"Kelambatan" dari Inovasi hingga Ledakan Produktivitas: Pelajaran Penting dari Revolusi Teknologi Informasi dan Komunikasi untuk Era AI

Peningkatan produktivitas yang dibawa oleh AI mungkin nyata, tetapi kecepatan masuknya ke dalam data makro mungkin tidak sesuai dengan jadwal paling optimis pasar. Pengalaman revolusi teknologi informasi dan komunikasi menunjukkan bahwa terdapat jeda waktu signifikan antara komersialisasi teknologi baru, ekspansi investasi, hingga ledakan produktivitas.

Menurut Chasing Wind Trading Desk, Elsie Peng dari tim penelitian ekonomi Amerika Serikat Goldman Sachs menulis dalam penelitiannya yang diterbitkan pada 1 Juli,"Kami memperkirakan AI akan secara signifikan meningkatkan pertumbuhan produktivitas selama sepuluh tahun ke depan." Penegasan ini berarti bahwa variabel inti AI bukan hanya apakah dapat meningkatkan efisiensi, tetapi kapan peningkatan tersebut akan dikonfirmasi oleh statistik makro.

Masalah kunci kini bergeser dari "Apakah AI berguna" menjadi "Kapan AI akan bertransformasi ke peningkatan produktivitas yang dapat diamati." Di tingkat perusahaan dan eksperimen sudah ada banyak bukti perbaikan efisiensi, tetapi data makro biasanya baru mulai terlihat setelah perusahaan menyelesaikan rekonstruksi proses, pelatihan karyawan, dan penyesuaian organisasi.

Teknologi informasi dan komunikasi, disingkat TIK, menyediakan rujukan penting. Komputer pribadi mulai dikomersialisasi sekitar tahun 1981, investasi TIK mulai meningkat sejak awal tahun 1980-an, tetapi percepatan produktivitas Amerika Serikat baru terjadi pada paruh kedua tahun 1990-an, tertunda sekitar 15 tahun.AI mungkin lebih cepat, tetapi tidak akan secara otomatis melewati proses penyesuaian organisasi.

Pelajaran inti TIK: investasi di depan, produktivitas tertinggal

Awal tahun 1980-an, komersialisasi komputer pribadi memicu gelombang inovasi TIK. Jumlah paten TIK terobosan per kapita meningkat terus di akhir tahun 1980-an dan awal tahun 1990-an, investasi TIK juga mulai meningkat secara signifikan sejak tahun 1980-an. Layanan profesional, perdagangan grosir, transportasi, dan keuangan merupakan sektor yang lebih awal meningkatkan investasi.

Namun produktivitas tidak naik secara bersamaan.

Perhitungan panel industri menunjukkan bahwa setiap kenaikan 1 persen dalam investasi TIK terhadap stok modal, selama empat tahun pertama justru berkontribusi sedikit negatif terhadap pertumbuhan produktivitas. Dampak positif baru menjadi jelas sekitar tahun ke-8, dan mencapai puncaknya sekitar tahun ke-12, sekitar 0,6 poin persentase.

Inilah yang disebut "kurva J" dalam penyebaran teknologi baru:Perusahaan mulai dengan membeli perangkat, menyesuaikan proses, menanggung biaya penyesuaian, baru kemudian efisiensi mungkin dilepaskan. Terutama ketika teknologi mengubah arus informasi, cara pengambilan keputusan, serta cara kolaborasi karyawan, data statistik yang pertama kali muncul justru adalah biaya, bukan hasil produksi.

Tiga faktor penghambat: biaya, efek jaringan dan modal tak berwujud

Produktivitas TIK datang terlambat, pertama-tama terkait biaya. Harga semikonduktor dan perangkat komunikasi tetap tinggi sepanjang tahun 1980-an, hingga persaingan dan perubahan regulasi pada tahun 1990-an mendorong pasar menjadi lebih terbuka dan biaya mulai turun signifikan. Undang-Undang Telekomunikasi Amerika Serikat tahun 1996 mendorong persaingan pasar perangkat komunikasi, bertambahnya pesaing di sektor chip juga menekan biaya komponen utama.

Berikutnya adalah efek jaringan. Teknologi seperti internet dan komunikasi mobile, sebelum mencapai titik kritis jumlah pengguna, nilai yang diperoleh setiap pengguna terbatas. Baru setelah tingkat adopsi aplikasi TIK seperti internet dan telepon mobile melewati titik balik di paruh kedua tahun 1990-an, peningkatan produktivitas menjadi lebih mudah dilepaskan.

Yang lebih penting adalah modal tak berwujud. Perusahaan perlu membuat ulang proses bisnis, melatih ulang karyawan, menyesuaikan struktur organisasi, membangun sistem perangkat lunak dan data. Perhitungan menunjukkan,Setiap 1 dolar investasi perangkat keras TIK, setidaknya membutuhkan tambahan 1,7 dolar investasi tak berwujud. Sekitar dua pertiga diinvestasikan pada perangkat lunak dan database, sisanya untuk rekonstruksi organisasi tenaga kerja.

Hal ini sangat penting untuk AI.GPU, pusat data, dan kapasitas model mudah diamati pasar, tetapi rekonstruksi organisasi tidak mencolok. Pengalaman sejarah menunjukkan bahwa hal terakhir inilah yang sering menentukan kapan produktivitas benar-benar masuk dalam pembukuan.

AI mungkin lebih cepat, tapi tidak tanpa hambatan

Satu perbedaan penting antara AI dan TIK adalah kurva biaya. Biaya penggunaan model AI turun jauh lebih cepat dibanding penurunan harga komputer pribadi. Walaupun beberapa model terdepan Amerika Serikat baru-baru ini menaikkan harga nominal untuk memperbesar margin profit, tekanan persaingan dan penurunan biaya daya komputasi dapat membatasi ruang kenaikan harga yang berkelanjutan, jalur harga token secara keseluruhan lebih mungkin menjadi stabil.

Ketergantungan AI pada efek jaringan juga lebih lemah daripada teknologi komunikasi. Perusahaan yang mengadopsi alat AI secara internal tidak harus menunggu seluruh sektor atau masyarakat mengadopsinya bersamaan untuk mendapatkan peningkatan efisiensi lokal.Hal ini memungkinkan AI lebih cepat terlihat dalam data produktivitas dibanding TIK.

Namun variabel lambat tetap ada. Perusahaan tetap perlu membuat ulang proses kerja, melatih karyawan, menyesuaikan pembagian tugas dan struktur organisasi. Rasio investasi perangkat keras AI terhadap total stok modal sudah meningkat lebih cepat dibanding siklus pembangunan TIK saat itu; namun investasi rekonstruksi proses kerja yang diukur melalui persentase gaji karyawan yang terlibat dalam aktivitas restrukturisasi saat ini terlihat lebih lambat.

Selain itu, statistik resmi mungkin meremehkan rekonstruksi organisasi yang sedang berlangsung. Survei perusahaan oleh Federal Reserve Atlanta mengindikasikan pengeluaran modal tak berwujud terkait AI pada 2026 sekitar 280 miliar dolar.Estimasi berdasarkan data perusahaan menunjukkan biaya tenaga kerja terkait transformasi AI di Amerika Serikat bisa mencapai 150 miliar dolar per tahun, investasi modal organisasi terkait alokasi waktu eksekutif sekitar 40 miliar dolar per tahun.

Sinyal awal mungkin datang dari empat jenis industri

Untuk mencari sinyal awal produktivitas AI di tingkat makro, tidak cukup hanya melihat seluruh ekonomi. Jalur yang lebih layak adalah terlebih dahulu mengamati industri dengan fondasi digital tinggi, tingkat eksposur AI tinggi, dan tugas kerja yang lebih mudah diautomasi atau diperkuat.

Laporan memberikan kerangka penilaian yang mencakup empat indikator: tingkat eksposur IT yang ada, tingkat adopsi AI, tingkat eksposur AI, dan intensitas rekonstruksi kerja sejak 2022. Dalam kerangka tersebut, industri teratas meliputi pengolahan informasi dan data, layanan profesional, industri terkait film dan suara, asuransi, intermediasi kredit, manufaktur komputer dan elektronik.

Di antaranya, pengolahan informasi dan data mendapat skor rata-rata 1,97; layanan profesional 1,48; industri terkait film dan suara 1,21; asuransi 1,09; intermediasi kredit 0,98; komputer dan manufaktur elektronik 0,97.

Jika digabung pada cakupan industri yang lebih besar, informasi, layanan profesional, asuransi dan keuangan paling layak menjadi fokus utama pemantauan. Industri ini memiliki fondasi digital yang tinggi dan lebih banyak tugas kerja yang dapat diautomasi atau diperkuat oleh AI.

Namun penilaian harus hati-hati. Industri yang berpotensi diuntungkan ini memang sudah menunjukkan produktivitas yang lebih tinggi selama puluhan tahun terakhir. Jika terus unggul di masa depan, tidak bisa semata-mata dikaitkan dengan AI. Yang lebih penting, apakah mereka mengalami percepatan yang baru dibanding tren sejarahnya sendiri.

Pasar harus fokus pada tiga garis utama

Pertama adalah biaya. Selama harga penggunaan model dan biaya daya komputasi terus turun, hambatan penyebaran AI mungkin lebih kecil dibanding era TIK.

Kedua adalah modal organisasi. Apakah perusahaan benar-benar membuat ulang proses, posisi dan sistem data, lebih penting daripada sekadar membeli alat AI. Revolusi TIK sudah membuktikan bahwa membeli perangkat saja tidak cukup untuk ledakan produktivitas.

Ketiga adalah titik balik produktivitas sektor. Jika informasi, layanan profesional, asuransi dan keuangan lebih dulu menunjukkan peningkatan produktivitas yang melampaui tren sejarahnya, ini kemungkinan menjadi bukti awal AI masuk ke data makro.

Namun, data produktivitas tingkat industri sendiri memiliki penundaan publikasi. Meski AI sudah memberikan hasil efisiensi di tingkat mikro, konfirmasi statistik makro mungkin masih butuh beberapa tahun. Revolusi TIK memberikan peringatan terbesar bagi era AI: terobosan teknologi bisa terjadi dengan cepat, tetapi realisasi produktivitas biasanya jauh lebih lambat.

~~~~~~~~~~~~~~~~~~~~~~~~

Konten menarik di atas berasal dari Chasing Wind Trading Desk.

Untuk penjelasan lebih lengkap, termasuk interpretasi real-time, penelitian lapangan dan lainnya, silakan bergabung dengan 【Chasing Wind Trading Desk ▪ Keanggotaan Tahunan】