Wall Street Terjangkit 'Fobia AI': Aksi Jual Tanpa Pandang Bulu Sedang Menyebar

marsbitDipublikasikan tanggal 2026-02-11Terakhir diperbarui pada 2026-02-11

Abstrak

Di Wall Street, ketakutan akan dampak disruptif kecerdasan buatan (AI) memicu penjualan saham secara luas terhadap perusahaan-perusahaan yang berpotensi terdampak, mulai dari perusahaan perangkat lunak kecil hingga perusahaan manajemen kekayaan besar. Aksi jual ini dipicu oleh peluncuran produk AI dari startup seperti Altruist Corp., yang meluncurkan alat strategi pajak, dan Insurify dengan aplikasi asuransi berbasis ChatGPT. Reaksi pasar terlihat pada penurunan saham perusahaan seperti Charles Schwab Corp., Raymond James Financial Inc., dan LPL Financial Holdings Inc., dengan beberapa mengalami penurunan lebih dari 7%. Fenomena ini mencerminkan pergeseran fokus investor dari mencari pemenang AI menjadi menghindari perusahaan yang berisiko tergantikan. Meski AI dipandang sebagai pendorong produktivitas, kekhawatiran akan disruptornya menciptakan volatilitas. Beberapa analis seperti John Belton dari Gabelli Funds menyatakan bahwa disruptor teknologi biasanya membutuhkan waktu lebih lama dari perkiraan, sementara yang lain seperti Ross Gerber menilai reaksi pasar masih prematur mengingat AI masih dalam tahap awal pengembangan.

Sumber: Data Jin10

Di Wall Street, ketakutan yang semakin besar terhadap kecerdasan buatan (AI) sedang menghantam saham-saham perusahaan yang mungkin menjadi target disruptornya, mulai dari perusahaan perangkat lunak kecil hingga perusahaan manajemen kekayaan besar, semuanya tidak luput.

Gelombang aksi jual terbaru meletus pada hari Selasa, ketika sebuah alat strategi pajak yang diluncurkan oleh perusahaan rintisan yang kurang dikenal, Altruist Corp., menyebabkan saham Charles Schwab Corp., Raymond James Financial Inc., dan LPL Financial Holdings Inc. turun 7% atau lebih.

Ini merupakan penurunan terberat bagi beberapa saham tersebut sejak keruntuhan pasar yang dipicu oleh perang dagang pada bulan April tahun lalu. Namun, ini hanyalah contoh terbaru dari mentalitas "jual dulu, tanya kemudian" — yang dengan cepat mendominasi seiring miliaran dolar yang diinvestasikan ke AI mulai berubah menjadi produk komersial, dan memicu kecemasan bahwa AI dapat mengganggu seluruh industri.

"Perusahaan apa pun yang berisiko mengalami disruptif sedang dijual tanpa pandang bulu," kata John Belton, manajer dana di Gabelli Funds.

Selama beberapa tahun terakhir, kemajuan teknologi AI telah berada di garis terdepan Wall Street, dengan saham-saham teknologi memimpin kenaikan. Saat kenaikan ini mendorong harga saham ke rekor tertinggi, pertanyaan tentang apakah ini adalah gelembung yang akan segera pecah, atau apakah ini akan memicu ledakan produktivitas yang membentuk kembali dunia usaha AS, terus bermunculan.

Namun, sejak awal pekan lalu, serangkaian peluncuran produk AI telah memicu pergeseran pasar yang nyata. Alih-alih berfokus memilih pemenang, investor dengan cepat berusaha menghindari memegang perusahaan apa pun yang menghadapi risiko sekecil pun untuk digantikan.

"Saya tidak tahu apa yang akan terjadi selanjutnya," kata Will Rhind, CEO Graniteshares Advisors.

"Kisah tahun lalu adalah kita semua percaya pada AI — tetapi kita mencari aplikasinya, dan ketika kita terus menemukan aplikasi yang tampaknya semakin kuat dan semakin meyakinkan, hal itu justru menyebabkan gangguan."

Industri perangkat lunak telah lama diganggu oleh kekhawatiran akan AI. Kekhawatiran ini mulai beralih lebih luas ke industri lain pekan lalu, ketika alat baru dari Anthropic PBC memicu penurunan tajam saham-saham di industri seperti perangkat lunak, jasa keuangan, manajemen aset, dan jasa hukum.

Ketakutan yang sama menghantam saham-saham pialang asuransi AS pada hari Senin, setelah pasar asuransi online Insurify meluncurkan aplikasi baru yang menggunakan ChatGPT untuk membandingkan tarif premi asuransi mobil. Pada hari Selasa, saham-saham manajemen kekayaan menjadi korban berikutnya, dengan produk dari Altruist yang bernama Hazel (membantu penasihat keuangan menyusun strategi yang dipersonalisasi untuk klien) menekan saham-saham tersebut.

Saham Manajemen Kekayaan Anjlok karena Kekhawatiran Risiko AI

CEO Altruist, Jason Wenk, mengatakan bahwa dirinya sendiri terkejut dengan besarnya reaksi pasar, yang telah menghapus miliaran dolar nilai pasar dari beberapa perusahaan investasi. Namun, ia mengatakan bahwa ini memberikan sinyal kuat tentang ancaman kompetitif yang ditimbulkan perusahaannya.

"Orang-orang mulai menyadari — arsitektur yang kami gunakan untuk membangun Hazel, ini dapat menggantikan pekerjaan apa pun dalam manajemen kekayaan," katanya dalam sebuah wawancara. "Biasanya pekerjaan ini dilakukan oleh seluruh tim. Dan sekarang, AI dapat melakukan pekerjaan ini secara efektif hanya dengan $100 per bulan."

Perusahaan-perusahaan AI seperti OpenAI dan Anthropic telah membuat kemajuan pesat di bidang teknik perangkat lunak dengan produk-produk yang membantu pengembang menyederhanakan dan men-debug alur kode, dan sekarang sedang memasuki industri lain.

Namun, masih banyak pertanyaan tentang bagaimana teknologi ini akan diadopsi. Ambil contoh perbankan, yang secara berkala menghadapi tantangan dari layanan elektronik dan teknologi lainnya, tetapi teknologi-teknologi tersebut pada akhirnya gagal melemahkan dominasinya.

Manajer dana Gabelli, Belton, adalah salah satu orang yang skeptis tentang bagaimana Wall Street beralih dari khawatir tentang gelembung AI menjadi takut akan kemampuannya yang akan segera mengganggu sebagian besar ekonomi.

"Setiap industri akan memiliki pemenang dan pecundang," kata Belton. Namun dia menambahkan: "Aturan praktisnya adalah, disruptif teknologi seringkali membutuhkan waktu lebih lama dari yang diperkirakan untuk terwujud."

Penarikan ini juga mungkin mencerminkan kecemasan yang lebih luas tentang kenaikan besar-besaran pasar saham dalam beberapa tahun terakhir, yang didorong oleh gelombang belanja AI dan ketahanan ekonomi AS yang luar biasa. Hal ini telah membuat valuasi menjadi terlalu tinggi dan membuat investor lebih sensitif terhadap kekhawatiran akan pembalikan.

"Begitu mereka mengeluarkan sinyal yang dianggap pasar agak negatif, saham akan turun 10%, sesuatu yang tidak akan terjadi di pasar yang tidak mencapai level perdagangan saat ini," kata Rhind dari Graniteshares.

Bagi CEO Gerber Kawasaki, Ross Gerber, kecemasan tentang pihak yang kalah karena AI yang telah memukul sebagian pasar selama seminggu terakhir masih terlalu dini. Dia mengatakan, masih terlalu awal untuk mengatakan dengan pasti apa dampaknya.

"Kita dapat mencoba menyimpulkan bagaimana AI akan mengubah dunia dalam lima tahun ke depan, tetapi kita tidak tahu," katanya. "Pasar sedang mencoba menilai ini saat kita masih berada di awal tahap bayi."

Pertanyaan Terkait

QApa yang menyebabkan penurunan tajam saham perusahaan seperti Charles Schwab dan Raymond James baru-baru ini?

APenurunan tajam saham tersebut dipicu oleh peluncuran alat strategi pajak oleh perusahaan startup Altruist Corp. bernama Hazel, yang menggunakan AI untuk membantu perencanaan keuangan, sehingga menimbulkan kekhawatiran akan disrupsi di industri manajemen kekayaan.

QBagaimana sikap investor Wall Street berubah terkait AI dalam beberapa waktu terakhir?

AInvestor telah beralih dari fokus memilih pemenang AI menjadi berusaha menghindari perusahaan yang berisiko tergantikan oleh AI, bahkan dengan potensi disrupsi terkecil, menciptakan mentalitas 'jual dulu, tanya kemudian'.

QApa pendapat CEO Altruist Jason Wenk tentang reaksi pasar terhadap produk AI mereka Hazel?

AJason Wenk mengaku terkejut dengan skala reaksi pasar yang menghapus miliaran dolar nilai pasar perusahaan investasi, tetapi melihatnya sebagai sinyal kuat tentang ancaman kompetitif yang ditimbulkan oleh teknologi AI mereka.

QMengapa beberapa analis seperti John Belton dari Gabelli Funds bersikap skeptis terhadap ketakutan disrupsi AI?

ABelton skeptis karena menurutnya setiap industri akan memiliki pemenang dan pecundang, dan disrupsi teknologi biasanya membutuhkan waktu lebih lama untuk terwujud daripada yang diperkirakan pasar.

QApa yang dikatakan Ross Gerber tentang waktu yang tepat untuk menilai dampak AI di pasar?

ARoss Gerber berpendapat bahwa kekhawatiran tentang perusahaan yang kalah karena AI masih terlalu dini, karena teknologi AI masih berada di tahap awal dan dampaknya belum dapat dipastikan dengan jelas.

Bacaan Terkait

Rubin Ultra Terkuras Drastis, Apakah Nvidia Juga Tak Tahan dengan Kenaikan Harga Memori?

Laporan terbaru dari SemiAnalysis mengungkapkan bahwa NVIDIA telah merevisi spesifikasi Rubin Ultra, varian flagship dari arsitektur Rubin yang diumumkan di GTC 2026. Alih-alih peningkatan besar pada memori dan daya komputasi, fokus utama kini beralih ke kemampuan interkoneksi skala sistem. Spesifikasi kunci yang diungkapkan menunjukkan Rubin Ultra akan mempertahankan puncak komputasi teoretis yang sama dengan Rubin standar, yaitu 35 PFLOPs. Namun, terjadi pengurangan signifikan pada kapasitas memori, turun menjadi 192GB dengan konfigurasi 8-Hi, lebih rendah dari Rubin standar yang 288GB (12-Hi). Peningkatan bandwidth memori juga minimal, hanya 1 TB/s, dan daya chip bahkan sedikit lebih tinggi. Peningkatan utama justru pada "skala interkoneksi" (*scale-up world size*), yang melonjak dari 72 GPU menjadi 576 GPU. Ini memungkinkan ratusan GPU Rubin Ultra terhubung via NVLink membentuk satu "super GPU" logis yang sangat besar. Analisis SemiAnalysis mengaitkan perubahan desain ini dengan lonjakan harga HBM (High Bandwidth Memory) yang drastis. Biaya material (BOM) untuk rak server Rubin Ultra sempat melonjak menjadi sekitar $8 juta karena harga HBM, tetapi dengan spesifikasi baru, biaya turun ke sekitar $6.4 juta. NVIDIA diduga mengalihkan biaya dari komponen HBM yang mahal (yang pangsa biayanya turun dari ~40% menjadi 28%) ke peningkatan interkoneksi jaringan (naik dari 4% menjadi 12%). Berita ini memicu kekhawatiran pasar tentang permintaan HBM. Saham produsen HBM seperti SK Hynix dan Samsung anjlok sekitar 8%, mencerminkan kekhawatiran bahwa pembeli utama seperti NVIDIA mungkin mulai mengurangi ketergantungan pada HBM berkapasitas tinggi untuk mengontrol biaya sistem AI secara keseluruhan.

Odaily星球日报10m yang lalu

Rubin Ultra Terkuras Drastis, Apakah Nvidia Juga Tak Tahan dengan Kenaikan Harga Memori?

Odaily星球日报10m yang lalu

Model Generatif Bisa Dilatih End-to-End? Intinya Hanya Sebuah For Loop

Model generatif seperti model difusi atau autoregresif yang dominan saat ini biasanya tidak melatih seluruh proses generasi secara end-to-end. Mereka dilatih hanya untuk memprediksi satu "langkah kecil" dalam proses, namun saat inferensi, langkah ini harus diulang ratusan atau ribuan kali. Ketidaksesuaian ini menyebabkan masalah "exposure bias," di mana kesalahan menumpuk seiring waktu. Makalah terbaru dari UIUC dan Harvard memperkenalkan paradigma baru bernama **Explorative Modeling (XM)**. Inti dari metode ini sangat sederhana: alih-alih menghasilkan satu sampel, model menghasilkan **K kandidat** dalam setiap langkah pelatihan. Kemudian, hanya kandidat yang paling dekat dengan data target yang dipilih untuk menghitung gradien dan memperbarui model. Mengapa ini berhasil? Dalam tugas generatif, satu input bisa memiliki banyak output yang valid (mode). Fungsi kerugian rekonstruksi tradisional cenderung menyebabkan "mode blurring," di mana model hanya mempelajari rata-rata dari semua mode, menghasilkan output yang tidak realistis. Dengan menghasilkan beberapa kandidat, model dapat "mengeksplorasi" dan menangkap beberapa mode yang berbeda sekaligus, sehingga menghindari rata-rata yang kabur. Penelitian ini menunjukkan bahwa **"eksplorasi" (K) bertindak sebagai sumbu penskalaan ketiga** yang efektif, selain parameter dan data. Eksperimen pada gambar, video, dan bahasa menunjukkan peningkatan kinerja yang monoton dengan peningkatan K, dengan keuntungan yang lebih besar pada skala yang lebih besar. XM dapat meningkatkan efisiensi FLOP hingga 4.1x dan efisiensi sampel hingga 6.2x. Yang lebih menarik, ketika diterapkan secara ekstrem, XM memungkinkan **pelatihan generatif yang benar-benar end-to-end**. Dalam tugas kontrol robot, "Explorative Policy" berbasis XM mencapai kinerja yang setara dengan "Diffusion Policy" yang membutuhkan 100 langkah inferensi, sementara hanya membutuhkan satu langkah inferensi maju. Ini membuktikan bahwa kompleksitas untuk menangani banyak mode dapat dipindahkan dari inferensi ke pelatihan. Meskipun ide "best-of-K" bukan hal baru, kontribusi utama makalah ini adalah penjelasan teoritis bahwa mekanisme ini secara langsung meningkatkan **ekspresivitas generatif** model. Dengan demikian, ini menawarkan cara baru yang ampuh untuk mengatasi tantangan mendasar dalam pemodelan generatif.

marsbit1j yang lalu

Model Generatif Bisa Dilatih End-to-End? Intinya Hanya Sebuah For Loop

marsbit1j yang lalu

Trading

Spot
活动图片