Hanya 22% organisasi berhasil memperluas AI—belanja tetap naik

Menurut rilis Gartner tertanggal 1 September 2026, hanya 22% organisasi yang berhasil memperluas AI ke beberapa unit bisnis atau mengadopsi pendekatan AI-first, sementara 85% pemimpin fungsi berencana menaikkan belanja AI pada 2026 dan sekitar 11% organisasi tidak mengetahui pengeluaran AI fungsinya pada 2025; survei tersebut berlangsung pada Januari–April 2026 dengan 1.303 responden dari organisasi berpendapatan tahunan sedikitnya US$50 juta pada tahun fiskal 2025.

Temuan itu memperlihatkan bahwa tambahan anggaran belum otomatis mengubah eksperimen terbatas menjadi kemampuan operasional lintas perusahaan. Pembeda utamanya terlihat pada kejelasan tujuan bisnis, kesiapan data dan keterampilan, visibilitas biaya, serta kesediaan menilai ulang proyek yang tidak menghasilkan nilai.

Keberhasilan berarti melampaui satu unit bisnis

Istilah “berhasil memperluas” dalam survei ini tidak sekadar berarti organisasi telah memakai AI. Batasnya adalah penerapan yang sudah menjangkau beberapa unit bisnis atau peralihan menuju pendekatan AI-first, sehingga proyek yang masih berjalan dalam satu tim belum termasuk kelompok berhasil.

Perbedaan tersebut penting karena proyek yang berfungsi di lingkungan terbatas belum tentu siap dipindahkan ke operasi yang lebih luas. Unit lain dapat memiliki struktur data, alur kerja, kebutuhan integrasi, kontrol risiko, dan pemilik proses yang berbeda; semua unsur itu harus tetap bekerja ketika skala penggunaan bertambah.

Angka utama survei juga tidak dapat dibaca sebagai peluang keberhasilan setiap proyek AI. Sampelnya mencakup organisasi berpendapatan besar, sedangkan rilis publik tidak merinci distribusi responden menurut negara dan industri atau ambang teknis yang dipakai untuk menilai keberhasilan perluasan. Bagi pembaca di Indonesia, hasil ini lebih tepat diperlakukan sebagai gambaran organisasi global berskala besar, bukan tolok ukur khusus pasar nasional.

Kenaikan anggaran berhadapan dengan biaya yang belum terlihat

Rencana menaikkan belanja menjadi berisiko ketika organisasi tidak mempunyai catatan biaya yang cukup lengkap untuk membandingkan proyek. Biaya penerapan AI tidak hanya berasal dari model atau vendor, tetapi juga dari penyiapan data, integrasi sistem, pengawasan, tenaga kerja, operasi, percobaan ulang, dan penanganan kegagalan.

Kesenjangan pengelolaan terlihat lebih jelas dalam rangkuman hasil oleh TechInformed: kelompok berkinerja tinggi melaporkan imbal hasil positif pada 81% inisiatif AI, sedangkan kelompok berkinerja rendah tidak mengetahui tingkat imbal hasil untuk 29% inisiatif mereka.

Kelompok berkinerja tinggi digambarkan terus melacak imbal hasil, mengelola inisiatif sebagai portofolio, dan secara berkala mengalihkan sumber daya atau menghentikan proyek berkinerja buruk. Hubungan itu menunjukkan bahwa visibilitas biaya dan disiplin portofolio berjalan bersama hasil yang lebih baik, tetapi tidak membuktikan bahwa praktik tersebut sendirian menjadi penyebabnya.

Rilis publik juga tidak menetapkan ambang minimum untuk “imbal hasil positif” atau mengungkap besarnya kenaikan belanja yang direncanakan. Karena itu, organisasi belum dapat membandingkan hasilnya dengan survei hanya berdasarkan label positif atau negatif; mereka tetap memerlukan definisi nilai dan biaya yang konsisten di dalam portofolionya sendiri.

Kasus penggunaan populer belum tentu paling bernilai

Kesulitan memperluas AI juga bermula dari pemilihan masalah yang hendak diselesaikan. Proyek yang mengikuti aplikasi populer dapat memperoleh dukungan awal, tetapi popularitas tidak menggantikan sasaran bisnis yang spesifik maupun kesiapan sistem pendukung.

Dalam wawancara ITPro dengan Tina Nunno, daftar kasus penggunaan yang paling sering dikejar tidak selaras dengan daftar yang paling banyak menghasilkan pengembalian positif; Nunno juga menghubungkan kemampuan memperluas AI dengan kematangan organisasi, kondisi data, keterampilan AI, dan ketepatan sasaran proyek.

Ketidakselarasan itu tidak berarti kasus penggunaan populer selalu buruk. Maknanya lebih terbatas: frekuensi adopsi bukan bukti nilai, dan kasus yang berhasil di satu organisasi tidak otomatis cocok bagi organisasi lain. Sebuah inisiatif baru layak diperluas setelah manfaat, biaya, serta kesiapan unit berikutnya dapat dinilai dengan ukuran yang sama.

Keputusan portofolio membedakan lanjut, perbaiki, dan hentikan

Implikasi praktis survei adalah perlunya keputusan yang lebih tegas pada tingkat portofolio, bukan sekadar menambah jumlah proyek. Checklist berikut merupakan kerangka keputusan yang disusun dari karakteristik kelompok berkinerja tinggi dalam temuan tersebut, bukan klasifikasi resmi Gartner.

• Lanjutkan dan perluas apabila hasil bisnis yang ditetapkan sejak awal tercapai secara konsisten, biaya total dapat dilacak, pemilik proses menerima hasilnya, serta data dan pengawasan tersedia di unit berikutnya.
• Perbaiki sebelum memperluas apabila manfaat awal sudah terlihat, tetapi metrik belum stabil, biaya integrasi belum lengkap, kualitas data berbeda antarunit, atau tanggung jawab operasional setelah peluncuran belum jelas.
• Hentikan atau kurangi pendanaan apabila proyek berulang kali gagal memenuhi ambang hasil, tidak mempunyai pemilik bisnis, atau biaya totalnya tidak sebanding dengan manfaat yang dapat diukur.

Perbandingan itu membutuhkan unit pengukuran yang konsisten. Untuk sistem berbasis agen, misalnya, biaya per tugas berhasil dapat melengkapi ukuran akurasi karena memasukkan kegagalan dan percobaan ulang, selama pemilik proses menetapkan definisi keberhasilan terlebih dahulu.

Saat ini, data yang tersedia menunjukkan jarak nyata antara ambisi belanja, perluasan lintas unit, dan kemampuan organisasi melihat biaya serta hasil setiap inisiatif. Belum ada rincian publik mengenai hasil per negara atau industri, besarnya tambahan anggaran, dan ambang imbal hasil yang dipakai; tanpa data lanjutan itu, belum dapat dipastikan apakah belanja tambahan akan memperbesar kelompok yang berhasil atau justru mempertahankan proyek yang nilainya belum terbukti.

Baca juga:

• Evaluasi agen AI jangan berhenti di akurasi—hitung biaya tiap tugas berhasil
• View YouTube naik lebih mudah, tetapi angka lama tetap menentukan penghasilan
• Google menambah kendali biaya agen AI, tetapi batas belanja bukan obat mujarab