Havedev
AI Tidak Hanya Butuh Model Besar, AI Butuh Listrik yang Besar
Microsoft dan Chevron mengumumkan rencana untuk mengembangkan pembangkit listrik berbahan bakar gas alam berkapasitas 2,67 gigawatt di West Texas. Listrik dari proyek ini akan dipakai untuk melayani data center AI dan cloud yang dioperasikan Microsoft.
Kesepakatannya bukan kecil. Microsoft akan membeli listrik dari pembangkit tersebut selama 20 tahun. Sebagian besar daya akan dihasilkan oleh dua turbin besar GE Vernova, dengan tambahan kapasitas dari Solar Turbines, anak perusahaan Caterpillar.
Chevron menyebut proyek ini sebagai salah satu pengembangan terbesar di Amerika Serikat yang menggabungkan pembangkit gas alam dan data center dalam satu lokasi.
Di permukaan, berita ini bisa dibaca sebagai kabar infrastruktur biasa. Perusahaan teknologi butuh listrik, perusahaan energi menyediakan listrik, lalu data center berjalan.
Tetapi di baliknya ada pesan yang lebih besar: AI tidak hanya bersaing di model, chip, dan aplikasi. AI juga bersaing di listrik.
The Core Update
Selama beberapa tahun terakhir, percakapan tentang AI lebih banyak berputar di sekitar model yang lebih pintar, GPU yang lebih mahal, dan aplikasi yang lebih cepat masuk ke workflow bisnis.
Namun rencana Microsoft dan Chevron menunjukkan sisi lain yang sering kurang dibahas: kapasitas komputasi hanya bisa tumbuh jika kapasitas energi ikut tersedia.
Data center AI membutuhkan daya yang sangat besar. Bukan hanya untuk menjalankan server, tetapi juga untuk pendinginan, jaringan, redundancy, dan operasi 24 jam. Ketika kebutuhan ini naik tajam, perusahaan teknologi tidak bisa hanya mengandalkan janji efisiensi software.
Mereka harus memastikan listriknya ada.
Itulah mengapa proyek seperti ini penting. Microsoft tidak sekadar membeli listrik dari pasar secara biasa. Mereka masuk ke perjanjian jangka panjang selama 20 tahun untuk pasokan listrik khusus bagi data center.
Artinya, AI mulai mendorong keputusan infrastruktur yang sifatnya sangat fisik, mahal, dan panjang umurnya.
Bagi banyak orang, AI terasa seperti produk digital yang ringan: prompt, chatbot, agent, automation, dan dashboard. Tetapi di belakang layar, semua itu membutuhkan tanah, jaringan listrik, turbin, air, pendinginan, izin, dan kontrak energi.
Semakin besar ambisi AI, semakin besar juga jejak infrastrukturnya.
The Reality Check
Ada bagian yang perlu dibaca dengan hati-hati. Microsoft selama ini cukup vokal soal komitmen sustainability, termasuk target menghapus emisi karbonnya pada 2030.
Rencana pembangkit gas alam baru tentu membuat target seperti itu lebih sulit dijelaskan.
Menurut Environmental Integrity Project, Project Kilby berpotensi menghasilkan lebih dari 13 juta ton karbon dioksida, 3.200 ton polutan udara kriteria, dan 278.000 pon polutan udara berbahaya.
Ini bukan angka kecil.
Di sinilah realitas AI mulai bertemu dengan trade-off yang tidak nyaman. Di satu sisi, perusahaan teknologi ingin membangun layanan AI yang lebih besar, lebih cepat, dan lebih tersedia. Di sisi lain, kebutuhan energi dari layanan itu bisa mendorong keputusan yang bertentangan dengan narasi keberlanjutan.
Ini bukan berarti semua investasi AI otomatis buruk. Tetapi ini mengingatkan bahwa AI bukan teknologi tanpa biaya.
Biayanya tidak hanya muncul di tagihan cloud. Biayanya juga muncul di infrastruktur energi, emisi, risiko regulasi, dan tekanan terhadap jaringan listrik.
Untuk bisnis, pelajaran pentingnya bukan hanya soal Microsoft atau Chevron. Pelajarannya adalah: setiap keputusan digital yang terlihat modern tetap punya konsekuensi operasional yang nyata.
Perusahaan bisa berkata ingin memakai AI untuk efisiensi. Tetapi kalau implementasinya tidak dihitung dengan benar, biaya cloud bisa naik, proses bisa makin kompleks, dan ketergantungan pada vendor bisa makin besar.
Skalanya berbeda, tetapi polanya mirip.
Banyak bisnis kecil dan menengah tidak sedang membangun data center. Tetapi mereka tetap bisa jatuh ke masalah yang sama dalam versi lebih kecil: memakai teknologi karena terlihat canggih, tanpa menghitung kebutuhan dasar di belakangnya.
Misalnya:
- memakai AI chatbot tanpa menyiapkan alur eskalasi ke manusia
- memakai automation tanpa data yang rapi
- memakai dashboard tanpa definisi status yang jelas
- memakai banyak SaaS tanpa menghitung biaya jangka panjang
- memakai AI di operasional tanpa aturan kualitas dan review
Teknologi terlihat membantu di awal. Tetapi kalau fondasinya tidak siap, biaya dan risiko baru muncul setelah volume naik.
AI tidak menghapus kebutuhan akan struktur. AI justru membuat struktur menjadi lebih penting.
The Havedev Way
Dari sudut pandang Havedev, berita ini menunjukkan satu hal yang perlu diingat oleh bisnis: transformasi digital tidak boleh hanya dilihat dari sisi fitur.
Fitur memang penting. AI bisa membantu membuat draft, menjawab pertanyaan pelanggan, membaca dokumen, merangkum percakapan, mengelompokkan lead, dan mempercepat pekerjaan rutin.
Tetapi sebelum masuk terlalu jauh, bisnis perlu bertanya lebih dulu:
- proses mana yang benar-benar layak dibantu AI?
- data apa yang dibutuhkan agar AI tidak menebak terlalu banyak?
- siapa yang memeriksa hasilnya?
- apa dampaknya ke biaya operasional?
- apa risiko jika sistem salah menjawab atau salah membaca konteks?
- kapan pekerjaan harus kembali ke manusia?
Pertanyaan seperti ini terdengar kurang menarik dibanding demo AI yang cepat. Tetapi justru di sinilah implementasi menjadi sehat.
Untuk banyak bisnis, langkah awal yang lebih masuk akal bukan langsung membangun sistem AI besar. Mulai dari alur yang paling dekat dengan pelanggan dan pendapatan.
Contohnya:
- lead dari website atau WhatsApp
- pertanyaan pelanggan yang sering berulang
- follow-up sales
- ringkasan meeting atau call
- klasifikasi pesan masuk
- pencarian informasi internal
- laporan operasional sederhana
Dari sana, bisnis bisa melihat apakah AI benar-benar membantu atau hanya menambah lapisan baru yang harus diawasi.
Prinsipnya sederhana: jangan memakai AI untuk menutupi proses yang belum jelas.
Kalau status lead masih kabur, AI hanya akan mempercepat kebingungan. Kalau data pelanggan tidak rapi, AI akan memberi jawaban yang terlihat percaya diri tetapi bisa keliru. Kalau tidak ada pemilik tindak lanjut, automation hanya memindahkan pekerjaan dari manusia ke sistem yang tidak diawasi.
Berita Microsoft dan Chevron adalah versi besar dari pelajaran yang sama. Teknologi digital selalu membutuhkan fondasi nyata. Untuk hyperscaler, fondasinya bisa berupa pembangkit listrik gigawatt. Untuk bisnis biasa, fondasinya bisa berupa data yang rapi, alur kerja yang jelas, dan keputusan teknis yang tidak hanya ikut tren.
AI akan terus berkembang. Kebutuhan infrastrukturnya juga akan terus membesar.
Karena itu, pertanyaan yang lebih sehat bukan sekadar “bisnis kita sudah pakai AI atau belum?”
Pertanyaan yang lebih penting adalah: “bagian mana dari bisnis kita yang sudah cukup siap untuk dibantu AI tanpa menambah risiko baru?”
Jika jawabannya belum jelas, mulai dari audit proses. Lihat alur lead, support, order, laporan, dan pekerjaan rutin yang paling sering memakan waktu. Setelah itu baru tentukan apakah solusinya perlu AI, automation sederhana, dashboard, integrasi tool, atau cukup perbaikan struktur kerja.
AI yang baik bukan hanya yang terlihat canggih. AI yang baik adalah AI yang masuk ke proses yang tepat, dengan data yang cukup, biaya yang masuk akal, dan batas tanggung jawab yang jelas.
Dapatkan Audit Teknis Gratis untuk meninjau apakah proses digital, website, dan workflow bisnis Anda sudah cukup siap sebelum menambahkan AI atau automation baru.
Sumber referensi berita: TechCrunch