Apakah AI yang harganya Rp10 per token lebih unggul daripada yang Rp50 per token?
Apa yang Sebenarnya Dibayar Perusahaan saat Pakai AI?
Jawabannya: tidak ada. Perusahaan tidak membayar per token — mereka membayar hasil akhir. Seorang analis riset di Factory, Eno Reyes, menegaskan bahwa fokus pada harga token adalah jebakan klasik dalam adopsi teknologi generatif. Token adalah unit teknis abstrak, bukan satuan nilai bisnis. Satu prompt bisa menghasilkan 50 token atau 5.000 token tergantung panjang respons, kompleksitas instruksi, dan kualitas model — tapi outputnya bisa sama-sama tidak berguna. Prompt yang ringkas namun presisi tinggi mungkin memicu 300 token, menghasilkan laporan keuangan siap saji dalam bahasa Indonesia dengan referensi PPN dan aturan Kemenkeu 2024. Itu yang bernilai ; bukan jumlah token yang dikonsumsi.
Dilansir TechInAsia, Reyes menyoroti praktik umum di startup Asia Tenggara: banyak tim teknis membandingkan harga API dari Anthropic, OpenAI, dan model lokal berdasarkan tarif per token, lalu memilih yang termurah tanpa menguji dampak pada throughput operasional. Hasilnya? Model murah sering kali butuh tiga kali lipat percobaan ulang (retry), lebih banyak prompt engineering, dan revisi manual — yang justru menaikkan biaya tenaga kerja dan waktu penyelesaian tugas.
Baca juga: Influencees: Platform AI yang Ubah Cara Brand Nilai Kreator
Bagaimana Biaya Sebenarnya Muncul di Lini Produksi?
Biaya sejati AI tersembunyi di tiga lapisan: infrastruktur, manusia, dan siklus kerja. Infrastruktur mencakup latency, uptime, dan integrasi sistem — misalnya, model murah yang lambat memperlambat proses verifikasi dokumen di bank digital, sehingga meningkatkan waktu tunggu nasabah. Lapisan manusia melibatkan waktu engineer menyusun prompt, QA tim memeriksa output, dan staf operasional memperbaiki kesalahan faktur yang dihasilkan AI. Siklus kerja adalah yang paling krusial: apakah AI mengurangi satu langkah manual atau justru menambah dua langkah baru karena outputnya tidak andal? Menurut data internal Factory dari uji coba di lima UMKM manufaktur Jawa Barat, rata-rata penggunaan model berbasis token murah meningkatkan waktu proses administrasi 22% karena frekuensi revisi manual yang tinggi.
Di Indonesia, masalah ini diperparah oleh keterbatasan konteks lokal. Model global sering gagal memahami struktur NPWP, format surat kuasa notaris, atau istilah teknis dalam SNI. Akibatnya, prompt harus dibuat lebih panjang dan spesifik — memicu lebih banyak token — atau output harus diverifikasi ulang oleh staf. Ini membuat perhitungan 'token per rupiah' menjadi tidak relevan. Yang penting bukan berapa token yang dipakai, tapi berapa jam kerja manusia yang berhasil dihilangkan.
Baca juga: MetaX Raih Laba 612 Juta Yuan — Tanda Balik Strategis Chip AI China
Factory sendiri tidak menjual model, melainkan solusi berbasis outcome — seperti 'verifikasi otomatis 10.000 faktur per bulan dengan akurasi >99,7% sesuai ketentuan DJP'. Harga ditetapkan per volume pekerjaan selesai, bukan per token. Pendekatan ini memaksa tim teknis mereka memilih model bukan berdasarkan harga dasar, tapi kemampuan menghasilkan output siap pakai dalam bahasa dan regulasi Indonesia. Mereka bahkan mengembangkan layer validasi lokal: modul tambahan yang memeriksa konsistensi nomor seri barang dengan database BKPM dan kesesuaian klausul kontrak dengan UU No. 11 Tahun 2020 tentang Cipta Kerja.
Tren ini mulai menular ke ekosistem lokal. Startup seperti Qoala dan Halodoc sudah beralih ke skema pricing berbasis 'jumlah klaim diproses' atau 'jumlah diagnosis pendukung yang diverifikasi', bukan 'jumlah token yang dikonsumsi'. Ini bukan hanya perubahan label harga — ini pergeseran filosofi: dari teknologi sebagai komponen input, menjadi teknologi sebagai mitra hasil kerja. Di tengah tekanan margin UMKM dan ketatnya regulasi perpajakan, perusahaan tidak butuh AI yang hemat token. Mereka butuh AI yang hemat waktu, hemat kesalahan, dan hemat kepercayaan pelanggan.
"Kita bukan menjual kilobyte data. Kita menjual kepastian bahwa laporan keuangan yang dikirim ke klien tidak akan dikembalikan karena salah format atau salah referensi peraturan," kata Eno Reyes dalam wawancara terakhirnya dengan TechInAsia.