Ada ironi yang terlalu rapi untuk diabaikan dalam arsitektur ekonomi kecerdasan buatan: sistem yang dipasarkan sebagai puncak efisiensi kognitif — optimasi rantai pasok, penghematan energi, otomatisasi keputusan — ternyata membutuhkan lebih banyak air untuk mendinginkan chip-nya daripada yang dikonsumsi ribuan rumah tangga dalam setahun.
Pada April 2026, Global Voices melaporkan bahwa Indonesia telah memiliki 170 data center — dan jumlah ini terus bertambah seiring relokasi permintaan dari Singapura yang mulai memperketat persyaratan investasi infrastruktur digital. Satu data center berukuran sedang mengonsumsi sekitar 300.000 galon air per hari. Angka ini setara dengan kebutuhan air tahunan 1.000 rumah tangga. Sementara itu, Guardian pada Juni 2026 mengungkapkan bahwa mayoritas data center AI baru di Amerika Serikat dibangun di lahan yang mengalami kekeringan — dengan proyeksi konsumsi mencapai 73 miliar galon air per tahun pada 2028, naik dari 17 miliar galon pada 2023.
Selamat datang di lapisan infrastruktur yang tidak pernah disebutkan dalam slide deck perusahaan AI: lapisan pendingin yang haus, terus mengalir, dan tidak pernah masuk ke dalam kalkulasi cost per token.
Arsitektur Pendinginan dan Absensi dari Neraca
Dalam istilah infrastruktur, data center adalah entitas yang menghasilkan panas sebagai byproduct dari komputasi. Semakin padat chip yang dipasang — dan chip AI generasi terbaru adalah penghasil panas yang luar biasa efisien — semakin besar kebutuhan akan sistem pendingin. Dua metode dominan: air cooling dan liquid cooling. Keduanya membutuhkan air dalam volume yang tidak masuk akal untuk sebuah industri yang mengklaim sedang menuju net zero.
UN University pada 2026 merilis analisis komprehensif tentang biaya lingkungan AI. Temuannya: emisi karbon hanyalah satu sisi. Konsumsi air dan penggunaan lahan dari infrastruktur AI menciptakan externalities yang tidak pernah masuk ke dalam harga saham perusahaan hyperscaler. Mordor Intelligence memproyeksikan konsumsi air data center di Indonesia akan mencapai 86,47 miliar liter pada 2028 — naik dari 37,80 miliar liter pada 2025. Lonjakan 128 persen dalam tiga tahun, untuk sebuah sumber daya yang di banyak daerah sudah berada dalam kondisi defisit struktural.
Tidak ada laporan laba rugi yang mencatat biaya air ini sebagai beban operasional yang relevan — karena air yang digunakan oleh data center biasanya tidak dihitung berdasarkan tarif pasar yang sebenarnya, melainkan berdasarkan tarif industri yang disubsidi atau dinegosiasikan langsung dengan pemerintah daerah. Dalam arsitektur sistem, ini disebut off-balance-sheet liability: kewajiban yang nyata namun tidak tercatat.
Batam: Studi Kasus Alokasi Sumber Daya
Pada September 2024, warga Batam turun ke jalan. Bukan menuntut harga BBM atau upah minimum — melainkan air. Keluhan mereka spesifik: data center di kawasan industri mendapat pasokan air tanpa gangguan, sementara perumahan di sekitar Nongsa Digital Park dan Kabil Industrial Park harus bergiliran tidak mendapat air. Uba Ingan Sigalingging, aktivis Gerakan Bersama Rakyat, mendeskripsikan situasi ini dengan tepat: “seperti lotere, tinggal menunggu perumahan mana yang tidak kebagian air hari ini.”
Data teknisnya: di Kabil Industrial Park, data center yang diusulkan membutuhkan daya 56 megawatt dan air 3 juta liter per hari — cukup untuk sekitar 30.000 orang. Di Nongsa Digital Park, sembilan data center yang direncanakan akan membutuhkan daya 285 megawatt dan 29 juta liter air per hari. Gabungan data center yang sudah ada dan yang direncanakan di Batam akan mengonsumsi sekitar 8 persen dari total pasokan air kota. Angka yang terdengar kecil, sampai Anda menyadari bahwa Batam sudah mengalami defisit air sebelum data center pertama beroperasi.
Dalam arsitektur sistem, apa yang terjadi di Batam adalah priority inversion — di mana proses dengan urgensi lebih rendah (pendinginan chip) mendapatkan alokasi sumber daya lebih besar daripada proses dengan urgensi lebih tinggi (kebutuhan dasar manusia). Sistem operasi yang baik tidak mengizinkan ini terjadi. Namun, sistem ekonomi memiliki scheduling policy yang berbeda.
Dari lokalitas terbatas, Batam adalah contoh paling gamblang tentang bagaimana infrastruktur AI menciptakan ketidakadilan distributif di tingkat komunitas. Bukan karena teknologinya jahat — karena cost of inference tidak pernah dirancang untuk mencakup biaya sosial dari air yang dipindahkan dari rumah tangga ke cooling tower.
Paradoks Keberlanjutan dan Sinyal yang Bertentangan
Microsoft Indonesia, melalui Presiden Direktur Dharma Simorangkir, menyatakan bahwa data center adalah “infrastruktur teknologi yang menjadi kunci ekonomi baru berbasis AI dan transformasi digital yang inklusif.” Di sisi lain, tech promotional material untuk Batam menyebut “akses ke sumber energi terbarukan, pasokan air yang melimpah, dan regulasi lingkungan yang ketat” sebagai alasan berinvestasi. Namun deskripsi tentang pasokan air yang “melimpah” ini ditulis pada tahun yang sama ketika warga Teluk Mata Ikan — sebuah desa nelayan di dekat Nongsa Digital Park — memprotes kekurangan air di luar gerbang fasilitas data center. Pemerintah setempat menyebutnya “gangguan teknis” dan menyelesaikannya secara sementara.
Dalam arsitektur sistem, ini adalah race condition antara narasi korporat dan data lapangan. Keduanya berjalan pada thread yang berbeda, mengakses variabel yang sama (sumber daya air), namun tidak pernah disinkronisasi. Hasilnya: undefined behavior pada level kebijakan publik.
Forbes, mengutip riset Harvard Business Review, mencatat bahwa 78 persen perusahaan yang berinvestasi pada AI tidak memiliki metrik yang jelas untuk dampak lingkungan dari infrastruktur komputasi mereka. Ini bukan kelalaian — ini adalah design pattern yang disengaja. Selama externalities tidak diukur, mereka tidak perlu dikelola. Selama tidak dikelola, mereka tidak masuk ke dalam biaya. Selama tidak masuk biaya, ROI AI tetap terlihat menarik bagi board of directors.
Biaya Laten dari Setiap Token
Pertanyaan yang jarang diajukan dalam diskusi tentang masa depan AI di Indonesia: berapa liter air yang diperlukan untuk menghasilkan satu permintaan ke model bahasa besar? Perkiraan dari riset terbaru: sebuah percakapan standar dengan ChatGPT — sekitar 20 hingga 50 pertukaran — dapat menghabiskan sekitar 500 mililiter air untuk pendinginan data center. Jika dikalikan dengan miliaran permintaan per hari, angkanya menjadi tidak masuk akal dalam skala yang sulit dicerna oleh naluri manusia yang berevolusi di sabana Afrika.
Dalam istilah infrastruktur, setiap token yang dihasilkan oleh model AI memiliki water footprint yang tidak pernah muncul di halaman pricing API. Tidak ada tagihan air yang dikirim ke pengguna akhir. Tidak ada water offset seperti karbon offset. Biaya ini — seperti panas yang dihasilkan oleh chip — dibuang ke lingkungan, dan lingkungan membayarnya dalam bentuk penurunan muka air tanah, konflik alokasi sumber daya, dan komunitas yang harus memilih antara air untuk minum atau air untuk inference.
Hotmauli Sidabalok, peneliti dari Yayasan Amerta Air Indonesia, menyebut situasi ini sebagai environmental injustice — ketidakadilan lingkungan yang semakin diperparah oleh perubahan iklim. Pernyataan ini, jika diterjemahkan ke dalam bahasa infrastruktur, berarti: resource allocation policy yang ada saat ini sedang mengalami cascading failure pada skala yang belum pernah terjadi sebelumnya.
Log ditutup di sini. Server tetap menyala, dan air terus mengalir melalui cooling tower — namun tidak ada dashboard yang menampilkan neraca antara token yang dihasilkan dan tetesan yang hilang dari masyarakat yang tidak pernah menggunakan AI. Validasi lingkungan masih pending, dan kemungkinan besar tidak akan selesai dalam siklus pelaporan yang sama.