Sarvam Jadi Unicorn AI India, Tetapi Ceritanya Bukan Hanya Soal Model

Sarvam baru saja menjadi unicorn AI terbaru dari India setelah mengumumkan pendanaan sebesar 234 juta dolar AS dengan valuasi 1,5 miliar dolar AS. Putaran ini dipimpin oleh HCLTech, yang menyumbang 150 juta dolar AS sebagai strategic investor.

Di permukaan, ini terlihat seperti berita pendanaan startup AI biasa. Ada angka besar, valuasi besar, investor besar, dan narasi besar tentang model AI lokal.

Tetapi cerita yang lebih penting bukan hanya bahwa India punya unicorn AI baru.

Cerita yang lebih penting adalah bahwa negara, perusahaan besar, dan institusi mulai sadar: AI yang terlalu bergantung pada penyedia luar negeri membawa risiko operasional, politik, dan bisnis.

The Core Update

Sarvam adalah startup AI berbasis di Bengaluru yang membangun bisnis AI secara lebih menyeluruh. Mereka tidak hanya membuat aplikasi chatbot di atas model pihak ketiga. Sarvam mencoba membangun model, infrastruktur inference, dan produk enterprise dalam satu rangkaian.

Fokusnya juga cukup jelas: bahasa India, kebutuhan lokal, dan skala penggunaan di sektor besar seperti perbankan, asuransi, layanan pemerintah, dan pertahanan.

Pendanaan ini datang setelah Sarvam sebelumnya mengumpulkan 41 juta dolar AS dalam seed dan Series A. Tahun ini, mereka juga meluncurkan model open source dengan ukuran 30 miliar dan 105 miliar parameter.

Angka pemakaiannya juga tidak kecil.

Sarvam menyebut platform conversational AI mereka menangani lebih dari 2 juta interaksi per hari. Platform inference mereka memproses sekitar 10 juta API call harian. Model speech mereka mentranskripsi lebih dari 500.000 jam audio per bulan. Sistem document AI mereka digunakan untuk mendigitalkan lebih dari 35 juta halaman dokumen.

Ada juga contoh implementasi yang cukup konkret. Voice agent multilingual Sarvam disebut telah mengumpulkan data dari 17 juta petani untuk Kementerian Pertanian India. Kampanye suara nasional untuk sebuah perusahaan asuransi membantu renewal polis untuk 45 juta pemegang polis. Sebuah perusahaan fintech besar juga memakai platform agentic AI Sarvam untuk mendukung lebih dari 350.000 tenaga penjualan.

Ini bukan eksperimen AI kecil di ruang lab.

Ini adalah upaya membangun AI yang masuk ke proses kerja besar, berulang, dan dekat dengan layanan publik maupun bisnis harian.

The Reality Check

Namun ada satu hal yang perlu dilihat dengan lebih tenang.

Menjadi unicorn AI tidak otomatis berarti sebuah perusahaan sudah memenangkan perlombaan AI. Apalagi jika ukuran perlombaannya adalah frontier model seperti yang dibangun oleh pemain besar dari Amerika Serikat dan China.

Biaya komputasi sangat tinggi. Talenta terbatas. Data berkualitas sulit dikurasi. Distribusi enterprise tidak sederhana. Dan model yang bagus di benchmark belum tentu langsung menjadi produk yang dipakai perusahaan secara rutin.

Karena itu, berita Sarvam sebaiknya tidak dibaca sebagai “India segera menyaingi semua lab AI global”.

Bacaan yang lebih sehat adalah: India sedang membangun opsi strategis agar tidak sepenuhnya bergantung pada model dan infrastruktur dari luar.

Konteks ini menjadi lebih penting setelah akses ke model terbaru Anthropic sempat menjadi isu karena pembatasan terkait kebijakan pemerintah AS. Kejadian seperti itu menunjukkan bahwa akses ke AI bukan hanya persoalan teknis. Ia juga bisa menjadi persoalan geopolitik, compliance, dan kedaulatan digital.

Untuk bisnis, pelajaran ini cukup jelas.

Jika seluruh proses penting bergantung pada satu API luar, satu vendor, atau satu model yang tidak bisa dikontrol, maka bisnis tidak hanya membeli kemampuan AI. Bisnis juga mewarisi risiko dari pihak tersebut.

Risiko itu bisa berbentuk perubahan harga, perubahan kebijakan, pembatasan akses, latency, isu data residency, atau fitur yang tiba-tiba tidak tersedia.

Di sinilah istilah sovereign AI menjadi relevan. Bukan karena setiap negara atau perusahaan harus membangun model sendiri dari nol. Itu terlalu mahal dan sering tidak realistis.

Tetapi karena organisasi perlu tahu bagian mana dari sistem AI yang harus mereka kontrol, bagian mana yang boleh disewa, dan bagian mana yang tidak boleh menjadi single point of failure.

Sarvam menarik karena mereka tidak hanya menjual mimpi model lokal. Mereka masuk lewat bahasa, suara, dokumen, layanan publik, dan proses enterprise yang memang punya kebutuhan lokal sangat kuat.

Dalam banyak kasus, AI yang paling bernilai bukan AI yang paling terkenal secara global. AI yang paling bernilai adalah AI yang paling paham konteks kerja, bahasa pengguna, format dokumen, aturan internal, dan channel operasional sehari-hari.

The Havedev Way

Dari sudut pandang Havedev, berita Sarvam memberi sinyal penting untuk bisnis yang sedang mulai memakai AI.

Masalahnya bukan apakah bisnis harus memakai model global atau model lokal. Pertanyaan itu terlalu cepat.

Pertanyaan yang lebih berguna adalah: proses mana yang cukup penting sehingga tidak boleh bergantung pada sistem yang tidak dipahami?

Banyak bisnis mulai dari sisi yang salah. Mereka bertanya tool AI apa yang sedang populer. Lalu mencoba memasukkannya ke semua tempat: customer service, sales, admin, laporan, konten, HR, dan operasional.

Kadang berhasil. Tetapi sering juga berhenti di demo yang terlihat pintar, lalu sulit dipakai secara konsisten.

Pendekatan yang lebih sehat adalah memetakan proses terlebih dahulu.

Misalnya:

• percakapan pelanggan masuk dari mana?
• data apa yang boleh dan tidak boleh dikirim ke AI?
• bahasa apa yang dipakai pelanggan sehari-hari?
• dokumen apa yang paling sering dibaca manual?
• keputusan apa yang boleh dibantu AI, tetapi tetap harus disetujui manusia?
• metrik apa yang menunjukkan AI benar-benar membantu, bukan sekadar terlihat canggih?

Setelah itu, baru tentukan arsitekturnya.

Mungkin cukup memakai API model global. Mungkin perlu kombinasi dengan database internal. Mungkin perlu model yang bisa berjalan di lingkungan lebih privat. Mungkin perlu workflow automation sederhana. Mungkin yang paling dibutuhkan justru bukan model baru, tetapi struktur data dan status kerja yang lebih rapi.

AI yang baik tidak berdiri sendiri. Ia harus menempel pada alur kerja yang jelas.

Jika bisnis ingin memakai AI untuk sales, maka status lead harus jelas. Jika ingin memakai AI untuk support, kategori masalah dan eskalasi harus jelas. Jika ingin memakai AI untuk dokumen, format dokumen dan sumber kebenaran harus jelas. Jika ingin memakai AI untuk laporan, definisi metrik harus jelas.

Tanpa itu, AI hanya menjadi lapisan baru di atas proses yang masih kabur.

Sarvam menunjukkan satu arah yang menarik: AI akan semakin lokal, semakin terhubung dengan proses enterprise, dan semakin dipengaruhi oleh kebutuhan kontrol. Bukan semua organisasi harus membangun model sendiri, tetapi semua organisasi perlu lebih sadar terhadap dependency AI yang mereka pilih.

Untuk bisnis di Indonesia, pelajarannya juga dekat.

Jangan hanya bertanya “AI apa yang bisa kami pakai?”

Tanyakan juga:

• data kami berada di mana?
• vendor mana yang menjadi titik ketergantungan utama?
• proses mana yang tetap harus berjalan jika akses AI berubah?
• apakah AI memahami bahasa, konteks, dan cara kerja pelanggan kami?
• apakah hasil AI masuk ke workflow, atau hanya berhenti sebagai output teks?

Pendanaan Sarvam bukan sekadar kabar bahwa startup AI India sedang naik kelas. Ini adalah pengingat bahwa nilai AI tidak hanya berada di model.

Nilainya ada di kontrol, distribusi, konteks lokal, integrasi proses, dan kemampuan menjadikan AI bagian dari pekerjaan nyata.

Bisnis yang ingin serius memakai AI tidak perlu langsung berpikir sebesar Sarvam. Tetapi prinsipnya sama: jangan mulai dari hype. Mulai dari proses yang penting, risiko ketergantungan, dan keputusan apa yang ingin dipercepat.

Setelah itu, barulah AI menjadi investasi yang masuk akal.

Dapatkan Audit Teknis Gratis untuk meninjau proses digital, integrasi AI, dan risiko dependency sebelum bisnis Anda membangun automation yang lebih besar.

---

Sumber referensi berita: TechCrunch