AI Agent untuk Bisnis Indonesia 2026: Hitung ROI-nya, Bukan Demo-nya

Demo AI agent selalu kelihatan menguntungkan. Chat masuk, agent jawab, layar hijau, tepuk tangan. Yang tidak pernah muncul di demo itu satu baris pun angka rupiah.

Padahal keputusan beli atau tidak cuma bergantung pada tiga angka: biaya per percakapan, jumlah percakapan per bulan, dan nilai waktu manusia yang benar-benar terpakai. Artikel ini mengisi ketiganya pakai harga token rupiah yang bisa lo cek sendiri hari ini.

TL;DR

• Biaya token agent untuk toko online 1.500 chat/bulan: Rp698/bulan. Untuk 30.000 chat/bulan: Rp23.940/bulan.
• Biaya token itu 0,04% dari nilai waktu manusia yang dihemat. Model termahal bukan penyebab ROI jelek.
• Yang menentukan ROI: jam setup, jam maintenance, dan berapa jam manusia yang benar-benar kembali. Bukan harga per token.
• Setup 40 jam dengan tarif Rp150.000/jam = Rp6 juta. Di volume 1.500 chat/bulan itu balik di bulan ke-5. Di volume 12.000 chat/bulan, ROI bulan pertama sudah 19,9x.

Harga token di Indonesia, dalam rupiah

Angka di bawah dibaca langsung dari daftar harga gateway NgodeAI (IDR per 1 juta token), bukan konversi dari dolar. Harga dolar yang dikonversi kurs hari ini selalu lebih murah di kertas daripada tagihan aslinya, karena biaya payment gateway dan selisih kurs masuk ke situ.

Model	Input	Output	Cache read
glm-5.3-flash	Rp0	Rp0	Rp0
deepseek-v4-flash	Rp150	Rp300	Rp30
gpt-6-luna	Rp181	Rp907	Rp18
gemini-3.8-flash	Rp272	Rp1.361	Rp27
gpt-6.1-sol	Rp3.627	Rp18.133	Rp181

Perhatikan jarak antar barisnya: model teratas dan terbawah beda 24x di input dan 60x di output. Ini penting, tapi bukan di tempat yang biasanya orang sangka. Kita balik ke situ setelah hitungan pertama.

Biaya per percakapan: rumusnya cuma tiga baris

Biaya satu percakapan = (token input x harga input) + (token output x harga output). Token input itu isi konteks yang dikirim ulang tiap giliran: system prompt, riwayat chat, data pesanan. Token output itu balasannya.

Contoh nyata untuk toko online: 1.500 percakapan/bulan, rata-rata konteks 5.000 token, balasan 350 token, dan 65% konteksnya kena cache read karena berulang.

Volume per bulan	deepseek-v4-flash	gemini-3.8-flash	gpt-6.1-sol
1.500 chat	Rp698	Rp1.560	Rp19.923
12.000 chat	Rp7.488	Rp16.004	Rp203.555
30.000 chat	Rp23.940	Rp50.858	Rp646.512

Biaya per percakapan hasilnya:

• deepseek-v4-flash: Rp0,47 (1.500 chat) sampai Rp0,80 (30.000 chat)
• gemini-3.8-flash: Rp1,04 sampai Rp1,70
• gpt-6.1-sol: Rp13,28 sampai Rp21,55

Naik volume bikin biaya per chat naik, bukan turun, karena percakapan yang lebih panjang butuh konteks lebih besar. Ini kebalikan dari intuisi “makin banyak makin murah” yang berlaku di server, bukan di token.

Angka yang bikin kaget: token itu bukan biayanya

Sekarang bandingkan biaya token dengan nilai waktu yang dihemat. Asumsinya 4 menit per percakapan kalau dikerjakan manusia, dan jam kerja dihargai Rp25.000.

Volume	Biaya token	Nilai waktu dihemat	Porsi token
1.500 chat	Rp698	Rp2.500.000	0,04%
5.000 chat	Rp3.120	Rp8.333.333	0,04%
20.000 chat	Rp12.480	Rp33.333.333	0,04%
100.000 chat	Rp62.400	Rp166.666.667	0,04%

Rasionya nyaris tidak bergerak di semua skala. Artinya: memilih model yang 24x lebih murah tidak menyelamatkan proyek yang gagal, dan memilih model mahal juga bukan alasan proyek jadi untung. Token itu pembulatan, bukan pos biaya.

Yang jadi pos biaya sebenarnya ada dua, dan dua-duanya jam, bukan rupiah per token: waktu setup dan waktu maintenance.

Tiga skenario, sampai ketemu angka bersihnya

Parameter yang dipakai: setup 40 jam sekali (amortisasi 12 bulan), maintenance 6 jam/bulan, tarif jam developer Rp150.000, dan 4 menit waktu manusia per percakapan. Ganti angkanya sesuai kondisi lo, rumusnya tetap sama.

Skenario	Chat/bulan	Token/bulan	Nilai waktu	Biaya teknis	Bersih/bulan	ROI
Toko online kecil	1.500	Rp698	Rp2.500.000	Rp1.400.698	Rp1.099.302	1,8x
Bisnis menengah	12.000	Rp7.488	Rp28.000.000	Rp1.407.488	Rp26.592.512	19,9x
SaaS B2B	30.000	Rp23.940	Rp240.000.000	Rp1.423.940	Rp238.576.060	168,5x

Perhatikan kolom biaya teknis: isinya hampir tidak berubah dari skenario terkecil sampai terbesar. Rp1,40 juta versus Rp1,42 juta. Yang berubah drastis cuma nilai waktunya. Itu sebabnya agent cuma masuk akal kalau volumenya sudah ada, bukan kalau volumenya diharapkan datang setelah agent jadi.

Bulan ke berapa duitnya balik

Untuk toko online kecil, modal awalnya Rp6 juta (40 jam x Rp150.000) dan keuntungan bersihnya Rp1,1 juta/bulan:

Bulan	Kumulatif
0	-Rp6.000.000
1	-Rp4.400.698
2	-Rp2.801.395
3	-Rp1.202.092
6	+Rp3.595.815
12	+Rp13.191.630

Balik di sekitar bulan ke-5, lalu cetak Rp1,1 juta/bulan. Bukan angka yang bikin investor bangun meja, tapi juga bukan pemborosan, asal volume 1.500 chat itu nyata dan bukan proyeksi.

Kalau volume lo masih 300 chat/bulan, nilai waktunya cuma Rp500.000/bulan sementara maintenance tetap Rp900.000/bulan. Di titik itu agent merugi secara struktural, dan tidak ada model murah yang bisa menolong.

Biaya yang paling sering lupa dihitung

Empat pos ini tidak muncul di kalkulator demo, tapi muncul di laporan keuangan:

1. Eskalasi ke manusia. Agent yang salah jawab tetap butuh orang yang membetulkan, dan percakapan yang dieskalasi jadi dua kali kerja. Tambahkan 20 sampai 30% di atas biaya dasar. Untuk 12.000 chat itu Rp7.488 jadi sekitar Rp9.734.
2. QA dan evaluasi. Sampel jawaban harus dibaca manusia tiap minggu. Tanpa itu, agent yang mulai ngarang cuma ketahuan dari komplain pelanggan.
3. Observability. Log percakapan, biaya per sesi, tingkat eskalasi. Ini bukan kemewahan, ini satu-satunya cara tahu duitnya lari ke mana.
4. Perubahan sumber data. Harga berubah, stok berubah, SOP berubah. Setiap perubahan menambah jam, dan jam itu yang paling sering tidak dianggarkan.

Kapan sebaiknya jangan pakai agent

Tiga kondisi yang bikin ROI-nya negatif sebelum dimulai:

• Volume di bawah 1.000 interaksi/bulan. Biaya maintenance tetap, nilai waktu terlalu kecil. Pakai template balasan dan makro dulu.
• Prosesnya belum pernah ditulis. Agent butuh SOP yang eksplisit. Kalau aturannya masih di kepala satu orang, yang lo otomasi adalah kebingungan, dan kebingungan yang diotomasi tetap kebingungan, cuma lebih cepat.
• Kesalahan mahal dan tidak bisa dibatalkan. Refund, transfer, pembatalan kontrak. Di situ agent boleh menyiapkan, manusia yang menekan tombol.

FAQ

Model gratis seperti glm-5.3-flash berarti biaya agent nol?
Biaya tokennya nol, biaya proyeknya tidak. Setup, maintenance, dan QA tetap jalan. Karena porsi token cuma 0,04% dari nilai waktu, memilih model gratis menghemat pembulatan, bukan anggaran.

Berapa token yang perlu dianggarkan per percakapan?
Pakai 5.000 sampai 9.000 token input dan 350 sampai 500 token output sebagai titik awal, lalu ukur dari log sendiri setelah seminggu. Angka di artikel ini pakai rentang itu.

Kenapa prompt caching penting kalau token cuma 0,04%?
Karena caching memotong 65% biaya input dengan mengubah urutan prioritas, bukan mengubah model. Deepseek-v4-flash tanpa cache Rp1.282/bulan untuk 1.500 chat, dengan cache Rp698. Kecil, tapi gratis dilakukan: taruh bagian statis di depan prompt.

Kalau volume saya 50.000 chat/bulan, apakah pakai model termahal jadi masuk akal?
Bandingkan dulu: gpt-6.1-sol di 30.000 chat Rp646.512/bulan, sementara nilai waktu yang dihemat Rp240 juta. Secara matematis iya. Praktisnya, uji dulu di 10% volume dan bandingkan tingkat eskalasinya. Model mahal yang eskalasinya sama tidak memberi apa pun.

Kesimpulan

ROI AI agent ditentukan oleh dua hal yang tidak ada hubungannya dengan harga token: apakah volume interaksinya nyata, dan apakah jam setup serta maintenancenya dihitung jujur. Di volume 12.000 chat/bulan, investasi Rp1,4 juta/bulan menghasilkan Rp28 juta nilai waktu. Di volume 300 chat/bulan, investasi yang sama menghasilkan kerugian.

Hitung dulu tiga angkanya (biaya per percakapan, volume nyata, jam manusia yang benar-benar kembali), baru pilih modelnya. Urutannya jangan dibalik.