Lebih dari Separuh Pendapatan OpenAI Berasal dari Perusahaan, Mengapa Anthropic Masih Memimpin Pasar API Perusahaan dengan 55%? Penjelasan Tuntas Lewat 3 Indikator

Catatan penulis: Untuk pertama kalinya, lebih dari separuh pendapatan OpenAI berasal dari bisnis perusahaan. Namun, Anthropic masih memimpin dalam belanja API perusahaan. Kedua kesimpulan ini tidak bertentangan karena yang diukur memang bukan hal yang sama.

Pada 4 November 2026, Presiden OpenAI Greg Brockman menyatakan di konferensi teknologi WSJ bahwa saat ini lebih dari separuh pendapatan OpenAI berasal dari bisnis perusahaan. Hanya sehari kemudian, laporan Menlo Ventures berjudul《2026 State of Enterprise AI》memperkirakan bahwa Anthropic menguasai 55% belanja API LLM di lingkungan produksi perusahaan, sementara OpenAI menguasai 31%.

Melihat dua kabar ini, banyak orang langsung bertanya, “Sebenarnya siapa yang menang?” Datanya tidak saling bertentangan. Sumber asli dari Reuters, TechCrunch, WSJ, dan Menlo saling mendukung; perbedaannya terletak pada cara pengukuran. Artikel ini akan menjelaskan persaingan OpenAI dan Anthropic di pasar perusahaan melalui tiga metrik yang berbeda.

Manfaat utama: Setelah membaca artikel ini, Anda akan bisa membedakan porsi pendapatan, pangsa belanja API, dan tingkat adopsi produk; memahami mengapa perusahaan menggunakan model dari beberapa penyedia sekaligus; serta merencanakan strategi integrasi model Anda.

Lebih dari Separuh Pendapatan OpenAI Berasal dari Bisnis Perusahaan: Ringkasan

Mari kita lihat dulu informasi yang disampaikan Brockman. Ia mengatakan bahwa sebelumnya sekitar 30% pendapatan OpenAI berasal dari bisnis perusahaan dan 70% dari konsumen. Kini, bisnis perusahaan menjadi sumber pendapatan terbesarnya. Brockman menekankan bahwa pendapatan dari konsumen tidak menurun—masih tumbuh, hanya saja pertumbuhan bisnis perusahaan lebih cepat.

Brockman juga mengakui bahwa OpenAI mengalami kesulitan di pasar perusahaan pada paruh pertama 2026. Meski sudah memiliki Codex, OpenAI belum banyak terlihat di pasar Agentic Coding. Titik baliknya terjadi pada kuartal ketiga. Ia menyebut peluncuran GPT-5.6 Sol dan ChatGPT Work, serta perluasan bisnis perusahaan sebagai faktor utama.

Dua hal yang mudah disalahartikan soal pendapatan perusahaan OpenAI

Ada dua hal yang perlu diperhatikan. Pertama, angka 70% mengacu pada pertumbuhan laju pendapatan tahunan (ARR) dibandingkan kuartal sebelumnya, bukan kenaikan pendapatan operasional kuartalan sebesar 70% menurut GAAP. ARR umumnya merupakan proyeksi pendapatan untuk setahun berdasarkan pendapatan dalam periode tertentu, bukan pendapatan setahun penuh yang sudah terealisasi.

Kedua, Reuters pernah melaporkan bahwa pendapatan tahunan OpenAI “mendekati 70 miliar dolar AS” dan kemudian “mendekati 50 miliar dolar AS”. Ini bukan berarti pendapatannya menyusut. Perbedaannya berasal dari perlakuan akuntansi atas pendapatan mitra cloud: untuk sebagian penjualan melalui kanal cloud, OpenAI hanya mencatat bagian yang menjadi haknya, sedangkan metode Anthropic mungkin mencatat total pembayaran pelanggan sebagai pendapatan. Angka 70 miliar dolar AS sebelumnya menggunakan perhitungan berbasis nilai bruto agar bisa dibandingkan dengan Anthropic.

Mengapa Anthropic Memimpin API Perusahaan: Tiga Metrik yang Tidak Bisa Disamakan

Intinya, “lebih dari separuh pendapatan OpenAI berasal dari perusahaan” dan “Anthropic memimpin pasar API perusahaan” menjawab dua pertanyaan yang berbeda. Jika ditambah tingkat adopsi platform perusahaan dari Morning Consult, sebenarnya ada tiga jenis metrik yang beredar.

Bayangkan seperti ini: lebih dari separuh pendapatan OpenAI berasal dari pelanggan perusahaan berarti “porsi pelanggan perusahaan dalam kue OpenAI sendiri semakin besar”; sementara 55% belanja API jatuh ke Anthropic berarti “Anthropic mendapat potongan terbesar dari kue belanja API perusahaan”. Angka pertama mencakup berbagai pendapatan dari pelanggan perusahaan, termasuk ChatGPT Business, Enterprise, API, dan Codex. Angka kedua hanya melihat pemanggilan API model di lingkungan produksi.

Perlu dicatat juga bahwa OpenAI tidak mengungkapkan kontribusi pendapatan masing-masing dari Business, Enterprise, API, Codex, dan Work. Jadi, “pendapatan dari pelanggan perusahaan” tidak bisa disamakan dengan pendapatan langganan ChatGPT Enterprise atau langsung dianggap sebagai pendapatan API.

Pangsa belanja API perusahaan: Anthropic naik dari 40% menjadi 55%

Berikut estimasi Menlo Ventures mengenai belanja API LLM di lingkungan produksi perusahaan pada 2026. Ini adalah angka estimasi, sehingga totalnya belum tentu sama dengan 100% setelah pembulatan.

Baris model sumber terbuka patut diperhatikan. Pangsa penggunaan tokennya sudah naik menjadi 19%, tetapi pangsa belanjanya hanya sekitar 4%. Artinya, “banyak digunakan” tidak sama dengan “banyak dibelanjakan”. Ini juga menunjukkan bahwa daya saing komersial model tidak bisa dinilai hanya dari harga atau jumlah pemanggilan.

🎯 Saran teknis: Data pangsa pasar hanya menunjukkan pilihan pasar secara keseluruhan, bukan pengganti pengujian langsung pada kebutuhan bisnis Anda. Coba gunakan satu kunci API melalui APIYI apiyi.com untuk memanggil model seri Claude dan GPT, lalu bandingkan hasil dan biayanya pada tugas nyata sebelum memutuskan.

Persaingan OpenAI dan Anthropic di perusahaan: peringkat berdasarkan tingkat adopsi berbeda lagi

Jika dilihat dari sudut pandang “platform AI yang disetujui atau sedang digunakan di perusahaan”, peringkatnya kembali berbeda. Morning Consult mensurvei 3003 pengambil keputusan di perusahaan-perusahaan AS pada 21—24 Juli 2026 dan menerbitkan hasilnya pada 3 Agustus.

Di perusahaan besar, tingkat adopsi Claude hanya 20%, jauh di bawah Copilot, Gemini, dan ChatGPT Enterprise. Ini tampak bertentangan dengan porsi Anthropic yang mencapai 55% dari belanja API, tetapi sebenarnya perbedaannya juga terletak pada cara pengukuran.

Tingkat adopsi hanya menghitung apakah sebuah platform “sudah disetujui atau sedang digunakan”. Perusahaan yang memberikan akun Copilot kepada seluruh karyawan dan perusahaan yang menghabiskan anggaran besar untuk API Claude setiap bulan memiliki bobot yang sama dalam tabel ini. Copilot dan Gemini memanfaatkan jalur distribusi Microsoft 365 dan Google Workspace yang sudah ada, sehingga lebih mudah menjangkau banyak pengguna. Sementara itu, belanja API lebih mencerminkan model mana yang benar-benar dipilih tim pengembang untuk digunakan di lingkungan produksi, khususnya untuk tugas agen dan pemrograman. Jadi, tingkat adopsi Morning Consult tidak boleh diartikan sebagai pangsa pasar API model.

Logika pasar API perusahaan: banyak penyedia hidup berdampingan

Melihat OpenAI dan Anthropic sebagai pilihan yang saling meniadakan tidak sesuai dengan kenyataan di pasar perusahaan. Data Morning Consult menunjukkan bahwa hanya 27% perusahaan besar yang menggunakan satu platform AI utama. Sebanyak 44% menambahkan setidaknya satu platform dalam setahun terakhir, sementara hanya 5% yang mengurangi jumlah platform.

Rencana untuk 12 bulan ke depan juga menunjukkan bahwa perusahaan mengambil beberapa langkah sekaligus:

• Terus berekspansi: 56% kemungkinan akan menambah jumlah platform yang disetujui, dan 45% kemungkinan akan meningkatkan penggunaan model sumber terbuka atau yang dihosting sendiri.
• Sekaligus melakukan konsolidasi: 47% kemungkinan akan menggabungkan dan mengurangi jumlah platform, dan 36% kemungkinan akan mengganti platform utama mereka saat ini.
• Membangun kemampuan sendiri: 66% berencana membangun kemampuan AI internal berbasis model fondasi.

Artinya, perusahaan terus mengadopsi model baru, tetapi pada saat yang sama ingin menyatukan tata kelola, pengadaan, dan penagihan. Bagi tim pengembang, langkah paling realistis adalah merancang arsitektur yang memungkinkan model diganti, alih-alih mengikat bisnis pada satu penyedia.

Mengapa perusahaan bersedia membayar untuk kualitas model

Keunggulan Anthropic dalam belanja API berkaitan dengan preferensi pengadaan perusahaan. Di antara faktor yang paling diperhatikan perusahaan besar, akurasi dan kualitas output menempati urutan pertama, diikuti keamanan dan privasi serta kepatuhan hukum. Sementara itu, total biaya kepemilikan (TCO) hanya berada di peringkat ke-8 dari 12 faktor.

Data ini menjelaskan satu hal penting: persaingan API perusahaan tidak selalu dimenangkan oleh penyedia dengan harga satuan terendah. Ketika model digunakan untuk tugas Agent dengan rangkaian langkah yang panjang dan kode produksi, biaya pengerjaan ulang akibat satu kesalahan sering kali jauh lebih besar daripada selisih harga token. Menlo juga mencatat bahwa pertumbuhan pangsa Anthropic berkaitan erat dengan performa seri Opus dalam tugas jangka panjang dan pemrograman.

Sumber data grafik: survei AI perusahaan Morning Consult 2026. Untuk menguji perbedaan kualitas berbagai model dalam bisnis Anda, lakukan pengujian perbandingan multimodel melalui APIYI apiyi.com.

OpenAI bangkit pada paruh kedua tahun ini: lanskap API perusahaan mulai berubah

Keunggulan Anthropic bukan berarti persaingan sudah selesai. Pada 5 November, WSJ mengutip data belanja perusahaan dari OpenRouter: pada awal tahun, Anthropic menyumbang sekitar tiga perempat belanja di perusahaan yang menggunakan model dari kedua penyedia. Pada September 2026, porsi keduanya sudah hampir seimbang.

Perlu dicatat, OpenRouter adalah platform agregator model. Datanya tidak mewakili seluruh industri, dan penggunanya lebih banyak berasal dari kalangan developer dan startup. Karena itu, data ini lebih cocok untuk melihat tren daripada dijadikan patokan pangsa pasar seluruh industri.

Kebangkitan OpenAI terutama ditopang oleh lini produk Codex dan Agent:

• Pengguna Codex tumbuh pesat: jumlah pengguna aktif mingguan naik dari lebih dari 2 juta pada 31 Maret menjadi lebih dari 5 juta pada 2 Juni. Perlu diingat, ini data Juni, bukan jumlah terbaru pada November.
• Dari programmer ke pekerja pengetahuan: Axios melaporkan bahwa pekerja pengetahuan mencakup sekitar 20% pengguna Codex, dengan laju pertumbuhan lebih dari 3 kali lipat kelompok developer.
• ChatGPT Work diluncurkan: hadir pada 9 Juli untuk menyelesaikan tugas berdurasi panjang yang melibatkan banyak aplikasi dan tahapan.
• Jaringan implementasi perusahaan: pada April, OpenAI memperkenalkan Codex Labs bersama integrator sistem seperti Accenture, Capgemini, Infosys, PwC, dan TCS. Pada Juni, OpenAI meluncurkan OpenAI Partner Network dengan investasi 150 juta dolar AS.

Menlo memperkirakan Claude Code dan Codex secara gabungan menguasai sekitar 70% pasar aplikasi pemrograman AI senilai 34 miliar dolar AS, atau sekitar 24 miliar dolar AS. Agent pemrograman kini menjadi arena utama bagi keduanya dalam memperebutkan anggaran perusahaan.

Agent mengubah pola konsumsi API perusahaan

Menlo mengutip data OpenRouter yang menunjukkan bahwa Agent kini menyumbang sekitar 80% dari total konsumsi Token di platform tersebut. Setelah melampaui trafik yang digerakkan manusia pada Februari 2026, trafik Agent tumbuh sekitar 37 kali lipat, sementara trafik manusia hanya tumbuh sekitar 5 kali lipat pada periode yang sama. Konsumsi Token pun bergeser dari yang sebelumnya berkaitan dengan jumlah pengguna menjadi berkaitan dengan volume tugas, jumlah tugas paralel, dan durasi eksekusi.

Ini juga menjadi salah satu alasan belanja AI perusahaan melampaui perkiraan. Menlo memperkirakan belanja AI perusahaan rata-rata mencapai 4,7 kali lipat dari tahun sebelumnya, padahal perusahaan awalnya hanya memperkirakan kenaikan 1,9 kali lipat. Bagi tim pengembang, pemantauan penggunaan dan pengendalian anggaran kini menjadi sama pentingnya dengan pemilihan model.

Cara menghadapi perubahan persaingan dengan strategi API multimodel untuk perusahaan

Karena perusahaan umumnya menggunakan beberapa penyedia sekaligus, langkah paling praktis bagi developer adalah membuat satu basis kode yang bisa beralih antara model OpenAI dan Anthropic kapan saja. Berikut contoh sederhana untuk memanggil model dari berbagai penyedia melalui antarmuka yang kompatibel dengan OpenAI:

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Antarmuka terpadu APIYI, satu Key untuk memanggil model dari berbagai penyedia
)

# Gunakan nama model yang tercantum dalam daftar model platform
for model in ["gpt-6.1-sol", "claude-opus"]:
    resp = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": "用三句话总结企业 API 选型要点"}]
    )
    print(model, "=>", resp.choices[0].message.content)

import time
import openai
from typing import List, Dict

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Satu titik akses untuk memudahkan perbandingan
)

def compare_models(prompt: str, models: List[str]) -> List[Dict]:
    """Panggil beberapa model untuk tugas yang sama, lalu catat waktu dan penggunaan token"""
    results = []
    for model in models:
        start = time.time()
        try:
            resp = client.chat.completions.create(
                model=model,
                messages=[
                    {"role": "system", "content": "你是严谨的企业技术顾问"},
                    {"role": "user", "content": prompt}
                ],
                max_tokens=800
            )
            results.append({
                "model": model,
                "latency_s": round(time.time() - start, 2),
                "prompt_tokens": resp.usage.prompt_tokens,
                "completion_tokens": resp.usage.completion_tokens,
                "answer": resp.choices[0].message.content
            })
        except Exception as e:
            results.append({"model": model, "error": str(e)})
    return results

if __name__ == "__main__":
    task = "审查以下函数的潜在并发问题，并给出修改建议：..."
    # Gunakan nama model yang tercantum dalam daftar model platform
    for r in compare_models(task, ["gpt-6.1-sol", "gpt-6.1-terra", "claude-opus"]):
        print(r)

🚀 Mulai dengan cepat: Daftar di APIYI apiyi.com untuk mendapatkan kredit uji coba gratis, lalu coba jalankan tugas pemrograman, dokumentasi, atau Agent yang benar-benar Anda gunakan pada setiap model. Platform ini menyediakan antarmuka yang kompatibel dengan OpenAI dan mengenakan biaya berdasarkan pemakaian. Untuk beralih model, cukup ubah parameter model.

Pertanyaan Umum FAQ

Poin Penting Persaingan API Enterprise OpenAI dan Anthropic

• Jangan campuradukkan tiga metrik: struktur pendapatan, pangsa belanja API, dan tingkat adopsi platform memiliki dasar perhitungan yang berbeda.
• Lebih dari separuh pendapatan OpenAI berasal dari enterprise: bisnis enterprise tumbuh lebih cepat, tetapi pendapatan konsumen juga terus meningkat.
• Anthropic memimpin pangsa belanja API: Menlo memperkirakan pangsanya mencapai 55%, berkat kemampuan Opus dalam tugas berdurasi panjang dan pemrograman.
• OpenAI bangkit pada paruh kedua tahun ini: didorong oleh Codex dan model baru, pangsa kedua perusahaan pada September sudah hampir setara menurut data OpenRouter.
• Perusahaan umumnya memakai beberapa penyedia: hanya 27% perusahaan besar yang menggunakan satu platform utama. Kualitas dan keamanan lebih diutamakan daripada harga.
• Cara memulai: bandingkan model dari berbagai penyedia melalui APIYI apiyi.com dengan satu kunci API. Pilih berdasarkan pengujian nyata, bukan pangsa pasar.

Kesimpulan

Lebih dari separuh pendapatan OpenAI berasal dari enterprise, sementara Anthropic memimpin pasar API enterprise. Keduanya adalah dua sisi dari persaingan yang sama:

1. Perubahan OpenAI: struktur pendapatannya bergeser dari sekitar 70% berasal dari konsumen menjadi didominasi bisnis enterprise. Bisnis enterprise naik dua kali lipat pada kuartal ketiga, dengan Codex dan ChatGPT Work sebagai pendorong utama.
2. Keunggulan Anthropic: perusahaan ini masih menguasai mayoritas belanja API di lingkungan produksi enterprise, terutama berkat kualitas modelnya untuk tugas berdurasi panjang dan pemrograman.
3. Arah ke depan: penggunaan beberapa penyedia akan menjadi hal yang umum di perusahaan. Persaingan akan berfokus pada kemampuan agen, keamanan dan kepatuhan, serta ekosistem implementasi, bukan sekadar perang harga.

Bagi pengembang dan pembeli di perusahaan, alih-alih bertaruh pada satu penyedia, lebih baik menjaga agar komponen dalam arsitektur tetap mudah diganti dan terus mengevaluasi model menggunakan tugas nyata. APIYI apiyi.com dapat membantu menyiapkan lingkungan perbandingan multimodel dengan cepat. Platform ini menyediakan antarmuka terpadu dan kuota gratis bagi pengguna baru, sehingga data pasar dapat diubah menjadi dasar pemilihan yang sesuai dengan kebutuhan Anda.

📚 Referensi

1. Reuters: Lebih dari separuh pendapatan OpenAI berasal dari perusahaan dan pernyataan soal IPO: Liputan pernyataan Brockman di konferensi teknologi WSJ
2. Tautan: reuters.com/legal/transactional/openai-ready-ipo-2027-now-counts-majority-sales-enterprises-brockman-says-2026-11-05/

3. Keterangan: Laporan langsung tentang porsi pendapatan dari perusahaan, pertumbuhan kuartal ketiga, dan kerja sama dengan JPMorgan

4. Reuters: Pendapatan tahunan OpenAI pada September mendekati 50 miliar dolar AS: Penjelasan tentang penyesuaian metode penghitungan pendapatan

5. Tautan: reuters.com/business/openais-annualized-revenue-20-billion-less-than-previously-signaled-ft-reports-2026-10-08/

6. Keterangan: Sumber penting untuk memahami perbedaan angka 50 miliar dan 70 miliar dolar AS

7. Menlo Ventures: 2026 The State of Enterprise AI: Estimasi pangsa belanja API perusahaan

8. Tautan: menlovc.com/perspective/2026-the-state-of-enterprise-ai/

9. Keterangan: Sumber angka pangsa Anthropic 55%, OpenAI 31%, dan tren token agent

10. Morning Consult: State of Enterprise AI: Survei tingkat adopsi platform AI oleh perusahaan di Amerika Serikat

11. Tautan: morningconsult.com/articles/state-of-enterprise-ai

12. Keterangan: Data tingkat adopsi platform, strategi multi-vendor, dan faktor pengadaan

13. WSJ: Masa sulit OpenAI pada paruh pertama tahun dan pesatnya bisnis pemrograman: Mengutip data belanja perusahaan dari OpenRouter

14. Tautan: wsj.com/tech/openai-had-rough-first-half-of-year-before-coding-takeoff-brockman-says-6c97d9e5
15. Keterangan: Referensi tren perubahan belanja untuk OpenAI dan Anthropic di perusahaan yang menggunakan keduanya

Penulis: Tim Teknis APIYI
Diskusi teknis: Hubungi kami melalui halaman utama APIYI di apiyi.com. Untuk tutorial integrasi lainnya, kunjungi pusat dokumentasi di docs.apiyi.com