan dan pengoperasiannya dapat dibiayai secara berkelanjutan. Kerugian miliaran dolar merupakan sinyal peringatan, tetapi bukan karena alasan yang paling jelas. Risiko yang lebih besar terletak pada kenyataan bahwa tingkat pertumbuhan akan melambat sementara tagihan untuk pusat data, chip, dan listrik terus meningkat.

Neraca keuangannya membengkak, tetapi taruhan sebenarnya terletak pada listrik, chip, dan kekuatan pasar

Kerugian bersih sebesar $80,7 miliar hanya dalam enam bulan pada awalnya tampak sebagai catatan keuangan dari model bisnis yang gagal. Namun, situasi di Anthropic lebih kompleks. Sekitar $72 miliar, atau hampir 90 persen dari kerugian yang dilaporkan, disebabkan oleh revaluasi akuntansi obligasi konversi dan instrumen keuangan lainnya. Jumlah uang ini sebenarnya tidak keluar dari kas perusahaan. Meskipun demikian, akan sama salahnya untuk menganggap kerugian tersebut sebagai efek akuntansi yang tidak berarti. Di balik angka yang spektakuler ini terdapat sebuah perusahaan yang pendapatannya tumbuh dengan kecepatan yang hampir tak terbayangkan, tetapi secara bersamaan menanggung biaya operasional yang sangat besar, berkomitmen pada daya komputasi jangka panjang, dan beroperasi di pasar di mana kepemimpinan teknologi mahal, cepat berlalu, dan sulit dipertahankan.

Oleh karena itu, pertanyaan yang sangat penting secara ekonomi bukanlah apakah Anthropic benar-benar menghabiskan $80,7 miliar. Menurut data yang tersedia, perusahaan tersebut tidak melakukannya. Sebaliknya, faktor penentu adalah apakah pertumbuhan luar biasa ini akan diterjemahkan menjadi model bisnis yang menguntungkan dan tangguh secara berkelanjutan tepat waktu, sebelum komitmen infrastruktur yang telah dibuat, penurunan harga layanan AI, dan kekuatan perusahaan cloud besar membatasi fleksibilitas keuangannya. Angka neraca ini merupakan sinyal peringatan, tetapi bukan karena alasan yang disarankan oleh judul berita. Ini menggambarkan betapa eratnya keterkaitan antara valuasi perusahaan, pembiayaan, pertumbuhan, dan biaya dalam ekonomi AI.

Kerugian yang terutama mencerminkan peningkatan nilai perusahaan

Kerugian bersih yang luar biasa tinggi hanya dapat dipahami dengan membedakan antara pengeluaran, arus kas keluar, dan kerugian operasional. Anthropic membiayai dirinya sendiri, antara lain, melalui instrumen keuangan yang nantinya dapat dikonversi menjadi ekuitas. Instrumen tersebut memiliki nilai yang bergantung pada nilai perusahaan yang diharapkan dan kondisi konversi tertentu. Jika valuasi perusahaan meningkat secara signifikan, hak investor untuk konversi di kemudian hari menjadi lebih berharga secara ekonomi. Berdasarkan aturan akuntansi yang relevan, peningkatan nilai wajar yang dihasilkan dapat diakui sebagai pengeluaran dalam laporan laba rugi.

Hal ini mengarah pada hasil yang tampaknya paradoks: semakin sukses pasar modal menilai masa depan perusahaan, semakin tinggi kerugian jangka pendek yang dilaporkan. Beban neraca kemudian terutama mencerminkan bukan kinerja operasional yang lebih lemah, melainkan peningkatan biaya kewajiban kepada investor. Dengan cara ini, peningkatan nilai perusahaan dapat menghasilkan kerugian yang substansial. Ini bertentangan dengan intuisi orang luar, tetapi dapat dipahami secara ekonomi: peningkatan nilai tidak hanya menguntungkan pemilik sebelumnya, tetapi juga meningkatkan nilai klaim yang dijamin secara kontraktual kepada investor baru.

Dari kerugian bersih sebesar $80,7 miliar, sekitar $72 miliar disebabkan oleh efek valuasi tersebut. Ini menyisakan sekitar $8,7 miliar di atas kertas, tetapi bahkan sisa ini tidak boleh secara otomatis disamakan dengan kerugian operasional atau arus kas keluar yang sebenarnya. Hasil bersih mungkin termasuk pos-pos non-kas lainnya, biaya pembiayaan, kompensasi berbasis saham, depresiasi, dan pos-pos khusus lainnya. Oleh karena itu, laporan arus kas yang lengkap, rekonsiliasi antara hasil yang dilaporkan dan yang disesuaikan, serta pengungkapan yang jelas tentang asumsi valuasi yang digunakan akan diperlukan untuk penilaian yang andal.

Meskipun demikian, kerugian pembukuan memiliki signifikansi ekonomi yang nyata. Hal ini menggambarkan betapa mahalnya pembiayaan yang diambil selama fase pertumbuhan ketika valuasi perusahaan meningkat tajam. Jika obligasi konvertibel kemudian dikonversi menjadi saham, sebagian dari utang neraca mungkin hilang, tetapi kepemilikan saham pemegang saham yang ada akan terdilusi. Oleh karena itu, pengeluaran non-tunai bukanlah tanpa konsekuensi. Hal ini sering kali menggeser beban dari likuiditas ke kepemilikan saham, hak suara, dan laba per saham di masa depan.

Judul berita tersebut mencampuradukkan tiga kebenaran yang berbeda

Untuk klasifikasi yang tepat, perlu dibedakan tiga tingkatan. Pertama, ada kerugian bersih yang dilaporkan sesuai dengan standar akuntansi yang berlaku. Angka ini tidak boleh dipalsukan atau tidak relevan. Kedua, ada kerugian operasional, yang menunjukkan apakah pendapatan saat ini mampu menutupi biaya pengembangan, daya komputasi, penjualan, personel, dan administrasi. Ketiga, arus kas bebas sangat penting karena menunjukkan berapa banyak modal tambahan yang sebenarnya dibutuhkan perusahaan.

Debat publik sering kali mencampuradukkan tingkat-tingkat ini. Mereka yang menafsirkan seluruh kerugian bersih sebagai sekadar uang tunai yang terbakar secara drastis melebih-lebihkan beban likuiditas saat ini. Sebaliknya, mereka yang sepenuhnya mengecualikan $72 miliar dan kemudian berbicara tentang bisnis yang sehat meremehkan biaya dan kewajiban jangka panjang yang masih cukup besar. Interpretasi yang lebih bijaksana terletak di antara keduanya: Pos terbesar didorong oleh faktor-faktor neraca, tetapi bisnis operasional tetap padat modal dan berisiko.

Perbandingan dengan tahun 2025 menggambarkan polanya. Saat itu, kerugian bersih sekitar $42 miliar, di mana lebih dari $34 miliar disebabkan oleh revaluasi kewajiban yang serupa. Pada saat yang sama, kerugian operasional diproyeksikan sekitar $8,1 miliar, sementara pendapatan tahunan mencapai sekitar $4,6 miliar. Dengan demikian, biaya operasional biasa jauh melebihi pendapatan. Namun, pertumbuhan pendapatan yang luar biasa pada tahun 2026 dengan cepat mengubah rasio ini. Oleh karena itu, bahkan angka yang baru beberapa kuartal pun sudah dapat memberikan gambaran yang ketinggalan zaman untuk perusahaan dalam fase pertumbuhan ini.

Pertumbuhan pendapatan ini nyata dan luar biasa

Anthropic menghasilkan pendapatan sekitar $16,3 miliar pada paruh pertama tahun 2026, menurut angka yang tersedia. Pada periode yang sama tahun sebelumnya, pendapatan hanya sekitar $1,1 miliar. Ini menunjukkan peningkatan pendapatan hampir lima belas kali lipat dalam satu tahun. Bahkan di pasar teknologi yang masih muda, ini merupakan lompatan yang luar biasa. Hal ini menunjukkan bahwa Claude, alat pemrograman seperti Claude Code, dan penggunaan modelnya melalui antarmuka dan platform cloud tidak hanya menarik perhatian tetapi juga menarik permintaan berbayar yang substansial.

Angka triwulanan semakin memperjelas percepatan tersebut. Pendapatan sekitar $4,7 miliar pada kuartal pertama diikuti oleh sekitar $11,6 miliar pada kuartal kedua. Untuk kuartal ketiga, pendapatan dilaporkan sekitar $16,8 miliar, sekitar 45 persen lebih tinggi dari kuartal sebelumnya. Ini berarti Anthropic menghasilkan pendapatan sekitar $33,1 miliar untuk sembilan bulan pertama tahun ini. Kuartal ketiga saja sudah lebih dari tiga kali lipat pendapatan sepanjang tahun 2025.

Namun, tingkat pertumbuhan tersebut tidak dapat begitu saja diekstrapolasi ke masa depan. Persentase peningkatan pasti akan menurun seiring dengan pertumbuhan basis awal. Selain itu, sebagian permintaan AI bergantung pada penggunaan. Oleh karena itu, pendapatan dapat berfluktuasi lebih besar daripada langganan perangkat lunak tradisional. Pemanfaatan yang tinggi oleh pelanggan besar individual, pengujian model yang ekstensif, atau adopsi cepat aplikasi agen baru dapat secara signifikan meningkatkan pendapatan satu kuartal tanpa secara otomatis menciptakan aliran pendapatan jangka panjang yang stabil.

Meskipun demikian, akan keliru jika memandang bisnis Anthropic hanya sebagai narasi spekulatif. Lonjakan pendapatan menandakan komersialisasi yang cepat. Perusahaan membayar untuk pemrograman, analisis data, layanan pelanggan, pemrosesan dokumen, pekerjaan berbasis pengetahuan, dan proses otomatis. Pemrograman, khususnya, sangat cocok sebagai pasar massal awal karena peningkatan produktivitas dapat diukur relatif cepat, dan pengembang dapat dengan cepat mengintegrasikan alat baru ke dalam proses yang ada. Mereka yang menggabungkan model berkualitas tinggi, antarmuka yang andal, dan fungsionalitas perusahaan yang kuat di bidang ini dapat menghasilkan pendapatan yang substansial dalam waktu singkat.

Ujian sesungguhnya dimulai di bawah garis penjualan

Pendapatan tinggi saja tidak menceritakan keseluruhan cerita tentang apakah Anthropic telah membangun bisnis yang sukses. Dengan perangkat lunak perusahaan tradisional, biaya marginal untuk pengguna tambahan biasanya rendah. Sebaliknya, dengan AI generatif, setiap kueri menimbulkan biaya komputasi. Semakin panjang konteksnya, semakin kompleks tugasnya, dan semakin banyak langkah pemrosesan yang dilakukan agen AI, semakin tinggi konsumsi sumber dayanya. Oleh karena itu, pertumbuhan pendapatan yang pesat dapat disertai dengan peningkatan biaya variabel yang sama pesatnya.

Pengeluaran Anthropic untuk kapasitas komputasi dan infrastruktur meningkat menjadi hampir sembilan miliar dolar pada paruh pertama tahun 2026. Pada periode yang sama tahun sebelumnya, angkanya sekitar 2,3 miliar dolar. Dengan demikian, biaya hampir meningkat empat kali lipat, sementara pendapatan tumbuh jauh lebih cepat. Ini pada awalnya positif karena menunjukkan peningkatan signifikan dalam profitabilitas langsung. Secara kasar, pengeluaran infrastruktur pada paruh pertama tahun ini mewakili sekitar 55 persen dari pendapatan. Namun, angka ini bukanlah pengganti lengkap untuk margin laba kotor yang dilaporkan, karena biaya dapat dikategorikan dan dicatat dengan cara yang berbeda.

Untuk kuartal ketiga, perusahaan melaporkan profitabilitas yang disesuaikan dan arus kas bebas positif. Perusahaan juga melaporkan margin operasi yang disesuaikan sekitar 11 persen dan pendapatan sebesar $1,70 per dolar biaya akuntansi. Angka-angka ini menunjukkan skala ekonomi. Namun, signifikansinya tetap terbatas selama tidak transparan mengenai pengeluaran mana yang dikecualikan dari metrik yang disesuaikan. Secara khusus, kompensasi berbasis saham, biaya penelitian dan pengembangan, depresiasi, efek pembiayaan, atau biaya kontrak kapasitas jangka panjang dapat membuat perbedaan antara kinerja operasional yang meyakinkan dan indikator kinerja utama yang didefinisikan secara longgar.

Oleh karena itu, pertanyaan kuncinya adalah bagaimana margin kontribusi dari masing-masing produk berkembang. Pendapatan API, kuota perusahaan tetap, langganan premium, dan layanan yang diperantarai melalui pasar cloud memiliki profil biaya dan margin yang berbeda. Agen pemrograman dapat menawarkan nilai yang sangat tinggi, tetapi juga menghasilkan beban komputasi yang tinggi karena alur kerja yang panjang, panggilan alat yang berulang, dan konteks yang luas. Hanya ketika Anthropic mengungkapkan berapa banyak pendapatan yang tersisa setelah biaya pemodelan dan distribusi langsung, kualitas pertumbuhan dapat dinilai secara andal.

Penelitian berubah menjadi industri berat

Strategi infrastruktur jangka panjang lebih signifikan secara ekonomi daripada kerugian besar di paruh pertama tahun ini. Berdasarkan data kontrak yang tersedia, Anthropic memperkirakan komitmen setidaknya $518 miliar untuk layanan cloud, chip, pusat data, dan infrastruktur terkait selama periode sekitar tujuh hingga sepuluh tahun. Sekitar 80 persen dari jumlah ini dikatakan tidak dapat dibatalkan atau dibayarkan terlepas dari penggunaan aktual. Kapasitas lebih lanjut yang direncanakan atau dinegosiasikan dapat meningkatkan potensi volume hingga mencapai $750 miliar.

Hal ini mengubah sifat perusahaan. Laboratorium AI, yang awalnya terutama dicirikan oleh penelitian, perangkat lunak, dan karyawan yang sangat berkualitas, berkembang menjadi operator dan konsumen utama infrastruktur industri. Kapasitas komputasi menjadi investasi strategis di muka, sebanding dengan bahan baku, energi, atau fasilitas produksi yang terjamin dalam jangka panjang. Penyedia AI terbesar tidak dapat menunggu permintaan muncul dan kemudian memesan server dalam waktu singkat. Chip berkinerja tinggi, koneksi jaringan, gardu induk, sistem pendingin, dan pusat data membutuhkan waktu tunggu yang lama. Mereka yang memesan terlalu terlambat berisiko mengalami keterlambatan teknologi dan hambatan pasokan.

Oleh karena itu, kontrak-kontrak tersebut merupakan asuransi sekaligus pertaruhan. Kontrak tersebut mengasuransikan Anthropic terhadap keterbatasan daya komputasi dan memberi perusahaan kemampuan untuk memenuhi permintaan, melatih model, dan meningkatkan skala produk. Pada saat yang sama, pertumbuhan yang diantisipasi diterjemahkan menjadi biaya tetap. Jika permintaan kurang dari yang diharapkan, harga model turun lebih tajam dari yang direncanakan, atau pelanggan beralih ke alternatif yang lebih murah, kewajiban pembayaran tetap berlanjut. Perusahaan kemudian memiliki pengaruh yang cukup besar terhadap pemanfaatan kapasitas: pemanfaatan yang tinggi meningkatkan biaya per unit, sementara pemanfaatan yang rendah mengubah cadangan strategis menjadi kapasitas berlebih yang mahal.

Di antara kewajiban yang diketahui, yang paling menonjol adalah kewajiban yang melebihi $111 miliar kepada Google, sekitar $110 miliar kepada Amazon, dan $31 miliar kepada Microsoft. Selain itu, terdapat kewajiban sewa yang substansial dan sebagian besar tidak dapat dibatalkan terkait dengan teknologi Broadcom. Waktu pasti dari kewajiban ini sama pentingnya dengan jumlah totalnya. Komitmen sepuluh tahun tidak langsung berdampak penuh pada likuiditas, tetapi membutuhkan pendapatan tinggi yang berkelanjutan dan akses modal yang dapat diprediksi.

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:

• Solusi semi-internal: Bagaimana Xpert.Digital menutup kesenjangan operasional dalam pemasaran dan penjualan B2B – Bisnis Cerdas Berbasis Konten

Para mitra cloud berada di kedua sisi meja

Hubungan Anthropic dengan Amazon, Google, dan Microsoft sangat erat. Perusahaan-perusahaan ini dapat secara bersamaan bertindak sebagai investor, pemberi pinjaman, mitra infrastruktur, saluran distribusi, pelanggan, dan pesaing. Mereka menyediakan modal dan daya komputasi, mendistribusikan Claude melalui platform cloud mereka, dan pada saat yang sama mengembangkan model mereka sendiri atau mendukung penyedia pesaing. Berbagai peran ini menciptakan saling ketergantungan yang kuat.

Hal ini menawarkan keuntungan signifikan bagi Anthropic. Melalui pasar cloud utama, perusahaan mendapatkan akses ke pelanggan perusahaan yang sudah ada yang persyaratan keamanannya, sistem penagihan, dan kontrak TI-nya sudah mapan. Dukungan untuk berbagai platform chip—Trainium Amazon, TPU Google, dan GPU Nvidia—juga mengurangi ketergantungannya pada satu arsitektur perangkat keras. Secara teknis, Anthropic dapat mendistribusikan berbagai beban kerja di seluruh sistem yang paling hemat biaya dan setidaknya sebagian mempertahankan daya tawar-menawarnya.

Pada saat yang sama, sebagian dari nilai tambah ditransfer ke platform. Pada tahun 2025, 47 persen pendapatan diproyeksikan dihasilkan melalui Amazon dan Google. Dari sekitar $2,16 miliar pendapatan tersebut, sekitar $351 juta dialokasikan untuk biaya distribusi. Ini setara dengan sekitar 16 sen per dolar pendapatan yang dihasilkan. Anthropic mencatat nilai kontrak penuh sebagai pendapatan dan melaporkan bagian platform sebagai biaya penjualan dan pemasaran. Penyajian ini dapat membuat pendapatan tampak lebih besar daripada yang seharusnya dengan perhitungan bersih, meskipun hal ini mungkin diperbolehkan berdasarkan prinsip akuntansi.

Keterkaitan ini juga menciptakan siklus modal dan permintaan. Perusahaan hyperscaler menginvestasikan miliaran dolar di Anthropic; sebagai imbalannya, Anthropic berkomitmen untuk melakukan pembelian besar-besaran atas sumber daya cloud dan komputasi. Sebagian dari modal yang diinvestasikan kemudian mengalir kembali ke mitra infrastruktur dalam jangka panjang. Hal ini bukanlah sesuatu yang artifisial atau bermasalah. Kemitraan industri strategis seringkali berfungsi serupa. Namun, investor harus mempertimbangkan berapa proporsi momentum yang dilaporkan berasal dari permintaan pelanggan akhir yang independen dan berapa proporsi yang didorong oleh struktur pembiayaan dan distribusi.

Beberapa pelanggan besar dapat dengan cepat membalikkan kurva kesuksesan

Selain sisi pemasok, sisi pelanggan juga terkonsentrasi. Dua pelanggan menyumbang sekitar seperlima dari pendapatan pada paruh pertama tahun 2026, yang setara dengan sekitar $3,3 miliar. Pada tahun sebelumnya, hampir seperempat pendapatan berasal dari hanya dua pelanggan. Konsentrasi seperti ini bukanlah hal yang tidak biasa pada fase pertumbuhan awal, tetapi secara signifikan meningkatkan risiko.

Jika pelanggan utama mengurangi penggunaannya, menegosiasikan persyaratan yang lebih baik, memigrasikan aplikasi ke modelnya sendiri, atau beralih ke pesaing, hal ini dapat memengaruhi pendapatan dan margin. Risikonya semakin besar jika pendapatan pelanggan bersifat fleksibel atau berbasis penggunaan, tetapi Anthropic harus membayar kapasitas komputasinya bertahun-tahun di muka melalui kontrak yang tidak dapat dibatalkan. Dari sisi pengadaan, perusahaan kemudian menanggung kewajiban tetap, sementara dari sisi penjualan, tidak ada jaminan pembelian yang setara.

Bagi pelanggan perusahaan besar, asimetri ini meningkatkan posisi tawar mereka. Mereka dapat menuntut batasan harga, portabilitas, perubahan model yang transparan, ketersediaan yang terjamin, dan perlindungan terhadap penghentian produk secara mendadak. Bagi Anthropic, ini menciptakan konflik tujuan strategis. Kontrak jangka panjang akan meningkatkan kepastian perencanaan tetapi dapat memerlukan pengurangan harga dan jaminan kinerja yang ekstensif. Penggunaan yang fleksibel memungkinkan harga yang lebih tinggi selama periode kapasitas terbatas tetapi membuat pendapatan lebih fluktuatif.

Oleh karena itu, basis pelanggan yang lebih luas tidak hanya akan menjadi target penjualan, tetapi juga komponen kunci dari manajemen risiko. Pertanyaan krusialnya adalah apakah Anthropic dapat mengembangkan produk perusahaan yang terstandarisasi dan dapat diulang dari proyek-proyek AI besar individual. Hanya ketika ribuan organisasi secara permanen mengintegrasikan Claude ke dalam proses bisnis yang penting, pertumbuhan yang mengesankan akan diterjemahkan menjadi aliran pendapatan yang tangguh.

Penurunan harga ini berdampak baik dan buruk bagi Anthropic

Biaya penggunaan model bahasa berkinerja tinggi telah turun drastis dalam beberapa tahun terakhir. Untuk tingkat kinerja tertentu, harga inferensi terkadang turun hingga beberapa kali lipat. Bersamaan dengan itu, perangkat keras, optimasi perangkat lunak, arsitektur model, dan pemanfaatannya terus meningkat. Perkembangan ini menguntungkan Anthropic karena setiap tugas dapat diselesaikan dengan upaya komputasi yang lebih sedikit, dan sumber daya yang ada dapat menghasilkan lebih banyak pendapatan.

Namun, kemajuan yang sama ini mengancam kekuatan penetapan harga. Karena kinerja model yang sebanding menjadi semakin murah, pelanggan dapat lebih mudah mempermainkan vendor satu sama lain. Model terbuka mengurangi kesenjangan kinerja mereka, model yang lebih kecil dan khusus mengambil alih tugas rutin, dan perusahaan semakin mendistribusikan permintaan secara dinamis di berbagai sistem. Nilai ekonomi kemudian bergeser dari kecerdasan model murni ke integrasi, keandalan, keamanan, akses data, antarmuka pengguna, dan kontrol alur kerja yang kompleks.

Bagi Anthropic, sekadar merilis model dasar yang lebih canggih secara berkala saja tidak cukup. Perusahaan harus menciptakan ekosistem produk yang menghasilkan biaya peralihan tanpa memaksa pelanggan pada ketergantungan yang tidak wajar. Claude Code merupakan pendekatan penting dalam hal ini. Ketika suatu sistem memahami proses pengembangan secara mendalam, dapat mengoperasikan alat, menganalisis basis kode, dan mengeksekusi tugas secara independen, sistem tersebut menciptakan nilai lebih daripada sekadar menjual token teks individual. Namun, konsumsi sumber daya per pesanan juga meningkat karena sistem agenik melakukan banyak langkah. Peningkatan efisiensi per langkah komputasi dapat lebih dari sekadar diimbangi oleh jumlah langkah komputasi yang jauh lebih tinggi.

Efek pantulan ini membentuk seluruh ekonomi AI. Perhitungan yang lebih murah tidak selalu mengurangi konsumsi secara keseluruhan. Perhitungan yang lebih murah membuat aplikasi baru menjadi layak secara ekonomi, meningkatkan penggunaan, dan mengalihkan semakin banyak tugas ke sistem AI. Hal ini dapat menciptakan pasar yang besar untuk Anthropic. Namun, profitabilitas bergantung pada apakah harga per tugas otomatis meningkat lebih cepat daripada total biaya komputasi dan operasionalnya.

Penilaian aset membutuhkan lebih dari sekadar tingkat pertumbuhan

Valuasi perusahaan yang tinggi mengasumsikan bahwa Anthropic tidak hanya akan menjadi penyedia perangkat lunak yang berkembang pesat, tetapi juga platform fundamental ekonomi digital. Dengan valuasi berkisar antara satu hingga dua triliun dolar, bahkan pendapatan miliaran dolar pun tidak cukup untuk memenuhi metrik valuasi tradisional. Investor harus berasumsi bahwa pasar akan tumbuh kuat selama bertahun-tahun, bahwa Anthropic akan mempertahankan pangsa pasar yang signifikan, dan bahwa margin akan meningkat secara signifikan meskipun biaya infrastruktur tinggi.

Skenario optimis ini masuk akal, tetapi ambisius. Agen AI dapat mengotomatiskan sebagian besar pekerjaan berbasis pengetahuan, mempercepat pengembangan program, dan berfungsi sebagai antarmuka pengguna baru untuk perangkat lunak perusahaan. Dalam hal ini, perusahaan model terkemuka tidak hanya akan menjadi pemasok perangkat lunak, tetapi juga semacam faktor produksi digital. Investasi awal yang tinggi dapat terbayar kemudian melalui pemanfaatan yang tinggi dan skala ekonomi, serupa dengan pengembangan infrastruktur cloud global.

Skenario pesimistis terlihat berbeda. Model-model dapat menyatu lebih cepat, harga dapat turun, dan pelanggan dapat memperoleh sebagian besar manfaat sendiri. Penyedia layanan cloud mungkin lebih menyukai model mereka sendiri atau mengambil keuntungan melalui infrastruktur dan penjualan. Persyaratan regulasi, klaim tanggung jawab, dan masalah keamanan dapat meningkatkan biaya. Dalam skenario ini, meskipun Anthropic tetap signifikan secara teknologi, perusahaan ini tidak menghasilkan margin yang cukup untuk membenarkan valuasi yang ekstrem.

Oleh karena itu, penilaian yang tepat harus menggunakan berbagai skenario. Faktor-faktor penting tidak hanya mencakup pendapatan dan pertumbuhan, tetapi juga margin kotor, biaya komputasi per tugas, retensi pelanggan, kebutuhan modal, pengenceran saham, kewajiban kontraktual, dan durasi keunggulan teknologi. Perbedaan antara pendapatan yang tercatat dan pendapatan yang dipertahankan secara ekonomi setelah biaya platform, diskon, biaya infrastruktur, dan investasi ulang yang diperlukan sangatlah penting.

Listrik menjadi faktor produksi strategis

Kapasitas komputasi yang direncanakan tidak dapat diukur hanya dari jumlah chip. Beberapa gigawatt beban terhubung setara dengan ukuran kompleks industri besar. Pusat data AI tidak hanya membutuhkan prosesor, tetapi juga jaringan listrik yang andal, pendinginan, air, ruang, transformator, serat optik, dan izin. Hal ini menggeser sebagian persaingan dari algoritma ke kebijakan energi dan lokasi.

Secara global, konsumsi listrik pusat data diperkirakan akan meningkat hampir dua kali lipat pada tahun 2030 dibandingkan dengan pertengahan dekade ini. Pusat data yang dioptimalkan untuk AI bahkan tumbuh lebih cepat. Di Amerika Serikat, sebagian besar peningkatan permintaan listrik pada akhir dekade ini dapat dikaitkan dengan pusat data. Ini berarti bahwa rencana ekspansi perusahaan seperti Anthropic tidak hanya bergantung pada ketersediaan modal dan chip, tetapi juga pada perluasan jaringan listrik, kapasitas pembangkit listrik, dan penerimaan publik.

Lokasi sangat penting untuk struktur biaya. Wilayah dengan listrik terjangkau, proses perizinan yang cepat, pendinginan yang andal, dan jaringan yang kuat menjadi semakin menarik. Pada saat yang sama, penolakan lokal dapat muncul jika pusat data membebani kapasitas jaringan yang langka, mengonsumsi air, atau memengaruhi harga listrik. Oleh karena itu, kontrak jangka panjang untuk daya komputasi secara tidak langsung melibatkan risiko energi, konstruksi, dan perizinan yang signifikan.

Diversifikasi Anthropic di berbagai vendor dan jenis chip mengurangi ketergantungan teknis individual tetapi tidak menghilangkan risiko sistemik. Mitra cloud utama bersaing untuk mendapatkan chip, proyek pembangkit listrik, dan koneksi jaringan yang sama. Oleh karena itu, hambatan dapat memengaruhi beberapa rantai pasokan secara bersamaan. Kemampuan untuk melatih model secara lebih efisien dan mendistribusikan permintaan secara cerdas di berbagai perangkat keras akan menjadi keunggulan kompetitif yang sama pentingnya dengan kualitas model semata.

Keamanan juga merupakan masalah keseimbangan neraca

Anthropic sangat memposisikan diri pada AI yang bertanggung jawab dan aman. Namun, dari perspektif ekonomi, keamanan bukan hanya soal pencitraan merek, tetapi juga faktor biaya dan tanggung jawab potensial. Model yang canggih dapat mendukung keputusan yang salah, mengungkapkan data rahasia, memfasilitasi serangan siber, atau berperilaku berbeda dari yang diharapkan dalam proses otomatis. Dengan meningkatnya otonomi, potensi kerusakan juga meningkat.

Bagi pelanggan perusahaan, pertanyaan tentang tanggung jawab jika terjadi kesalahan menjadi semakin penting. Penyedia model, platform cloud, integrator, dan pengguna masing-masing dapat memikul sebagian tanggung jawab. Polis asuransi tidak akan sepenuhnya menanggung setiap kejadian yang mungkin terjadi. Insiden keamanan yang serius dapat memicu tidak hanya klaim langsung atas kerugian, tetapi juga pembatasan peraturan, hilangnya pelanggan, dan peningkatan biaya pemantauan.

Pada saat yang sama, arsitektur keamanan yang kredibel dapat menciptakan nilai ekonomi. Bank, perusahaan asuransi, perusahaan industri, dan lembaga publik membutuhkan kontrol yang dapat diverifikasi, perlindungan data, manajemen akses, dan prosedur audit yang kuat. Jika Anthropic menerjemahkan posisi keamanannya ke dalam fitur produk yang konkret dan standar yang dapat diverifikasi secara kontraktual, hal ini dapat menghasilkan kekuatan penetapan harga. Sebaliknya, jika keamanan tetap terutama sebagai janji umum, hal itu hanya sedikit berkontribusi pada diferensiasi dan tetap menimbulkan biaya penelitian dan kepatuhan yang tinggi.

Bagi pelanggan korporat, ketergantungan di balik produk itulah yang terpenting

Struktur keuangan Anthropic juga relevan bagi pelanggan. Perusahaan yang membeli solusi AI tidak hanya membeli kinerja model, tetapi juga memasuki ketergantungan teknologi. Perubahan harga, ketentuan penggunaan, versi model, atau kapasitas dapat memengaruhi seluruh alur kerja. Integrasi mendalam dengan pengembangan perangkat lunak, layanan pelanggan, atau manajemen pengetahuan meningkatkan upaya yang diperlukan untuk beralih antar sistem.

Ini bukan berarti perusahaan harus meninggalkan Claude. Kualitas dan produktivitas model terkemuka dapat menawarkan manfaat ekonomi yang signifikan. Sebaliknya, pendekatan yang tepat adalah arsitektur yang memungkinkan peralihan. Antarmuka harus membuat model dapat dipertukarkan, evaluasi internal harus mengukur kinerja vendor yang berbeda, dan data sensitif tidak boleh terikat secara tidak perlu pada format kepemilikan. Perintah, alat, dan logika proses harus tetap portabel sebisa mungkin.

Negosiasi kontrak juga menjadi semakin penting. Perusahaan tidak hanya harus membandingkan harga token, tetapi juga mempertimbangkan total biaya, keandalan, penggunaan data, tanggung jawab, penghentian model, dan perubahan harga. Untuk volume besar, batas atas, kapasitas terjamin, dan periode transisi yang jelas lebih penting daripada diskon jangka pendek. Konsentrasi pelanggan Anthropic yang tinggi dapat memberikan daya tawar tambahan kepada pembeli besar.

Bagi perusahaan Jerman dan Eropa, perspektif regulasi merupakan pertimbangan tambahan. Perlindungan data, rahasia dagang, partisipasi dalam pengambilan keputusan, dan persyaratan sektoral harus diintegrasikan ke dalam pengadaan. Manfaat ekonomi dari AI tidak hanya berasal dari akses ke model yang paling canggih, tetapi juga dari integrasinya yang kuat ke dalam proses, tanggung jawab, dan kontrol.

Peluang Eropa tidak terletak pada meniru sistem kapitalis

Skala rencana infrastruktur Anthropic menunjukkan betapa sulitnya bagi penyedia layanan Eropa untuk mengikuti perusahaan-perusahaan terkemuka Amerika dengan strategi yang identik dalam hal model inovasi universal. Komitmen kapasitas senilai ratusan miliar dolar tidak dapat diimbangi hanya dengan peningkatan riset atau program pendanaan individual. Eropa kekurangan pasar modal ventura yang sama dan platform cloud yang dominan secara komparatif.

Namun, ini bukan berarti Eropa harus tetap tidak signifikan di pasar AI. Nilai ekonomi diciptakan di beberapa tingkatan: dalam model khusus, platform industri yang aman, ruang data industri, integrasi, robotika, optimasi energi, dan aplikasi yang sesuai dengan peraturan. Khususnya di bidang industri, teknik mesin, logistik, perawatan kesehatan, dan administrasi publik, Eropa memiliki data, keahlian, dan hubungan pelanggan yang tidak dapat begitu saja digantikan oleh model generik yang lebih besar.

Strategi yang lebih masuk akal adalah mengamankan kapasitas komputasi secara terarah sambil secara bersamaan membatasi ketergantungan pada model-model non-Eropa individual. Antarmuka terbuka, infrastruktur bersama, harga energi yang kompetitif, dan proses perizinan yang lebih cepat lebih penting daripada mencoba meniru setiap investasi Amerika secara politis. Keunggulan Eropa dapat terletak pada penerapan yang produktif dan integrasi yang dapat dipercaya, bukan pada pelatihan model yang paling mahal.

Oleh karena itu, angka-angka Anthropic juga mengirimkan sinyal mengenai kebijakan industri. AI menjadi teknologi fundamental yang membutuhkan modal dan energi yang besar. Mereka yang hanya fokus pada keahlian perangkat lunak meremehkan pentingnya listrik, semikonduktor, pusat data, dan pembiayaan. Sebaliknya, mereka yang hanya membangun infrastruktur tanpa mengembangkan aplikasi dan pelanggan yang layak berisiko mengalami kelebihan kapasitas yang mahal.

Skenario yang paling mungkin bukanlah gelembung ekonomi maupun tambang emas yang pasti

Anthropic mewujudkan dua perkembangan yang tampaknya kontradiktif. Perusahaan ini menunjukkan komersialisasi AI generatif yang sangat cepat sekaligus menanggung beban keuangan yang sangat besar dari perlombaan senjata teknologi. Keduanya nyata. Pendapatan terlalu besar dan tumbuh terlalu cepat untuk menganggap pasar hanya sebagai spekulasi belaka. Namun, komitmen infrastruktur, konsentrasi pelanggan, dan metrik yang disesuaikan yang tidak jelas terlalu signifikan untuk berbicara tentang model kesuksesan yang terbukti.

Oleh karena itu, kerugian sebesar $80,7 miliar bukanlah bukti keruntuhan yang akan segera terjadi, juga bukan catatan kaki yang tidak penting. Angka tersebut menunjukkan betapa drastisnya hasil dari perusahaan pertumbuhan swasta dapat terdistorsi. Pada saat yang sama, angka tersebut menyoroti risiko nyata: biaya komputasi tetap jangka panjang, ketergantungan pada penyedia layanan cloud skala besar (hyperscaler) yang bekerja sama sekaligus bersaing, konsentrasi pendapatan yang tinggi, dan pasar di mana kinerja teknis dengan cepat menjadi lebih murah.

Indikator positif terkuat bukanlah valuasi, tetapi rasio antara pertumbuhan pendapatan dan biaya infrastruktur. Jika pendapatan tumbuh secara konsisten lebih cepat daripada biaya komputasi langsung, dan Anthropic secara bersamaan memperluas basis pelanggannya, intensitas modal saat ini dapat diterjemahkan menjadi skala ekonomi yang kuat. Indikator yang paling berbahaya bukanlah kerugian neraca untuk paruh pertama tahun ini, tetapi volume kewajiban yang tidak dapat dibatalkan relatif terhadap pendapatan pelanggan yang dijamin secara kontraktual. Asimetri ini menentukan apakah daya komputasi yang dicadangkan menjadi langkah perlindungan hambatan atau jebakan keuangan.

Dengan demikian, Anthropic menjadi contoh fase selanjutnya dari ekonomi AI. Era demonstrasi model semata telah berakhir. Sekarang, penyedia harus membuktikan bahwa kecerdasan dapat dihasilkan sebagai layanan dengan margin yang berkelanjutan. Pemenangnya tidak akan otomatis menjadi perusahaan dengan model terbesar atau arus masuk modal tertinggi. Pemenangnya adalah perusahaan yang secara bersamaan menguasai kualitas teknologi, daya komputasi yang hemat biaya, distribusi yang luas, keamanan yang andal, dan loyalitas pelanggan yang tulus.

Oleh karena itu, poin yang provokatif adalah ini: masalah terbesar Anthropic bukanlah kerugian sebesar $80 miliar. Skenario yang lebih berbahaya adalah ketika kerugian tersebut hilang dari neraca, tingkat pertumbuhan kembali normal, dan tagihan jangka panjang untuk chip, komputasi awan, dan listrik terus bertambah. Hanya ketika pendapatan menutupi seluruh biaya modal bahkan dalam kondisi pasar yang kurang euforia, pertaruhan AI yang spektakuler ini akan berubah menjadi bisnis yang berkelanjutan.

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:

• Dari visibilitas hingga kepercayaan: Jalur skalabel Anda dengan Xpert.Digital

☑️ Bahasa bisnis kami adalah bahasa Inggris atau Jerman

☑️ BARU: Korespondensi dalam bahasa ibu Anda!

Konrad Wolfenstein

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.

☑️ Dukungan UKM dalam strategi, konsultasi, perencanaan, dan implementasi

☑️ Pembuatan atau penyesuaian kembali strategi digital dan digitalisasi

☑️ Perluasan dan optimalisasi proses penjualan internasional

☑️ Platform perdagangan B2B global & digital

☑️ Pelopor Pengembangan Bisnis / Pemasaran / Humas / Pameran Dagang