📊Dari Agentic AI ke 'AI yang Bekerja': Startup Kini Dinilai dari Hasil, Bukan Fitur

Ringkasan Cepat

• Secara global, ambang pendapatan berulang tahunan (ARR — annual recurring revenue, total pendapatan dari pelanggan yang membayar rutin) yang diminta investor sebelum startup AI boleh maju ke Seri B naik tiga sampai empat kali lipat: dari sekitar US$500 ribu di awal 2025 jadi US$1,5–2 juta pada 2026.

• Studi MIT (NANDA initiative) terhadap 300 proyek AI korporat global menemukan 95% pilot AI generatif tidak memberi dampak nyata ke laporan rugi-laba perusahaan — padahal perusahaan sudah menggelontorkan US$30–40 miliar untuk itu.

• Gartner memprediksi lebih dari 40% proyek agentic AI (AI yang bisa bertindak dan menyelesaikan tugas berantai sendiri, bukan cuma menjawab chat) akan dibatalkan sebelum akhir 2027 — dan dari ribuan vendor yang mengklaim "agentic", Gartner menilai cuma sekitar 130 yang benar-benar punya kemampuan itu.

• Cara bayar mulai bergeser dari "per kursi/lisensi" ke outcome-based pricing — bayar sesuai hasil yang benar-benar terjadi, misalnya per tiket layanan pelanggan yang selesai diselesaikan AI.

• Di Indonesia, pergeseran ini bertemu dengan krisis kepercayaan sendiri: pendanaan startup 2025 anjlok 49% jadi hanya US$355 juta, diperparah skandal manipulasi laporan keuangan eFishery dan TaniHub — jadi klaim "bertenaga AI" kini disaring dua kali lebih ketat.

Dari "Keren Ya" ke "Buktiin Dong"

Dua tahun lalu, cukup modal demo yang mulus dan narasi "kami pakai AI generatif untuk X" untuk membuka pintu pendanaan. Investor terpukau melihat chatbot menjawab pertanyaan rumit atau agen AI menyusun laporan dalam hitungan detik. Visi besar dan tim yang pernah kerja di perusahaan teknologi top sudah cukup jadi modal cerita.

Sampai awal 2025, logika itu masih jalan. Tapi pada 2026, panggung berubah. Median valuasi startup AI di tahap Seri A (pendanaan tahap awal setelah startup punya produk jadi) turun 28% dari puncaknya di kuartal II 2025 — ini data pasar modal ventura global, bukan khusus Indonesia. Yang lebih tajam lagi: ambang ARR yang investor minta sebelum mau serius membahas Seri B naik dari sekitar US$500 ribu jadi US$1,5–2 juta hanya dalam setahun. Artinya, startup yang dulu bisa melaju dengan pendapatan ratusan ribu dolar, sekarang harus menunjukkan pendapatan jutaan dolar dulu sebelum dianggap layak naik kelas.

Yang dicari investor juga berubah bentuk. Mereka kini menimbang unit economics (hitungan untung-rugi per transaksi atau per pelanggan — apakah tiap pelanggan benar-benar menghasilkan lebih banyak uang ketimbang biaya untuk melayaninya), burn multiple (berapa dolar uang investor "dibakar" untuk menghasilkan satu dolar pendapatan baru — makin kecil makin sehat), dan net dollar retention (berapa persen pendapatan dari pelanggan lama yang bertahan atau malah tumbuh tahun berikutnya, bukan cuma pelanggan baru yang terus dikejar). Ada satu tes sederhana yang kini jadi pemisah: kalau startup-mu cuma membungkus API dari OpenAI, Anthropic, atau Google tanpa data unik atau keunggulan sulit ditiru (disebut moat) di baliknya, kamu dianggap "fitur", bukan "perusahaan" — karena fitur semacam itu bisa ditiru raksasa model AI itu sendiri dalam satu update produk.

Kenapa 95% Proyek AI Korporat Tak Terasa di Laporan Keuangan

Kalau pergeseran investor ke startup punya satu akar penjelasan, inilah dia: studi dari MIT NANDA initiative — berdasarkan 52 wawancara eksekutif, survei 153 pemimpin perusahaan, dan analisis 300 proyek AI publik di berbagai industri secara global — menemukan 95% pilot AI generatif di korporasi tidak memberi dampak finansial yang bisa diukur sama sekali. Hanya 5% yang benar-benar menciptakan nilai signifikan, meski perusahaan sudah membelanjakan sekitar US$30–40 miliar untuk eksperimen semacam ini.

Penyebabnya bukan modelnya yang jelek, tapi cara pakainya salah sasaran. Lebih dari separuh anggaran AI generatif korporasi dialokasikan ke alat penjualan dan pemasaran yang kelihatan keren di presentasi — padahal riset ini justru menemukan hasil nyata terbesar ada di otomasi back-office yang tidak glamor: pemrosesan dokumen, penghematan US$2–10 juta setahun lewat pengurangan outsourcing layanan pelanggan, bahkan penghematan US$1 juta setahun di pemantauan risiko keuangan. Temuan lain yang bikin geleng kepala: alat AI yang dibeli dari vendor spesialis punya tingkat keberhasilan 67%, lebih dari dua kali lipat dibanding alat yang dibangun sendiri oleh tim internal perusahaan.

Ada juga paradoks yang menjelaskan dirinya sendiri begitu dua datanya diletakkan berdampingan: survei PwC terhadap organisasi global menemukan 66% yang sudah pakai agen AI melaporkan kenaikan produktivitas — kedengarannya optimis. Tapi uji simulasi terkontrol dari Carnegie Mellon menemukan agen AI terbaik cuma mampu menyelesaikan sekitar seperempat tugas kantor multi-langkah secara mandiri. Dua angka ini tidak bertentangan kalau dibaca jujur: yang satu survei persepsi self-report ("menurutmu produktivitasmu naik?"), yang satu benchmark ketat di kondisi terkendali. Orang bisa merasa lebih produktif karena AI membantu sebagian tugas, sementara AI itu sendiri masih jauh dari bisa dipercaya menyelesaikan pekerjaan penuh tanpa pengawasan.

Gartner menambahkan satu lapis skeptisisme lagi: mereka memproyeksikan lebih dari 40% proyek agentic AI akan dibatalkan sebelum akhir 2027 karena biaya yang membengkak di luar perkiraan, nilai bisnis yang tidak jelas, dan kontrol risiko yang lemah. Anushree Verma, analis senior di Gartner, bilang kebanyakan proyek agentic AI saat ini "eksperimen tahap awal yang lebih didorong hype ketimbang rencana strategis yang matang." Gartner bahkan punya istilah untuk praktik vendor yang sekadar menempel label baru ke chatbot atau alat otomasi lama lalu menjualnya sebagai "agentic AI": agent washing. Dari ribuan vendor yang mengklaim produknya agentic, Gartner menilai hanya sekitar 130 yang kemampuannya benar-benar nyata.

Kekhawatiran ini bahkan merembes ke pasar modal yang lebih luas. Survei Deutsche Bank tahun 2026 mencatat 57% ekonom dan analis global menilai penurunan valuasi saham teknologi sebagai risiko terbesar bagi stabilitas pasar dunia tahun ini — empat perusahaan teknologi terbesar membelanjakan lebih dari US$700 miliar untuk infrastruktur AI, jumlah yang menurut kubu skeptis sudah lepas dari kas yang benar-benar dihasilkan AI itu sendiri. Sebagai gambaran apa yang terjadi kalau kesenjangan ini pecah: akhir Oktober 2026, saham-saham terkait AI di bursa China dilaporkan kehilangan nilai sekitar Rp8.600 triliun dalam hitungan hari — ini kasus spesifik pasar China, bukan tren global, tapi jadi peringatan soal betapa cepat modal bisa lari begitu kepercayaan terhadap klaim AI goyah.

Dari Bayar Fitur ke Bayar Hasil

Perubahan paling konkret ada di cara uang berpindah tangan. Sejumlah vendor besar mulai menawarkan outcome-based pricing — bayar sesuai hasil yang benar-benar tercapai, bukan per kursi atau lisensi bulanan. Intercom mengenakan US$0,99 untuk setiap percakapan layanan pelanggan yang berhasil diselesaikan AI-nya. Zendesk memasang US$1,50–2 per resolusi otomatis. HubSpot bahkan menurunkan tarifnya jadi US$0,50 per percakapan selesai pada April 2026. Logikanya sederhana: kalau AI-nya benar-benar bekerja, vendor dibayar; kalau tidak, tidak ada tagihan.

Model ini belum dominan — baru sekitar 5% pembeli korporat global yang benar-benar terikat kontrak dengan skema ini pertengahan 2026 — tapi arah anginnya jelas. Pembeli korporat kini memasukkan "gerbang pembuktian" (proof gate) di antara fase uji coba dan perluasan kontrak: sebelum deal diperbesar, vendor wajib menunjukkan referensi pelanggan nyata dengan hasil terukur yang bisa dikonfirmasi langsung, bukan studi kasus yang dibangun dari proyeksi, plus perhitungan ROI (laba atas investasi) dalam bentuk setara jumlah orang yang digantikan atau jam kerja yang dihemat — bukan klaim persentase efisiensi yang kabur.

Dari Selat Hormuz ke Jalan Sudirman: Beban Ganda Indonesia

Pergeseran global ini sampai ke Indonesia dalam kondisi yang lebih berat, karena dua krisis bertabrakan di waktu yang sama. Pendanaan startup Indonesia sepanjang 2025 cuma US$355 juta dari 91 transaksi — turun 49% dari US$695 juta setahun sebelumnya, dan jauh dari puncak 2021 yang mendekati US$7 miliar. Sampai Oktober 2026 ada sedikit pemulihan ke US$392 juta, tapi sebagian besar disokong satu putaran pendanaan fintech Ajaib senilai US$270 juta — bukan tanda ekosistem yang sehat merata. Indonesia bahkan hanya menyerap 6,3% dari total pendanaan startup Asia Tenggara dan kurang dari 0,1% pendanaan startup global. Jumlah investor aktif di Indonesia turun 39% jadi 27 investor dalam sembilan bulan pertama 2026, sementara investor baru yang masuk anjlok 73% — cuma tiga, dari 11 di periode yang sama tahun sebelumnya.

Yang membuat situasi Indonesia berbeda dari tren global murni soal AI: kepercayaan investor di sini juga hancur karena kasus-kasus konkret di luar AI. Skandal eFishery — manipulasi laporan keuangan dan penggelembungan pendapatan — serta TaniHub — tata kelola lemah, ekspansi tak terkendali berujung PHK massal — mengajarkan investor Indonesia bahwa klaim angka pertumbuhan pun bisa dipalsukan, apalagi klaim "pakai AI" yang lebih sulit diverifikasi dari luar. Chandra Tjan dari Alpha JWC Ventures menyebut investor kini fokus pada "eksekusi bisnis yang teruji serta value proposition yang jelas" — bukan lagi janji pertumbuhan pengguna. Platform seperti HUB.ID menilai startup dari tujuh dimensi, dengan bobot terbesar pada traksi (bukti pasar nyata), pendanaan, dan potensi sinergi bisnis — bukan demo produk.

Di level usaha kecil, data juga menunjukkan jurang antara "pakai AI" dan "AI yang benar-benar menghasilkan". Survei UKMIndonesia.id terhadap 204 pelaku UMKM pada Mei–Juni 2025 menemukan 67,65% sudah memakai AI, tapi mayoritas penggunaannya masih di permukaan: 67,6% untuk diskusi dan menggali ide, 53% untuk konten gambar, baru 33,3% untuk otomasi administrasi dan 32,8% untuk pengolahan data — ranah yang benar-benar menghemat waktu kerja. Kendala utamanya bukan harga, tapi keterampilan: banyak pelaku usaha belum tahu cara menulis instruksi (prompt) yang efektif. Bandingkan dengan temuan Asosiasi FinTech Indonesia: UMKM yang sudah pakai AI untuk pembukuan rata-rata menghemat 12–15 jam kerja per minggu dari proses rekonsiliasi dan pelaporan manual — ini contoh hasil yang benar-benar bisa dihitung, bukan sekadar "AI membantu ide".

Apa Artinya Buat Kamu

Kalau kamu masih karyawan dan ingin mulai usaha

Kalau rencanamu adalah bikin startup "AI-powered" yang intinya cuma membungkus API model AI besar tanpa data unik atau distribusi yang sudah kamu kuasai, pikir ulang — bukan karena idenya buruk, tapi karena pasar pendanaan sekarang menilai itu sebagai fitur yang bisa ditiru raksasa model AI itu sendiri, bukan perusahaan yang berdiri sendiri. Mulai dari masalah nyata yang hasilnya bisa dihitung dalam angka sejak bulan pertama: jam kerja yang terhemat, biaya yang berkurang, atau pendapatan tambahan — bukan jumlah pengguna yang mendaftar coba-coba. Dan siapkan metrik itu dari awal, karena kalau kamu berniat cari pendanaan di atas tahap awal, ambang ARR yang diminta sudah jutaan dolar, bukan ratusan ribu lagi.

Kalau kamu sudah punya bisnis

Sebelum membeli alat atau layanan yang mengklaim "bertenaga AI", perlakukan klaim itu seperti klaim bisnis lain yang harus dibuktikan — jangan terpukau demo. Minta referensi pelanggan nyata yang hasilnya bisa kamu konfirmasi langsung, bukan studi kasus berbasis proyeksi. Minta demo pakai data perusahaanmu sendiri, bukan data contoh yang sudah dipoles vendor. Tanyakan skema keamanan datanya, dan hitung ROI dalam satuan konkret — berapa jam kerja atau berapa orang setara yang dihemat — bukan persentase efisiensi yang terdengar bagus tapi tak jelas dasarnya. Kalau memungkinkan, negosiasikan skema bayar sesuai hasil (outcome-based) alih-alih lisensi bulanan tetap, dan curigai vendor yang produknya kedengaran cuma rebranding chatbot atau sistem otomasi lama — ingat, dari ribuan vendor yang mengklaim "agentic", mayoritas tidak benar-benar seperti itu.

Buat yang bukan pemain langsung tapi ikut terdampak

Pergeseran ini, kalau berjalan sampai akhir, sebenarnya kabar baik untuk semua orang — termasuk pekerja dan konsumen biasa — karena berarti startup atau vendor yang cuma numpang tren AI akan tersaring, sementara yang benar menambah nilai akan tetap hidup. Tapi ada sisi yang patut diwaspadai: riset MIT NANDA menemukan 90% pekerja di berbagai perusahaan memakai alat AI pribadi secara diam-diam setiap hari, dan seringnya hasilnya lebih baik dari sistem resmi yang dibeli perusahaan mereka sendiri. Artinya ada jarak antara AI yang "dijual" ke manajemen lewat demo mahal, dan AI yang benar-benar dipakai pekerja di lapangan. Kalau kamu pekerja, keterampilan memakai AI secara efektif justru makin bernilai — terlepas dari apakah perusahaanmu beli tool mahal atau tidak.

Yang Perlu Dipantau

• Laporan Gartner Hype Cycle lanjutan soal agentic AI — apakah proyeksi 40% proyek dibatalkan sampai akhir 2027 terus terkonfirmasi di laporan berikutnya.

• Data kuartalan pendanaan startup Indonesia (biasanya dirilis awal tahun oleh lembaga riset startup) — apakah tren pemulihan tipis di Oktober 2026 berlanjut atau cuma didorong satu-dua putaran besar seperti Ajaib.

• Adopsi outcome-based pricing — apakah porsi pembeli korporat yang pakai skema bayar-sesuai-hasil naik signifikan dari 5% di tahun-tahun mendatang.

• Studi lanjutan sejenis MIT NANDA (misalnya survei tahunan soal AI korporat yang biasanya rilis awal tahun) — untuk melihat apakah tingkat keberhasilan pilot AI naik dari angka 5% yang mengkhawatirkan itu.

• Perkembangan kasus hukum eFishery dan TaniHub di Indonesia — hasil proses hukumnya ikut menentukan seberapa lama trauma kepercayaan investor terhadap klaim startup, termasuk klaim AI, akan berlangsung.

Penutup

Dulu, kata "AI" di depan nama produk cukup jadi password sakti untuk membuka pintu investor dan dompet pembeli korporat. Sekarang kata itu cuma pintu masuk untuk pertanyaan berikutnya: buktikan hasilnya di mana? Itu bukan pertanda AI gagal — justru pertanda industrinya mulai dewasa, menyaring yang benar menambah nilai dari yang cuma menumpang tren. Sikap yang perlu kamu pegang sebagai pembeli, karyawan, atau calon pendiri startup di Indonesia sama sederhananya: jangan tanya "ini pakai AI, ya?" — tanya "ini menghasilkan apa, dan bisa dibuktikan bagaimana?"

Sumber

• MIT NANDA Initiative (via Legal.io, Healthcare IT News) — laporan "95% of Enterprise AI Pilots Fail to Deliver ROI"

• Gartner — siaran pers "Over 40% of Agentic AI Projects Will Be Canceled by End of 2027" dan kutipan analis via RCR Wireless

• Defici News — "AI Startup Valuation Reset 2026"

• Qubit Capital, Entrepreneur Evolved, Finro — tren pendanaan dan valuasi startup AI 2026

• Bessemer Venture Partners, Zendesk, Query Now — adopsi outcome-based pricing untuk agen AI

• PwC — 2025 AI Agent Survey; Carnegie Mellon — simulasi benchmark tugas kantor multi-langkah

• Deutsche Bank — survei ekonom dan analis 2026 soal risiko valuasi teknologi

• Kompas Tekno — laporan koreksi saham terkait AI di bursa China, Oktober 2026

• Periskop.id, RRI.co.id, Youngster.id, Techverse.Asia — data dan analisis pendanaan startup dan krisis kepercayaan ekosistem startup Indonesia 2025–2026

• UKMIndonesia.id — "Laporan Survey Penggunaan Artificial Intelligence (AI) oleh UMKM"

• Shizune, Genesis — lanskap investasi AI dan kriteria evaluasi startup AI di Indonesia