Bayangkan seorang mahasiswa di Bandung membuka ponselnya setelah mengikuti kuliah daring. Ia tidak langsung mengetik pertanyaan ke ChatGPT atau Claude lewat browser. Ia membuka aplikasi Ruangguru, lalu aplikasi Gojek untuk pesan makan siang, lalu aplikasi Bank Jago untuk cek saldo — semua dalam satu sesi, tanpa beralih ke antarmuka chatbot. Skenario ini bukan anomali. Justru semakin umum — meski narasi industri selama setahun terakhir berisikan ramalan bahwa AI akan 'menggantikan' aplikasi.
Pertumbuhan Aplikasi yang Tak Terbendung
Menurut laporan TechInAsia, jumlah peluncuran aplikasi baru di Apple App Store dan Google Play melonjak 60% pada kuartal pertama 2024 dibanding periode yang sama tahun lalu. Angka ini mencakup baik aplikasi baru maupun versi major update yang memicu instal ulang massal. Data ini dikumpulkan dari analisis lebih dari 1,2 juta aplikasi aktif di dua toko aplikasi utama tersebut. Pertumbuhan tertinggi terjadi di segmen fintech lokal Asia Tenggara (32%) dan edtech berbasis kurikulum nasional (27%), bukan di kategori AI tools generik.
Baca juga: AI Serap 40% Pendanaan VC Kripto Global
Baca juga: Peta Pemain E-commerce China: Siapa yang Mengendalikan 1,4 Miliar Konsumen?
Yang menarik: kenaikan ini terjadi justru saat investasi global dalam startup berbasis model bahasa besar (LLM) mencapai rekor US$24,8 miliar pada Q1 — naik 89% year-on-year. Artinya, dua tren tidak saling menggantikan, melainkan tumbuh berdampingan. Aplikasi bukan menjadi korban AI; ia justru menjadi wadah paling efektif untuk mengemas kemampuan AI ke dalam pengalaman pengguna yang terukur, terpercaya, dan terintegrasi dengan data lokal.
Mengapa Ini Penting
Angka 60% bukan sekadar statistik pertumbuhan teknis — ia adalah indikator pergeseran strategis dalam cara nilai teknologi ditransfer ke pengguna akhir. Di masa lalu, inovasi AI sering dipamerkan lewat demo browser atau CLI (command-line interface), seperti prototipe chatbot universitas atau alat eksperimen open-source. Sekarang, startup dan perusahaan besar memilih membangun *aplikasi lengkap* yang menyematkan AI sebagai fitur inti — bukan sebagai produk utama. Contohnya: aplikasi Kredit Pintar versi terbaru yang menggunakan LLM lokal untuk menganalisis riwayat transaksi UMKM via foto nota, bukan hanya mengandalkan skor kredit tradisional.
Baca juga: Startup Israel Raih $38,7 Miliar: Apa yang Bisa Dipelajari Indonesia?
Tren ini juga mengubah dinamika persaingan. Platform seperti Google Play dan App Store tidak lagi sekadar 'toko digital', tetapi menjadi infrastruktur penilaian kualitas AI secara praktis: rating pengguna, retensi harian, dan durasi sesi menjadi metrik nyata apakah suatu model AI benar-benar berguna — bukan hanya canggih secara teknis. Di sini, startup Indonesia memiliki keuntungan komparatif: mereka memahami konteks bahasa, perilaku keuangan informal, dan regulasi OJK/BPJS lebih dalam daripada tim AI asing yang mengandalkan data global.
Dilansir TechInAsia, lebih dari 40% aplikasi baru yang tumbuh pesat di Q1 2024 tidak menyebut kata 'AI' di deskripsi utamanya — meski semua menggunakan model inferensi ringan di backend atau integrasi API LLM teroptimasi. Ini menunjukkan bahwa pasar tidak membeli 'AI' sebagai label, tapi membeli solusi yang lebih cepat, lebih akurat, dan lebih relevan — yang kebetulan dibangun dengan AI.
Konteks Indonesia
Bagi Indonesia, angka 60% ini adalah sinyal kuat bahwa ekosistem startup lokal masih punya ruang bernapas — bahkan berkembang — di tengah gelombang global AI. Berbeda dengan pasar AS atau Eropa yang didominasi aplikasi berbasis langganan premium, 78% aplikasi populer di Indonesia masih mengandalkan monetisasi hybrid: iklan + in-app purchase mikro + integrasi layanan finansial (seperti pembayaran via QRIS atau dompet digital). Model ini justru lebih adaptif terhadap AI yang dioptimalkan untuk efisiensi biaya inferensi, bukan performa puncak.
Regulasi juga bermain penting. Aturan Kominfo tentang perlindungan data pribadi dan panduan OJK soal penggunaan AI dalam penilaian kredit memaksa startup lokal membangun sistem yang transparan dan auditabel — sesuatu yang sulit dicapai oleh chatbot generik berbasis cloud global. Hasilnya: aplikasi seperti Flip, Ajaib, atau Moka justru mempercepat adopsi AI *di dalam batas regulasi*, bukan di luar atau di atasnya. Ini bukan hambatan — ini filter kualitas yang memisahkan startup serius dari hype belaka.
Di sisi pengembang, pertumbuhan ini juga mengubah pola rekrutmen. Permintaan terhadap developer yang menguasai Flutter/Dart *dan* dasar prompt engineering meningkat 140% di platform pencari kerja seperti Kalibrr dan Jobstreet sepanjang Q1 — jauh lebih tinggi daripada permintaan murni untuk engineer LLM. Artinya, keahlian 'membungkus AI ke dalam aplikasi nyata' kini lebih bernilai daripada sekadar bisa melatih model.
Fakta tambahan yang mengejutkan: dari 1,2 juta aplikasi yang dianalisis, hanya 0,7% yang mengandung kode yang secara eksplisit memanggil model AI dari luar wilayah Asia Tenggara. Selebihnya menggunakan API lokal, model open-weight yang di-host di Jakarta atau Singapura, atau inference on-device. Ini bukan soal proteksionisme — ini soal latency, compliance, dan kecepatan iterasi produk.