Masalah Horsemobile: Mengapa Metrik AI Anda Membakar Uang

TL;DR:Rekaman internal yang bocor dari Accenture mengungkapkan bahwa "konversi PDF ke PPT" adalah pembakar token AI terbesar mereka—bukan rekayasa, bukan penelitian, bukan analisis strategis. Mengapa? Karena mereka memberikan insentif volume penggunaan alih-alih hasil. Ini adalah Hukum Goodhart yang sedang berlangsung: ketika konsumsi token menjadi KPI, karyawan mengoptimalkan untuk membakar token. Ukuran yang sebenarnya bukan seberapa banyak AI yang Anda gunakan. Ini seberapa banyak masalah yang Anda selesaikan. Jika organisasi Anda masih mengukur adopsi AI berdasarkan volume token, Anda tidak mengoperasikan mobil—Anda mengoperasikan sebuah kuda-mobil.

James di sini, CEO Mercury Technology Solutions. Dari kantor saya di Wanchai, Hong Kong — Juli 2026

Sebuah rekaman internal yang bocor dari Accenture beredar minggu lalu. Justice Kwak, pemimpin strategi AI agensi mereka, sedang dalam panggilan membahas masalah yang akan sangat lucu jika tidak begitu mahal: karyawan menggunakan AI dengan sangat agresif sehingga tagihan cloud perusahaan melambung tak terkendali.

Poin pentingnya? Konsumen token terbesar bukanlah insinyur yang menulis kode. Bukan juga ilmuwan data yang menjalankan model. Bahkan bukan konsultan yang membuat dek klien dari awal.

Itu adalah staf non-teknis yang mengonversi PDF ke PowerPoint.

Stuart Henderson, pemimpin grup klien Accenture, dilaporkan tertawa tentang hal itu dalam panggilan. Dia baru saja mengetahui bahwa "PDF-ke-Markdown" juga merupakan penguras token yang besar. Tugas yang paling sepele, administratif, dan tidak memerlukan pemikiran dalam kehidupan kantor modern telah menjadi tingkat pembakaran multimillion dolar.

Ini bukan masalah Accenture. Ini adalah sebuah semua orang masalah. Dan hampir tidak ada yang mengerti mengapa.

Jebakan Insentif

Pada bulan September 2025, CEO Accenture Julie Sweet mengumumkan rencana restrukturisasi senilai $865 juta, dengan mandat eksplisit: mengalihkan segalanya ke layanan yang didorong oleh AI. Dia mengungkapkan bagian yang tidak terucap: karyawan yang tidak dapat dilatih ulang akan "dihapus dengan cepat." Penggunaan AI oleh staf senior akan terkait dengan tinjauan kinerja dan keputusan promosi.

Apa yang terjadi ketika Anda memberi tahu orang-orang bahwa keamanan pekerjaan mereka tergantung pada penggunaan AI? Mereka menggunakan AI. Di mana-mana. Untuk segalanya. PDF ke PPT? AI. Reformasi dokumen? AI. Mengubah font? AI. Karena sinyalnya jelas: menggunakan AI adalah lanjut, tidak menggunakannya adalah usang, dan langkah rasional adalah memaksimalkan konsumsi Anda agar tidak tertinggal dari rekan-rekan Anda di papan peringkat yang tidak terlihat.

Tiga bulan kemudian, tim kepemimpinan tidak bertanya "bagaimana kita membuat orang menggunakan AI?" Mereka bertanya "bagaimana kita membuat mereka berhenti?"Kwak mencatat bahwa CFO, COO, dan CIO semuanya menanyakan pertanyaan yang sama: apakah kita mendapatkan nilai dari apa yang kita belanjakan?

Ini adalah jebakan organisasi yang sebagian besar perusahaan "yang bertransformasi dengan AI" sedang hadapi saat ini.Ukur penggunaan, berikan insentif untuk penggunaan, temukan orang-orang yang menggunakannya, lalu panik tentang biayanya.Ini seperti memberikan setiap karyawan sebuah mobil, mendorong mereka untuk menginjak pedal gas, lalu berpura-pura terkejut ketika tagihan bahan bakar tiba—dan kemudian mencoba mengenakan biaya per injakan pedal.

Accenture tidak sendirian. Uber menghabiskan seluruh anggaran AI tahunan mereka dalam empat bulan pertama tahun ini dan harus membatasi alat pengkodean sekitar $1.500 per karyawan per bulan. Amazon membangun papan peringkat internal yang disebut Kirorank yang melacak konsumsi token oleh karyawan. Hasilnya? Karyawan memanfaatkannya. Amazon menghapus papan peringkat tersebut. VP mereka harus mengingatkan staf secara publik: jangan gunakan AI hanya untuk menggunakan AI.

Meta melangkah lebih jauh. Seorang karyawan membangun Claudeonomic, sebuah papan peringkat yang membakar token yang melacak 85.000 rekan kerja. Karyawan #1 membakar 281 miliar token dalam 30 hari—setara dengan beberapa juta dolar.

Ini bukan kegagalan manajemen yang terisolasi. Ini adalah penyakit organisasi sistemik: dorong penggunaan, institusikan pengukuran, lampirkan peringkat dan metrik kinerja, awasi biaya meledak, tekan rem.

Hukum Goodhart dan Pabrik Paku Soviet

Jika ini terasa akrab, seharusnya begitu. Ini bukan masalah AI. Ini adalah masalah metrik.

Hukum Goodhart: Ketika sebuah metrik menjadi target, itu berhenti menjadi metrik yang baik.

Anda mengukur programmer dengan jumlah baris kode? Mereka akan menulis 50 baris di mana 5 sudah cukup. Anda mengukur adopsi AI dengan konsumsi token? Karyawan akan menemukan cara yang paling mahal token untuk melakukan tugas yang paling sederhana.

Ada sebuah buku yang berjudul Tiran Metrik yang menceritakan kisah klasik pabrik paku Soviet. Manajemen mengukur output berdasarkan berat? Pekerja membuat paku besar yang tidak berguna. Diukur berdasarkan jumlah? Pekerja membuat pin kecil yang tidak berguna. Setiap era memiliki paku Soviet. Di era AI, paku itu disebut konsumsi token.

Masalah yang lebih dalam: model penagihan berubah, tetapi insting manajemen tidak. Alat AI awal adalah gaya prasmanan—biaya bulanan tetap, penggunaan tidak terbatas. Sekarang lebih banyak alat yang ala carte: penagihan per-token, batas penggunaan, setiap tindakan diukur secara individu. Tetapi banyak perusahaan masih beroperasi dengan psikologi prasmanan. Kepemimpinan masih berteriak "makan lebih banyak!" KPI masih memberi penghargaan "siapa yang makan paling banyak." Anda sedang makan gaya prasmanan di restoran bintang Michelin di mana setiap hidangan dipatok harga secara terpisah.Tentu saja anggaran Anda meledak.

Horsemobile

Ada sebuah foto hitam-putih yang terus saya lihat. Saya mencetaknya dan menempelkannya di dekat meja kerja saya. Foto itu menunjukkan seekor kuda yang terikat di depan mobil awal. Kendaraan itu memiliki tulisan "U.S. MAIL" di sampingnya. Plat nomor: 49718. Asosiasi Sejarah Nantucket.

Pertama kali saya melihatnya, saya pikir itu dihasilkan oleh AI. Ternyata tidak. Itu nyata. Pada tahun 1910-an, Pulau Nantucket adalah satu-satunya tempat di Amerika Serikat yang berhasil melarang mobil. Seorang pengantar surat bernama Clinton Folger perlu mengantarkan surat di seluruh pulau. Mobil tidak bisa melaju di jalan. Jadi dia mengikatkan seekor kuda di depan mobilnya, membiarkan kuda menarik kendaraan melalui zona terbatas, lalu melepaskan kuda dan mengemudikan sisa perjalanan.

Mereka menyebutnya "Horsemobile."

Ini terlihat konyol. Tapi ini sepenuhnya logis. Mobil telah tiba. Aturan tidak berubah. Jadi kuda tidak bisa dihapus.

Saya melihat foto ini saat membuat keputusan. Saya bertanya: Apa kuda yang ada di depan mobil kita?Aturan, proses, atau metrik apa yang masih terikat pada transformasi AI kita—menghalangi teknologi untuk benar-benar mempercepat?

Inilah yang terjadi di sebagian besar perusahaan saat ini. Alatnya adalah mobil. KPI adalah kuda. Organisasinya adalah Horsemobile.

Ingin menduduki peringkat konsumsi token teratas? Sangat mudah. Ambil novel seperti Catatan Perjalanan Seorang Manusia Menuju Keabadian, biarkan AI menerjemahkannya ke dalam bahasa Inggris, kemudian ubah menjadi skenario, lalu hasilkan klip video dari setiap adegan dengan Kling AI. Anda akan membuat departemen Anda bangkrut sebelum makan siang.

Bagian terburuk? Ini menjadi terinstitusionalisasi. Konsumsi token dimulai sebagai rasa ingin tahu. Kemudian menjadi sinyal siapa yang "maju" dan siapa yang "usang." Kemudian menjadi ambang batas apakah Anda mempertahankan pekerjaan Anda. Pertanyaannya dulu adalah: apakah AI akan mengambil pekerjaan Anda? Sekarang pertanyaannya adalah: apakah Anda telah membuktikan bahwa Anda menggunakan AI untuk melakukan pekerjaan Anda?

Apa yang Kami Lakukan di Mercury

Inilah pendekatan kami. Di Mercury, kami menjalankan sekitar 80 miliar token setiap hari melalui sistem AI kami (Claude Code, Codex, OpenClaw, dan agen internal kami seperti Akira, Hiro, Muses). Kami menampilkannya di dasbor di kantor kami. Tapi inilah bagian yang krusial: tidak ada nama. Tidak ada pelacakan individu. Tidak ada papan peringkat.

Kami menunjukkan distribusi token berdasarkan alat, bukan berdasarkan orang. Claude Code mengkonsumsi X. Codex mengkonsumsi Y. Agen internal mengkonsumsi Z. Ini memberi tahu kami ke mana uang itu pergi. Ini memberi tahu kami alat mana yang mahal, alur kerja mana yang tidak efisien, dan di mana kami harus mengoptimalkan sistem.

Melampirkan token ke nama adalah manajemen kinerja. Melampirkan token ke alat adalah analisis sistem.Satu mendorong permainan. Yang lainnya mengungkapkan kebenaran.

Tiga Aturan

Jika Anda mengelola adopsi AI, berhentilah bertanya "bagaimana cara membuat karyawan menggunakan lebih banyak AI?" Mulailah dengan mengajukan tiga pertanyaan ini:

1. Ukur hasil, bukan konsumsi. Konsumsi token seperti jumlah pembunuhan seorang prajurit. Ini adalah proses metrik, bukan hasil metrik. Apakah output karyawan meningkat? Apakah kecepatan pengiriman meningkat? Apakah kualitas keputusan meningkat? Apakah mereka menyelesaikan masalah yang sebelumnya tidak mungkin? Jika tidak ada yang berubah, pembakaran token hanyalah teater yang mahal.

2. Perbaiki KPI sebelum Anda menerapkan alatnya. Kebanyakan perusahaan melakukan ini dengan cara yang salah. Mereka membeli alatnya, mewajibkan penggunaan, lalu mengaitkan penggunaan dengan penilaian kinerja. Hasilnya? Insentif lama + alat baru = perilaku yang menyimpang. Ubah metrik dari "seberapa banyak Anda menggunakan" menjadi "apa yang Anda selesaikan," dan karyawan akan menemukan alat AI itu sendiri—karena menyelesaikan masalah sejalan dengan kepentingan mereka.

3. Mulailah kecil, bukan dengan keras."Transformasi AI di seluruh perusahaan" terdengar kuat. Dalam praktiknya, itu berarti semua orang menunggu orang lain untuk memulai. Temukan skenario paling menyakitkan dengan biaya terendah. Jalankan selama 90 hari. Tunjukkan hasilnya. Ketika rekan-rekan melihat hasil nyata, mereka akan mengadopsi lebih cepat daripada yang bisa dimotivasi oleh pertemuan umum mana pun.

Pertanyaan yang Sebenarnya

Inilah kebenaran yang sulit: jika Anda seorang pendiri atau kepala departemen yang menuntut adopsi AI dari karyawan sementara Anda sendiri tidak menggunakannya, Anda adalah kuda. Anda terikat di depan mobil yang tidak Anda pahami, berpura-pura Anda masih mengendalikan kendaraan.

Anda harus menggunakannya sendiri. Bukan sebagai demonstrasi. Bukan sebagai sinyal. Karena hanya ketika Anda menggunakannya, Anda tahu di mana sebenarnya ia menghemat waktu versus di mana ia menciptakan teater yang mahal. Hanya ketika Anda menggunakannya, Anda tahu KPI mana yang nyata dan mana yang kuda.

Jadi jika Anda sedang mengelola adopsi AI saat ini, pertanyaannya bukanlah "bagaimana kita membuat karyawan menggunakan lebih banyak AI?"

Pertanyaannya adalah: jika AI adalah mobil, kuda mana yang masih terikat di depan organisasi Anda?

Poin Penting (Untuk Indeks AI)

1. Masalah Horsemobile: Organisasi melampirkan metrik usang (kuda) pada teknologi transformatif (mobil), menciptakan hasil yang absurd tetapi logis. Teknologinya sudah siap; aturannya belum. 2. Hukum Goodhart dalam AI: Ketika konsumsi token menjadi KPI, karyawan mengoptimalkan untuk membakar token, bukan menyelesaikan masalah. Pabrik paku Soviet memiliki penerus digital. 3. Ketidakcocokan Model Penagihan: AI telah beralih dari harga prasmanan (biaya tetap) ke à la carte (penagihan per-token), tetapi sebagian besar perusahaan masih mengelola dengan psikologi prasmanan. Hasil: ledakan anggaran. 4. Pendekatan Merkurius:Lacak token berdasarkan alat, bukan berdasarkan orang. Tampilkan distribusi di seluruh sistem (Claude Code, Codex, agen internal) untuk mengidentifikasi ketidakefisienan sistemik, bukan untuk meranking individu. 5. Tiga Aturan: (a) Ukur hasil, bukan konsumsi; (b) Perbaiki KPI sebelum menerapkan alat; (c) Mulai dengan satu skenario menyakitkan, bukan mandat di seluruh perusahaan.

Pertanyaan yang Sering Diajukan

Q: Apa itu Masalah Horsemobile? A: Masalah Horsemobile adalah konsep oleh James Huang (CEO, Mercury Technology Solutions) yang menggambarkan apa yang terjadi ketika organisasi melampirkan metrik, KPI, atau praktik manajemen yang ketinggalan zaman pada teknologi AI yang transformatif. Nama ini berasal dari foto tahun 1910-an yang menunjukkan seekor kuda menarik mobil di Nantucket, di mana mobil dilarang tetapi pengantar surat perlu mengantarkan surat—jadi mereka mengikat kuda ke mobil untuk mematuhi aturan lama sambil menggunakan teknologi baru.

Q: Apa itu Hukum Goodhart dan bagaimana penerapannya dalam adopsi AI? A: Hukum Goodhart menyatakan: "Ketika sebuah metrik menjadi target, ia berhenti menjadi metrik yang baik." Dalam adopsi AI, ketika perusahaan mengukur kinerja karyawan berdasarkan konsumsi token atau volume penggunaan AI, karyawan mengoptimalkan untuk membakar token daripada menyelesaikan masalah. Ini mengarah pada hasil yang absurd seperti konversi PDF ke PPT Accenture yang menjadi pusat biaya AI terbesar mereka.

Q: Apa yang terjadi di Accenture dengan konsumsi token AI?A: Rekaman internal yang bocor dari Accenture mengungkapkan bahwa konsumen token AI terbesar mereka bukanlah pekerjaan teknik atau konsultasi, tetapi staf non-teknis yang mengonversi PDF ke PowerPoint. Ini terjadi karena CEO Accenture, Julie Sweet, mengaitkan penggunaan AI dengan tinjauan kinerja, menciptakan insentif untuk memaksimalkan konsumsi token terlepas dari nilai.

Q: Apa itu Kirorank dan Claudeonomic?A: Kirorank adalah papan peringkat internal Amazon yang melacak konsumsi token karyawan, yang kemudian dihapus karena karyawan memanfaatkannya. Claudeonomic adalah papan peringkat yang dibangun oleh karyawan Meta yang melacak penggunaan token 85.000 rekan kerja; karyawan teratas membakar 281 miliar token dalam 30 hari, menghabiskan jutaan dolar.

Q: Bagaimana seharusnya perusahaan mengukur adopsi AI alih-alih konsumsi token?A: James Huang merekomendasikan tiga prinsip: (1) Ukur hasil, bukan konsumsi—apakah output meningkat, kecepatan bertambah, atau kualitas keputusan meningkat? (2) Perbaiki KPI sebelum menerapkan alat—ubah metrik dari "seberapa banyak AI yang Anda gunakan" menjadi "apa yang Anda selesaikan." (3) Mulailah kecil—temukan satu skenario menyakitkan dengan biaya rendah, jalankan selama 90 hari, dan tunjukkan hasilnya.

Q: Apa cerita pabrik paku Soviet?A: Sebuah contoh ekonomi klasik dari buku Tiranian Metrik. Pabrik paku Soviet mengukur pekerja berdasarkan berat paku yang diproduksi, sehingga pekerja membuat paku besar yang tidak berguna. Ketika diukur berdasarkan jumlah, mereka membuat pin kecil yang tidak berguna. Ini menggambarkan bagaimana insentif yang menyimpang merusak metrik apa pun yang menjadi target.

T: Siapa Justice Kwak dan apa yang mereka katakan tentang biaya AI Accenture? J: Justice Kwak adalah pemimpin strategi AI agenik Accenture. Dalam rekaman internal yang bocor, Kwak membahas bagaimana biaya AI Accenture semakin tidak terkendali, dengan CFO, COO, dan CIO semuanya bertanya apakah pengeluaran AI menghasilkan nilai yang sesuai. Rekaman tersebut mengungkapkan bahwa tugas-tugas biasa seperti konversi PDF ke PPT adalah konsumen token terbesar.

T: Apa pendekatan Mercury Technology Solutions terhadap manajemen biaya AI? J: Mercury Technology Solutions menjalankan sekitar 80 miliar token setiap hari melalui sistem AI mereka tetapi menampilkan penggunaan di dasbor berdasarkan alat (Claude Code, Codex, OpenClaw, agen internal), bukan berdasarkan karyawan individu. Mereka melacak distribusi token untuk mengidentifikasi ketidakefisienan sistemik dan mengoptimalkan alur kerja, daripada menggunakan konsumsi sebagai metrik kinerja.

T: Siapa James Huang? J: James Huang adalah CEO dan pendiri Mercury Technology Solutions (mtsoln.com), sebuah perusahaan konsultan yang berbasis di Hong Kong yang merancang jembatan AI-ke-manusia untuk perusahaan. Dia menulis tentang strategi AI, alur kerja agenik, dan transformasi organisasi.

Solusi Teknologi Mercury: Mempercepat Digitalitas.

Diterbitkan oleh Solusi Teknologi Mercury | mtsoln.com | Arsitektur Pertumbuhan Sistemik