Setelah Apple Mengurangi Anggaran Token Harian Karyawan: 4 Mekanisme Penting untuk Mengelola Biaya Pemanggilan AI dalam Tim Perusahaan

Catatan penulis: Berangkat dari berita bahwa Apple menurunkan anggaran token harian insinyur dari 300 menjadi 200 dolar AS, artikel ini membahas empat mekanisme pengelolaan biaya pemanggilan AI: pengelompokan anggaran, persetujuan pengecualian, pengelompokan model, dan pemantauan penggunaan.

Menurut laporan Bloomberg, bulan lalu Apple menurunkan anggaran token harian sebagian insinyur dari 300 menjadi 200 dolar AS. Selanjutnya, anggaran itu direncanakan turun menjadi 100 dolar AS per hari, sementara sebagian tim nonteknis mungkin hanya mendapat 25 dolar AS. Karyawan yang membutuhkan lebih banyak kuota dapat mengajukan pengecualian kepada manajemen. Sebagian tim juga akan dialihkan ke model yang lebih murah atau AI lokal yang berjalan di perangkat.

Ini bukan sekadar rumor. Pada 5 November 2026, The Decoder mengutip laporan Bloomberg yang mengungkap angka-angka tersebut dan menyebut bahwa Microsoft, Tesla, Uber, dan Meta juga baru-baru ini menetapkan batas pengeluaran AI internal. Pergeseran perusahaan besar dari “pakai sebebasnya” ke “pakai sesuai anggaran” menunjukkan bahwa biaya pemanggilan AI sudah menjadi persoalan yang harus ditangani langsung oleh manajemen perusahaan.

Manfaat utama: Setelah membaca artikel ini, kamu akan memahami langkah Apple untuk memperketat anggaran token dan mendapatkan kerangka pengelolaan biaya pemanggilan AI perusahaan yang bisa langsung diterapkan, meliputi pengelompokan anggaran, persetujuan pengecualian, pengelompokan model, dan pemantauan penggunaan.

Apple Kurangi Anggaran Token: Ringkasan Utama

Tiga Detail Penyesuaian Anggaran Token Apple

Detail pertama, anggaran dihitung per orang, per hari. Apple tidak hanya menetapkan total anggaran tahunan untuk setiap departemen, tetapi juga menentukan jatah harian untuk tiap karyawan. Dengan perincian ini, setiap karyawan bisa melihat langsung biaya penggunaan AI mereka, sementara manajemen lebih mudah menyesuaikan jatah berdasarkan peran.

Detail kedua, tim teknis dan nonteknis mendapat jatah berbeda. Target jatah untuk engineer sekitar 100 dolar AS, sedangkan sebagian tim nonteknis mungkin hanya mendapat 25 dolar AS—selisihnya empat kali lipat. Ini menunjukkan bahwa Apple memandang konsumsi token untuk pekerjaan seperti menulis kode dan menjalankan agen memang jauh lebih besar daripada untuk menulis email atau membuat ringkasan.

Detail ketiga, batas tersebut bukan batas mutlak. Karyawan dapat mengajukan pengecualian, dan sebagian tim diarahkan untuk menggunakan model yang lebih murah atau model lokal. Inti pendekatan ini bukan “mengurangi penggunaan AI”, melainkan “menyediakan daya komputasi yang mahal untuk tugas yang memang membutuhkannya”. Namun, laporan tersebut belum mengungkap cara Apple mengelompokkan model atau menerapkan batasnya. Detail ini masih menunggu informasi lebih lanjut.

Mengapa biaya pemanggilan AI membuat perusahaan besar memperketat anggaran token

Perbedaan terbesar antara biaya pemanggilan AI dan langganan perangkat lunak tradisional adalah biayanya dihitung berdasarkan pemakaian dan biaya marginalnya tidak nol. Karyawan yang membuka alat SaaS yang sama 100 kali sehari tidak akan menambah biaya langganan. Namun, jika ia meminta Model Bahasa Besar membaca 100 dokumen panjang setiap hari, setiap pemanggilan menghasilkan biaya token. Ketika penggunaan meluas hingga puluhan ribu karyawan, pengeluaran ini bisa meningkat dengan cepat.

Belanja riset dan pengembangan Apple pada tahun fiskal 2026 naik 32%. Laporan secara jelas menyebutkan bahwa kenaikan biaya infrastruktur dan AI menjadi faktor pendorongnya. Di tengah upaya perampingan yang didorong CEO baru, pengeluaran AI internal menjadi pos yang mudah diukur sekaligus disesuaikan. Microsoft, Tesla, Uber, Meta, dan perusahaan lain yang menerapkan batasan pada periode yang sama juga menunjukkan bahwa ini bukan keputusan insidental dari satu perusahaan.

Dari respons internal, sebagian karyawan menilai bahwa batas sebelumnya memang terlalu longgar: plafon 300 dolar per hari tidak akan habis digunakan oleh sebagian besar posisi. Ini menunjukkan masalah yang umum terjadi: banyak perusahaan menetapkan batas penggunaan tanpa perhitungan matang pada tahap awal penerapan AI. Ketika batas itu diperketat kemudian, perdebatan pun mudah muncul.

4 mekanisme untuk mengelola biaya pemanggilan AI di tim perusahaan

Jika pendekatan Apple diuraikan, ada 4 mekanisme pengelolaan yang bisa diterapkan kembali. Keempatnya saling melengkapi: anggaran menetapkan batas, persetujuan memberi fleksibilitas, pembagian tingkatan menekan biaya, dan pemantauan memastikan pelaksanaannya.

Mekanisme pertama: Tetapkan anggaran token berdasarkan peran

Kunci anggaran per orang adalah “pembagian tingkatan”, bukan “pemerataan”. Cara tiap peran menggunakan AI sangat berbeda. Jika semua orang diberi angka yang sama, engineer bisa kekurangan, sementara kuota pengguna ringan terus menganggur. Tabel berikut adalah contoh pembagian tingkatan berdasarkan pendekatan Apple. Angka pastinya perlu dihitung sesuai riwayat penggunaan tim Anda.

Saat menetapkan tingkatan, ambil data penggunaan aktual selama 1-3 bulan terakhir. Lihat median dan penggunaan tinggi untuk setiap peran, lalu tetapkan anggaran di atas median tetapi di bawah tingkat penggunaan tinggi. Dengan begitu, kebutuhan harian sebagian besar orang terpenuhi, sementara pengguna berat yang jumlahnya sedikit dapat mengajukan pengecualian. Cara ini juga menjaga biaya pengelolaan tetap rendah.

Mekanisme kedua: persetujuan pengecualian, bukan batas pukul rata

Apple mengizinkan karyawan yang melampaui batas untuk mengajukan pengecualian kepada manajemen. Pendekatan ini patut ditiru. Batas mutlak bisa membuat tugas penting terhenti di tengah jalan, sementara tanpa batas sama sekali, anggaran kehilangan fungsinya. Berikut beberapa hal yang bisa dijadikan acuan:

• Tentukan kondisi pemicu: misalnya, kuota harian habis atau sebuah proyek membutuhkan pemanggilan intensif selama beberapa hari berturut-turut;
• Batasi masa berlaku persetujuan: berikan kuota pengecualian per hari atau per proyek, lalu cabut secara otomatis saat masa berlakunya habis agar yang “sementara” tidak berubah menjadi “permanen”;
• Minta penjelasan singkat: jelaskan jenis tugas dan hasil yang diharapkan agar biaya pemanggilan AI bisa dievaluasi setelahnya;
• Rekap dan evaluasi setiap bulan: jika orang atau tim yang sama sering mengajukan pengecualian, bisa jadi anggaran dasarnya terlalu rendah. Sesuaikan tingkat anggarannya alih-alih terus menyetujui pengecualian.

Mekanisme ketiga: tingkatan model dan penurunan tingkat otomatis

Menurut laporan, Apple akan mengalihkan sebagian tim ke model yang lebih murah atau AI lokal di perangkat. Di balik langkah ini ada salah satu cara paling efektif untuk menekan biaya pemanggilan AI: alokasikan model berdasarkan tingkat kesulitan tugas. Banyak tugas sehari-hari bisa diselesaikan oleh model ringan; hanya sebagian kecil tugas kompleks yang benar-benar membutuhkan model unggulan.

Aturan penurunan tingkat otomatis yang umum adalah: setelah penggunaan mencapai persentase tertentu dari anggaran (misalnya 80%), tugas nonkritis otomatis dialihkan ke model satu tingkat di bawahnya. Setelah kuota habis, hanya model ringan yang tetap tersedia, atau pengguna masuk ke proses persetujuan pengecualian. Dengan begitu, karyawan tidak tiba-tiba kehilangan akses dan pekerjaan tetap berjalan lancar. Perbedaan harga aktual antar-model bergantung pada tarif terkini tiap platform, jadi sebaiknya hitung sendiri sebelum menerapkannya.

💡 Saran pemilihan: Penggunaan model bertingkat membutuhkan cara yang mudah untuk beralih antar-model dari berbagai penyedia. Melalui platform agregator seperti APIYI apiyi.com, satu kunci API dapat digunakan untuk memanggil model OpenAI, Claude, Gemini, dan lainnya. Antarmukanya kompatibel dengan format OpenAI, sehingga Anda cukup mengubah parameter model saat menerapkan perutean bertingkat.

Mekanisme empat: Pemantauan penggunaan agar anggaran bisa diterapkan

Tanpa pemantauan, anggaran token per orang hanya akan menjadi aturan di atas kertas. Pemantauan bukan sekadar untuk “menangkap pengeluaran berlebih”, tetapi juga menyediakan data untuk menentukan tingkat anggaran dan pembagian model. Setidaknya, pantau metrik berikut:

Secara teknis, Anda dapat mencatat kolom usage dari setiap permintaan di lapisan gateway AI internal perusahaan, lalu merangkumnya berdasarkan label karyawan atau tim. Jika menggunakan platform pihak ketiga, pastikan terlebih dahulu apakah tingkat perincian statistik penggunaannya sesuai dengan kebutuhan pembagian biaya Anda. Dukungan untuk subakun, penetapan batas per anggota, dan peringatan bergantung pada kemampuan aktual platform tersebut.

Panduan singkat mengendalikan biaya pemanggilan AI: routing model berdasarkan anggaran

Contoh sederhana berikut menunjukkan cara menerapkan “anggaran per pengguna + penurunan tingkat model otomatis” dalam kode. Kita mulai dari pemanggilan paling dasar, dengan fokus pada pembacaan penggunaan token yang dikembalikan setiap permintaan:

from openai import OpenAI

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

resp = client.chat.completions.create(
    model="gpt-4o-mini",  # Utamakan model ringan untuk tugas sehari-hari
    messages=[{"role": "user", "content": "把这段会议纪要整理成 5 条要点：..."}]
)
print(resp.choices[0].message.content)
print("本次消耗 tokens:", resp.usage.total_tokens)

from collections import defaultdict
from datetime import date
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

# Tingkatan model: ganti dengan nama model yang tersedia di platform
TIERS = ["your-premium-model", "your-standard-model", "your-light-model"]

# Placeholder harga satuan (dolar AS / juta token), isi sesuai harga platform saat ini
PRICE = {
    "your-premium-model":  {"in": 0.0, "out": 0.0},
    "your-standard-model": {"in": 0.0, "out": 0.0},
    "your-light-model":    {"in": 0.0, "out": 0.0},
}

# Anggaran harian berdasarkan peran (dolar AS), mengacu pada pendekatan bertingkat Apple
DAILY_BUDGET = {"engineer": 100, "non_tech": 25}

spent = defaultdict(float)   # (user, date) -> pengeluaran hari ini
exceptions = set()           # (user, date) dengan pengecualian yang sudah disetujui


def pick_model(user: str, role: str, preferred: str) -> str:
    key = (user, date.today())
    budget = DAILY_BUDGET[role]
    used = spent[key]
    if key in exceptions:
        return preferred
    if used >= budget:
        return TIERS[-1]                      # Anggaran habis: hanya gunakan model ringan
    if used >= budget * 0.8:
        idx = min(TIERS.index(preferred) + 1, len(TIERS) - 1)
        return TIERS[idx]                     # Mendekati batas: turunkan satu tingkat
    return preferred


def chat(user: str, role: str, prompt: str, preferred: str = "your-standard-model"):
    model = pick_model(user, role, preferred)
    resp = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
    )
    u = resp.usage
    p = PRICE[model]
    cost = (u.prompt_tokens * p["in"] + u.completion_tokens * p["out"]) / 1_000_000
    spent[(user, date.today())] += cost
    print(f"[{user}] model={model} cost=${cost:.4f} today=${spent[(user, date.today())]:.2f}")
    return resp.choices[0].message.content


# Contoh penggunaan
print(chat("alice", "non_tech", "把这封邮件翻译成英文：..."))

Contoh ini belum mencakup penyimpanan permanen, konkurensi, dan alur persetujuan. Untuk lingkungan produksi, sebaiknya simpan spent dalam database atau cache, lalu hubungkan persetujuan pengecualian ke sistem tiket internal. Prinsip utamanya tetap sama: catat biaya setiap pemanggilan dan periksa anggaran sebelum melakukan routing.

🚀 Mulai cepat: Untuk menguji efektivitas routing bertingkat, dapatkan kuota uji coba gratis bagi pengguna baru melalui APIYI apiyi.com. Gunakan satu Key untuk membandingkan kualitas dan biaya model di berbagai tingkat pada tugas nyata, lalu tentukan model default untuk setiap peran.

Analisis dampak penyesuaian anggaran token Apple

Dampak bagi developer

• Kesadaran biaya menjadi keterampilan dasar: Di perusahaan besar, developer perlu mulai memperhatikan jumlah token yang digunakan setiap tugas dan membatasi operasi yang boros, seperti penggunaan konteks panjang dan percobaan ulang berulang kali.
• Kemampuan menggunakan berbagai model makin dihargai: Developer yang mampu memilih model sesuai tugas dan menyerahkan tugas sederhana kepada model ringan atau lokal akan bekerja lebih efisien saat anggaran diperketat.
• Kebutuhan akan gateway AI dan lapisan routing meningkat: Perusahaan membutuhkan satu pintu untuk mencatat biaya, menetapkan batas, dan mengalihkan penggunaan ke model yang lebih ringan. Akibatnya, pekerjaan pengembangan infrastruktur internal semacam ini akan bertambah.

Dampak bagi manajer perusahaan

• Dari “mendorong penggunaan” ke “pengelolaan yang lebih terperinci”: Biaya pemanggilan AI masuk ke pengelolaan anggaran rutin, sehingga perlu dialokasikan dan dievaluasi seperti biaya sumber daya cloud.
• Anggaran harus ditetapkan berdasarkan data: Karyawan Apple menganggap kuota lama “terlalu longgar”. Ini menunjukkan bahwa menetapkan kuota tanpa dasar yang jelas dapat menimbulkan biaya penyesuaian di kemudian hari.
• Risiko komunikasi organisasi tidak bisa diabaikan: Laporan menyebutkan bahwa sebagian karyawan khawatir pemotongan biaya merupakan tanda awal PHK. Jika pengetatan anggaran tidak disertai penjelasan, langkah ini mudah dianggap sebagai sinyal perubahan organisasi yang lebih besar.

Tabel berikut merangkum risiko organisasi yang umum muncul saat perusahaan mengendalikan biaya pemanggilan AI beserta cara menanganinya:

Pertanyaan Umum (FAQ)

Poin Utama Pengelolaan Biaya Penggunaan AI

• Apple sudah memperketat anggaran: Anggaran token harian per engineer turun dari 300 dolar menjadi 200 dolar, dan direncanakan turun lagi.
• Tingkatan lebih efektif daripada pembagian rata: Penggunaan pada peran teknis dan nonteknis berbeda jauh; target anggaran Apple untuk keduanya terpaut 4 kali lipat.
• Persetujuan pengecualian menjaga fleksibilitas: Batas bukanlah batas mutlak; tugas penting bisa mendapat tambahan kuota sementara.
• Tingkatan model paling menghemat biaya: Serahkan tugas rutin kepada model ringan atau lokal, dan gunakan model unggulan untuk tugas kompleks.
• Pemantauan membantu penerapan anggaran: Catat token dan biaya per orang maupun per tim, lalu gunakan datanya untuk menyesuaikan tingkatan.
• Komunikasi dengan tim tetap penting: Pengetatan anggaran bisa memicu kekhawatiran soal PHK, jadi jelaskan tujuannya sejak awal.
• Mulai dengan routing model: Melalui APIYI apiyi.com, gunakan satu kunci untuk membandingkan beberapa tingkatan model dan menguji strategi tersebut.

Kesimpulan

Penurunan anggaran token harian karyawan Apple menjadi sinyal jelas bahwa penggunaan AI di perusahaan besar mulai bergeser dari “ekspansi skala” ke “perhitungan biaya yang cermat”. Ada tiga pelajaran utama bagi tim perusahaan:

1. Buat tingkatan anggaran: Tetapkan kuota per orang berdasarkan peran dan jenis tugas, dengan memakai data historis alih-alih perkiraan;
2. Jaga fleksibilitas mekanisme: Gabungkan persetujuan pengecualian dengan peralihan otomatis ke model yang lebih ringan agar tugas penting tidak terhenti;
3. Buat tingkatan model: Sesuaikan model dengan tugas, lalu pantau penggunaan untuk terus mengoptimalkannya.

Jika tim Anda sedang merencanakan pengelolaan biaya penggunaan AI, coba terapkan tingkatan model pada satu atau dua skenario yang sering terjadi. Setelah mendapat data biaya dan kualitas yang nyata, barulah terapkan lebih luas. APIYI apiyi.com bisa membantu menyiapkan lingkungan pengujian multimodel dengan cepat; kuota gratis untuk pengguna baru cukup untuk perbandingan awal.

📚 Referensi

1. Apple slashes internal AI budgets， with deeper cuts still planned: Ulasan The Decoder atas laporan Bloomberg
2. Tautan: the-decoder.com/apple-slashes-internal-ai-budgets-with-deeper-cuts-still-planned/
3. Keterangan: Mencakup angka penyesuaian anggaran token harian Apple, tanggapan karyawan, serta informasi tentang pembatasan pengeluaran AI di perusahaan lain

Penulis: Tim Teknis APIYI
Diskusi teknis: Hubungi kami melalui halaman utama situs resmi APIYI untuk berdiskusi tentang pengelolaan biaya pemanggilan AI dan integrasi multimodel di perusahaan