Ketika Raksasa Teknologi AI Mulai Disebut 'Terlalu Besar untuk Gagal'

Lima nama besar teknologi Amerika — Google, Microsoft, Meta, Oracle, dan Amazon — makin sering disebut sebagai tulang punggung pasar saham hari ini. Belanja modal mereka yang membengkak untuk membangun kapasitas kecerdasan buatan (AI) menjadi salah satu mesin yang ikut menopang pertumbuhan ekonomi. Dari situ muncul perbandingan yang bikin banyak orang berhenti sejenak: apakah kelompok ini adalah versi 2026 dari bank-bank raksasa menjelang krisis 2008 — perusahaan yang dianggap 'terlalu besar untuk gagal'?

Inti persoalannya sederhana: risiko yang menumpuk di sedikit tempat. Ketika satu segmen kecil perusahaan menopang bagian besar dari optimisme dan pertumbuhan pasar, nasib banyak pihak jadi ikut bergantung pada segelintir pemain. Itulah pola yang dulu terlihat pada perbankan sebelum 2008. Ketika satu bagian penting goyah, guncangannya tidak berhenti di situ, melainkan menjalar ke seluruh sistem karena semua saling terhubung.

Belanja modal besar-besaran itu sendiri adalah pedang bermata dua. Selama uang mengalir ke pembangunan infrastruktur AI, aktivitas ekonomi ikut terangkat — pesanan, proyek, dan ekspektasi tumbuh bersamaan. Tapi belanja sebesar ini bersandar pada keyakinan bahwa permintaan akan datang sesuai harapan. Optimisme yang menebal seperti ini punya kemiripan dengan gelembung-gelembung di masa lalu: harga dan ekspektasi bisa lari lebih dulu dari kenyataan, dan penyesuaiannya bisa terasa mendadak kalau keyakinan itu berbalik.

Dua istilah sering muncul dalam perbincangan ini. Yang pertama, *moral hazard* — situasi di mana pemain besar merasa relatif aman mengambil risiko lebih besar karena menganggap kejatuhannya akan terlalu merugikan untuk dibiarkan begitu saja. Yang kedua, pembiayaan yang bersifat melingkar (*circular financing*), yaitu ketika perusahaan-perusahaan dalam lingkaran yang sama saling mendanai dan saling membeli. Selama semuanya sehat, lingkaran itu memperkuat pertumbuhan. Tapi kalau satu mata rantai melemah, tekanannya bisa berputar balik dan memperbesar masalah, bukan meredamnya.

Yang penting dicatat, ini adalah kekhawatiran soal konsentrasi risiko, bukan ramalan bahwa krisis pasti terjadi. Arah ke depan tetap bergantung pada data — apakah permintaan nyata terhadap AI sepadan dengan besarnya belanja, dan apakah pertumbuhan bisa menyebar lebih merata ketimbang bertumpu pada segelintir nama. Selama belanja tetap terbayar oleh hasil nyata, cerita pertumbuhannya bertahan. Sinyal yang layak diperhatikan justru sebaliknya: tanda-tanda belanja melambat, ekspektasi yang tak kunjung terpenuhi, atau melemahnya salah satu pemain besar yang selama ini menopang pasar. Bagi pelaku pasar, memahami di mana risiko itu menumpuk lebih berguna daripada menebak kapan ia akan bergerak.