Pendapatan OpenAI dari pelanggan perusahaan melampaui 50% untuk pertama kalinya: 5 sinyal utama ChatGPT menuju infrastruktur perusahaan

Catatan penulis: Brockman mengonfirmasi bahwa lebih dari separuh pendapatan OpenAI berasal dari bisnis perusahaan. Artikel ini membahas bagaimana perubahan tersebut terjadi dan dampak praktisnya bagi pengadaan perusahaan serta pengembang.

Pada 4 November 2026, salah satu pendiri sekaligus presiden OpenAI, Greg Brockman, mengungkapkan di konferensi teknologi The Wall Street Journal bahwa saat ini lebih dari separuh pendapatan OpenAI berasal dari bisnis perusahaan. Ia mengatakan bahwa sebelumnya pendapatan dari perusahaan dan konsumen terbagi sekitar 30:70. Kini, bisnis perusahaan telah menjadi sumber pendapatan terbesar.

Ini bukan berarti OpenAI meninggalkan pasar konsumen. Brockman menegaskan bahwa pendapatan bisnis konsumen tidak menurun dan masih terus tumbuh, hanya saja bisnis perusahaan tumbuh lebih cepat. Reuters, TechCrunch, dan WSJ melaporkan pernyataan tersebut pada 5 November.

Inti artikel: Artikel ini mengulas linimasa perubahan komposisi pendapatan OpenAI, membedakan beberapa ukuran statistik yang mudah tertukar, dan menganalisis mengapa AI untuk perusahaan semakin menjadi sumber pendapatan terpenting bagi perusahaan pengembang model.

Lebih dari Separuh Pendapatan OpenAI Berasal dari Bisnis Perusahaan: Ringkasan

Tabel berikut merangkum fakta utama yang diungkapkan. Perlu dicatat, Brockman hanya menyebut “lebih dari separuh” tanpa mengumumkan persentase pastinya.

Ada dua hal yang perlu digarisbawahi. Pertama, angka 70% merujuk pada pertumbuhan laju pendapatan tahunan (annualized revenue run rate) dibandingkan kuartal sebelumnya, bukan kenaikan 70% dalam pendapatan operasional kuartalan yang telah diaudit. Kedua, “Saya rasa begitu” hanya menunjukkan bahwa Brockman menilai perusahaan mungkin siap melantai di bursa pada 2027. Itu bukan berarti tanggal IPO sudah ditetapkan atau pengajuan sudah disampaikan.

Linimasa Perubahan Struktur Pendapatan Bisnis Perusahaan OpenAI

Porsi pendapatan bisnis perusahaan yang melampaui separuh tidak terjadi secara tiba-tiba. Berdasarkan pengumuman resmi OpenAI dan laporan media, perubahan ini berlangsung secara bertahap selama sekitar satu tahun.

Pada Maret, OpenAI memperkirakan pendapatan bisnis perusahaan dan konsumen akan setara pada akhir tahun. Namun, porsi bisnis perusahaan ternyata sudah melampaui separuh pada awal November. Ini menunjukkan bahwa pertumbuhan bisnis perusahaan pada kuartal ketiga melampaui ekspektasi OpenAI sendiri pada awal tahun.

Sebelum pendapatan bisnis OpenAI bangkit: tekanan persaingan pada paruh pertama tahun ini

Untuk memahami perubahan struktur pendapatan ini, kita tidak bisa hanya melihat hasilnya. Kita juga perlu melihat apa yang dialami OpenAI pada paruh pertama tahun ini. Brockman sendiri mengakui bahwa OpenAI menghadapi kesulitan di pasar korporat pada kuartal pertama dan kedua 2026. Judul laporan WSJ bahkan menggunakan kata “Rough” atau “sulit”.

Masalah utamanya ada di bidang Agentic Coding. Menurut Brockman, meskipun OpenAI sudah memiliki Codex, produk itu belum cukup menonjol atau mendapat perhatian di pasar tersebut. Padahal, pemrograman merupakan salah satu bidang dengan pengeluaran AI perusahaan terbesar. Menlo Ventures memperkirakan nilai pasar aplikasi pemrograman AI pada 2026 mencapai sekitar 34 miliar dolar AS.

Tiga faktor pendorong kebangkitan pada kuartal ketiga

Brockman mengaitkan perubahan pada kuartal ketiga dengan beberapa faktor utama. Ia juga menekankan bahwa perubahan ini merupakan hasil investasi berkelanjutan sebelumnya, bukan sesuatu yang terjadi dalam semalam:

• Peningkatan model: Peluncuran GPT-5.6 Sol meningkatkan kegunaannya untuk kebutuhan perusahaan.
• Peluncuran ChatGPT Work: Berubah dari “asisten tanya jawab” menjadi Agent yang dapat menjalankan tugas bertahap serta menghasilkan dokumen dan laporan lengkap.
• Perluasan penjualan ke perusahaan: Codex Labs, kerja sama dengan tujuh integrator sistem global, serta OpenAI Partner Network yang diluncurkan pada Juni.

Pertumbuhan pengguna Codex juga memberi gambaran tentang perubahan ini. Menurut data resmi yang dipublikasikan, pengguna aktif mingguan Codex naik dari 2 juta pada akhir Maret menjadi lebih dari 5 juta pada awal Juni. Sekitar seperlimanya adalah pekerja pengetahuan di perusahaan, dengan laju pertumbuhan lebih dari 3 kali lipat dibandingkan kelompok pengembang. Perlu diingat, angka 5 juta adalah data publik dari Juni, bukan jumlah terbaru pada November.

Pendapatan Perusahaan OpenAI dan Persaingan dengan Anthropic: Jangan Samakan Metode Pengukurannya

Saat membahas pendapatan perusahaan OpenAI, kesalahan yang paling mudah terjadi adalah membandingkan angka dengan metode pengukuran yang berbeda. Informasi publik saat ini mencakup setidaknya empat jenis data, masing-masing dengan arti yang berbeda.

Jika dilihat bersama, angka-angka ini memberikan gambaran persaingan yang lebih lengkap. Dalam hal belanja API perusahaan, Menlo memperkirakan Anthropic masih unggul, dengan pangsa yang naik dari 40% pada tahun sebelumnya menjadi 55%, sedangkan OpenAI naik dari 27% menjadi 31%. Namun, laporan WSJ menunjukkan bahwa di antara perusahaan yang membeli produk dari keduanya, Anthropic memperoleh sekitar tiga perempat belanja pada awal tahun. Pada September, pembagian belanja keduanya sudah hampir seimbang, sehingga posisi kompetitif OpenAI tampak membaik.

Kedua data ini tidak bertentangan. Data pertama adalah estimasi pasar secara keseluruhan untuk setahun penuh, sedangkan data kedua menunjukkan perubahan pada kelompok pelanggan tertentu. Keduanya justru mencerminkan betapa cepat OpenAI mengejar ketertinggalan pada paruh kedua tahun itu.

Dua angka pendapatan tahunan: 50 miliar dan 70 miliar dolar AS

Hal lain yang mudah disalahartikan adalah skala pendapatan tahunan OpenAI. Pada akhir September, Reuters melaporkan bahwa laju pendapatan tahunan OpenAI mendekati 70 miliar dolar AS. Pada Oktober, Reuters kembali melaporkan bahwa angkanya pada September mendekati 50 miliar dolar AS. Ini bukan berarti pendapatannya “menyusut” sebesar 20 miliar dolar AS.

Perbedaannya berasal dari perlakuan akuntansi atas pendapatan mitra platform cloud. Untuk sebagian penjualan melalui mitra cloud, OpenAI hanya mencatat bagian yang menjadi haknya. Sementara itu, metode Anthropic mungkin mencatat seluruh pembayaran pelanggan sebagai pendapatan, lalu mencatat bagian untuk platform cloud sebagai biaya. Angka 70 miliar dolar AS yang sebelumnya ditunjukkan kepada investor menggunakan perlakuan “bruto” serupa agar lebih mudah dibandingkan dengan Anthropic. Selain itu, laju pendapatan tahunan hanyalah perkiraan skala tahunan berdasarkan pendapatan pada periode tertentu, bukan pendapatan operasional setahun penuh yang sudah terealisasi.

Analisis dampak pada pendapatan perusahaan OpenAI: mengapa perusahaan tidak memilih “satu-satunya penyedia”

JPMorgan Chase adalah contoh yang baik untuk memahami cara perusahaan mengambil keputusan pembelian AI. Brockman mengungkapkan dalam sebuah konferensi bahwa OpenAI telah menjalin kerja sama dengan JPMorgan Chase yang mencakup Codex dan model keamanan siber OpenAI untuk transformasi perusahaan, pekerjaan berbasis pengetahuan, dan perlindungan keamanan internal. Laporan lain menunjukkan bahwa JPMorgan Chase juga bekerja sama dengan Anthropic di bidang keamanan siber.

Ini menunjukkan bahwa pembelian AI oleh perusahaan besar bukanlah permainan menang-kalah yang mengharuskan mereka memilih satu penyedia. Perusahaan memilih produk dari berbagai penyedia berdasarkan jenis tugas, kemampuan model, dan persyaratan keamanan. Bagi perusahaan pengembang model, mendapatkan satu klien besar tidak berarti menguasai seluruh anggaran klien tersebut. Bagi perusahaan pengguna, strategi multi-penyedia adalah cara umum untuk mengurangi risiko dan mengoptimalkan biaya.

Dampak bagi developer

• Penggunaan beberapa model menjadi hal biasa: Dalam satu proyek perusahaan, tugas pemrograman, keamanan, dan tanya jawab berbasis pengetahuan bisa menggunakan model dari penyedia yang berbeda. Developer perlu bisa beralih dan membandingkannya dengan cepat.
• Pengelolaan biaya makin penting: Data Menlo menunjukkan bahwa pengeluaran aktual perusahaan untuk AI rata-rata mencapai 4,7 kali lipat dari tahun sebelumnya, padahal perusahaan hanya memperkirakan kenaikan 1,9 kali lipat. Agent yang berjalan secara paralel dan terus bekerja di latar belakang menjadi salah satu penyebab utama anggaran terlampaui.
• Pengawasan kualitas tetap penting: Menurut laporan Axios, mengelola beberapa alur kerja Agent sekaligus menambah beban pengawasan. Data dan kode yang dihasilkan Agent tetap perlu ditinjau oleh tenaga ahli.

Bagi tim yang perlu menggunakan beberapa model sekaligus, antarmuka terpadu dapat mengurangi biaya peralihan secara signifikan. Berikut contoh sederhana pemanggilan model 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, kompatibel dengan OpenAI
)

response = client.chat.completions.create(
    model="gpt-6.1-sol",  # ID model mengikuti daftar model di platform
    messages=[{"role": "user", "content": "总结本周销售会议的三个待办事项"}]
)
print(response.choices[0].message.content)

import time
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Satu kunci untuk memanggil model dari berbagai penyedia
)

# ID model mengikuti daftar model di platform; dapat diganti dengan Claude, Gemini, dan lainnya
MODELS = ["gpt-6.1-sol", "gpt-6.1-terra", "claude-sonnet", "gemini-pro"]

def compare_models(prompt: str):
    """Panggil beberapa model untuk tugas yang sama dan catat waktu serta penggunaan token untuk evaluasi biaya"""
    results = []
    for model in MODELS:
        start = time.time()
        try:
            resp = client.chat.completions.create(
                model=model,
                messages=[{"role": "user", "content": prompt}],
                max_tokens=800
            )
            results.append({
                "model": model,
                "latency": round(time.time() - start, 2),
                "input_tokens": resp.usage.prompt_tokens,
                "output_tokens": resp.usage.completion_tokens,
                "answer": resp.choices[0].message.content[:120]
            })
        except Exception as e:
            results.append({"model": model, "error": str(e)})
    return results

for r in compare_models("审查这段权限校验逻辑是否存在越权风险：..."):
    print(r)

🚀 Mulai cepat: Jika tim Anda sedang menilai model mana yang cocok untuk setiap jenis tugas, ajukan kuota uji coba gratis melalui APIYI apiyi.com. Gunakan kode yang sama untuk membandingkan hasil dan biaya token OpenAI, Claude, dan Gemini pada data bisnis nyata sebelum menentukan kombinasi penyedia.

Logika pertumbuhan pendapatan perusahaan OpenAI: dari kursi pengguna ke alur kerja

Mengapa pendapatan dari pelanggan perusahaan bisa tumbuh lebih cepat daripada pendapatan dari konsumen? Kuncinya, pendapatan perusahaan berasal dari lebih dari satu sumber. Materi rujukan membaginya menjadi tiga lapisan: pembelian langsung, pengembangan dan pemanggilan, serta penerapan alur kerja.

Batas pendapatan dari langganan konsumen relatif jelas: satu pengguna membayar antara $8 hingga $200 per bulan. Sementara itu, pendapatan perusahaan bergantung pada dua faktor pengali: jumlah pelanggan dan intensitas penggunaan masing-masing pelanggan. Sebuah perusahaan bisa mulai dengan membeli beberapa ratus kursi pengguna, lalu tim pengembang memakai Codex, sistem internal memanggil model melalui API, dan akhirnya Agent menjalankan tugas terus-menerus di latar belakang.

Kehadiran Agent juga mengubah cara Token digunakan. Menlo mengutip data OpenRouter yang menunjukkan bahwa Agent menyumbang sekitar 80% konsumsi Token di platform tersebut. Sejak melampaui trafik yang digerakkan manusia pada Februari 2026, trafik Agent tumbuh sekitar 37 kali lipat, sedangkan trafik manusia tumbuh sekitar 5 kali lipat pada periode yang sama. Data ini hanya mewakili OpenRouter, platform yang berfokus pada pengembang, sehingga tidak bisa langsung digeneralisasi ke seluruh industri. Namun, trennya patut diperhatikan: konsumsi Token bergeser dari mengikuti “jumlah pengguna” menjadi mengikuti “volume tugas”.

Mengapa perusahaan lebih mengutamakan kemampuan tata kelola

ChatGPT Enterprise bukan sekadar pembelian massal akun Plus untuk pengguna individu. Layanan ini mencakup kontrol administrasi seperti SCIM, EKM, dan RBAC, residensi data di sepuluh wilayah, SLA, ketentuan hukum yang disesuaikan, serta komitmen untuk tidak menggunakan data perusahaan dalam pelatihan model secara default. Dalam kasus JPMorgan Chase, Brockman secara khusus menekankan tingginya tuntutan lembaga keuangan terhadap kepercayaan, keamanan, dan keandalan.

Studi kasus perusahaan juga bisa menjadi bahan pertimbangan. Studi kasus pelanggan Credit Saison yang diterbitkan OpenAI menunjukkan bahwa uji coba ChatGPT Enterprise dengan 315 peserta melaporkan ROI sebesar 954% dan penghematan waktu sekitar 14 jam per orang per bulan. Namun, ini adalah data yang dilaporkan sendiri oleh perusahaan dan diterbitkan oleh OpenAI, bukan hasil audit pihak ketiga, serta tidak mewakili rata-rata industri.

Tabel berikut mencantumkan sebagian harga publik API resmi OpenAI dalam mode standar sebagai referensi untuk memperkirakan biaya pemanggilan:

Mode seperti Fast dan Flex/Batch, konteks panjang, serta penulisan cache dapat memengaruhi biaya aktual. Biaya API juga menggunakan sistem penagihan yang berbeda dari langganan ChatGPT.

Pertanyaan yang Sering Diajukan (FAQ)

Poin Penting Pendapatan Enterprise OpenAI

• Komposisi pendapatan berbalik: Porsi bisnis enterprise naik dari sekitar 30% menjadi lebih dari separuh, sementara pendapatan konsumen tetap tumbuh.
• Terdesak pada semester pertama: OpenAI kurang menonjol dalam Agentic Coding, lalu bangkit pada kuartal ketiga berkat Work dan Codex.
• Bedakan metriknya: Porsi pendapatan OpenAI, pangsa pasar API, dan belanja pelanggan bersama adalah tiga hal yang berbeda.
• Multivendor sudah jadi hal biasa: JPMorgan bekerja sama dengan OpenAI dan Anthropic sekaligus; pengadaan dari satu vendor tidak menutup peluang bagi vendor lain.
• Pertumbuhan bergantung pada kedalaman penggunaan: Lisensi pengguna, API, Agent, dan alur kerja saling melengkapi; kedalaman penggunaan menentukan pendapatan enterprise.
• Saran untuk memulai: Gunakan kuota gratis APIYI apiyi.com untuk pengujian skala kecil sebelum menentukan kombinasi vendor.

Kesimpulan

Untuk pertama kalinya, pendapatan enterprise menyumbang lebih dari separuh pendapatan OpenAI. Ini menandai perkembangan ChatGPT dari produk konsumen menjadi infrastruktur yang diandalkan dalam operasional harian perusahaan. Ada beberapa alasan utama di balik perubahan ini:

1. Pendapatan enterprise memiliki efek pengganda: Selain jumlah pelanggan, yang penting adalah kedalaman penggunaan setiap pelanggan dan cakupan proses bisnisnya.
2. Agent mengubah cara penagihan: Konsumsi token semakin terkait dengan volume tugas, bukan hanya jumlah pengguna.
3. Persaingan tetap ketat: Anthropic masih unggul dalam belanja API enterprise, tetapi OpenAI mengejar dengan cepat, dan perusahaan pun terbuka untuk menggunakan beberapa vendor sekaligus.

Bagi developer dan tim teknologi perusahaan, alih-alih bertaruh pada satu vendor, lebih baik membangun kemampuan untuk memilih model sesuai tugas dan menilai biaya berdasarkan data. Gunakan APIYI apiyi.com untuk menguji performa berbagai model dengan cepat dalam skenario bisnis Anda. Platform ini menyediakan antarmuka yang kompatibel dengan OpenAI dan kuota gratis bagi pengguna baru.

📚 Referensi

1. Reuters – Pernyataan Brockman tentang pendapatan perusahaan dan IPO: laporan 2026-11-05
2. Tautan: reuters.com/legal/transactional/openai-ready-ipo-2027-now-counts-majority-sales-enterprises-brockman-says-2026-11-05

3. Keterangan: Laporan asli tentang pendapatan dari pelanggan perusahaan yang melampaui separuh total pendapatan dan pernyataan kesiapan IPO

4. WSJ – Bisnis pemrograman OpenAI melesat setelah menghadapi tekanan pada paruh pertama tahun: laporan 2026-11

5. Tautan: wsj.com/tech/openai-had-rough-first-half-of-year-before-coding-takeoff-brockman-says-6c97d9e5

6. Keterangan: Tekanan persaingan pada paruh pertama tahun dan perubahan pengeluaran pelanggan bersama

7. Reuters – Pendapatan tahunan OpenAI pada September mendekati 50 miliar dolar AS: laporan 2026-10-08

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

9. Keterangan: Penjelasan perbedaan dasar perhitungan angka 50 miliar dan 70 miliar dolar AS

10. OpenAI – The next phase of enterprise AI: blog resmi

11. Tautan: openai.com/index/next-phase-of-enterprise-ai

12. Keterangan: Informasi tentang porsi pendapatan dari pelanggan perusahaan yang melebihi 40% dan perluasan basis pelanggan

13. Menlo Ventures – 2026 The State of Enterprise AI: laporan industri

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

15. Keterangan: Estimasi pengeluaran perusahaan untuk AI dan pangsa pasar API

16. OpenAI – Studi kasus pelanggan Credit Saison: diterbitkan 2026-10-29

17. Tautan: openai.com/index/credit-saison
18. Keterangan: Contoh ROI proyek percontohan perusahaan (data dilaporkan oleh perusahaan sendiri)

Penulis: Tim Teknis APIYI
Diskusi teknis: Kunjungi halaman utama APIYI di apiyi.com untuk menghubungi kami. Materi integrasi lainnya tersedia di pusat dokumentasi docs.apiyi.com.