Ada angka yang lebih jujur daripada persentase adopsi: 47 persen perusahaan yang mengaku mengadopsi AI tidak mampu mengukur dampaknya secara andal. Dua angka ini keluar dari panggung yang sama — AWS Summit 2026 Jakarta, awal Agustus — dengan jeda beberapa slide, dan tidak ada satu pun audiens yang tampak terganggu oleh kontradiksi yang berdiri di antara keduanya. Dalam istilah infrastruktur, ini adalah sistem yang scaling-nya mulus, sementara observability-nya tidak pernah ikut di-deploy.
Country Manager AWS Indonesia, Anthony Amni, membuka paparannya dengan lintasan yang mengesankan: adopsi AI untuk bisnis di Tanah Air melonjak dari 28 persen pada 2025 menjadi 40 persen pada 2026. Dari total pengadopsi, 44 persen mengaku telah mengoperasikan AI pada tingkat produksi skala penuh. Enam dari sepuluh perusahaan yang disurvei sedang bergerak menuju Agentic AI. Efisiensi operasional naik 47 persen, produktivitas tenaga kerja naik 76 persen — naik dari 68 persen tahun lalu — dan siklus inovasi memendek 72 persen. Angka-angka yang, jika benar, akan membuat sebagian besar data center di belahan bumi lain iri.
Telemetri yang Tidak Pernah Ikut Scale
Dalam arsitektur sistem, ada perbedaan fundamental antara workload yang berjalan dan workload yang terukur. Yang pertama hanya butuh sumber daya; yang kedua butuh pipeline telemetri, tracing, dan dasbor yang menampilkan sesuatu selain keyakinan. Angka 47 persen yang tidak bisa mengukur ROI menempatkan hampir separuh pengadopsi Indonesia pada kategori pertama: proses berjalan, log tidak dibaca.
Yang menarik bukanlah kegagalannya — melainkan ketenangan yang menyertainya. Di banyak organisasi, laporan AI ke direksi masih berbentuk demo, screenshot, dan klaim efisiensi yang tidak bisa di-reproduce. Ini bukan failure mode yang baru; ini default behavior yang diberi nama baru. Ketika sebuah sistem di-deploy ke produksi tapi tidak memiliki satu metrik pun yang bisa diverifikasi dari luar, pertanyaan yang lebih tepat bukanlah “berapa dampaknya”, melainkan “apakah sistem ini pernah benar-benar berjalan”.
Keyakinan sebagai Metrik
Sektor startup menyumbang bagian paling spektakuler dari paparan itu: proyeksi pertumbuhan pendapatan hingga 140 persen, probabilitas 48 kali lebih tinggi untuk menembus pendapatan USD 1 miliar, dan 97 persen optimisme bahwa adopsi AI akan menaikkan pendapatan signifikan tahun depan. Dalam terminologi telemetri, ini adalah sentiment metric yang diukur dengan presisi palsu — dikumpulkan dari orang yang sama yang key performance indicator-nya ditentukan oleh angka itu.
Signal-to-noise ratio-nya rendah. Optimisme 97 persen bukan signal; dia noise beramplitudo tinggi yang secara konsisten dihasilkan oleh endpoint yang tidak pernah diverifikasi. Di lokalitas terbatas, angka seperti ini punya fungsi infrastruktur tersendiri: dia menjadi bahan presentasi, bahan pitch deck, bahan narasi pertumbuhan — jarang menjadi bahan keputusan alokasi yang bisa diaudit. Metrik yang tidak bisa di-reproduce bukan metrik; dia cuma log line yang ditulis sebelum kejadian.
Ekonomi Unit per Token
Ada satu telemetri yang akhirnya benar-benar dibaca oleh direksi: invoice. Biaya konsumsi token dan akses API mulai menjadi perhatian serius di tingkat dewan seiring naiknya skala penggunaan. Ini perkembangan yang jujur — setelah bertahun-tahun diskusi soal dampak bisnis yang tak terukur, satu-satunya metrik yang diukur secara near real-time adalah biaya yang muncul di tagihan.
Respons industri sudah standar. AWS menawarkan strategi over-the-wave models: padukan model berukuran sedang yang hemat biaya untuk tugas rutin, dan alokasikan model berkapasitas tinggi hanya untuk tugas kritis. Dalam istilah infrastruktur, ini adalah traffic shaping dan load balancing antar model — resource allocation berdasarkan profil tugas, bukan berdasarkan gengsi. Masuk akal secara teknis. Ironinya nyaris tak terlihat: perusahaan yang tidak bisa mengukur nilai bisnis dari AI diminta mengoptimalkan biaya yang memang bisa diukur — seolah-olah satu-satunya output yang sah dari sistem ini adalah yang tercetak di lembar tagihan.
Produksi yang Didefinisikan oleh Penjual
Angka 44 persen “produksi skala penuh” perlu dibaca dengan hati-hati. Di panggung vendor, produksi sering kali berarti layanan yang dikonsumsi — API call yang berhasil, token yang terpakai, instance yang menyala. Di panggung yang sama, definisi itu tidak pernah dipertanyakan. Sementara itu, data global bercerita lain: Gartner mencatat 80 persen aplikasi enterprise kini menanamkan agen AI, tapi S&P Global hanya menemukan 31 persen organisasi yang benar-benar menjalankan agen di produksi, dan 88 persen pilot tidak pernah dipromosikan ke produksi.
Selisih antara 44 persen dan 31 persen ini bisa berarti Indonesia lebih cepat — atau bisa berarti kata “produksi” lebih elastis di ruang operasional yang terbatas. Survei Writer menambahkan lapisan lain: 75 persen eksekutif mengakui strategi AI mereka lebih untuk pamer, dan 35 persen tidak bisa langsung mencabut plug agen yang berulah. Dalam arsitektur sistem, kill switch yang kuncinya hilang bukanlah kill switch — dia cuma dead code yang menunggu audit.
Log ditutup. Angka 40 persen akan terus naik dan angka 47 persen akan bertahan — dua proses di kernel yang sama, saling mengunci sumber daya, tidak pernah membaca log satu sama lain. Deployment selesai. Observability menyusul, atau tidak.