Gartner: Perhatikan Biaya Tersembunyi dari Implementasi AI

Banyak CIO yang terlalu cepat membeli solusi AI terkeren tanpa memastikan apakah teknologi itu benar-benar menjawab kebutuhan bisnis

Gelombang besar kecerdasan buatan (AI) sedang mengguncang dunia teknologi. Namun di balik euforia itu, banyak pemimpin teknologi (CIO) justru mulai gelisah.

Sebab, di tengah janji efisiensi dan inovasi tanpa batas, AI juga membawa risiko besar yaitu biaya yang mahal dan keterampilan manusia yang perlahan terkikis.

Peringatan keras itu datang dari lembaga riset global Gartner dalam ajang Gartner IT Symposium/Xpo 2025 yang dihadiri lebih dari 7.000 eksekutif TI. Gartner menilai saat ini CIO harus menyiapkan “AI survival kit”, strategi bertahan hidup di era otomatisasi supaya tidak tenggelam oleh gelombang hype.

“Inilah momen di mana sejarah akan mencatat apakah para CIO membuat kesalahan besar atau justru membawa kita menuju masa depan yang gemilang,” ujar Daryl Plummer (VP dan Chief of Research Gartner) seperti dikutip CIO Dive.

Selama ini, banyak perusahaan masih mengandalkan pendekatan “human in the loop”, di mana manusia mengawasi dan memperbaiki kesalahan AI. Namun, menurut Gartner, cara ini mulai kewalahan menghadapi kecepatan AI yang terus berkembang.

“Pendekatan human-in-the-loop mulai runtuh dari dalam,” ujar Alicia Mullery (VP Analyst Gartner).

Sebagai gantinya, perusahaan harus membangun sistem pengawasan formal dengan metrik khusus untuk mengukur akurasi AI.

Bahkan, perusahaan bisa menggunakan dua model AI yang saling memeriksa hasil satu sama lain untuk memastikan kualitas tetap terjaga tanpa harus menambah beban manusia.

Mengapa AI adalah Investasi Mahal

Gartner juga mengingatkan,  setiap kali perusahaan membeli satu AI tools, akan muncul sepuluh biaya tambahan yang sering tak terduga. Biaya tambahan itu mencakup pengelolaan akses untuk agen otonom, pembelian dataset baru, hingga biaya menjaga akurasi model.

“Kalau teknologi sebelumnya butuh biaya transisi, AI itu seperti punya cicilan rumah yang terus berjalan,” sindir Mullery.

Menurut perkiraan Gartner, biaya implementasi AI bisa mencapai USD2 juta di hari pertama. Angka itu belum termasuk pelatihan sistem yang menambah beban hingga 25 persen. Dengan kata lain, AI bukan hanya pintar tetapi juga mahal.

AI: Antara Kesiapan dan Hype

Namun tantangan tak berhenti di biaya. Masalah berikutnya adalah kesiapan organisasi. Gartner menemukan banyak CIO yang terlalu cepat membeli solusi AI terbaru tanpa memastikan apakah teknologi itu benar-benar menjawab kebutuhan bisnis.

“Teknologi siap pakai bukan berarti modelnya bisa mengalahkan manusia. Yang penting, apakah ia bisa menyelesaikan masalah nyata,” tegas Mullery.

Perusahaan yang mampu mengabaikan kebisingan dan fokus pada nilai bisnis akan lebih cepat mendapatkan hasil nyata dari investasi AI-nya.

Ketika AI Tumbuh Lebih Cepat dari Manusia

Akan tetapi dari seluruh tantangan seputar AI, tantangan terbesar justru datang dari faktor manusia. Survei Gartner menunjukkan lebih dari 70 persen CIO mengakui tenaga kerja mereka belum siap menghadapi AI.

Ketidaksiapan itu mulai dari kekurangan pelatihan, minimnya keterampilan baru, dan rasa takut tergantikan membuat proses adaptasi menjadi lambat.

“Kesiapan AI tumbuh jauh lebih cepat daripada kesiapan manusia. Bahkan jika semua vendor berhenti berinovasi hari ini, kita masih butuh bertahun-tahun untuk bisa menyusul AI,” katanya.

Ironisnya, AI kini juga mulai menggerus keterampilan manusia secara halus tapi nyata. “Kalau kamu tidak lagi menulis kode setiap hari, kamu sedang kehilangan kemampuan itu setiap hari,” kata Plummer

Pada akhirnya, tugas CIO hari ini bukan sekadar mengadopsi AI, melainkan menjaga keseimbangan antara efisiensi, etika, dan kesiapan manusia. AI memang menjanjikan masa depan yang lebih cerdas dan cepat, tetapi juga menuntut kebijaksanaan dalam penerapannya.

 

Baca Juga

Strategi “Small Wins”, Pelajaran Adopsi AI dari CIO Gold Bond

​Pengalaman Gold Bond membuktikan bahwa transformasi AI tidak harus selalu berupa lompatan besar yang berisiko.
Keberhasilan justru sering kali lahir dari akumulasi “kemenangan kecil”, mulai dari otomatisasi workflow sederhana hingga layanan pelanggan yang lebih responsif.