Databricks dan Realitas Baru: AI Tidak Hanya Butuh Produk, AI Butuh Modal yang Sangat Besar

Databricks awalnya ingin menggalang sekitar $1 miliar. Minat investor yang datang disebut mencapai $15 miliar. Pada akhirnya, perusahaan mengambil $5 miliar dengan valuasi sekitar $190 miliar.

Di permukaan, ini terlihat seperti cerita sukses yang mudah dibaca: perusahaan AI besar, pertumbuhan cepat, investor berebut masuk, valuasi naik.

Tetapi ada pelajaran yang lebih menarik untuk bisnis dan tim teknologi: AI yang serius tidak hanya membutuhkan model, fitur, dan demo yang terlihat pintar. AI membutuhkan kapasitas modal yang sangat besar untuk membayar infrastruktur, riset, talenta, dan akuisisi.

Banyak bisnis melihat AI sebagai software baru. Dalam skala tertentu, itu benar. Namun pada level Databricks, AI lebih mirip industri berat digital: mahal, kompetitif, dan membutuhkan komitmen jangka panjang.

The Core Update

Databricks mengumumkan pendanaan $5 miliar dengan valuasi sekitar $190 miliar. Menurut CEO Ali Ghodsi, perusahaan awalnya hanya ingin menggalang $1 miliar.

Situasinya berubah setelah kabar fundraising muncul di media. Minat investor meningkat tajam. Dari kelompok investor yang dipertimbangkan, Databricks menyebut ada sekitar $15 miliar minat untuk masuk ke putaran tersebut.

Akhirnya, perusahaan membuka lebih banyak ruang bagi investor dan menutup putaran yang jauh lebih besar dari rencana awal.

Angkanya memang besar, tetapi bukan tanpa alasan. Databricks menyebut revenue run rate tahunan sudah melewati $7 miliar, tumbuh sekitar 80%, dan perusahaan sudah cash-flow positive. Produk cloud data warehouse mereka disebut menyumbang sekitar $1,5 miliar run rate dan masih tumbuh 100% year-over-year.

Di sisi AI, Databricks juga sedang memperluas produk. Lakebase, database untuk agent, disebut sudah mencapai $100 juta revenue run rate. Genie, tool chatbot untuk analisis bisnis, juga disebut sangat populer.

Jadi investor tidak hanya membeli narasi AI. Mereka membeli perusahaan yang sudah punya pendapatan besar, pertumbuhan tinggi, dan posisi strategis di data infrastructure.

Namun bagian yang sering dilewatkan adalah ini: Databricks tetap menggalang dana besar meskipun bisnisnya sudah kuat.

Alasannya sederhana. AI mahal.

Databricks punya komitmen cloud bernilai miliaran dolar dengan tiga hyperscaler besar. Perusahaan juga membiayai tim riset AI yang besar, area yang sangat kompetitif dan mahal. Selain itu, Databricks aktif melakukan akuisisi, termasuk membeli Electric, Panther, dan beberapa startup lain untuk memperkuat posisi produk dan keamanan.

The Reality Check

Ada kecenderungan untuk melihat berita pendanaan AI sebagai tanda bahwa semua bisnis harus bergerak lebih agresif ke AI.

Sebagian benar. AI memang membuka banyak peluang baru.

Tetapi berita seperti ini juga menunjukkan sisi yang kurang romantis: banyak pemain AI tidak sedang bersaing di level fitur saja. Mereka bersaing di level akses modal, kapasitas infrastruktur, dan kemampuan membayar eksperimen yang mahal.

Untuk perusahaan seperti Databricks, pendanaan besar bisa menjadi senjata. Mereka bisa membeli cloud capacity lebih besar, merekrut talenta lebih mahal, membiayai riset lebih lama, dan mengakuisisi teknologi yang mempercepat roadmap.

Untuk bisnis biasa, pelajarannya bukan “ikut menggalang dana besar” atau “bangun model AI sendiri”.

Pelajarannya adalah memahami di mana AI benar-benar memberi nilai dan di mana AI hanya menjadi biaya baru.

Banyak perusahaan akan tergoda membangun sistem AI internal sebelum data mereka siap. Mereka ingin chatbot analitik, dashboard pintar, automation agent, atau AI assistant untuk tim. Tetapi data masih tersebar, status pekerjaan belum konsisten, definisi pelanggan aktif belum jelas, dan proses follow-up masih bergantung pada ingatan orang.

Dalam kondisi seperti itu, AI tidak otomatis membuat bisnis lebih pintar. AI hanya membaca kekacauan dengan lebih cepat.

Masalah ini mirip dengan dashboard. Dashboard yang bagus tidak memperbaiki proses yang datanya buruk. AI yang bagus juga tidak memperbaiki operasi yang konteksnya tidak jelas.

Databricks menarik bagi investor karena berada di lapisan dasar: data, warehouse, AI infrastructure, database untuk agent, dan analitik bisnis. Mereka menjual fondasi yang dibutuhkan perusahaan lain untuk menjalankan AI dengan lebih rapi.

Artinya, sebelum bisnis terlalu cepat membeli atau membangun AI, pertanyaan yang lebih sehat adalah: fondasi data dan prosesnya sudah cukup siap atau belum?

Kalau belum, investasi AI bisa terlihat modern tetapi sulit menghasilkan perubahan nyata.

The Havedev Way

Dari sudut pandang Havedev, berita Databricks bukan hanya cerita tentang valuasi besar. Ini pengingat bahwa AI yang berguna selalu berdiri di atas struktur yang jelas.

Untuk bisnis skala menengah, langkah paling masuk akal biasanya bukan membangun AI besar dari nol. Langkah awal yang lebih sehat adalah merapikan data, status kerja, dan titik keputusan yang paling sering membuat tim lambat.

Misalnya:

• lead masuk dari website, tetapi sumber dan kebutuhannya tidak tercatat
• sales ingin follow-up cepat, tetapi riwayat percakapan tersebar di chat pribadi
• owner ingin melihat pipeline, tetapi status tiap peluang tidak konsisten
• support ingin dibantu automation, tetapi kategori masalah belum rapi
• tim ingin dashboard, tetapi definisi angka masih diperdebatkan

Di titik ini, AI belum menjadi jawaban utama. Struktur kerja masih menjadi pekerjaan pertama.

AI bisa sangat berguna ketika bisnis sudah tahu pertanyaan yang ingin dijawab. Lead mana yang perlu diprioritaskan. Order mana yang berisiko terlambat. Customer mana yang perlu follow-up. Pertanyaan support mana yang bisa dijawab otomatis. Dokumen mana yang sering dicari tim.

Tanpa pertanyaan yang jelas, AI mudah berubah menjadi eksperimen yang mahal.

Pendekatan yang lebih praktis adalah mulai dari alur yang dekat dengan pendapatan atau pengalaman pelanggan. Rapikan input dari website. Buat form yang membawa konteks. Pastikan tombol WhatsApp membawa pesan awal yang jelas. Catat status lead. Tentukan siapa pemilik tindak lanjut. Baru setelah itu, pilih automation atau AI yang membantu bagian yang benar-benar berulang.

Dengan cara ini, AI tidak dipakai karena sedang ramai. AI dipakai karena ada bottleneck yang jelas.

Databricks bisa menggalang $5 miliar karena mereka bermain di pasar yang membutuhkan modal sangat besar. Tetapi bisnis lain tidak harus meniru skalanya. Yang perlu ditiru adalah kedisiplinan membaca fondasi: data apa yang penting, proses mana yang bernilai, dan sistem apa yang membuat keputusan lebih cepat.

AI bukan pengganti proses yang kabur. AI memperbesar proses yang sudah ada.

Jika prosesnya rapi, AI bisa mempercepat. Jika prosesnya berantakan, AI hanya membuat kebingungan terlihat lebih canggih.

Sebelum menambah tool AI baru, cek satu hal sederhana: apakah data, status, dan alur kerja yang akan dibantu AI sudah cukup jelas untuk dipercaya?

Kalau jawabannya belum, mulai dari sana.

Dapatkan Audit Teknis Gratis untuk meninjau kesiapan website, data lead, dan alur automation sebelum bisnis Anda berinvestasi lebih jauh ke AI.

---

Sumber referensi berita: TechCrunch