Ledakan Investasi AI: Risiko yang Tersembunyi di Balik Kredit Swasta
Gelombang investasi kecerdasan buatan (AI) yang sedang berlangsung bukan lagi sekadar cerita tentang perkembangan teknologi. Di balik pembangunan pusat data, pembelian chip, dan ekspansi jaringan energi, ada persoalan lain yang mulai patut diperhatikan: risiko finansial yang ikut tumbuh bersama ledakan investasi tersebut.
Salah satu sumber kekhawatiran terbesar adalah derasnya pendanaan melalui kredit swasta (private credit). Pasar ini berkembang pesat, tetapi transparansinya tidak setara dengan sistem perbankan tradisional dan pengawasannya juga lebih terbatas. Prof. Joao Gomes dari Wharton School, dalam artikelnya The Hidden Financial Risks of the AI Boom, mengingatkan bahwa perhatian Federal Reserve yang terlalu terserap pada inflasi dapat membuat risiko terhadap stabilitas keuangan luput dari perhatian.
- Pendanaan di “Area Gelap” (Shadow Banking)
Ada perbedaan penting antara ledakan AI saat ini dan era Dot-com. Pada akhir 1990-an, ekspansi perusahaan internet banyak dibiayai melalui pasar saham publik. Kali ini, kebutuhan modalnya jauh lebih besar. Pembangunan pusat data, pengadaan chip berperforma tinggi, hingga penyediaan energi untuk menopang komputasi AI membutuhkan dana yang bisa mencapai ratusan miliar dolar.
Sebagian dari kebutuhan tersebut datang dari kredit swasta dan hedge funds.
Masalahnya bukan semata-mata jumlah utangnya, tetapi seberapa jelas kita bisa melihat utang tersebut.
Minim transparansi: Pasar kredit swasta tidak memiliki kewajiban pelaporan seketat bank konvensional. Akibatnya, regulator bisa kesulitan mendapatkan gambaran utuh mengenai seberapa besar utang yang sebenarnya telah terkumpul.
Risiko yang terkonsentrasi: Jika adopsi AI ternyata lebih lambat dari perkiraan atau keuntungan yang diharapkan tidak kunjung muncul, tekanan terhadap perusahaan peminjam dapat meningkat secara bersamaan. Gagal bayar dalam skala besar kemudian bisa ikut mengguncang institusi keuangan non-bank yang memberikan pembiayaan.
2. Belajar dari Krisis Perumahan dan Dot-com
Krisis besar biasanya tidak muncul begitu saja. Sering kali, masalahnya sudah menumpuk jauh sebelumnya, tetapi sulit terlihat karena risiko tersebar di berbagai institusi dan instrumen.
Krisis perumahan 2008 menjadi contoh yang jelas. Utang bermasalah dikemas kembali ke dalam instrumen keuangan yang kompleks dan tersebar di berbagai bagian sistem keuangan. Ketika pasar akhirnya berbalik arah, skala masalahnya baru terlihat.
Ada kemiripan tertentu dengan pembiayaan infrastruktur AI melalui entitas swasta. Bukan berarti keduanya identik, tetapi struktur yang kurang transparan tetap layak menjadi perhatian.
Hal serupa juga terlihat dalam ledakan Dot-com pada 2000. Infrastruktur internet dibangun dengan sangat agresif, termasuk jaringan kabel serat optik dalam jumlah besar. Masalahnya, pertumbuhan permintaan dan keuntungan tidak mampu mengejar ekspektasi yang sudah telanjur tinggi. Ketika ekspektasi tersebut runtuh, pasar ikut jatuh.
- Dilema Federal Reserve
Di sinilah posisi Federal Reserve menjadi cukup rumit. Mandat dan perhatian The Fed selama ini sangat berkaitan dengan inflasi, ketenagakerjaan, serta kondisi sistem keuangan. Namun, perkembangan pasar modal swasta membuat pemantauan risiko menjadi lebih sulit.
Ada jeda waktu yang juga perlu diperhitungkan. Investasi AI yang nilainya mencapai miliaran dolar tidak otomatis menghasilkan peningkatan produktivitas dalam waktu singkat. Infrastruktur harus dibangun, kapasitas komputasi harus digunakan secara efektif, dan perusahaan harus menemukan cara untuk mengubah teknologi tersebut menjadi pendapatan yang nyata.
Selama periode itu, valuasi dan ekspektasi bisa bergerak jauh lebih cepat daripada produktivitas ekonomi yang sebenarnya.
Karena itu, menurut Gomes, diperlukan kerangka risiko yang lebih sesuai dengan struktur ekonomi digital saat ini. Pengawasan tidak cukup hanya berfokus pada bank komersial. Aliran dana yang menghubungkan perusahaan teknologi, investor swasta, perusahaan pembiayaan, dan penyedia infrastruktur juga perlu dipetakan dengan lebih baik.