Berapa banyak uang yang bisa dihasilkan oleh AI tergantung pada seberapa banyak yang bisa diambil dari kolam gaji manusia

Berapa banyak uang yang bisa dihasilkan perusahaan model AI besar? Laporan terbaru dari Guojin Securities memberikan jawaban yang mengejutkan: Jangan hanya melihat pasar perangkat lunak, lihatlah lembar gaji manusia.

Perusahaan membeli AI bukan sekadar mengikuti tren, tetapi demi menghemat biaya. Menggantikan sebagian tenaga kerja dengan AI, meningkatkan efisiensi, dan memangkas biaya, itulah alasan utama perusahaan bersedia menggelontorkan uang. Jadi, batas atas pendapatan AI sebenarnya bukan merupakan ukuran pasar perangkat lunak, melainkan seberapa besar kolam gaji yang dapat dinilai ulang oleh AI. Guojin Securities menyebutnya sebagai "kolam gaji yang bisa dinilai ulang oleh AI".

Laporan terbaru Guojin Securities membuat perhitungan: dari total pengeluaran gaji tahunan Amerika sekitar USD 10,83 triliun, sekitar USD 1,45 triliun sudah berada dalam jangkauan dampak AI—artinya, AI sudah bisa mengerjakan pekerjaan ini, atau setidaknya membantu sebagian besar.

Lalu, berapa banyak uang yang telah dihasilkan perusahaan AI dari dana ini? Ambil contoh perusahaan terdepan Anthropic, pendapatan tahunan mereka sekitar USD 47 miliar, hanya 3,2% dari USD 1,45 triliun. Dengan kata lain, bagian yang mereka ambil masih sangat kecil.

Kolam Gaji, Bukan Pasar Perangkat Lunak, adalah Patokan Nilai ARR

Laporan Guojin Securities menunjukkan, cara paling langsung untuk memahami "batas atas pertumbuhan pendapatan AI" saat ini adalah dengan menghitung seberapa besar "kolam gaji yang bisa dinilai ulang oleh AI".

Laporan mencocokkan tingkat paparan AI dari berbagai profesi dengan survei pekerjaan dan gaji Biro Statistik Tenaga Kerja Amerika Serikat (BLS) tahun 2025 (OEWS 2025) pada 830 posisi. Hasilnya, dari total pendapatan gaji USD 10,83 triliun di Amerika, menurut pengamatan nyata Anthropic, sekitar USD 1,45 triliun biaya gaji sudah berada dalam cakupan teknologi AI, yaitu 13,4%; jika menggunakan tolok ukur paparan teori OpenAI/Eloundou, potensi dampaknya bisa mencapai sekitar USD 5,68 triliun, melebihi 52%.

Berdasarkan jumlah pekerja, dari sekitar 156 juta tenaga kerja di Amerika, jumlah yang terpapar secara nyata sekitar 18,35 juta orang, yaitu 11,8%; jumlah terpapar secara teori mencapai sekitar 68,3 juta orang, yaitu 43,9%.

Laporan menekankan, USD 1,45 triliun biaya gaji harus dipahami sebagai "batas ideal pendapatan ARR pada tingkat penetrasi dan kemampuan teknologi saat ini", dan batas atas ini juga harus didiskon—perusahaan bisa jadi hanya perlu membelanjakan USD 10.000 untuk AI agar bisa menggantikan biaya tenaga kerja USD 100.000. Meskipun demikian, ARR perusahaan model besar saat ini yang bernilai ratusan juta dolar, jika dibandingkan dengan kolam gaji tersebut, tingkat penetrasinya masih sangat rendah.

Dampak AI Lebih Besar pada Gaji Tinggi, Pekerjaan Berbasis Pengetahuan jadi Target Utama

Berbeda dengan otomasi sebelumnya yang terutama berdampak pada industri manufaktur dan pekerjaan fisik berulang, gelombang AI kali ini lebih langsung menyentuh profesi bergaji tinggi, pekerjaan berbasis pengetahuan, dan industri jasa.

Data laporan menunjukkan, tingkat paparan teori profesi terhadap AI relatif lebih tinggi pada distribusi gaji tahunan—orang berpenghasilan tinggi menghadapi paparan AI lebih signifikan daripada kelompok berpenghasilan menengah dan rendah. Contoh profesi, kelompok dengan pendapatan terendah (seperti staf laundry, pembuat roti, montir ban) memiliki paparan AI yang rendah; sedangkan di kelompok berpenghasilan tinggi, Manajer Produk Keuangan (persentil pendapatan 96,6%, paparan 78,6%), Manajer HR (persentil pendapatan 95,3%, paparan 76%), dan Insinyur Dirgantara (persentil pendapatan 92,5%, paparan 89,3%) menghadapi risiko penggantian yang tinggi.

Dari sisi industri, tiga industri dengan paparan teori AI tertinggi adalah komputer dan matematika (87,6%), bisnis dan keuangan (78,2%), serta hukum (78,0%). Namun, urutan paparan nyata berbeda dengan teori, industri dengan paparan nyata tertinggi adalah komputer dan matematika (35,3%), dukungan administrasi kantor (33,2%), serta pekerjaan terkait penjualan (24,6%).

Perbedaan ini menunjukkan bahwa penggantian tenaga kerja oleh AI tidak semata-mata ditentukan oleh kemampuan model, tetapi juga dipengaruhi oleh sifat pekerjaan, tanggung jawab, dan proses organisasi. Industri hukum melibatkan koordinasi kepentingan, penilaian strategi litigasi, serta tanggung jawab seumur hidup; layanan keuangan bergantung pada hubungan pelanggan dan penilaian informasi non-standar; sebaliknya, profesi pemrograman yang objek kerjanya jelas dan rantai umpan baliknya pendek, penggantian nyata berjalan lebih cepat.

Industri Komputer "Setara", Industri Keuangan Sangat Terdiferensiasi

Dari 20 profesi dengan paparan nyata tertinggi, 8 diantaranya termasuk dalam kategori komputer dan matematika, melibatkan sekitar 1,59 juta orang, yaitu 30,2% dari total industri. Laporan menegaskan, untuk industri komputer, tidak ada hubungan pasti antara tinggi rendah gaji dengan paparan AI—semua sektor industri menghadapi dampak AI secara setara, sehingga memperlihatkan kerentanan industri terhadap evolusi teknologi.

Industri keuangan memperlihatkan pola berbeda yang sangat terfragmentasi. Karena sebagian pekerjaan harus memikul tanggung jawab (seperti audit, akuntansi), dan tingkat standarisasi hasil kerja berbeda-beda, industri keuangan secara keseluruhan memiliki paparan nyata lebih rendah, tetapi ada perbedaan internal yang jelas. Di antaranya, Market Research Analysts memiliki paparan nyata 64,8%, Financial and Investment Analysts 57,2%, menghadapi risiko penggantian yang tinggi; sedangkan posisi yang membutuhkan pemeliharaan hubungan pelanggan dan penilaian non-standar, paparannya relatif rendah.

Dari total gaji yang terpapar nyata, USD 1,45 triliun terutama terkonsentrasi pada lima industri besar: dukungan administrasi kantor (USD 289,6 miliar), bisnis dan keuangan (USD 247,4 miliar), posisi manajemen (USD 221,7 miliar), komputer dan matematika (USD 215,2 miliar), serta pekerjaan terkait penjualan (USD 199,5 miliar). Laporan menyimpulkan, hal ini memberikan arah bagi pengembangan bisnis model AI khusus ke sektor B: mengejar kepastian bisa fokus pada admin, komputer, keuangan yang sudah menunjukkan penggantian nyata; mengejar "terobosan bisnis dari nol menjadi satu" masih memungkinkan di bidang pendidikan dan diagnosis medis.

Penggantian Tidak Sama dengan Pengangguran, tetapi Rekonstruksi Gaji Sedang Berlangsung

Laporan membedakan dengan jelas antara "paparan" dan "penggantian": paparan berarti tugas bisa dibantu, diotomatisasi, atau diorganisasi ulang oleh AI, namun tidak berarti pendapatan gaji akan berkurang secara proporsional. Yang benar-benar menentukan dampak ekonomi AI adalah kecepatan adopsi perusahaan, batas kemampuan model, rekonstruksi proses organisasi, dan regulasi.

Namun, laporan juga menunjukkan bahwa dampak makro AI tidak akan sekadar berupa penurunan jumlah pekerjaan secara linier. Jalur yang lebih mungkin terjadi adalah: sebagian pekerjaan dengan satu tugas akan digantikan, banyak pekerjaan dengan multi tugas akan direstrukturisasi; sebagian biaya gaji akan dipangkas, lebih banyak proses kerja akan dinilai ulang. Khususnya karena AI Agent memiliki sifat "semakin tinggi gaji, semakin tinggi tingkat penggantian", potensi dampak AI terhadap sisi pendapatan konsumsi bisa jauh lebih besar.

Bagi investor, kesimpulan utama laporan adalah: ruang pertumbuhan pendapatan AI jangka menengah tidak hanya harus dipahami dari ukuran pasar perangkat lunak, tetapi harus dicari patokan dari kolam biaya tenaga kerja yang lebih besar. Saat ini tingkat penetrasi ARR perusahaan model besar masih sangat rendah, tetapi pada sisi lain, struktur gaji manusia sedang menghadapi rekonstruksi sistemik yang belum sepenuhnya dihargai.