Pendapatan Alibaba Cloud naik 40% year-on-year pada kuartal Maret 2024 — lonjakan terbesar sejak 2021. Angka ini bukan hasil akuisisi besar atau ekspansi geografis mendadak, melainkan dorongan langsung dari permintaan produk berbasis kecerdasan buatan. Dari total pendapatan eksternal Alibaba Cloud, 30% berasal dari layanan yang secara eksplisit mengandalkan AI: mulai dari model bahasa khusus industri hingga platform inferensi real-time untuk ritel dan logistik.
Bagaimana AI Berubah Jadi Unit Bisnis Terpisah di Alibaba Cloud
Sebelum 2023, AI di Alibaba Cloud masih terintegrasi dalam paket solusi infrastruktur — seperti komputasi awan biasa yang 'dibumbui' fitur machine learning. Kini, AI menjadi unit bisnis mandiri dengan harga, SLA (Service Level Agreement), dan tim penjualan tersendiri. Produk seperti Qwen API, Alibaba Cloud's AI-as-a-Service, tidak lagi dijual sebagai add-on, tapi sebagai layanan berlangganan bulanan dengan tier berbasis token dan throughput. Menurut TechInAsia, struktur pricing baru ini memungkinkan klien korporat mengukur ROI AI secara langsung — misalnya, berapa rupiah penghematan biaya layanan pelanggan setelah penerapan chatbot berbasis Qwen.
pertumbuhan ini tidak didorong oleh pasar Tiongkok semata. Lebih dari 45% kenaikan pendapatan AI berasal dari klien di Asia Tenggara dan Timur Tengah — wilayah di mana Alibaba Cloud secara aktif membangun pusat data baru di Jakarta, Dubai, dan Riyadh. Di Indonesia, tiga perusahaan fintech besar telah mengadopsi Qwen untuk verifikasi identitas berbasis video analitik, menggantikan sistem manual yang memakan waktu 48 jam menjadi kurang dari 3 detik.
Baca juga: Fair Labs Dapat Proyek AI Rp41 Miliar dari Kementerian Budaya Korea
Apa yang Hilang dari Narasi 'AI Boom' Global
Narasi dominan soal ledakan AI sering kali fokus pada kapasitas model atau jumlah parameter. Padahal, apa yang membuat Alibaba Cloud unik adalah kemampuan mengubah teknologi menjadi unit pendapatan yang bisa diukur, dijual, dan dipertahankan. Tidak seperti banyak vendor cloud Barat yang masih menjual AI lewat skema credit-based atau sandbox trial, Alibaba Cloud menerapkan model subscription berbasis use-case nyata: 'pay-per-inference', 'pay-per-document-processed', atau 'pay-per-conversation'. Ini menghilangkan ambiguitas bagi pembeli — terutama UMKM dan startup di negara berkembang yang butuh kepastian anggaran.
Dilansir TechInAsia, strategi ini berhasil menekan churn rate klien AI Alibaba Cloud di bawah 8% — jauh di bawah rata-rata industri cloud global yang berada di kisaran 14–18%. Artinya, klien tidak hanya mencoba, tapi terus membayar karena nilai operasionalnya terbukti. Di Vietnam, sebuah perusahaan logistik lokal melaporkan penurunan kesalahan pengiriman sebesar 22% setelah mengintegrasikan model prediktif Alibaba Cloud ke sistem manajemen gudang mereka — dan itu cukup untuk membenarkan biaya langganan bulanan sebesar USD 12.000.
Baca juga: Metis TechBio Naik 185% di IPO Hong Kong: Apa Artinya untuk Riset Kesehatan Hewan di Asia?
ada celah yang jarang dibahas: ketergantungan pada ekosistem tertutup. Platform AI Alibaba Cloud dirancang agar optimal hanya ketika digunakan bersama layanan storage, database, dan CDN milik mereka sendiri. Integrasi dengan layanan pihak ketiga — seperti PostgreSQL open-source atau Kubernetes vanilla — masih membutuhkan custom engineering tambahan. Untuk perusahaan Indonesia yang sudah berinvestasi besar di AWS atau Google Cloud, migrasi penuh ke Alibaba Cloud bukan soal teknis semata, tapi soal ulang desain arsitektur TI dari dasar.
Ini juga berdampak pada talenta lokal. Pelatihan resmi Alibaba Cloud untuk developer di Indonesia fokus pada penggunaan Qwen SDK dan integrasi dengan Alibaba Cloud Function Compute — bukan pada prinsip umum MLOps atau fine-tuning model. Akibatnya, meski jumlah sertifikasi Alibaba Cloud meningkat 65% di Indonesia sejak awal 2024, kemampuan transferable ke platform lain tetap terbatas. Seorang lead engineer di startup e-commerce Bandung mengakui bahwa timnya kini sangat cepat membangun fitur rekomendasi berbasis Qwen, tapi kesulitan saat diminta mengadaptasi model yang sama ke Azure ML karena perbedaan paradigma deployment.
Lonjakan 40% itu memang spektakuler. Tapi lebih dari sekadar angka, ia mengungkap satu kenyataan: AI telah melewati fase eksperimen dan memasuki era monetisasi yang ketat. Pertanyaannya bukan lagi apakah perusahaan harus pakai AI — tapi apakah mereka siap membayar untuk satu versi AI yang terikat erat pada infrastruktur tertentu, tanpa jalan keluar yang mudah?