Lima Pintu: Mengapa AI Terhenti di Pintu Pabrik

TL;DR: Goldman Sachs baru saja memetakan lima hambatan antara keberhasilan perangkat lunak AI dan penerapan di dunia fisik. Perangkat lunak sudah merasakan sakitnya — $800M dalam valuasi hilang dari saham perangkat lunak teratas AS dalam enam bulan saat kekuatan harga runtuh dari "per-kursi" menjadi "per-hasil." Tapi cerita sebenarnya adalah apa yang terjadi ketika AI mencoba memasuki 99,5% dari PDB yang bukan perangkat lunak.Spoiler: ini bukan masalah teknologi. Ini adalah masalah fisika, orang-orang, dan sertifikasi.Ini adalah kerangka lima gerbang, dan bagaimana cara mengaudit industri Anda sendiri terhadapnya.

James di sini, CEO dari Mercury Technology Solutions. Hong Kong — 16 Juli 2026

Sebuah tim perbankan investasi Goldman Sachs — bukan riset, perbankan — baru saja merilis laporan 30 halaman yang disebut Memanfaatkan AI untuk Ekonomi Nyata. Ini penting karena analis riset menulis untuk pasar. Banker menulis untuk CEO yang menulis cek. Ketika banker menghasilkan riset, itu adalah peta tentang di mana mereka pikir uang akan benar-benar mengalir.

Dan peta mengatakan: AI akan menghadapi tembok. Lima di antaranya.

0,5% vs. 99,5%

Inilah sistem koordinat yang sering diabaikan banyak orang.

Perangkat lunak — SaaS, cloud, semuanya — mewakili kurang dari 0,5% dari PDB global. 99,5% lainnya adalah manufaktur, energi, logistik, konstruksi, pertanian. Barang fisik. Atom, bukan bit.

AI telah menaklukkan 0,5%. Sekarang ia ingin 99,5%.

Dan 99,5% tidak peduli tentang API Anda.

Gerbang Nol: Momen Canary Perangkat Lunak

Sebelum kita membahas pabrik, lihat apa yang sudah terjadi pada perangkat lunak. Indeks IGV — sekumpulan saham perangkat lunak teratas AS — turun 17% di H1 2026. Dari puncak Oktober 2025, turun 26%. 10 perusahaan perangkat lunak teratas kehilangan hampir $800 miliar dalam kapitalisasi pasar.

Bukan pendapatan.Ekspektasi.Pasar sedang menilai ulang berapa nilai perangkat lunak di dunia AI.

Inilah alasannya. SaaS dulunya mengenakan biaya per kursi. Masuk, bayar. AI mengubah perhitungannya: mengapa membayar untuk login ketika agen AI dapat melakukan pekerjaan itu? Pertanyaannya beralih dari "berapa banyak orang yang menggunakan ini?" menjadi "apa hasil yang Anda berikan?"

Kekuatan penetapan harga sedang berpindah dari "fitur yang dijual" ke "hasil yang diberikan."

Brian Kane dari Goldman menyebut perangkat lunak "burung kenari di tambang batubara untuk ekonomi AI." Di tambang lama, burung kenari mati terlebih dahulu — memperingatkan para penambang tentang gas. Perangkat lunak mati terlebih dahulu, memperingatkan setiap industri lain tentang apa yang akan datang.

Jika Anda membeli perangkat lunak, perhatikan ini: harga per kursi sedang keluar. Harga berbasis hasil sedang masuk. Jika Anda berada di bidang perangkat lunak, model bisnis Anda memiliki tanggal kedaluwarsa.

Titik Sempit yang Sebenarnya: Orang dan Daya

AI yang memasuki industri fisik menghadapi dua dinding sebelum mencapai dinding teknologi.

Pertama: orang.Laporan tersebut memperkirakan sektor tenaga AS membutuhkan 500.000 pekerja baru pada tahun 2030. Melatih seorang elektrisi memerlukan waktu 3–4 tahun. Pada tahun 2024, seluruh industri energi AS meluluskan 45.000 magang. Kebutuhan: 65.000 per tahun. Dan itu sebelum memperhitungkan elektrisi yang pensiun.

Ironinya sangat brutal. Semua orang panik tentang AI yang menggantikan pekerjaan kantoran. Kecemasan sebenarnya di Wall Street?Tidak cukup elektrisi, pengelasan, dan pemasang pipa.Modalitas mempercepat. Chip berulang. Melatih manusia tidak memiliki jalan pintas.

Kedua: kekuatan.Abilene, Texas — populasi 120.000 — sekarang mengkonsumsi sebanyak listrik seperti San Francisco, populasi 900.000. Mengapa? Pusat data. Microsoft, Meta, dan Oracle sedang membangun "pusat data pulau" dengan pembangkit listrik mereka sendiri karena jaringan tidak dapat mengimbangi. Microsoft menandatangani kesepakatan 20 tahun untuk memulai kembali Three Mile Island. Amazon sedang berinvestasi dalam reaktor modular kecil.

Perusahaan-perusahaan yang dulunya hanya menggunakan listrik sekarang harus menghasilkannya. Begitulah seberapa banyak AI telah mengubah fisika permainan.

Kerangka Lima Pintu

Goldman menyebut ini sebagai "Persyaratan Penerapan AI Industri." Saya menyebutnya Lima Pintu — karena masing-masing adalah titik pemeriksaan yang menghentikan proyek AI yang tidak dapat melewatinya.

Pintu 1: Kendala Fisik

AI dioptimalkan dengan indah dalam simulasi. Kemudian ia bertemu dengan kenyataan.

Bahan memiliki toleransi. Panas berperilaku berbeda dari yang dimodelkan. Kelembapan, debu, getaran — dunia nyata tidak cocok dengan lingkungan pelatihan.Desain yang secara teoritis sempurna gagal pada saat menyentuh lantai pabrik yang nyata.

Gerbang ini membutuhkan sesuatu yang tidak dimiliki sebagian besar tim AI: orang-orang yang memahami baik fisika industridanbatasan model. Bukan ilmuwan data. Bukan ahli domain. Orang-orang yang dapat menerjemahkan antara kedua dunia.

Gerbang 2: Data Pribadi

ChatGPT dapat menulis email Anda. Ia tidak dapat mengoptimalkan jalur produksi Anda. Kenapa? Ia tidak pernah melihat data Anda.

Data pelatihan yang berharga untuk AI fisik berada di dalam pabrik, rantai pasokan, dan catatan kontrol kualitas. Itu tidak ada di internet. Itu tidak ada di Common Crawl.Seorang produsen denim dengan sepuluh tahun umpan balik pelanggan, data pengembalian, dan keluhan ukuran memiliki sesuatu yang tidak dapat diakses oleh model dasar mana pun.

Inilah mengapa model murah tidak membunuh benteng. Model murah adalah komoditas. Data kepemilikan adalah benteng.

Gerbang 3: Penerapan Edge

AI Pabrik tidak bisa hidup di cloud. Latensi, konektivitas, keandalan — jalur produksi tidak bisa berhenti hanya karena AWS us-east-1 mengalami gangguan.

Model harus berjalan secara lokal: di mesin, pengontrol, sistem tertanam. Ini mengubah masalah rekayasa sepenuhnya. Anda tidak memanggil API. Anda menerapkan inferensi pada perangkat keras yang tidak pernah dirancang untuk itu.

Gerbang 4: Kelayakan Sertifikasi

Dalam perangkat lunak, halusinasi membuang token. Dalam penerbangan, energi, atau otomotif, halusinasi membunuh orang.

Gerbang ini adalah yang tersulit. Sertifikasi tradisional mengharuskan Anda untuk menjelaskan mengapa sebuah sistem membuat keputusan — untuk membuktikan bahwa itu dapat diprediksi dan diverifikasi. AI adalah kotak hitam. Bahkan pembuatnya tidak selalu bisa menjelaskan mengapa ia menghasilkan apa yang dihasilkannya.

Dalam industri berisiko tinggi, "itu berhasil" tidak cukup. "Kami dapat membuktikan bahwa itu berhasil di semua kondisi" adalah standar.Dan kami belum memiliki kerangka untuk mengesahkan sistem kotak hitam di lingkungan yang kritis terhadap keselamatan.

Ini bukanlah hambatan teknologi. Ini adalah hambatan regulasi dan metodologi. Dan ini adalah alasan mengapa AI akan masuk ke aplikasi fisik berisiko rendah terlebih dahulu, dan yang berisiko tinggi terakhir.

Gerbang 5: Penyematan Alur Kerja

Pabrik memiliki puluhan tahun akumulasi peralatan, proses, dan pengetahuan institusional. Anda tidak bisa menghentikan untuk "menginstal AI." Anda harus mengganti mesin saat pesawat terbang.

Ini adalah masalah "mengganti ban pada kecepatan 200mph". AI harus terintegrasi ke dalam alur kerja yang ada tanpa merusak apa yang sudah berjalan. Organisasi yang berhasil di sini tidak mengganti sistem — mereka memperkuatnya, satu alur kerja pada satu waktu.

Pembagian Biaya China

Laporan ini mencakup bagian tentang apa yang disebut Goldman sebagai "Pembagian Biaya China." Di OpenRouter — platform model AI pihak ketiga terbesar — model-model China kini menyumbang 40-50% dari konsumsi token, meningkat dari angka satu digit pada akhir 2024. Biaya inferensi China adalah sebagian kecil dari model perbatasan AS.

Tapi Goldman menambahkan catatan penting: bagian token bukanlah bagian pendapatan.

Model murah menurunkan biaya masuk. Mereka tidak membangun dinding. Ketika model menjadi infrastruktur murah — seperti listrik, seperti bandwidth — nilai berpindah ke hulu. Ke data. Ke integrasi alur kerja. Ke keahlian industri yang tahu masalah mana yang layak dipecahkan.

Hambatan bukanlah akses ke AI. Hambatannya adalah mengetahui apa yang harus dilakukan dengannya.

Sinyal Prometheus

Satu perusahaan dalam laporan itu menarik perhatian saya. Prometheus — didirikan oleh Jeff Bezos — bertujuan untuk membangun "insinyur umum AI." Perangkat lunak yang merancang mesin jet, molekul obat, sistem fisik kompleks. Mereka mengumpulkan $12 miliar pada Juni 2026 dengan valuasi $41 miliar.

Pikirkan tentang apa yang itu sinyalkan. Ambisi AI telah berpindah dari menulis email ke menciptakan benda fisik.Target bukan lagi otomatisasi. Ini adalah merampingkan seluruh siklus rekayasa dan penemuan.

Jika itu berhasil, Lima Gerbang menjadi Lima Peluang. Jika tidak, mereka tetap menjadi Lima Tembok.

Audit Posisi Anda

Kerangka kerja Goldman berguna sebagai diagnosis. Jalankan industri Anda melalui ini:

| Gerbang | Pertanyaan | |------|----------| | Kendala Fisik | Apa yang rusak ketika teori bertemu dengan realitas Anda? | | Data Pribadi | Apa yang Anda ketahui yang belum pernah dilihat oleh model dasar mana pun? | | Penempatan Edge | Di mana AI harus berjalan yang tidak dapat dijangkau oleh cloud? | | Sertifikasi | Sertifikasi apa yang menghalangi Anda dan penempatan? | | Penyematan Alur Kerja | Proses eksisting mana yang akan rusak jika Anda menyentuhnya? |

Semakin banyak gerbang yang Anda lewati, semakin kuat benteng Anda. Satu atau dua? Anda adalah fitur, bukan platform.

Jika Anda mengevaluasi vendor AI, tanyakan kepada mereka lima pertanyaan ini. Jika mereka memiliki jawaban untuk semua lima, mereka sedang membangun sesuatu yang tahan lama. Jika mereka mengabaikan "sertifikasi" atau "penempatan edge," mereka menjual perangkat lunak untuk masalah yang memerlukan sistem.

Revolusi AI tidak melambat. Ini hanya meninggalkan dunia perangkat lunak dan memasuki dunia fisik. Dan dunia fisik tidak peduli tentang siklus hype Anda.

Solusi Teknologi Mercury: Mempercepat Digitalitas.