Havedev
AI Tidak Hanya Butuh Model, AI Butuh Energi yang Bisa Dihitung
The Core Update
Perlombaan AI sering dibicarakan dari sisi model, chip, cloud, dan kecepatan produk. Siapa yang punya model lebih pintar. Siapa yang punya GPU lebih banyak. Siapa yang bisa meluncurkan fitur AI lebih cepat.
Tetapi ada lapisan yang lebih dasar: energi.
Menurut laporan baru BloombergNEF, data center di Amerika Serikat diproyeksikan bisa mengonsumsi sekitar 18 miliar cubic feet gas alam per hari pada 2035. Angka ini hampir dua kali lipat dari proyeksi mereka sembilan bulan sebelumnya.
Jika proyeksi itu terjadi, konsumsi gas alam data center AS bisa lebih besar daripada konsumsi Jerman dan Jepang digabungkan.
Sebagian perhatian publik tertuju pada data center yang membangun pembangkit listrik gas sendiri. Meta, Microsoft, Google, dan Amazon disebut sudah mengumumkan atau terlibat dalam rencana pembangkit gas untuk mendukung kebutuhan data center tanpa sepenuhnya bergantung pada grid.
Tetapi bagian itu hanya sebagian dari cerita.
BloombergNEF memperkirakan data center yang tetap terhubung ke grid justru bisa mendorong tambahan konsumsi gas alam yang jauh lebih besar. Pada pertengahan dekade depan, data center grid-connected diperkirakan menambah sekitar 15 miliar cubic feet per hari permintaan gas dari sektor listrik.
Dengan kata lain, kebutuhan AI tidak berhenti di ruang server. Ia masuk ke pembangkit listrik, jaringan transmisi, harga energi, emisi, dan tagihan konsumen.
The Reality Check
Banyak bisnis melihat AI sebagai sesuatu yang ringan karena bentuknya sering berupa software. Chatbot, automation, rekomendasi konten, analisis dokumen, coding assistant, dashboard pintar, atau pencarian internal berbasis AI terlihat seperti fitur digital biasa.
Di layar, AI terasa seperti tombol.
Di belakang layar, AI adalah beban komputasi yang sangat nyata.
Setiap prompt, pencarian, inference, training, indexing, dan automation membutuhkan kapasitas server. Kapasitas server membutuhkan listrik. Jika listrik tidak cukup dari sumber yang ada, sistem energi harus mengejar.
Masalahnya, narasi bisnis sering berhenti pada manfaat AI: lebih cepat, lebih efisien, lebih otomatis, lebih produktif. Semua itu bisa benar. Tetapi jika pemakaian AI naik tanpa disiplin desain sistem, biaya tersembunyi juga ikut naik.
Bukan hanya biaya cloud. Bukan hanya biaya token. Bukan hanya subscription per user.
Ada biaya infrastruktur yang lebih besar: data center, energi, pendinginan, backup power, jaringan, dan kapasitas grid.
Di level makro, lonjakan permintaan gas alam bisa mendorong harga energi lebih tinggi. Perusahaan teknologi besar mungkin masih sanggup menyerap kenaikan itu. Tetapi pelanggan listrik biasa, bisnis kecil, dan industri lain belum tentu punya ruang yang sama.
Di sisi iklim, angkanya juga tidak kecil. Berita ini menyebut tambahan permintaan data center dapat menghasilkan sekitar 1 juta metrik ton polusi gas rumah kaca per hari. Itu kira-kira 12% dari total emisi gas rumah kaca AS saat ini.
Ini bukan berarti bisnis harus menolak AI.
Tetapi bisnis perlu berhenti menganggap AI sebagai fitur gratis yang tinggal dipasang ke semua proses.
Tidak semua pekerjaan perlu AI. Tidak semua pertanyaan perlu model besar. Tidak semua automation perlu berjalan real-time. Tidak semua dokumen perlu diindeks ulang terus-menerus. Tidak semua user action perlu memanggil API AI.
Banyak masalah operasional masih lebih sehat diselesaikan dengan aturan kerja yang jelas, database yang rapi, form yang benar, pencarian biasa, template yang konsisten, atau dashboard sederhana.
AI bernilai ketika ia dipakai untuk pekerjaan yang memang membutuhkan pemahaman bahasa, klasifikasi, rangkuman, ekstraksi, prediksi, atau bantuan keputusan yang sulit dilakukan dengan aturan biasa.
Jika dipakai hanya karena sedang populer, AI bisa menjadi versi baru dari pemborosan digital: terlihat modern, tetapi mahal untuk dijalankan dan sulit dipertanggungjawabkan.
The Havedev Way
Dari sudut pandang Havedev, berita ini mengingatkan satu hal sederhana: strategi AI yang sehat harus dimulai dari proses, bukan dari model.
Sebelum menambahkan AI ke website, CRM, dashboard, support, sales, atau internal tool, bisnis perlu bertanya:
- pekerjaan mana yang benar-benar butuh AI?
- keputusan apa yang ingin dipercepat?
- data apa yang sudah cukup rapi untuk dipakai?
- seberapa sering proses ini berjalan?
- berapa biaya per aksi jika memakai AI?
- apa alternatif non-AI yang lebih murah dan cukup baik?
- kapan AI boleh tidak dipanggil?
Pertanyaan terakhir sering dilupakan.
Padahal desain AI yang matang bukan hanya menentukan kapan AI digunakan, tetapi juga kapan AI tidak perlu digunakan.
Contohnya, form lead website tidak selalu membutuhkan AI untuk semua input. Kadang cukup dengan pilihan layanan, budget range, urgency, dan sumber halaman. AI baru berguna jika bisnis perlu merangkum pesan panjang, mengklasifikasikan intent, atau membantu sales memprioritaskan lead.
Support pelanggan juga tidak selalu perlu chatbot penuh. Kadang yang lebih penting adalah status tiket yang jelas, kategori masalah, SLA sederhana, dan template respons yang baik. AI bisa ditambahkan untuk meringkas percakapan atau menyarankan jawaban, bukan menggantikan seluruh alur sejak hari pertama.
Dashboard internal juga tidak selalu perlu query berbasis AI. Banyak owner lebih membutuhkan angka yang konsisten: lead baru, follow-up tertunda, order macet, invoice belum dibayar, dan support yang melewati batas waktu.
AI sebaiknya masuk setelah fondasi itu jelas.
Pendekatan seperti ini bukan anti-AI. Justru sebaliknya. Ini membuat AI lebih tahan lama karena dipasang di titik yang punya nilai nyata.
Bisnis yang memakai AI secara disiplin akan lebih mudah mengontrol biaya, menjaga kualitas output, dan menjelaskan manfaatnya ke tim. Bisnis yang memakai AI ke semua hal tanpa seleksi akan lebih cepat bertemu masalah: tagihan naik, proses makin kompleks, hasil tidak konsisten, dan sulit diketahui mana yang benar-benar membantu.
Berita tentang konsumsi gas alam data center bukan hanya isu energi Amerika Serikat. Ini juga sinyal untuk bisnis di mana pun bahwa teknologi digital punya konsekuensi fisik.
Cloud tetap berjalan di mesin. AI tetap berjalan di server. Server tetap membutuhkan listrik.
Karena itu, pertanyaan AI untuk bisnis tidak cukup berhenti di “bisa dibuat atau tidak?”
Pertanyaan yang lebih sehat adalah: apakah ini layak dijalankan setiap hari?
Jika jawabannya jelas, AI bisa menjadi alat yang sangat kuat. Jika belum jelas, mulai dari alur kerja, data, status, dan keputusan yang ingin dibantu.
Setelah itu, baru pilih teknologi.
Dapatkan Audit Teknis Gratis untuk meninjau peluang AI, automation, dan sistem internal yang benar-benar layak dibangun tanpa menambah kompleksitas yang tidak perlu.
Sumber referensi berita: TechCrunch