Perusahaan teknologi global mengalokasikan rata-rata 28% dari belanja R&D tahunan mereka untuk infrastruktur AI enterprise — angka yang naik tiga kali lipat sejak 2021, menurut laporan IDC Global AI Spending Guide 2024. Di tengah tren itu, Meta justru mengambil arah berbeda: tidak hanya menjual 'AI agent' sebagai produk akhir, tapi juga membangun ekosistem lengkap yang mencakup API, kapasitas komputasi khusus, dan bahkan perangkat lunak internal yang bisa diadopsi perusahaan lain.
Meta Tidak Menjual Agent — Tapi Infrastruktur yang Bisa Dipakai Ulang
Zuckerberg menyampaikan strategi ini dalam panggilan hasil keuangan kuartal II 2024, yang berlangsung Rabu lalu. Ia menegaskan bahwa peluang Meta di segmen enterprise bukan hanya di lapisan aplikasi — seperti asisten virtual atau chatbot cerdas — tetapi lebih dalam: di lapisan infrastruktur dan abstraksi teknis. Artinya, Meta tidak ingin menjadi vendor 'chatbot untuk HR', melainkan penyedia blok bangunan yang bisa dipakai ulang oleh tim teknologi perusahaan untuk membangun solusi spesifik sendiri. Dilansir TechCrunch AI, pendekatan ini sengaja dibedakan dari langkah Microsoft atau Google, yang lebih dulu memperkuat posisi lewat integrasi dengan tools eksisting seperti Office 365 atau Workspace.
Meta tidak mengunci platformnya hanya untuk klien besar. Sebaliknya, mereka membuka akses API Llama secara bertahap ke developer enterprise, termasuk melalui program 'Llama Enterprise' yang diluncurkan awal Juli. Program ini menawarkan dukungan SLA (Service Level Agreement), dokumentasi teknis mendalam, dan opsi deployment on-premise — fitur yang jarang tersedia di versi open-source gratis. Ini tidak hanya penyesuaian harga, tapi juga pergeseran filosofi: dari komunitas open-source ke mitra teknologi berlisensi penuh.
Baca juga: Stability AI Kumpulkan $76 Juta, Total Pendanaan Capai $232 Juta
Di Indonesia, Perusahaan Justru Belum Siap Pakai Blok Bangunan Ini
Di Indonesia, mayoritas perusahaan masih berada di tahap eksplorasi AI — bukan implementasi sistematis. Survei Katadata Insight Center (2024) menunjukkan hanya 12% perusahaan skala menengah-keatas yang telah mengintegrasikan model bahasa besar (LLM) ke dalam proses operasional inti, seperti layanan pelanggan atau manajemen risiko. Sisanya masih mengandalkan vendor pihak ketiga untuk solusi end-to-end, bukan membangun sendiri berbasis API dan model terbuka.
Padahal, keuntungan menggunakan blok bangunan ala Meta justru terasa di sini: biaya pemeliharaan lebih rendah, kontrol data lebih ketat, dan kemampuan menyesuaikan model dengan regulasi lokal — misalnya, aturan perlindungan data pribadi di bawah UU PDP. Namun, tantangannya nyata: kurangnya talenta MLOps, keterbatasan infrastruktur cloud hybrid, serta budaya bisnis yang masih mengutamakan 'solusi siap pakai' daripada investasi teknis jangka panjang. Sebuah studi dari Asosiasi Penyedia Layanan Cloud Indonesia (APLCI) menemukan bahwa 64% perusahaan mengaku kesulitan merekrut engineer yang mampu mengoptimalkan LLM untuk use case spesifik, tidak hanya menjalankan prompt.
Baca juga: HP Mati Total Meski Baterai 100%: Fenomena yang Makin Sering di Indonesia
Tidak heran jika beberapa startup fintech dan logistik di Jakarta mulai mengadopsi pendekatan hybrid: memakai API Meta untuk inferensi cepat, sementara fine-tuning model dilakukan di cluster GPU lokal milik mereka sendiri. Ini bukan karena pilihan ideal, tapi juga karena keterbatasan bandwidth, latensi tinggi saat koneksi ke pusat data global, dan kebutuhan auditabilitas yang diwajibkan OJK atau Kemenhub. Meta, dengan fleksibilitas deployment-nya, justru masuk di celah ini — bukan sebagai pengganti sistem legacy, tapi sebagai lapisan baru yang bisa disisipkan tanpa overhaul total.
Yang belum banyak dibahas adalah implikasi finansial jangka menengah. Model lisensi 'per token' atau 'per jam compute' yang ditawarkan Meta berbeda dari model subscription bulanan ala SaaS tradisional. Untuk perusahaan dengan beban kerja fluktuatif — seperti e-commerce saat Harbolnas atau bank saat pelaporan kuartalan — ini bisa jadi lebih efisien. Namun, tanpa tim internal yang memahami cost optimization AI, tagihan bisa meledak tanpa peringatan. Itu sebabnya, pelatihan teknis bukan lagi opsional, tapi prasyarat wajib sebelum adopsi.
Rangkuman dampak langsung dari pernyataan Zuckerberg ini jelas: Meta tidak sedang bersaing di pasar 'AI assistant for business', tapi membangun fondasi baru bagi perusahaan yang ingin keluar dari ketergantungan pada vendor tertutup. Bagi Indonesia, ini tidak hanya soal teknologi —, tapi juga ujian kesiapan organisasi, regulasi, dan talenta untuk berpindah dari konsumen pasif menjadi pembangun aktif solusi AI.