AI dan Inovasi Hijau: Apa yang Perlu Diperhatikan Investor

Dapatkah Kolaborasi Manusia–AI Meningkatkan Inovasi Hijau?

Sebuah perusahaan dapat mengumumkan lebih banyak proyek lingkungan, mengajukan lebih banyak paten hijau, dan menerbitkan laporan keberlanjutan yang lebih panjang tanpa harus mengembangkan teknologi yang lebih baik. Bagi investor, hal ini menimbulkan perbedaan yang sulit: apakah bisnis tersebut sedang membangun sesuatu yang berharga, atau hanya menjadi lebih mahir dalam menampilkan inovasi?

Sebuah studi oleh Caiyun Liu dan Tianyang Wu, yang diterbitkan dalam Finance Research Letters, meneliti apakah kolaborasi manusia–AI dapat membantu mempersempit kesenjangan tersebut.¹ Dengan menggunakan data perusahaan publik China, para peneliti menemukan adanya hubungan antara ukuran kolaborasi mereka dan selisih yang lebih kecil antara pengajuan paten hijau dan pemberian paten.

Temuan tersebut menunjukkan kemungkinan yang berguna: menggabungkan kemampuan AI dengan karyawan terampil dapat membantu perusahaan mengalokasikan sumber daya secara lebih efektif. Namun, menerjemahkan kemungkinan itu menjadi tesis investasi memerlukan analisis yang melampaui sekadar jumlah paten dan pengumuman AI.

Apa Itu “Green Innovation Bubbles”?

Makalah ini menggunakan istilah “green innovation bubbles” untuk menggambarkan aktivitas yang menekankan kuantitas inovasi lingkungan dibandingkan kualitasnya. Ini bukan gelembung pasar saham. Kekhawatirannya adalah bahwa perusahaan dapat mengejar output yang mudah dipromosikan sementara berinvestasi terlalu sedikit dalam pengembangan teknologi yang substantif.

Para peneliti mengukur hal ini melalui kesenjangan antara pengajuan paten hijau dan paten yang diberikan. Mereka menyusun indikator terpisah untuk semua paten hijau, paten penemuan, dan paten model utilitas. Dalam kerangka studi, paten penemuan mewakili inovasi yang secara teknis lebih menuntut, sementara model utilitas memiliki hambatan aplikasi yang lebih rendah dan siklus pemberian yang lebih singkat.

Kesenjangan yang semakin lebar dapat mengindikasikan bahwa klaim inovasi melampaui hasil yang sebenarnya. Namun, ini merupakan sinyal yang tidak sempurna. Persetujuan paten memerlukan waktu, dan sebuah pengajuan yang sedang menunggu pemeriksaan belum tentu berkualitas rendah. Sebuah paten yang diberikan juga tidak menjamin keberhasilan komersial atau membuktikan bahwa teknologi tersebut mengurangi emisi.

Perbedaan tersebut penting setiap kali modal mengikuti label lingkungan. Liputan Securities.io tentang obligasi hijau dan risiko greenwashing mengeksplorasi pertanyaan terkait: seberapa dekat pembiayaan yang terkait dengan keberlanjutan beralih menjadi kemajuan lingkungan yang dapat diukur?

Apa yang Ditemukan dalam Studi Kolaborasi Manusia–AI

Analisis ini mencakup 23.526 observasi perusahaan-tahun dari perusahaan publik A-share China antara 2015 dan 2024. Indeks kolaborasinya menggabungkan frekuensi istilah terkait AI dalam laporan tahunan dengan proporsi karyawan yang memiliki setidaknya gelar sarjana.

Ini mengukur pengembangan terkoordinasi dua kemampuan daripada secara langsung mengamati karyawan yang bekerja dengan AI. Lebih banyak terminologi AI dapat mencerminkan adopsi, tetapi juga dapat mencerminkan strategi komunikasi. Kualifikasi pendidikan juga menunjukkan karakteristik tenaga kerja tanpa mengungkap seberapa efektif karyawan menggunakan alat tertentu.

Hubungan tersebut tetap negatif dalam beberapa uji ketahanan. Penulis juga menyelidiki pembatasan pembiayaan, menemukan hasil yang konsisten dengan gagasan bahwa koordinasi yang lebih baik antara AI dan modal manusia dapat membantu perusahaan memperoleh sumber daya untuk inovasi berkelanjutan.

Temuan ini mendukung penyelidikan lebih lanjut, tetapi tidak menetapkan hubungan kausal universal. Penulis mengakui bahwa variabel instrumental berbasis industri mereka mungkin dipengaruhi oleh tren teknologi bersama dan perubahan kompetitif. Hasil dari perusahaan publik China juga tidak dapat secara otomatis diterapkan ke setiap pasar.

Mengapa Penyaringan Proyek yang Lebih Baik Bisa Penting

Interpretasi komersial yang paling berguna adalah bahwa AI dapat meningkatkan pemilihan proyek yang akan dilanjutkan. Penelitian hijau sering melibatkan periode pengembangan yang panjang, permintaan yang tidak pasti, dan peralatan yang mahal. Mengalokasikan anggaran yang sama ke proyek yang dipilih lebih baik dapat lebih berdampak daripada meningkatkan jumlah proyek yang sedang berjalan.

Pertimbangkan sebuah produsen hipotetik yang mengevaluasi peralatan penghemat energi. AI dapat membandingkan catatan operasional, mengidentifikasi tahap produksi yang tidak efisien, dan memodelkan konfigurasi alternatif. Insinyur tetap harus memeriksa apakah perubahan yang diusulkan mempertahankan kualitas produk, memenuhi persyaratan keselamatan, dan membenarkan biaya pemasangannya.

Di sinilah kolaborasi menjadi bermakna secara ekonomi. Sistem memperluas rentang opsi yang dapat dievaluasi, sementara karyawan berpengalaman memutuskan asumsi mana yang kredibel. Penolakan lebih awal terhadap desain yang tidak cocok dapat membebaskan uang dan waktu teknik untuk alternatif yang lebih menjanjikan.

Namun, ada kemungkinan yang berlawanan. AI juga dapat membuat penyusunan paten, proposal proyek, dan bahasa keberlanjutan menjadi lebih murah untuk diproduksi. Tanpa validasi yang lebih kuat, perusahaan dapat menghasilkan materi yang tampak lebih mengesankan tanpa meningkatkan teknologi dasarnya. Studi ini tidak menguji skenario tersebut secara langsung, namun menegaskan mengapa volume output saja merupakan tolok ukur yang tidak memadai.

Pembiayaan dan Transparansi Membentuk Kualitas Inovasi

Mekanisme pembiayaan memberikan wawasan berguna lainnya. Sebuah perusahaan yang kesulitan mendanai riset jangka panjang mungkin lebih memilih proyek yang memberikan manfaat reputasi cepat. Jika informasi operasional yang lebih baik memudahkan penilaian prospeknya, pemberi pinjaman dan investor dapat menjadi lebih bersedia membiayai pengembangan substantif.

Itu merupakan jalur yang masuk akal, bukan jaminan terbukti bahwa AI menurunkan biaya pinjaman. Hasil pembiayaan dalam studi ini harus ditafsirkan dalam kerangka statistiknya, bukan sebagai bukti bahwa pemasangan perangkat lunak secara langsung meningkatkan akses ke kredit.

Asosiasi yang lebih kuat di antara perusahaan dengan laporan tahunan yang lebih mudah dibaca juga layak mendapat perhatian. Pelaporan yang jelas dapat mempermudah menghubungkan investasi, tonggak teknis, dan hasil operasional. Sebuah perusahaan yang menjelaskan bagaimana inovasi mengubah ekonomi produksi memberikan bukti yang lebih berguna bagi investor dibandingkan yang terus-menerus menyebutkan AI.

Untuk analisis praktis, investor dapat mengajukan tiga pertanyaan:

• Apakah tonggak teknis mengarah pada penerapan dan adopsi oleh pelanggan?
• Apakah karyawan dilengkapi untuk memvalidasi dan menerapkan rekomendasi AI?
• Apakah peningkatan efisiensi yang dilaporkan tetap bertahan setelah implementasi dan biaya operasional?

AI Industri Menyoroti Peluang Secara Lebih Jelas

Digital twins memberikan contoh konkret tentang bagaimana ide-ide ini dapat diterapkan dalam alur kerja teknik. Representasi virtual ini memungkinkan tim mengevaluasi sistem fisik sebelum melakukan perubahan. Pemeriksaan terbaru Securities.io tentang AI industri dan meta-pabrik membahas peran simulasi dalam perencanaan pabrik dan pengembangan robotik.

Tim pabrik dapat membandingkan tata letak alternatif, pengaturan peralatan, atau aliran material dalam lingkungan simulasi. Manfaat keberlanjutan yang potensial berasal dari penerapan perbaikan yang telah divalidasi, seperti mengurangi limbah atau penggunaan energi yang tidak perlu. Membangun model yang canggih hanyalah langkah menengah.

AI juga memiliki biaya sumber daya sendiri. Laporan IEA tahun 2026, Pertanyaan Kunci tentang Energi dan AI, meneliti hubungan yang berkembang antara pengembangan AI dan permintaan energi. Oleh karena itu, penilaian lingkungan harus mempertimbangkan kebutuhan komputasi bersamaan dengan penghematan yang dicapai dalam penerapannya.

Peran NVIDIA dalam Inovasi Industri Berbasis AI

Bagi investor yang tertarik pada perusahaan yang menyediakan kemampuan ini, NVIDIA menawarkan koneksi yang relevan melalui komputasi terakselerasi, simulasi, dan infrastruktur AI industri. Kesempatan mereka melampaui pembuatan teks hingga mendukung alat yang membantu insinyur mengevaluasi dan mengoptimalkan sistem fisik.

Dalam pengumuman kemitraan AI industri mereka pada Januari 2026, Siemens dan NVIDIA merinci rencana menggabungkan perangkat lunak industri dengan infrastruktur AI dan kemampuan simulasi. Tujuan yang dinyatakan mencakup pengujian perbaikan secara virtual dan menerjemahkan wawasan yang telah divalidasi ke dalam operasi pabrik.

Ini memberikan ilustrasi komersial dari tema yang lebih luas, bukan bukti bahwa NVIDIA menghasilkan efek yang diukur dalam makalah tersebut. Studi ini tidak mengevaluasi produk, pelanggan, atau kinerja keuangan NVIDIA. Kasus investasi NVIDIA juga bergantung pada kompetisi, pengeluaran pelanggan, margin, dan penilaian yang dibayarkan untuk pertumbuhan yang diharapkan.

Ukurlah Inovasi Hijau Berdasarkan Apa yang Mencapai Dunia Nyata

Studi ini memberikan alasan menjanjikan untuk menelaah AI dan pengembangan tenaga kerja secara bersamaan. Nilainya dapat muncul melalui keputusan yang lebih baik, pemilihan proyek yang lebih kuat, dan pengungkapan yang lebih kredibel, bukan sekadar produksi klaim inovasi yang lebih cepat.

Bagi investor, bukti terkuat akan menghubungkan pengeluaran teknologi dengan produk yang diterapkan dan perbaikan operasional yang dapat diukur. AI dapat membantu memperluas apa yang dapat diselidiki oleh perusahaan. Karyawan yang terampil, pembiayaan yang memadai, dan pelaksanaan yang akuntabel menentukan seberapa banyak penyelidikan tersebut menjadi inovasi yang berguna.

Referensi:

¹ Liu, C., & Wu, T. (2026). Dampak kolaborasi manusia–AI pada gelembung inovasi hijau perusahaan. Finance Research Letters, 110, Artikel 110607. https://doi.org/10.1016/j.frl.2026.110607