Locale: id
Kalau kuota AI cepat habis, biasanya kita merasa "jadi nggak bisa dipakai". Tapi coba bayangkan kamu melempar 10–11 tugas coding berat sekaligus, dan agen AI-nya mengerjakan sendiri dari riset, implementasi, testing, sampai perbaikan. Rasanya jadi kebalikannya. Kuota 5 jam yang terkuras cepat malah jadi bukti bahwa banyak sekali pekerjaan selesai di dalam jatah itu.
Kenapa kuota 5 jam cepat habis tapi malah terasa untung?
Menurut info Anthropic per September 2026, Claude Max 5x versi web harganya 100 dolar per bulan, dan Max 20x 200 dolar per bulan. Pemakaian per sesi di-reset setiap 5 jam, dan ada juga batas pemakaian mingguan terpisah. Pemakaiannya bukan sekadar dihitung dari jumlah pesan, tapi dipengaruhi panjang percakapan, lampiran, model, fitur, dan seberapa rumit tugasnya.
Jadi, kalau kamu menyuruhnya membaca repositori raksasa, mengedit banyak file, sampai menjalankan test, dan beberapa tugas seperti itu jalan bareng, wajar saja jatah 5 jam cepat berkurang.
Yang menarik, "kuota berkurang" belum tentu berarti "rugi". Menghabiskan jatah untuk 100 kali ngobrol singkat jelas beda dengan menghabiskannya untuk 10 pekerjaan besar yang benar-benar beres. Pemakaiannya sama, hasilnya beda jauh.
Yang perlu dilihat bukan sisa waktunya, tapi berapa banyak pekerjaan jadi yang keluar dari setiap satuan pemakaian.
Terasa 50 kali lipat bukan berarti tokennya 50 kali lipat
Kalau dibandingkan dengan agen lain, kadang terasa "yang bisa dikerjakan beda sampai 50 kali lipat". Tapi selisih ini belum tentu karena token atau jumlah pesannya benar-benar 50 kali lipat.
Selisih yang sebenarnya membesar karena beberapa faktor dikalikan:
- peluang sampai ke tujuan hanya dengan satu perintah
- seberapa banyak yang bisa diubah dalam sekali jalan
- seberapa sering ia lanjut dari riset ke implementasi beneran
- seberapa sering ia membetulkan sendiri test yang gagal
- berapa kali kamu harus bilang "lanjut" atau "itu juga dibenerin"
- berapa banyak tugas yang bisa jalan bersamaan
Kalau agen yang lebih lemah butuh 20 kali bolak-balik untuk satu pekerjaan yang bisa diselesaikan agen kuat dalam 1–2 kali, beda rasanya gampang tembus lebih dari 10 kali lipat.
Intinya, yang penting bukan seberapa banyak teks yang bisa ia keluarkan, tapi berapa banyak tugas yang bisa ia bawa sampai benar-benar selesai.
Sekitar ¥16.000 sebulan itu setara berapa hari kerja engineer senior manusia?
Begitu dibandingkan dengan gaji manusia, angkanya jadi agak lucu.
Menurut data Levels.fyi per 26 September 2026, median total kompensasi Senior Software Engineer di Jepang sekitar ¥11,77 juta per tahun. Persentil ke-25 sekitar ¥8,96 juta, persentil ke-75 sekitar ¥16,81 juta, dan persentil ke-90 sekitar ¥23,91 juta.
Kalau dibagi dengan cara simpel, 20 hari kerja per bulan, hasilnya begini:
| Tingkat | Total kompensasi tahunan | Setara bulanan | Per hari kerja |
|---|---|---|---|
| Persentil 25 | sekitar ¥8,96 jt | sekitar ¥747 rb | sekitar ¥37 rb |
| Median | sekitar ¥11,77 jt | sekitar ¥981 rb | sekitar ¥49 rb |
| Persentil 75 | sekitar ¥16,81 jt | sekitar ¥1,40 jt | sekitar ¥70 rb |
| Persentil 90 | sekitar ¥23,91 jt | sekitar ¥1,99 jt | sekitar ¥100 rb |
Selain itu, survei Findy Freelance 2026 menunjukkan rata-rata tarif bulanan engineer freelance ¥808.264, dengan tarif per jam rata-rata ¥5.319.
Kalau biaya langganan AI dianggap sekitar ¥16.000 per bulan, itu cuma sekitar 0,33 hari kerja engineer senior dengan gaji median, dan cuma sekitar 2% dari tarif bulanan rata-rata freelancer.
Tentu saja, ini perbandingan iseng. Total gaji dan biaya langganan software itu beda, dan AI juga nggak ikut menanggung kontrak kerja, tanggung jawab, jaga on-call, menjelaskan ke klien, atau koordinasi di dalam organisasi.
Tetap saja, harga yang terasa mahal kalau dilihat sebagai "biaya langganan chat" tiba-tiba terasa kecil kalau dilihat sebagai "biaya outsourcing kerjaan teknis yang berat".
10–11 tugas paralel bukan "11 karyawan", tapi sudah mendekati tim developer satu orang
Kalau 10–11 tugas jalan bersamaan, sekilas mirip tim developer kecil.
Di satu sisi ada penambahan fitur situs. Di sisi lain ada penyesuaian ke banyak bahasa. Ada yang mengecek kualitas. Ada yang membetulkan bug. Ada lagi yang memperbaiki infrastruktur operasional. Pekerjaan yang biasanya dikerjakan satu per satu oleh satu orang bisa jalan bareng.
Tapi "11 tugas paralel = merekrut 11 engineer senior" itu nggak bisa dibilang begitu.
Engineer senior manusia akan bertanya ke pihak terkait kalau spesifikasinya nggak jelas, bertanggung jawab atas desain, menentukan prioritas saat ada insiden, dan meninggalkan ilmu untuk timnya. AI nggak otomatis menjamin hal-hal itu.
Yang lebih tepat: "satu orang sekarang bisa punya kapasitas kerja yang mendekati tim developer kecil".
Hambatan berikutnya bukan bikin kode, tapi mengatur lalu lintas
Di masa agen AI belum banyak bekerja, masalah terbesarnya adalah kemampuan menghasilkan.
Di masa agen AI bekerja terlalu banyak, masalahnya berubah.
Kalau banyak agen menyentuh repositori yang sama, mereka mengedit file yang sama secara terpisah. Ada yang mengedit berdasarkan asumsi lama. Tugas yang datang belakangan malah mengembalikan bug yang sudah dibetulkan tugas lain. Fitur yang mirip dibuat sendiri-sendiri.
Di sini yang dibutuhkan bukan cuma pembuatan kode yang lebih pintar:
- satukan versi acuan jadi satu saja
- bagi jelas siapa pegang bagian apa
- baca ulang dan cek setelah setiap perubahan
- jangan pisahkan testing dari pengecekan di situs yang sudah live
- adakan pemeriksaan integrasi di akhir
- jangan selesaikan masalah dengan bikin "sistem kedua"
Singkatnya, makin cepat AI-nya, makin bergeser pekerjaan manusia dari "pekerja" ke "pengatur lalu lintas dan perancang".
Kualitas artikel naik bukan cuma karena model penulisnya makin pintar
Hal yang sama terjadi di sistem yang memproduksi artikel dalam jumlah besar.
Awalnya, bisa menghasilkan teks saja sudah kemajuan besar. Tapi kalau cuma itu, hasilnya kadang bagus kadang zonk.
Lalu lapisan demi lapisan ditambahkan: penjaga kualitas yang menahan cacat serius, pengecekan kealamian tiap bahasa, pencegahan campur aduk bahasa, pengecekan halaman yang benar-benar tayang, link internal, membuat pembaca lanjut ke artikel berikutnya, bantuan membaca seperti audio dan baca cepat, menyambungkan dengan apa yang dicari orang, dan alur yang mengembalikan reaksi pembaca sungguhan ke artikel berikutnya.
Dengan begitu, perbaikan nggak berhenti di satu artikel.
Kalau satu kesalahan yang pernah ditemukan dijadikan aturan, artikel-artikel ke depan juga ikut terbantu. Kelihatannya sedang membetulkan artikel, padahal sebenarnya sedang membetulkan "kondisi produksi di pabrik pembuat artikel".
Sampai di tahap ini, peningkatan kualitas lebih mirip bunga majemuk daripada penjumlahan biasa.
Tapi "pabriknya makin kuat" beda dengan "semua artikel jadi lebih bagus"
Fitur sistem bertambah belum tentu berarti isi artikel yang dibaca orang benar-benar membaik.
Biarpun ada 100 item pengecekan, kalau tulisannya membosankan, pembaca nggak peduli. Biarpun terbit dalam 12 bahasa, kalau terjemahannya kaku, nilainya rendah. Biarpun pengecekan di situs live sempurna, kalau jawaban yang dicari orang tipis, itu bukan artikel yang kuat.
Makanya, pada akhirnya paling bagus membandingkan artikel lama dan artikel sekarang secara buta dengan kondisi yang sama.
Misalnya, ambil acak 100 artikel dari tiap periode, lalu nilai akurasi fakta, kemudahan dipahami, seberapa konkret, seberapa menarik, apakah menjawab yang dicari, kealamian bahasa, dan apakah pembaca tahu harus ngapain setelah membaca.
Kalau artikel sekarang terus-terusan menang, itu bukan lagi "kayaknya makin bagus", tapi bukti bahwa pabriknya sendiri memang membaik.
Melihat harga agen AI sebagai "biaya chat" itu salah fokus
Kalau 100 dolar sebulan dilihat sebagai biaya chat yang mahal, ya memang mahal.
Tapi kalau dengan biaya yang sama kamu bisa menuntaskan riset repositori, implementasi, testing, perbaikan, sampai dokumentasi berkali-kali setiap hari, pembandingnya jadi lain.
Jangan dibandingkan dengan aplikasi email atau layanan penulis teks, tapi dengan jam kerja manusia, biaya outsourcing, waktu menunggu, gonta-ganti konteks kerjaan, dan kerja ulang.
Tentu saja, tanggung jawab nggak bisa dilempar semua ke AI. Hasilnya tetap harus dicek dan disatukan.
Meski begitu, kalau jumlah pekerjaan yang keluar terlalu besar untuk harganya, rasanya bukan lagi "lagi pakai layanan bulanan", tapi lebih mirip "lagi menyewa kapasitas tim teknis yang murahnya nggak masuk akal".
Kesimpulan: lihat seberapa cepat hasil jadi bertambah, bukan seberapa cepat kuota berkurang
Jatah 5 jam habis dalam sekejap.
Biasanya, itu bikin sedih.
Tapi kalau dalam 5 jam itu hampir 10 pekerjaan berat beres, jatah mingguan masih ada sisa, dan satu perbaikan bisa dipakai ulang di artikel dan kode berikutnya, angka yang perlu dilihat bukan "sisa berapa persen".
Berapa yang sudah selesai? Berapa kali bolak-balik yang berkurang? Berapa kali kerja ulang yang hilang? Satu perbaikan merembet ke berapa pekerjaan?
Nilai agen AI lebih gampang dipahami kalau diukur dari jumlah pekerjaan jadi per satuan kuota, bukan dari banyaknya jawaban yang kedengarannya pintar.
Rasanya seperti merekrut engineer super elite dengan ¥16.000 sebulan, tapi bukan karena gaji dan langganan software itu sama.
Itu karena satuan kerjanya sendiri mulai berubah, dari "satu orang kerja 8 jam" menjadi "berangkat dari keputusan manusia, banyak pekerjaan selesai bersamaan".
Dan di tahap itu, yang benar-benar menakutkan bukan batas pemakaian.
Tapi salah saat menyatukan hasil kerja, lalu merusak repositori yang sama dengan kecepatan 10 engineer super elite.
Referensi (5)
- Anthropic, paket Claude Max: https://support.claude.com/en/articles/11049741-what-is-the-max-plan
- Anthropic, batas pemakaian dan panjang: https://support.claude.com/ja/articles/11647753-%E4%BD%BF%E7%94%A8%E9%87%8F%E3%81%A8%E9%95%B7%E3%81%95%E3%81%AE%E5%88%B6%E9%99%90%E3%81%AF%E3%81%A9%E3%81%AE%E3%82%88%E3%81%86%E3%81%AB%E6%A9%9F%E8%83%BD%E3%81%97%E3%81%BE%E3%81%99%E3%81%8B
- Anthropic, Claude Opus: https://www.anthropic.com/claude/opus
- Levels.fyi, gaji Senior Software Engineer di Jepang: https://www.levels.fyi/t/software-engineer/levels/senior/locations/japan
- Findy Freelance, laporan pasar engineer freelance 2026: https://freelance.findy-code.io/articles/market-report_202603
