Laporan penelitian dari Juni 2028: Ketika AI melampaui ekspektasi, ekonomi justru runtuh

CitriniResearch dan Alap Shah mengajukan sebuah proposisi fiktif dalam “Memo Makro dari Masa Depan”: AI yang berkali-kali melampaui ekspektasi optimis tidak otomatis menguntungkan aset dan ekonomi; sebaliknya, kecerdasan mesin yang melimpah mungkin melalui tekanan terhadap pendapatan tenaga kerja dan siklus konsumsi, memicu kontraksi permintaan dan penyesuaian ulang harga di pasar keuangan yang dipicu oleh “kemakmuran produktivitas”.

Dalam eksperimen pemikiran yang berlandaskan waktu “Juni 2028” ini, tingkat pengangguran di AS naik menjadi 10,2%, 0,3 poin persentase di atas perkiraan, setelah data dirilis pasar turun 2%, dan indeks S&P 500 dari puncaknya pada Oktober 2026 telah mengalami penurunan kumulatif sebesar 38%. Memo menyebutkan bahwa para trader sudah menjadi kebal terhadap guncangan ini, dan enam bulan sebelumnya data serupa mungkin telah memicu mekanisme penghentian perdagangan otomatis.

Laporan memecah jalur krisis menjadi dua rantai yang saling memperkuat: satu terjadi di ekonomi riil, di mana peningkatan kemampuan AI mendorong penggantian posisi pekerja kantoran, pertumbuhan upah riil merosot, dan ekonomi yang berfokus pada manusia—dengan konsumsi sebagai mesin utama—mulai menyusut, membentuk umpan balik negatif tanpa rem alami, di mana pasar awalnya hanya melihat AI, tetapi ekonomi sendiri mulai berubah bentuk, memunculkan yang disebut “Ghost GDP”, yaitu output yang tercatat dalam akun nasional tetapi sulit beredar dalam ekonomi nyata.

Rantai lainnya terjadi di sistem keuangan, di mana kerusakan struktural terhadap ekspektasi pendapatan mulai mengikis penilaian aset berbasis arus kas pekerja kantoran, seperti kredit swasta dan hipotek perumahan, dan memaksa diskusi regulasi dan kebijakan semakin cepat. Namun, laporan menekankan bahwa respons kebijakan tetap tertinggal, kepercayaan publik terhadap kemampuan penyelamatan pemerintah menurun, dan ini memperbesar risiko spiral deflasi.

Mungkin, seperti yang dikatakan Citrini, “Ketika output mesin setara dengan 10.000 pekerja kantoran tanpa menghabiskan satu sen pun untuk layanan sosial masyarakat, ini bukan keajaiban ekonomi, ini adalah wabah ekonomi.”

Margin keuntungan yang tampak sehat tidak menjamin kesehatan ekonomi: uang tidak lagi mengalir melalui sektor rumah tangga

Dalam skenario ini, gelombang PHK pertama yang dipicu oleh “keterusutan manusia” pada awal 2026 sangat sesuai dengan preferensi pasar saham: biaya turun, margin keuntungan meningkat, laba melampaui ekspektasi, dan harga saham naik. Hingga Oktober 2026, indeks S&P 500 mendekati 8.000 poin, dan Nasdaq menembus 30.000 poin. Laba perusahaan kembali di-inject ke dalam kekuatan komputasi AI, membentuk sebuah akselerator.

Lapisan makroekonomi juga “menarik”: PDB nominal berkali-kali mencatat pertumbuhan tahunan di angka tengah hingga tinggi, dan pertumbuhan output riil per jam mencapai level yang disebut penulis sebagai “sejak tahun 1950-an belum pernah terlihat”—di mana agen AI tidak tidur, tidak sakit, dan tidak membutuhkan asuransi kesehatan.

Namun, memo menegaskan bahwa kekayaan utama mengalir ke “pemilik kekuatan komputasi”, sementara pendapatan tenaga kerja merosot. Pertumbuhan upah riil berbalik negatif, pekerja kantoran terpaksa turun ke posisi bergaji lebih rendah, dan mesin penggerak ekonomi yang berfokus pada manusia—yang menyumbang sekitar 70% dari PDB saat itu—mulai menyusut. Penulis menguatkan logika ini dengan pertanyaan langsung: Berapa banyak uang yang dibelanjakan mesin untuk konsumsi pilihan? Jawabannya nol.

SaaS pertama yang terkena dampak: ketika “menulis sendiri” menjadi opsi pembelian rutin

Rantai domino pertama berasal dari perangkat lunak. Penulis menempatkan titik balik di akhir 2025: kemampuan alat pemrograman berbasis agen mengalami “lonjakan bertingkat”. Seorang pengembang yang kompeten, dengan Claude Code atau Codex, dalam beberapa minggu dapat mereplikasi fungsi inti sebuah produk SaaS tingkat menengah—walaupun tidak sempurna, cukup untuk membuat CIO bertanya lagi: Bisakah kita membuat sendiri?

Karena anggaran fiskal perusahaan biasanya dikunci di kuartal terakhir tahun sebelumnya, evaluasi pertengahan 2026 menjadi jendela pengambilan keputusan pembelian pertama yang didasarkan pada “ketersediaan nyata dan dapat digunakan”. Dalam dokumen disebutkan sebuah detail negosiasi: seorang manajer pengadaan dari perusahaan Fortune 500 mengatakan kepada penulis bahwa dia menggunakan “sedang berdiskusi dengan OpenAI tentang penggantian vendor dengan insinyur yang ditempatkan secara forward menggunakan alat AI” sebagai alat tawar, sehingga mendapatkan diskon 30%; sementara SaaS seperti Monday.com, Zapier, Asana, yang tergolong “long tail”, berada dalam posisi yang lebih buruk.

Lebih penting lagi, bagaimana “membangun sendiri” sebagai opsi ini mengubah struktur industri: diferensiasi yang dulu diunggulkan oleh fitur dan inovasi cepat AI menjadi tidak relevan lagi, dan perang harga berubah menjadi “pertempuran pedang melawan pesaing lama dan tantangan baru secara bersamaan”, di mana keunggulan kompetitif bukan lagi fitur, melainkan biaya dan daya tahan pendanaan.

Perusahaan yang terancam oleh AI justru yang paling agresif: siklus refleksif dimulai dari sini

Poin paling ditekankan dalam memo adalah: “Para yang terguling di 2026 tidak memilih untuk ‘melawan’.” Penulis membandingkan dengan jalur Kodak, VHS, BlackBerry, dan berpendapat bahwa di bawah guncangan AI, banyak perusahaan “tidak bisa perlahan mati”, mereka harus cepat melakukan penyelamatan diri.

Dalam skenario ini, ServiceNow menunjukkan sinyal yang jelas di laporan triwulanan ketiga tahun 2026: pertumbuhan ACV bersih dari 23% turun menjadi 14%, dan perusahaan mengumumkan PHK 15%, dengan harga saham turun 18% hari itu. Penyebabnya tidak misterius: mereka menjual jumlah seat, dan jika pelanggan mem-PHK 15% karyawannya, secara mekanis akan membatalkan 15% lisensi; dan alasan pelanggan melakukan PHK adalah karena efisiensi yang didorong AI.

Akibatnya muncul apa yang disebut dalam memo sebagai “rasionalitas kolektif, bencana kolektif”: penghematan dari PHK digunakan untuk berinvestasi dalam alat AI, dan kemampuan AI yang meningkat memudahkan PHK berikutnya. Setiap langkah perusahaan masuk akal, tetapi secara kolektif, mereka menghapus rem.

Setelah gesekan dihilangkan, lapisan perantara mulai runtuh: dari langganan, komisi, hingga tarif organisasi kartu

Pada awal 2027, penulis menganggap penggunaan LLM menjadi konfigurasi default, dan banyak orang “menggunakan agen AI seperti menggunakan fitur otomatis lengkap”, bahkan tanpa sadar. Kemudian, “asisten belanja” open source Qwen menjadi katalisator, dan berbagai asisten dengan cepat mengintegrasikan fungsi e-commerce berbasis agen; distilasi model memungkinkan agen berjalan di ponsel dan laptop, menurunkan biaya inferensi marginal.

Yang paling mengkhawatirkan penulis adalah: agen tidak perlu dipanggil secara eksplisit, mereka terus berjalan di belakang layar sesuai preferensi. Hingga Maret 2027, konsumsi token harian rata-rata orang biasa di AS sekitar 400.000 token, meningkat 10 kali lipat dari akhir 2026. Transaksi tidak lagi berupa rangkaian keputusan diskrit manusia, melainkan optimisasi berkelanjutan 24/7.

Ini secara langsung menyerang lapisan sewa yang dibangun selama lima puluh tahun berdasarkan “keterbatasan manusia”: otomatisasi langganan, kenaikan harga diam-diam setelah masa percobaan, penggantian perbandingan harga dengan familiaritas merek… semua pola yang mengandalkan gesekan untuk menghasilkan uang, diubah agen menjadi “negotiable hijack”.

Daftar “yang pertama runtuh” dari perantara ini meliputi: platform pemesanan perjalanan, asuransi yang bergantung pada ketidakaktifan perpanjangan, penasihat keuangan, pengisian pajak, pekerjaan hukum rutin. Bahkan agen properti pun tidak kebal: setelah agen mendapatkan akses MLS dan data transaksi historis, komisi pembeli di wilayah metropolitan utama AS turun dari 2,5-3% menjadi di bawah 1%, dan semakin banyak transaksi tanpa perlu agen manusia di pihak pembeli.

Ketika agen mengendalikan transaksi, mereka akan mencari “kait pengikat” yang lebih besar: dalam transaksi mesin ke mesin, biaya pertukaran kartu organisasi 2-3% menjadi sangat mencolok. Penulis menganggap banyak agen beralih menggunakan stablecoin di atas Solana atau Ethereum L2, dengan biaya mendekati “sepersepuluh sen”. Dalam bagian ini, Mastercard disebut sebagai “titik balik yang tak terbalikkan”: manajemen menyebutkan dalam laporan keuangan tentang “pengoptimalan harga berbasis agen” dan “tekanan konsumsi pilihan”, dan harga sahamnya turun; risiko ini menyebar ke bank penerbit dan penerbit kartu kredit tunggal yang sangat bergantung pada biaya pertukaran dan insentif, dengan AmEx paling terdampak (karyawan kantoran PHK + tarif dihindari).

Ini bukan masalah “kondisi industri yang baik”: permintaan ekonomi layanan pekerja kantoran tertekan oleh leverage

Pada 2026, pasar masih menganggap dampak negatif ini sebagai cerita tentang perangkat lunak, konsultasi, pembayaran, dan sektor terkait. Pembelaan yang diajukan sangat langsung: AS adalah ekonomi layanan pekerja kantoran, yang sekitar 50% dari tenaga kerja, tetapi mendorong sekitar 75% dari konsumsi pilihan.

Data yang lebih tajam muncul kemudian: penulis menekankan konsentrasi konsumsi—10% penduduk dengan pendapatan tertinggi menyumbang lebih dari 50% konsumsi, dan 20% teratas sekitar 65%. Oleh karena itu, selama guncangan ini terkonsentrasi di kalangan pekerja kantoran berpenghasilan tinggi, meskipun tingkat pengangguran tidak besar, dampaknya terhadap konsumsi pilihan tetap besar. Penulis memberi contoh skala leverage: penurunan 2% dalam pekerjaan kantoran bisa berakibat penurunan konsumsi pilihan sekitar 3-4%; dan karena pekerja kantoran memiliki tabungan buffer, dampaknya tertunda dan bisa menjadi lebih dalam jika terjadi penurunan lebih besar.

Tanda-tanda titik balik di pasar tenaga kerja sangat spesifik: Oktober 2026, JOLTS menunjukkan posisi kosong turun di bawah 5,5 juta, turun 15% dari tahun sebelumnya; posisi pekerja kantoran runtuh, sementara posisi pekerja blue-collar relatif stabil. Pasar obligasi mulai bereaksi terhadap guncangan konsumsi, dengan imbal hasil obligasi AS 10 tahun dari 4,3% turun ke 3,2%.

Sementara itu, investasi dalam AI tidak melambat karena permintaan melemah, karena penulis mendefinisikannya sebagai “pengganti OpEx” bukan siklus CapEx tradisional: perusahaan mengalihkan pengeluaran dari satu miliar dolar yang dulu untuk tenaga manusia ke anggaran AI, sehingga total pengeluaran menurun tetapi pengeluaran untuk AI meningkat berkali-kali lipat. Akibatnya muncul ketidaksesuaian mencolok: infrastruktur AI tetap dalam kondisi sangat baik—Nvidia mencatat pendapatan tertinggi, TSMC utilisasi di atas 95%, dan pengeluaran modal kuartalan pusat data cloud besar tetap sekitar 150-200 miliar dolar; sementara konsumsi yang tergantikan mulai kehilangan darah.

Penulis juga memperluas perbedaan ini ke tingkat negara: Korea sebagai “pemenang murni” mengalami pertumbuhan yang jauh lebih tinggi; ekspor layanan TI India (dengan skala lebih dari 200 miliar dolar per tahun) menghadapi percepatan pembatalan kontrak karena “biaya marginal agen pengkodean AI mendekati tarif listrik”, dan rupee melemah 18% terhadap dolar dalam empat bulan, dan pada kuartal pertama 2028 IMF sudah melakukan diskusi awal dengan New Delhi.

Kredit swasta tidak “aman tertutup”: kewajiban asuransi jiwa menariknya ke pusat perhatian

Pemicu pertama di sistem keuangan berasal dari kredit swasta. Memo memberikan gambaran perubahan skala: dari kurang dari 1 triliun dolar pada 2015, kredit swasta meningkat menjadi lebih dari 2,5 triliun dolar pada 2026, sebagian besar dialokasikan ke LBO perangkat lunak dan teknologi, dengan asumsi bahwa pendapatan SaaS dapat “pertumbuhan bunga majemuk jangka panjang yang stabil”.

Ketika AI merusak keberlanjutan ARR, masalahnya bukan kerugian itu sendiri, tetapi saat kerugian diakui. Dalam dokumen disebutkan beberapa kejadian penting: pada April 2027, Moody’s secara satu kali menurunkan peringkat 14 penerbit, total 18 miliar dolar dari utang berbasis software yang didukung PE; dan mulai kuartal ketiga 2027, pinjaman berbasis software mulai default. Zendesk disebut sebagai “senjata yang mengeluarkan asap”: fasilitas pinjaman langsung sebesar 5 miliar dolar yang didukung ARR turun nilainya menjadi 58 sen, menjadi contoh “default besar” dari kredit swasta berbasis software.

Jika hanya berhenti di sini, penulis mengakui bahwa “seharusnya bisa dikendalikan”—kredit swasta umumnya tertutup, dengan jangka waktu tertentu, dan secara teori tidak akan mengalami forced liquidation. Namun, “modal permanen” menunjukkan sisi lain: manajer aset alternatif besar membeli perusahaan asuransi jiwa, mengubah kewajiban anuitas menjadi dasar pendanaan kredit swasta (penulis menyebutkan Apollo/Athene, Brookfield/American Equity, KKR/Global Atlantic). Ketika default software menyebar, regulator asuransi mulai memperketat cadangan risiko, memaksa lembaga untuk menambah modal atau menjual aset, tetapi kondisi pasar tidak memungkinkan mereka menjual dengan harga wajar. Moody’s menurunkan peringkat kekuatan keuangan Athene ke outlook negatif, dan harga saham Apollo turun 22% dalam dua hari, menyebar ke lembaga sejenis.

Penulis juga menambahkan lapisan “yang membuat semakin menakutkan”: struktur reinsurance offshore dan SPV membuat kerugian menjadi sangat tidak transparan, bahkan dalam waktu singkat sulit menentukan “siapa yang menanggung kerugian”. Dalam skenario, kejatuhan pasar pada November 2027 digambarkan sebagai titik di mana persepsi pasar beralih dari “penarikan siklus” ke “rantai sistemik”; dalam rapat darurat FOMC (dalam skenario), Ketua Fed Wosh menyebutnya sebagai “rantai kaitan yang mengandung korelasi antara peningkatan produktivitas pekerja kantoran dan rangkaian ‘daisy chain’ yang spekulatif”.

Kejutan besar sebenarnya di bidang hipotek: pinjaman yang dulu baik, dunia kemudian berubah

Memo menyisakan masalah “penilaian yang lebih sulit dan lebih mematikan” di pasar hipotek perumahan. Pasar hipotek AS sekitar 13 triliun dolar, dengan asumsi penyaluran pinjaman bahwa peminjam akan mempertahankan stabilitas pekerjaan dan pendapatan dalam jangka panjang (sering 30 tahun).

Dalam skenario ini, bahaya utamanya bukan karena pinjaman dari awal sudah buruk seperti 2008. Sebaliknya, peminjam adalah yang memiliki skor FICO di atas 780, uang muka 20%, pendapatan terverifikasi, riwayat kredit bersih—“fondasi model”. Masalah muncul setelah ekspektasi pendapatan pekerja kantoran secara struktural menurun akibat AI, sehingga arus kas masa depan yang dulu dianggap sebagai fondasi tidak lagi dapat dipercaya—orang meminjam berdasarkan masa depan yang semakin tidak mereka percayai.

Penulis memberikan serangkaian indikator tekanan “sebelum default”: penggunaan HELOC, penarikan awal dari 401(k), peningkatan utang kartu kredit, tetapi hipotek tetap bayar tepat waktu; kemudian, di San Francisco, Seattle, Manhattan, Austin, mulai muncul tanda-tanda keterlambatan pembayaran. Hingga Juni 2028, indeks harga Zillow menunjukkan penurunan tahunan: San Francisco -11%, Seattle -9%, Austin -8%; Fannie Mae menunjukkan bahwa di area dengan proporsi pekerjaan di bidang teknologi/keuangan lebih dari 40% (terutama jumbo), muncul tingkat keterlambatan awal yang lebih tinggi.

Penulis sengaja menjaga batas: dalam skenario ini, “belum masuk ke krisis hipotek penuh”, tingkat keterlambatan masih jauh di bawah 2008, tetapi tren risiko sudah terlihat. Jika hipotek benar-benar pecah di paruh kedua tahun itu, penulis memperkirakan penurunan pasar saham bisa mendekati 57% dari puncaknya, dan indeks S&P bisa menuju sekitar 3500 poin—mendekati level sebelum “momen ChatGPT” pada November 2022.

Musuh terbesar kebijakan adalah waktu: basis pajak dibangun di atas waktu manusia

Penilaian terhadap kebijakan sangat keras: alat tradisional (penurunan suku bunga, QE) bisa menyelamatkan mesin keuangan, tetapi sulit memperbaiki mesin riil, karena penyebab utama bukan “uang terlalu mahal”, melainkan “kecerdasan manusia yang semakin tidak berharga”.

Lebih spesifik, batasan di sisi fiskal. Penulis merangkum basis pajak dengan satu kalimat: pendapatan pemerintah federal secara esensial adalah pajak atas waktu manusia—orang bekerja, perusahaan membayar gaji, pemerintah mengambil bagian. Pada kuartal pertama 2028, pendapatan fiskal federal turun 12% dari baseline CBO. Produktivitas melonjak, tetapi hasilnya lebih banyak mengalir ke pemilik modal dan kekuatan komputasi, tidak lagi kembali ke rumah tangga melalui pajak penghasilan dan pajak gaji.

Penurunan pendapatan dari tenaga kerja sebagai bagian dari PDB secara jangka panjang dari 64% di 1974 menjadi 56% di 2024; dan dalam empat tahun setelah peningkatan besar indeks AI, turun lagi menjadi 46%, yang penulis sebut sebagai “penurunan paling tajam yang tercatat”.

Dengan demikian, pemerintah menghadapi paradoks struktural: harus mengalihkan lebih banyak dana ke rumah tangga, tetapi dari pajak yang diterima justru lebih sedikit. Dalam skenario ini, pemerintah mulai membahas “Transition Economy Act” (dengan defisit + pajak kekuatan AI sebagai sumber dana langsung) dan lebih agresif lagi “Shared AI Prosperity Act” (membangun hak klaim publik atas “pengembalian infrastruktur cerdas”, seperti dana kekayaan negara atau lisensi output AI, dengan dividen untuk mendukung transfer). Perbedaan politik digambarkan tajam: pihak kanan menyebut transfer ini sebagai Marxisme, khawatir pajak kekuatan AI akan digantikan oleh China; pihak kiri khawatir sistem pajak diubah oleh incumbents menjadi regulasi yang menguntungkan mereka; dan para hawks fiskal menekankan bahwa defisit tidak berkelanjutan, sementara dovish menganggap pelonggaran terlalu dini pasca GFC sebagai contoh buruk.

Gesekan sosial juga muncul: dalam skenario, demonstran “Occupy Silicon Valley” memblokir kantor Anthropic dan OpenAI di San Francisco selama tiga minggu, perhatian media bahkan melebihi data pengangguran. Penulis menyimpulkan bahwa kecepatan perubahan sistem tidak mampu mengikuti kecepatan teknologi, dan feedback loop akan menentukan politik.

“Premium kecerdasan” mulai menurun: asumsi arus kas dunia lama perlu dihitung ulang

Memo mengaitkan semua ini ke perubahan harga yang lebih mendasar: dalam sejarah ekonomi modern, kecerdasan manusia selalu menjadi faktor langka, dan pasar tenaga kerja, penyaluran hipotek, sistem pajak, bahkan keunggulan kompetitif perusahaan dibangun di atas kelangkaan ini. Sekarang, kecerdasan mesin yang dapat menggantikan dan terus menjadi lebih murah, menyebabkan “premi kecerdasan” mulai berkurang, dan sistem keuangan harus menyesuaikan harga secara menyakitkan.

Penulis juga memberi ruang: penyesuaian harga tidak otomatis berarti keruntuhan, ekonomi mungkin menemukan keseimbangan baru; tantangannya adalah “apakah kita bisa menyusun kerangka baru sebelum feedback loop menulis bab berikutnya”. Pada Februari 2026, saat penulisan ini, indeks S&P masih tinggi, dan feedback negatif belum aktif, dan pengingat penulis lebih sebagai soal pemeriksaan diri bagi investor: berapa banyak aset dan arus kas Anda yang sebenarnya bergantung pada asumsi “gesekan tidak akan hilang, pendapatan pekerja kantoran akan stabil, sektor rumah tangga akan terus menjadi mesin permintaan”? Kalimat terakhir menegaskan: burung kenari masih hidup.