Bayangkan seseorang di Surabaya mempunyai ide sederhana untuk membuat aplikasi yang membantu restoran kecil menghitung stok bahan baku dan memperkirakan kebutuhan pembelian untuk satu minggu ke depan. Sepuluh tahun lalu, ide semacam itu hampir selalu berujung pada sederet persoalan teknis sebelum sempat diuji ke pasar. Siapa yang akan membuat aplikasinya? Berapa biaya programmer? Siapa yang mendesain tampilannya? Server menggunakan apa? Berapa lama pengerjaannya? Kalau orang tersebut bukan programmer dan tidak memiliki cukup modal, besar kemungkinan gagasan tadi berhenti sebagai percakapan di warung kopi. Saat ini situasinya mulai berbeda. Dalam beberapa malam seseorang dapat meminta AI membantu menganalisis kebutuhan pengguna, mencari produk pesaing, menyusun spesifikasi fitur, membuat rancangan antarmuka, menghasilkan kode awal, menyiapkan database, membuat landing page, menulis materi penjualan, hingga menyusun pesan WhatsApp untuk menawarkan produknya kepada calon pelanggan. Belum tentu hasilnya sempurna, bahkan sangat mungkin banyak yang harus diperbaiki, tetapi satu hal telah berubah secara fundamental: hambatan untuk membuat sesuatu menjadi jauh lebih rendah daripada sebelumnya.
Perubahan itu tampaknya sederhana, tetapi implikasinya terhadap dunia usaha sangat besar. Selama puluhan tahun, salah satu masalah utama entrepreneur adalah keterbatasan sumber daya. Modal terbatas, tenaga ahli terbatas, waktu terbatas, dan akses terhadap teknologi juga terbatas. Karena itulah konsep lean startup yang dipopulerkan Eric Ries mendapat tempat begitu kuat dalam dunia kewirausahaan. Prinsipnya masuk akal: jangan menghabiskan banyak uang untuk membangun produk yang belum tentu dibutuhkan pasar. Bangun versi paling sederhana yang masih dapat digunakan, atau minimum viable product, uji kepada calon pelanggan, dengarkan respons mereka, perbaiki produk, dan bila perlu lakukan pivot. Model itu tumbuh dalam dunia di mana eksperimen relatif mahal sehingga perusahaan harus berhati-hati dalam mengalokasikan sumber dayanya.
AI mulai mengubah logika tersebut. Bukan berarti modal, programmer, desainer, atau tenaga pemasaran tiba-tiba tidak diperlukan. Yang berubah adalah biaya untuk memperoleh sebagian kemampuan tersebut turun dengan sangat cepat. Seorang founder sekarang dapat menggunakan ChatGPT, Claude, Gemini, atau berbagai model AI lain untuk membantu berpikir dan melakukan riset; menggunakan coding agent untuk membuat aplikasi; menggunakan generator gambar dan video untuk membuat materi promosi; menggunakan platform otomatisasi seperti n8n untuk menghubungkan berbagai sistem; dan menggunakan AI agent untuk membantu mengerjakan pekerjaan yang sebelumnya membutuhkan beberapa orang. Kalau dahulu sebuah perusahaan kecil memerlukan satu tim untuk menghasilkan serangkaian kemampuan tersebut, sekarang sebagian pekerjaan bisa dilakukan oleh satu atau dua orang yang tahu bagaimana memanfaatkan teknologi dengan baik.
Victor Seidel, Bret Greenstein, dan Thomas Davenport menyebut perubahan ini sebagai abundance entrepreneurship, sebuah bentuk kewirausahaan yang tumbuh ketika kemampuan untuk menghasilkan sesuatu menjadi jauh lebih melimpah. Istilah ini menarik karena persoalan entrepreneur tidak lagi hanya berkisar pada kekurangan sumber daya, tetapi justru pada kemampuan mengelola kelimpahan pilihan. Kalau AI dapat menghasilkan lima rancangan produk dalam sehari, persoalannya bukan lagi apakah kita sanggup membuat produk tersebut. Persoalannya berubah menjadi: produk mana yang layak dilanjutkan? Kalau AI mampu menghasilkan seratus ide bisnis, persoalannya bukan bagaimana mendapatkan ide, melainkan bagaimana menemukan satu atau dua ide yang benar-benar mempunyai nilai ekonomi.
Perubahan semacam ini relevan sekali untuk Indonesia. Struktur ekonomi kita berbeda dari Amerika Serikat, tempat sebagian besar diskusi mengenai startup teknologi lahir. Indonesia mempunyai puluhan juta UMKM yang tersebar mulai dari perdagangan, makanan, jasa, manufaktur kecil, pertanian, hingga berbagai bisnis keluarga. Sebagian besar usaha tersebut tidak mempunyai departemen teknologi, tim analitik, ataupun tenaga khusus untuk digital marketing. Pemiliknya sering kali merangkap sebagai direktur, bagian keuangan, kepala pembelian, pemasaran, bahkan customer service. Dalam kondisi seperti ini, teknologi AI bukan sekadar alat untuk membuat chatbot yang terlihat modern, tetapi berpotensi memberikan kapasitas organisasi yang sebelumnya hanya dimiliki perusahaan yang jauh lebih besar.
Ambil contoh sederhana sebuah usaha katering dengan delapan pegawai. Selama ini pesanan mungkin masuk melalui WhatsApp, lalu dicatat ulang ke spreadsheet. Pemilik usaha harus mengecek stok secara manual, menentukan jumlah pembelian bahan berdasarkan pengalaman, menjawab pertanyaan pelanggan satu per satu, kemudian baru melihat laporan penjualan ketika akhir bulan tiba. Dengan integrasi yang relatif sederhana, sebagian proses tersebut dapat dibuat lebih cerdas. Pesanan WhatsApp bisa masuk langsung ke sistem, AI dapat membantu mengelompokkan permintaan pelanggan, histori transaksi dapat digunakan untuk memperkirakan kebutuhan bahan, dan setiap malam pemilik usaha bisa memperoleh ringkasan mengenai produk paling laku, pelanggan yang lama tidak bertransaksi, stok yang mulai kritis, serta transaksi yang perlu ditindaklanjuti. Sistem bahkan dapat menyiapkan beberapa alternatif promosi untuk hari berikutnya. Pemilik usaha tetap membuat keputusan, tetapi kemampuan organisasinya naik beberapa tingkat tanpa harus membangun departemen baru.
Di sinilah menurut saya ada salah satu peluang ekonomi AI terbesar di Indonesia. Selama ini pembicaraan mengenai AI sering terlalu cepat melompat kepada isu apakah Indonesia mampu membuat model bahasa besar sendiri atau bersaing dengan perusahaan teknologi Amerika dan Tiongkok. Pertanyaan itu penting, tetapi untuk sebagian besar pelaku usaha Indonesia, persoalan yang jauh lebih dekat adalah bagaimana AI dapat menurunkan biaya operasional, mempercepat penjualan, membantu mengendalikan stok, mengurangi pekerjaan administratif, atau memberi pemilik bisnis informasi yang sebelumnya hanya tersedia bagi perusahaan besar. Nilai ekonominya tidak selalu muncul dari teknologi yang paling canggih. Kadang justru muncul dari penyelesaian masalah yang selama bertahun-tahun dianggap terlalu kecil atau terlalu mahal untuk didigitalisasi.
Karena itu, peluang bisnis AI terbesar belum tentu berada pada penjualan “AI” itu sendiri. Seorang pemilik toko bahan bangunan di Sidoarjo kemungkinan tidak pernah bangun pagi dan berpikir bahwa ia membutuhkan agentic AI. Yang ada dalam pikirannya mungkin jauh lebih konkret: mengapa stok semen sering selisih, mengapa sales lupa menindaklanjuti pelanggan, mengapa beberapa invoice belum dibayar, atau mengapa ia baru mengetahui barang habis setelah pelanggan datang. Demikian pula pemilik klinik tidak terlalu peduli dengan istilah large language model. Ia lebih tertarik mengetahui apakah pasien bisa dilayani lebih cepat, antrean berkurang, klaim lebih rapi, dan dokumen medis lebih mudah dicari. Teknologi hanyalah alat di belakangnya. Yang sesungguhnya dibeli pelanggan adalah hasil.
Konsekuensinya cukup penting bagi industri software. Selama bertahun-tahun banyak software house memperoleh pendapatan berdasarkan kompleksitas teknis pengerjaan. Sebuah proyek dihitung dari berapa programmer yang dibutuhkan, berapa bulan pengerjaan, berapa banyak modul, dan seberapa sulit sistem yang harus dibangun. Model seperti itu tidak langsung hilang, tetapi tekanan terhadapnya akan semakin besar. Jika AI mampu membuat sebagian pekerjaan coding menjadi jauh lebih cepat, pelanggan pada akhirnya akan bertanya mengapa biaya pembangunan aplikasi masih sama mahalnya dengan lima tahun lalu. Software house yang hanya menjual jam kerja programmer akan menghadapi persoalan. Sebaliknya, perusahaan yang mampu naik kelas dari “pembuat aplikasi” menjadi “pemecah masalah bisnis” justru akan mempunyai posisi yang lebih kuat.
Perusahaan tidak membayar mahal karena aplikasi mempunyai dua ratus ribu baris kode. Mereka membayar karena sistem tersebut mampu menurunkan piutang, mempercepat proses pelayanan, mengurangi kebocoran stok, mengintegrasikan beberapa departemen, atau meningkatkan penjualan. Dengan logika seperti ini, software house masa depan kemungkinan tidak membutuhkan programmer sebanyak sekarang untuk menghasilkan volume pekerjaan yang sama, tetapi justru membutuhkan lebih banyak orang yang memahami proses bisnis, integrasi, keamanan, analitik, regulasi, dan karakter industri pelanggan. Business analyst, system architect, AI engineer, process engineer, integration specialist, domain expert, dan orang yang mampu berbicara dengan pelanggan akan menjadi semakin penting. Ada sedikit ironi di sini: ketika mesin semakin pintar membuat software, kemampuan manusia memahami manusia justru menjadi semakin berharga.
AI juga akan mengubah cara entrepreneur melakukan eksperimen. Dulu memulai lima bisnis sekaligus hampir selalu dianggap keputusan buruk karena modal, tenaga, dan perhatian akan terpecah. Tetapi jika biaya eksperimen turun drastis, masuk akal bagi seorang entrepreneur untuk menguji beberapa ide pada tahap sangat awal. Misalnya ia mempunyai gagasan membuat aplikasi untuk mahasiswa, sistem manajemen masjid, SaaS untuk klinik, aplikasi inventory UMKM, serta marketplace profesional. Lima ide tersebut tidak perlu langsung dibangun menjadi lima perusahaan. Masing-masing cukup dibuatkan prototype sederhana, landing page, formulir pendaftaran, atau demo yang dapat diperlihatkan kepada calon pengguna. Setelah itu barulah pasar berbicara. Mungkin tiga ide tidak mendapatkan respons. Satu ide menghasilkan banyak pengunjung tetapi tidak ada seorang pun yang mau membayar. Sementara satu ide lain hanya mendapatkan sedikit pengunjung, tetapi beberapa di antaranya langsung bertanya bagaimana cara berlangganan. Bagi entrepreneur, respons terakhir jauh lebih bernilai daripada jumlah likes atau pujian terhadap tampilan produk.
Model semacam itu membuat entrepreneurship semakin menyerupai pengelolaan portofolio eksperimen. Seorang founder tidak perlu jatuh cinta terlalu cepat kepada satu ide. Ia bisa membangun beberapa hipotesis dengan biaya rendah, mengujinya, lalu memindahkan sumber daya menuju ide yang memperlihatkan sinyal pasar paling kuat. Namun, di sinilah muncul masalah baru yang mungkin justru lebih sulit daripada persoalan teknologi: attention scarcity, kelangkaan perhatian. AI dapat membantu kita menghasilkan terlalu banyak pilihan. Setiap hari kita bisa memperoleh ide produk baru, strategi marketing baru, rancangan fitur baru, dan puluhan kemungkinan bisnis baru. Jika semuanya menarik, founder justru bisa kehilangan fokus. Kelimpahan kemampuan akhirnya menciptakan kelangkaan baru berupa kemampuan memilih.
Dalam ekonomi, kelangkaan selalu menjadi dasar pengambilan keputusan. Kalau suatu sumber daya menjadi melimpah, nilai biasanya berpindah ke sumber daya lain yang tetap langka. Internet pernah membuat distribusi informasi menjadi hampir gratis, lalu perhatian manusia menjadi komoditas yang sangat berharga. AI sekarang membuat produksi informasi, desain, kode, dan analisis menjadi jauh lebih murah. Karena itu, nilai mulai berpindah kepada kemampuan menilai kualitas, memahami konteks, mengambil keputusan, membangun kepercayaan, dan menguasai akses pasar. Seorang entrepreneur yang mampu menghasilkan seribu ide belum tentu lebih unggul daripada entrepreneur yang mampu memilih satu ide yang benar dan menjalankannya secara konsisten.
Ada risiko lain yang lebih halus: AI sangat pandai menciptakan perasaan seolah-olah kita sedang membuat kemajuan. Pagi mendapat ide, siang logo selesai, sore website online, malam sudah ada materi untuk tiga puluh posting media sosial. Dalam waktu dua hari dashboard analitik sudah tersedia dan prototype terlihat seperti produk yang siap diluncurkan. Secara psikologis semua itu terasa memuaskan karena ada banyak output yang dapat dilihat. Masalahnya, kemajuan teknis tidak selalu sama dengan kemajuan ekonomi. Sebuah aplikasi bisa selesai tanpa pernah memperoleh pelanggan. Sebuah website bisa memperoleh ribuan pengunjung tetapi tidak menghasilkan transaksi. Sebuah akun media sosial bisa mempunyai puluhan ribu pengikut tetapi tidak menghasilkan arus kas yang sehat. AI memungkinkan kita menghasilkan output jauh lebih cepat daripada kemampuan kita menghasilkan nilai.
Karena itu indikator bisnis yang membosankan justru tetap menjadi yang paling penting. Apakah seseorang mau membayar? Apakah pelanggan kembali menggunakan produk? Berapa biaya memperoleh satu pelanggan dibandingkan pendapatan yang dihasilkan pelanggan tersebut? Apakah produk menyelesaikan persoalan yang cukup penting sehingga pengguna merasa kehilangan kalau layanan itu tidak ada lagi? Pertanyaan-pertanyaan ini terdengar kuno di tengah euforia AI, tetapi hukum ekonomi dasarnya tidak berubah. AI dapat mempercepat proses menciptakan produk, tetapi tidak dapat memaksa pasar menginginkan sesuatu yang sebenarnya tidak dibutuhkan.
Kondisi Indonesia bahkan mempunyai tantangan tambahan. Kita sering melihat gelombang bisnis digital bergerak dalam pola yang seragam. Ketika satu model bisnis terlihat sukses, dalam waktu singkat muncul banyak pemain dengan konsep yang hampir sama. AI berpotensi mempercepat pola tersebut karena jutaan orang sekarang bisa mengajukan pertanyaan serupa kepada model yang dilatih dari kumpulan pengetahuan yang kurang lebih sama. Cobalah meminta beberapa AI memberikan ide SaaS untuk UMKM Indonesia. Kita hampir pasti akan menemukan chatbot, aplikasi POS, HR, invoice, social-media generator, CRM, inventory, dan beberapa bentuk marketplace. Tidak ada yang salah dengan ide-ide itu, tetapi kalau semua orang memulai dari sumber inspirasi yang sama, kemampuan membedakan diri akan semakin sulit.
Itulah sebabnya competitive moat akan menjadi jauh lebih penting. Dulu source code bisa menjadi bagian dari moat karena tidak semua orang mampu membuatnya. Sekarang benteng tersebut mulai menipis. Yang jauh lebih sulit ditiru adalah data yang dikumpulkan bertahun-tahun, jaringan distribusi yang kuat, kepercayaan pelanggan, akses ke komunitas tertentu, reputasi industri, pengalaman implementasi, serta pemahaman mendalam mengenai proses bisnis yang sangat spesifik. Seseorang dapat meminta AI membuat aplikasi untuk rumah sakit dalam beberapa minggu, tetapi memahami hubungan antara pelayanan pasien, regulasi kesehatan, farmasi, klaim asuransi, rekam medis, dan perilaku tenaga kesehatan membutuhkan pengalaman yang jauh lebih panjang. Coding dapat dipercepat; pengalaman industri tidak dapat diunduh dalam semalam.
Karena itu nasihat paling sederhana bagi entrepreneur Indonesia di era AI mungkin justru terdengar tidak terlalu teknologis: lebih seringlah keluar dari depan komputer. AI dapat membuat persona pelanggan, mensimulasikan wawancara, dan menyusun daftar masalah sebuah industri, tetapi simulasi tersebut tidak sepenuhnya menggantikan percakapan dengan manusia nyata. Datanglah ke toko, gudang, pabrik, klinik, sekolah, koperasi, atau kantor pelanggan. Perhatikan cara mereka bekerja. Lihat spreadsheet yang penuh warna dan rumus-rumus aneh yang masih menjadi jantung operasional perusahaan. Perhatikan dokumen yang dicetak meskipun sistem sudah digital. Perhatikan bagaimana satu perusahaan mengelola operasional melalui sepuluh grup WhatsApp karena aplikasi resminya tidak cocok dengan cara mereka bekerja. Di tempat-tempat seperti itulah biasanya peluang bisnis yang sesungguhnya ditemukan.
Masalah regulasi juga akan semakin menonjol seiring AI masuk ke area yang lebih sensitif. Untuk aplikasi pembuat caption media sosial, kesalahan AI mungkin hanya menghasilkan tulisan yang buruk. Tetapi ketika AI digunakan untuk kesehatan, keuangan, pendidikan, HR, atau layanan publik, konsekuensinya jauh lebih serius. Pertanyaan yang harus diajukan bukan lagi sekadar apakah sistem dapat dibuat, tetapi siapa yang bertanggung jawab jika AI salah, data siapa yang digunakan, apakah pengguna mengetahui bahwa keputusan dibuat dengan bantuan AI, apakah hasilnya dapat dijelaskan, dan bagaimana data pribadi dilindungi. Dalam konteks seperti ini, pengetahuan regulasi bukan hambatan terhadap inovasi, melainkan bagian dari nilai produk itu sendiri. Perusahaan yang mampu memadukan teknologi, pemahaman industri, dan kepatuhan akan mempunyai posisi yang jauh lebih kuat dibandingkan perusahaan yang hanya mampu membuat demo dengan cepat.
Lalu, kalau AI dapat menulis, membuat desain, coding, melakukan riset, menganalisis data, dan bahkan menjalankan beberapa tugas secara otomatis, apa yang tersisa bagi entrepreneur? Jawabannya mungkin justru membawa kita kembali kepada pengertian entrepreneur yang paling klasik. Pekerjaan utama entrepreneur bukan membuat semua hal sendiri, melainkan memilih dan menanggung konsekuensi dari pilihan tersebut. AI dapat memberikan lima puluh rekomendasi, tetapi seseorang tetap harus memilih salah satunya. AI dapat membuat lima produk, tetapi seseorang harus menentukan empat produk mana yang harus dihentikan. AI bisa menyarankan agar harga diturunkan, tetapi manusia harus mempertimbangkan apakah keputusan itu akan merusak positioning perusahaan dalam jangka panjang. AI dapat memprediksi peluang pasar, tetapi seseorang tetap harus mengambil risiko dengan uang, waktu, dan reputasinya sendiri.
Dalam konteks itulah judgment mungkin menjadi aset ekonomi yang semakin mahal. Semakin murah biaya membuat sesuatu, semakin mahal kemampuan menentukan apa yang layak dibuat. Orang yang mempunyai pengalaman panjang dalam industri, memahami perilaku pelanggan, mampu membaca sinyal yang lemah, dan berani mengatakan tidak kepada puluhan ide menarik akan mempunyai keunggulan besar. Ini juga menjelaskan mengapa era AI tidak otomatis menjadikan semua orang entrepreneur sukses. Hambatan teknis memang turun, tetapi hambatan lain justru naik: kompetisi bertambah, produk lebih mudah ditiru, perhatian pelanggan semakin mahal, dan keunggulan teknologi semakin cepat kehilangan nilai.
Indonesia mempunyai kesempatan besar dalam perubahan ini karena banyak sektor ekonominya masih mempunyai ruang digitalisasi yang luas. Peluangnya tidak harus berupa penciptaan model AI yang mengalahkan perusahaan global. Bisa jadi peluang terbesar justru berasal dari kombinasi teknologi global dengan pengetahuan lokal: AI untuk UMKM, rumah sakit daerah, koperasi, pertanian, pendidikan, pesantren, logistik, pelabuhan, manufaktur skala menengah, atau pemerintah kabupaten. Banyak sektor tersebut selama bertahun-tahun menjalankan proses penting menggunakan kombinasi Excel, WhatsApp, formulir kertas, dan pengalaman pegawai senior. Produktivitas dapat naik secara signifikan jika teknologi mampu masuk tanpa memaksa organisasi mengganti seluruh cara kerjanya sekaligus.
Pada akhirnya, perubahan terbesar yang dibawa AI terhadap kewirausahaan mungkin bukan karena mesin bisa menggantikan programmer atau membuat iklan dengan lebih murah. Perubahannya lebih mendasar: kemampuan untuk membangun sesuatu tidak lagi menjadi barang yang sangat langka. Jika hampir semua orang mempunyai akses terhadap kemampuan yang sama, persaingan akan berpindah ke lapisan lain. Siapa yang paling memahami masalah? Siapa yang mempunyai akses kepada pelanggan? Siapa yang dipercaya? Siapa yang mempunyai data lebih baik? Siapa yang mampu membangun distribusi? Dan, yang sering kali paling sulit, siapa yang mampu mengakui bahwa ide yang dicintainya ternyata tidak dibutuhkan pasar?
AI membuat banyak kemampuan menjadi berlimpah, tetapi tidak membuat semua sumber daya menjadi tak terbatas. Uang pelanggan tetap terbatas. Waktu manusia tetap terbatas. Perhatian tetap terbatas. Kepercayaan tetap sulit dibangun dan mudah hilang. Sementara keputusan bisnis tetap harus diambil dalam kondisi informasi yang tidak pernah sempurna. Karena itu era AI mungkin tidak mengurangi pentingnya entrepreneur. Justru ketika mesin dapat mengerjakan semakin banyak hal, kualitas manusia yang menentukan apa yang layak dikerjakan, untuk siapa, dan mengapa akan menjadi semakin penting.