Pasar besar itu powerful, tapi belum tentu cukup

Kalau ratusan juta orang menggunakan produk digital, pasar itu otomatis menarik bagi perusahaan global. Mereka akan melokalkan bahasa, membuka kantor, menambah server, mencari mitra, membuat program pelatihan, dan menyesuaikan produk dengan kebutuhan Indonesia.

Semua itu positif.

Masalahnya muncul kalau aktivitas lokal berhenti di sisi konsumsi. Kita memakai model buatan luar, berjalan di chip buatan luar, memakai cloud global, membayar software global, dan menyerahkan layer hubungan pengguna ke platform global. Nilai tambah lokal akhirnya banyak terkonsentrasi di distribusi, integrasi, implementasi, dan layanan.

Itu bukan nilai kecil. Integrasi enterprise, consulting, data engineering, cybersecurity, lokalitas bahasa, dan aplikasi vertikal bisa menjadi bisnis besar. Tapi posisi ini berbeda dari negara atau perusahaan yang menguasai intellectual property inti, model foundation, chip, sistem cloud, atau infrastructure software.

Analogi paling gampang mungkin smartphone. Indonesia adalah pasar smartphone besar. Kita punya aktivitas manufaktur dan perakitan tertentu. Kita punya developer aplikasi dan ekosistem digital yang luas. Tapi sebagian besar nilai strategis sistem operasi, chipset, app ecosystem, dan desain perangkat tetap dikendalikan pemain global.

AI bisa mengulang pola serupa, dengan skala yang lebih dalam.

Produksi AI itu mahal banget

Kenapa nggak tinggal bikin model sendiri?

Karena membuat model frontier bukan proyek startup biasa. Dibutuhkan compute besar, data berkualitas, tim riset kelas dunia, sistem evaluasi, keamanan, distribusi, dan modal yang tahan dibakar dalam waktu panjang. Biaya bukan cuma training satu model. Model harus terus diperbarui, dioptimalkan, diuji, disajikan ke pengguna, dan bersaing dengan produk global yang juga berkembang setiap beberapa bulan.

Bahkan negara dengan ekosistem teknologi kuat pun harus memilih di bagian mana mereka ingin bersaing.

Indonesia pada 2026 sedang mempercepat pembicaraan tentang data center, AI, semikonduktor, dan talenta digital. Pemerintah juga menyebut pipeline investasi data center yang sangat besar dibanding kapasitas terpasang saat ini. Ini bisa memperkuat fondasi. Tapi punya banyak data center belum otomatis membuat kita produsen AI.

Data center adalah tempat compute berada. Produksi AI membutuhkan kemampuan menggunakan compute itu untuk menciptakan teknologi, produk, dataset, model, atau sistem yang punya nilai sendiri.

Di sinilah perbedaan antara hosting dan creating menjadi penting.

Kalau semua GPU dipakai untuk melayani workload perusahaan asing, Indonesia tetap mendapat investasi, pekerjaan, pajak, dan infrastruktur. Tapi nilai strategisnya berbeda dibanding kalau compute lokal juga melahirkan perusahaan AI, riset, model bahasa, sistem industri, atau intellectual property yang bisa diekspor.

Kita nggak harus punya versi lokal dari semua perusahaan AI global

Diskusi ini gampang nyasar ke ekstrem. Seolah kalau Indonesia tidak punya foundation model yang mengalahkan pemain Amerika atau China, berarti kita gagal.

Nggak begitu.

Negara bisa membangun kapabilitas AI tanpa harus menang di setiap layer. Justru strategi yang realistis adalah memilih layer yang punya peluang ekonomi dan keunggulan lokal.

Bahasa Indonesia dan ratusan bahasa daerah adalah salah satu contoh. Model global makin bagus memahami bahasa Indonesia, tapi masih banyak ruang untuk data berkualitas, evaluasi lokal, konteks hukum, pendidikan, administrasi, kesehatan, pertanian, budaya, dan bahasa daerah.

Industri Indonesia juga punya problem yang sangat spesifik. Logistik antarpulau, rantai pasok komoditas, manufaktur padat karya, layanan keuangan untuk segmen luas, UMKM, administrasi pemerintahan, dan kebutuhan konsumen lokal menciptakan ruang untuk AI yang nggak harus berupa foundation model raksasa.

Perusahaan lokal bisa menang di application layer, vertical AI, agent workflow, data infrastructure, security, evaluation, atau deployment. Kalau dilakukan serius, layer-layer ini bisa menghasilkan produk yang bukan sekadar reseller teknologi global.

Contohnya sederhana. Sebuah perusahaan Indonesia mungkin memakai model open-weight dari luar, menjalankannya pada cloud lokal, fine-tune atau menghubungkannya dengan data industri sendiri, membuat sistem evaluasi bahasa Indonesia, lalu menjual solusi ke bank atau perusahaan logistik. Apakah model dasarnya buatan Indonesia? Tidak. Apakah nilai produknya bisa benar-benar dibuat di Indonesia? Bisa.

Ini pola yang jauh lebih realistis daripada memaksa semua pemain lokal menjadi lab frontier AI.

Open model mengubah hitungannya

Munculnya model yang bobotnya bisa diakses dan dijalankan sendiri membuat jalur produksi AI lebih terbuka. Perusahaan atau institusi tidak selalu harus memulai dari nol. Mereka bisa membangun di atas model yang sudah ada.

Itu penting untuk negara berkembang karena barrier masuk menjadi lebih rendah. Tantangannya pindah dari “bisakah kita melatih model dari nol?” menjadi “bisakah kita mengambil teknologi global dan menambahkan keunggulan lokal yang sulit ditiru?”

Kalau jawabannya iya, Indonesia nggak perlu menunggu lahirnya satu juara nasional raksasa untuk mulai menangkap value.

Tapi open model bukan shortcut ajaib. Tetap dibutuhkan engineer, data, compute, evaluasi, security, dan pemahaman domain. Kalau perusahaan cuma download model lalu bikin wrapper tipis, moat-nya kecil. Begitu platform global menawarkan fitur serupa, bisnisnya bisa hilang.

Data lokal bisa menjadi aset, tapi hanya kalau dikelola benar

Indonesia menghasilkan volume data yang besar dari transaksi, mobilitas, layanan publik, industri, konten, dan aktivitas digital. Sering muncul klaim bahwa “data adalah minyak baru”. Kalimat itu sudah terlalu sering dipakai sampai kehilangan makna.

Yang lebih relevan adalah kualitas data dan hak untuk menggunakannya.

Data mentah yang berantakan, tidak konsisten, tidak punya izin penggunaan, atau tidak bisa diakses lintas sistem bukan aset AI yang hebat. Bahkan bisa menjadi liability.

Perusahaan Indonesia yang ingin membangun capability AI perlu membereskan governance datanya. Siapa pemilik data? Apakah boleh digunakan untuk training atau inference? Bagaimana data sensitif dilindungi? Apakah formatnya konsisten? Apakah ada lineage? Apakah output AI bisa diaudit?

Ini kedengarannya nggak sekeren bikin model baru. Tapi justru di sini banyak value enterprise akan terbentuk.

Talenta menentukan apakah kita hanya menjadi operator

Kalau investasi data center meningkat tapi talenta lokal tidak naik kelas, risiko lainnya muncul: Indonesia menjadi lokasi infrastruktur sementara skill bernilai tinggi tetap terkonsentrasi di luar negeri.

Kita tetap butuh teknisi data center, tentu. Tapi rantai talenta harus naik sampai cloud architecture, distributed systems, AI engineering, model evaluation, applied research, chip design, data governance, cybersecurity, dan product management.

Universitas juga perlu menghindari jebakan kurikulum yang selalu tertinggal dua tahun. Dunia AI bergerak terlalu cepat untuk model pendidikan yang hanya mengajarkan tool tertentu. Mahasiswa perlu fondasi matematika, statistik, coding, systems thinking, kemampuan riset, dan kemampuan bekerja dengan AI secara kritis.

Di sisi lain, nggak semua talenta harus menjadi engineer. Indonesia butuh lawyer yang ngerti AI, auditor yang bisa mengevaluasi sistem AI, product manager yang memahami risiko model, orang kebijakan yang paham compute, serta pemimpin bisnis yang bisa membedakan demo keren dari capability yang benar-benar menghasilkan uang.

Kalau layer manusianya kuat, teknologi asing bisa menjadi bahan baku. Kalau layer manusianya lemah, teknologi asing hanya menjadi barang konsumsi.

Jakarta memperlihatkan dua dunia sekaligus

Coba lihat kehidupan bisnis di Jakarta. Di satu sisi, startup, agency, bank, retailer, konsultan, media, sampai UMKM sudah memakai AI untuk kerja sehari-hari. Orang di Senopati bisa bikin campaign dengan model Amerika, tim di Tebet bisa otomatisasi customer service dengan API global, mahasiswa di Depok atau Jakarta Selatan bisa bikin aplikasi dalam semalam dengan coding agent.

Adopsinya nyata.

Tapi di sisi lain, sebagian besar orang tidak terlalu peduli model itu dijalankan di mana, siapa yang memiliki infrastrukturnya, bagaimana pricing ditentukan, atau apakah produk yang mereka bangun punya ketergantungan terlalu besar pada satu vendor.

Selama biaya murah dan produknya bagus, itu rasional.

Masalah baru terasa ketika harga API naik, terms berubah, model dihentikan, akses fitur dibatasi, data tidak boleh keluar wilayah tertentu, atau produk global masuk langsung ke niche yang sebelumnya diisi startup lokal.

Di situlah capability sendiri mulai terasa penting.

Menjadi pasar besar tetap punya daya tawar

Jangan salah, ukuran pasar adalah aset strategis. Perusahaan global tidak bisa mengabaikan ratusan juta konsumen. Pemerintah bisa menggunakan market access sebagai leverage untuk mendorong investasi, data center lokal, transfer kemampuan, program riset, kemitraan universitas, atau pengembangan talent.

Tapi leverage hanya berguna kalau dipakai dengan strategi yang jelas.

Kalau targetnya sekadar mengejar angka investasi, kita mungkin berhasil mendapatkan bangunan dan server. Kalau targetnya membangun ekonomi AI, indikatornya harus lebih luas: berapa banyak produk lokal yang lahir, berapa banyak intellectual property yang dibuat, berapa banyak engineer lokal naik kelas, berapa banyak perusahaan Indonesia mengekspor layanan AI, dan seberapa besar ketergantungan pada satu atau dua platform.

Kita juga perlu realistis bahwa kedaulatan teknologi bukan berarti semuanya harus buatan lokal. Hampir semua sistem teknologi modern bergantung pada rantai pasok global. Yang lebih masuk akal adalah punya pilihan, punya kemampuan untuk berpindah, punya kompetensi untuk membangun bagian strategis, dan nggak menjadi pengguna pasif.

Risiko terbesar bukan memakai AI asing

Risiko terbesar adalah berhenti pada pemakaian.

Kalau perusahaan Indonesia hanya menjadi pembeli subscription, pekerja hanya menjadi operator prompt, dan pemerintah hanya menjadi fasilitator investasi infrastruktur, ekonomi kita bisa sangat digital tanpa benar-benar menguasai banyak value baru yang tercipta.

Sebaliknya, kalau teknologi global dipakai sebagai leverage untuk membangun aplikasi lokal, data capability, talenta, riset, infrastruktur, dan produk yang bisa dijual kembali ke dunia, posisi kita berubah.

Indonesia nggak harus memilih antara menolak AI global atau membangun semuanya sendiri. Pilihannya jauh lebih strategis: di layer mana kita ingin menjadi konsumen, di layer mana kita ingin menjadi partner, dan di layer mana kita harus punya kemampuan sendiri.

Menjadi pasar AI besar hampir pasti terjadi kalau tren sekarang berlanjut. Menjadi produsen AI besar belum tentu.

Dan mungkin target terbaik bukan mengejar label “produsen besar” demi gengsi. Targetnya adalah memastikan bahwa ketika nilai ekonomi AI tumbuh, cukup banyak bagian penting dari nilai itu dibuat, dimiliki, dan dikembangkan oleh orang serta perusahaan Indonesia.

Kalau nggak, kita akan punya pengalaman AI kelas dunia di layar, tapi neraca nilainya tetap berat ke luar negeri.