AI Cost per Outcome — Cara yang Benar Menghitung ROI

Saya sering mendengar dua argumen yang sama-sama salah: "AI murah banget, pasti worth it" dan "AI bisa lebih mahal dari karyawan." Keduanya benar — tergantung bagaimana Anda menghitungnya.

Masalahnya adalah cara menghitung yang dipakai. Cost per token adalah satuan yang tidak bermakna untuk decision-maker bisnis. Yang bermakna adalah cost per outcome — berapa biaya AI untuk menyelesaikan satu unit kerja nyata.

Kenapa Cost per Token Menyesatkan

Analogi Sederhana

Membandingkan LLM berdasarkan harga per token seperti membandingkan taksi berdasarkan harga per meter — benar secara teknis, tapi tidak menceritakan berapa yang Anda bayar untuk sampai ke tujuan.

Dua model dengan harga token yang sama bisa menghasilkan cost per outcome yang sangat berbeda karena:

Jumlah token per task berbeda

Model yang lebih cerdas sering menggunakan lebih sedikit token untuk mencapai hasil yang sama — karena tidak perlu "berpikir keras" terlalu panjang. Model yang lebih murah per token tapi membutuhkan 3x lebih banyak token untuk task yang sama bisa lebih mahal per outcome.

Retry rate berbeda

Model yang menghasilkan output invalid lebih sering (format salah, hallucination, perlu re-prompt) menambah biaya tersembunyi. Model lebih mahal dengan retry rate 2% vs model lebih murah dengan retry rate 15% — kalkulasi ulang.

Human review rate berbeda

Output yang membutuhkan lebih banyak human review menambah biaya labor. Kalau 30% output butuh koreksi manual, total cost per outcome naik signifikan — bahkan mungkin lebih mahal dari tidak pakai AI sama sekali.

Cost per Outcome — Data Nyata untuk Konteks Indonesia

Berikut kalkulasi berdasarkan task yang umum, menggunakan benchmark Indonesia (UMR Jakarta, gaji rata-rata per sektor):

Task	AI Cost (Claude Haiku)	AI Cost (Claude Sonnet)	Human Cost	Rasio vs Human
Resolusi tiket support (1 tiket)	Rp 16	Rp 189	Rp 2.400	12–150x lebih murah
Draft proposal 2 halaman	Rp 315	Rp 1.890	Rp 284.000	150–900x lebih murah
Analisis laporan keuangan (10 hal.)	Rp 630	Rp 3.780	Rp 272.000	72–430x lebih murah
Terjemahan dokumen (1.000 kata)	Rp 70	Rp 420	Rp 34.000	81–490x lebih murah
Transkripsi meeting 1 jam (Whisper)	Rp 1.200	—	Rp 240.000	200x lebih murah
Generate code boilerplate (CRUD)	Rp 500	Rp 2.800	Rp 170.000 (2 jam dev junior)	60–340x lebih murah

⚠️ Tabel Ini Mengasumsikan Output Langsung Dipakai

Kalkulasi di atas adalah "best case" — AI menghasilkan output yang langsung usable tanpa human review signifikan. Jika 30% output butuh koreksi besar, divide savings-nya dengan faktor yang sesuai. Akurasi output adalah variabel paling kritis dalam kalkulasi ROI AI.

Biaya Tersembunyi yang Sering Lupa Dihitung

Iceberg of AI Total Cost

Formula ROI yang Bisa Dipresentasikan ke Klien

Formula · AI ROI Calculator

# Step 1: Hitung volume task yang akan diautomasi
tasks_per_month = 1000            # mis: tiket support per bulan
human_cost_per_task = 2400         # Rp: waktu karyawan per tiket
ai_cost_per_task = 200             # Rp: token cost per tiket (Haiku)

# Step 2: Hitung automation rate yang realistis
automation_rate = 0.70             # 70% tiket bisa di-handle AI tanpa eskalasi
review_rate = 0.20               # 20% perlu human review ringan (5 menit)
escalation_rate = 0.10            # 10% eskalasi ke manusia sepenuhnya
human_review_cost = 800           # Rp: 5 menit agent untuk review

# Step 3: Hitung true cost per bulan
ai_handled = tasks_per_month * automation_rate
reviewed = tasks_per_month * review_rate
escalated = tasks_per_month * escalation_rate

total_ai_cost = (
    (ai_handled * ai_cost_per_task) +
    (reviewed * (ai_cost_per_task + human_review_cost)) +
    (escalated * human_cost_per_task)          # eskalasi = full human cost
)
total_human_cost = tasks_per_month * human_cost_per_task

savings_monthly = total_human_cost - total_ai_cost
roi_percent = (savings_monthly / total_human_cost) * 100

# Hasil untuk 1000 tiket/bulan:
# Total AI cost:   Rp 392,000/bln
# Total human cost: Rp 2,400,000/bln
# Monthly savings:  Rp 2,008,000 (83.7% reduction)
# JANGAN lupa tambahkan: platform overhead (~Rp 500k-2jt/bln) dan engineering time

Kapan AI TIDAK Lebih Murah

Kondisi	Dampak pada ROI	Solusi
Volume rendah (<100 task/bulan)	Platform overhead melebihi savings	Tunda sampai volume naik, atau pakai shared platform
Task butuh domain expertise yang sangat spesifik	Human review rate tinggi → savings hilang	Fine-tune model atau hybrid: AI draft + expert review
Regulasi wajib human sign-off setiap keputusan	Savings terbatas pada drafting saja	AI untuk drafting dan research, human untuk approval
Kualitas output tidak konsisten (>20% retry)	Retry cost + human fix melebihi savings	Investasi di prompt engineering dan test harness dulu
Task yang butuh physical presence atau judgment situasional	AI tidak applicable	Tidak ada solusi AI — jangan dipaksakan

ROI AI bukan tentang apakah AI lebih murah per token — tapi apakah AI dapat menyelesaikan task nyata dengan kualitas yang cukup, dalam volume yang cukup, dengan overhead yang lebih rendah dari nilai yang dihasilkan.

Kesimpulan

Ganti framing dari "per token" ke "per outcome" dan tambahkan tiga komponen tersembunyi: human review cost, platform overhead, dan engineering maintenance. Dengan framing yang benar, AI hampir selalu menguntungkan untuk task yang bisa didefinisikan dengan jelas, volume tinggi, dan toleransi error yang masuk akal — dan sebaliknya untuk task yang tidak memenuhi ketiga kriteria itu.

#AIROi #TokenCost #AIAgent #Indonesia #CostAnalysis #Consulting