Jensen Huang Menantang Kepanikan AI yang Tidak Rasional di Pasar: Mengapa SaaS Tidak Akan Runtuh

Kejadian keruntuhan pasar baru-baru ini yang dipicu oleh peluncuran alat tinjauan hukum Anthropic telah mengungkap pola yang mengkhawatirkan di Wall Street—para investor bereaksi terhadap perubahan teknologi dengan kepanikan refleksif daripada analisis rasional. Ketika pembaruan produk sederhana dapat menghapus nilai pasar sebesar $300 miliar di saham perangkat lunak, ada sesuatu yang secara fundamental salah dengan cara pasar menilai dampak nyata AI terhadap perangkat lunak perusahaan. Jensen Huang, CEO Nvidia dan suara berpengalaman tentang kemampuan dan keterbatasan AI, secara terbuka menolak kepanikan ini sebagai “yang paling tidak logis di dunia,” menawarkan perspektif yang layak dipertimbangkan serius di luar keributan volatilitas jangka pendek.

Pemicu: Alat Anthropic dan Narasi Kiamat Wall Street

Peluncuran kemampuan tinjauan hukum Anthropic memicu analis di Jefferies menyebutnya dengan frasa dramatis: “kiamat SaaS.” Pasar menafsirkan ini sebagai ancaman eksistensial bagi penyedia perangkat lunak profesional. Raksasa perangkat lunak—dari Relx Inggris dan Experian Irlandia hingga SAP Jerman, ServiceNow Amerika, dan Synopsys—semua mengalami penjualan besar-besaran saat investor melarikan diri karena ketakutan. Asumsi yang berlaku sederhana: jika AI dapat meninjau dokumen hukum, maka ia bisa menggantikan perangkat lunak khusus yang diandalkan perusahaan, dan bersama itu, margin keuntungan yang membuat perusahaan-perusahaan ini bernilai. Reaksi yang cepat dan parah ini mengejutkan banyak pengamat industri. Di sinilah sebuah pembaruan produk—bukan revolusi pasar—memicu penilaian ulang lengkap terhadap kelayakhidupan seluruh sektor.

Argumen Balasan Jensen Huang: AI Tidak Bisa Menangani Gambaran Perusahaan Secara Menyeluruh

Respons Jensen Huang terhadap kepanikan ini menembus keributan dengan wawasan mendasar: semakin mampu AI umum tidak berarti perusahaan akan berhenti membutuhkan perangkat lunak vertikal yang khusus. Kemampuan Claude atau model AI lain untuk memindai dan merangkum dokumen hukum sedang dikonflasikan dengan kemampuan untuk menggantikan platform manajemen risiko hukum yang komprehensif—sebuah overestimasi besar terhadap kemampuan AI saat ini.

Pertimbangkan apa yang sebenarnya dilakukan perangkat lunak perusahaan di luar tinjauan dokumen. Perangkat lunak hukum profesional menangani mekanisme pengendalian risiko, mengelola alur kerja yang kompleks, menegakkan struktur akuntabilitas, dan menyediakan dukungan purna jual serta panduan ahli. Ketika sistem penting gagal atau muncul sengketa yang membutuhkan penilaian bernuansa, perusahaan membutuhkan tim dukungan khusus dengan keahlian industri, bukan chatbot generik yang hanya memberikan analisis permukaan.

Analogi Jensen Huang sangat tepat: tidak ada yang akan menciptakan kembali obeng secara keseluruhan hanya karena mereka perlu mengencangkan satu sekrup. Strategi Anthropic yang berusaha menggantikan raksasa perangkat lunak yang sudah mapan sepenuhnya melewatkan inti masalah. Jalur yang lebih logis dan akhirnya lebih menguntungkan adalah menjual kemampuan AI kepada pemain yang sudah ada, mengubah mereka menjadi klien dan mitra, bukan pesaing. Pendekatan ini—memberdayakan platform yang ada dengan peningkatan AI daripada penggantian—sudah terbukti berhasil. Perusahaan seperti Canva dan Replit menunjukkan model ini dengan mengintegrasikan AI sebagai lapisan asisten, bahkan Replit melisensikan model dasar Anthropic untuk meningkatkan efisiensi alur kerja.

Pola Berulang: Mengapa Wall Street Terus Salah Menilai AI

Ini bukan kali pertama pasar bereaksi berlebihan terhadap gangguan teknologi yang menurut logika Jensen Huang adalah keliru. Analisis Bloomberg menyoroti pola yang mengkhawatirkan dari paralel sejarah:

Ketika Amazon mengumumkan ekspansi ke bidang kesehatan, saham terkait langsung anjlok. Ketika Facebook meluncurkan fitur kencan, kapitalisasi pasar Match Group menguap sebesar 20% dalam sekejap. Baru-baru ini, saat Google meluncurkan Project Genie untuk pembuatan game, saham game secara kolektif kehilangan $40 miliar nilai, dengan harga saham Take-Two Interactive turun hampir 8%. Logika dasar di balik semua ini sama: teknologi baru membuat model bisnis kita usang. Namun dalam banyak kasus, prediksi suram tersebut gagal terwujud seperti yang diperkirakan.

Seperti yang dicatat analis JPMorgan dalam penilaian mereka, saham perangkat lunak sedang “dinilai sebelum sidang.” Wall Street tampaknya secara kronis gagal membedakan antara kemampuan teknologi dan gangguan pasar. Pergerakan pasar berganti antara kepanikan ekstrem dan euforia irasional, jarang menetap pada penilaian yang tenang dan analitis. Ini menunjukkan adanya masalah struktural yang lebih dalam dalam cara investor institusional menilai peran AI di industri tertentu.

Mengapa Logika “AI Akan Menggantikan Segalanya” Gagal Saat Diperiksa

Argumen bahwa SaaS menghadapi kepunahan segera memerlukan penerimaan premis yang lebih luas dan tidak nyaman: bahwa AI akhirnya akan mengganggu segalanya—perangkat lunak, tenaga kerja, kreativitas, bahkan alokasi modal itu sendiri. Jika seseorang benar-benar percaya bahwa gangguan universal ini tak terelakkan, pertanyaan logis berikutnya adalah: mengapa industri lain tidak ditinggalkan secara brutal? Mengapa kepanikan ini secara khusus terkonsentrasi di perangkat lunak padahal secara teori setiap sektor menghadapi ancaman eksistensial yang serupa?

Ketidakkonsistenan ini menunjukkan kesalahpahaman mendasar tentang apa yang sebenarnya diwakili perangkat lunak profesional di luar kode.

Tantangan tingkat kode memang nyata tetapi tidak cukup. AI memang dapat menghasilkan kode perangkat lunak yang berfungsi dan bahkan menciptakan perangkat lunak dengan 90% kesamaan fitur dengan platform yang ada. Tetapi hambatan perangkat lunak B2B jauh melampaui kode sumber. Mereka meliputi hubungan dengan ribuan klien perusahaan, wawasan industri mendalam yang dikumpulkan selama bertahun-tahun, dan yang tak kalah penting, struktur tanggung jawab dan akuntabilitas. Ketika perangkat lunak gagal, perusahaan membutuhkan seseorang yang bisa dihubungi—tim dukungan yang memahami konfigurasi spesifik mereka, kebutuhan industri, dan konteks bisnis.

Hambatan arsitektur dan infrastruktur sangat besar. Pertimbangkan arsitektur penyebaran data multi-cloud Snowflake atau infrastruktur kolaborasi berbasis cloud Adobe. Produk-produk ini memberikan nilai jauh di luar kode mereka melalui protokol keamanan canggih, kolaborasi real-time lintas wilayah, dan integrasi ke dalam ekosistem perusahaan yang kompleks. Bisakah AI menghasilkan perangkat lunak dengan fungsi setara? Mungkin. Tapi bisakah perangkat lunak yang dihasilkan itu menavigasi audit keamanan, terintegrasi secara mulus ke dalam lingkungan cloud heterogen, dan beroperasi secara andal di berbagai yurisdiksi dan platform? Tantangan arsitektur ini tetap sebagian besar belum terselesaikan oleh pendekatan generasi kode saat ini.

Risiko kepatuhan dan kekayaan intelektual adalah garis merah yang tidak bisa dinegosiasikan. Perusahaan menilai akuisisi perangkat lunak dari sudut pandang mitigasi risiko. Ketika mengadopsi kode yang dihasilkan AI, pertanyaan mendasar tetap belum terjawab: Apakah kode yang dihasilkan melanggar paten yang ada? Apakah alur kerjanya mematuhi regulasi industri tertentu? Ini adalah tanggung jawab besar yang sulit distandarisasi dan bahkan lebih sulit diperbaiki. Bagi perusahaan multinasional, biaya migrasi ke perangkat lunak yang dihasilkan AI dan kemudian menemukan pelanggaran paten atau ketidakpatuhan regulasi akan jauh melebihi penghematan langganan perangkat lunak apa pun.

Di Mana AI Benar-Benar Menambah Nilai: Peningkatan, Bukan Penggantian

Untuk jelas, ada kasus penggunaan nyata di mana solusi yang dihasilkan AI masuk akal. Aplikasi yang berorientasi konsumen dan skenario ringan di mana risiko hukum dan standar profesional lebih rendah mungkin memang menggantikan kategori perangkat lunak khusus tertentu. Kalkulasi ini berubah secara dramatis dalam konteks ini.

Namun dalam pengaturan perusahaan profesional, jalur yang canggih adalah peningkatan berbasis AI daripada penggantian total. Integrasi Copilot oleh Microsoft ke dalam Dynamics 365 menggambarkan prinsip ini. Secara historis, data perusahaan tersebar di SAP ERP, log komunikasi Teams, sistem telepon Cisco, dan dokumen Office. Menghubungkan sistem-sistem ini memerlukan alur kerja manual yang luas dan koordinasi lintas departemen. Sekarang, melalui integrasi yang didukung AI, pengguna dapat mengeluarkan perintah bahasa alami seperti “Kirim rincian biaya Xbox kuartal terakhir ke Satya Nadella dan rekomendasikan apakah peluncuran produk generasi berikutnya harus ditargetkan tahun 2026.”

Ini adalah peningkatan efisiensi yang nyata: proses multi-langkah yang kompleks menjadi satu kueri bahasa alami. Tapi perhatikan apa yang belum berubah—arsitektur perusahaan, kerangka kepatuhan, dan struktur tanggung jawab tetap utuh. Copilot beroperasi dalam batasan ini, meningkatkan kemampuan manusia daripada menggantikan sistem struktural.

Bisakah perangkat lunak yang dihasilkan melalui chatbot AI mencapai tingkat kecanggihan ini? Bisakah mengatasi tantangan sekaligus dari generasi kode, risiko paten, audit keamanan, dan integrasi sistem perusahaan? Jawabannya, untuk masa depan yang dapat diperkirakan, tampaknya tidak.

Putusan Jangka Panjang: SaaS Akan Bertransformasi, Bukan Punah

Kebisingan pasar akhirnya akan mereda, seperti yang terjadi setelah kepanikan serupa seperti munculnya DeepSeek pada akhir 2024. Investor akhirnya akan mengakui bahwa logika Jensen Huang—berdasarkan kenyataan teknis daripada kekhawatiran naratif—lebih baik memprediksi hasil daripada prediksi kiamat.

Selama arsitektur Transformer tetap menjadi model AI dasar, terbatas oleh prediksi probabilistik daripada deduksi logis pasti, ia tidak dapat sepenuhnya menggantikan perangkat lunak vertikal yang dirancang untuk kepastian operasional 100%. Perangkat lunak perusahaan akan berkembang, mengintegrasikan AI sebagai lapisan peningkatan yang kuat, tetapi kebutuhan mendasar akan platform khusus, keahlian manusia, dan struktur tanggung jawab akan tetap ada.

Hanya ketika arsitektur AI melampaui model Transformer saat ini dan mencapai penalaran logis yang benar-benar mirip manusia, barulah ada kekhawatiran nyata tentang kelangsungan perangkat lunak profesional. Tapi saat itu, percakapan kemungkinan besar akan bergeser ke domain yang jauh di luar perangkat lunak bisnis—ke masalah etika sosial, struktur tata kelola, dan masa depan pekerjaan manusia itu sendiri.

Sampai saat itu, suara rasional Jensen Huang berdiri sebagai penyeimbang terhadap kecenderungan berulang Wall Street untuk membingungkan kemungkinan teknologi dengan keharusan pasar.