Apakah AI akan mengambil pekerjaan manusia?
Pertanyaan ini muncul hampir setiap kali kemampuan AI berkembang.
Jawaban yang paling berguna bukan sekadar ya atau tidak.
Untuk memahami dampaknya, kita perlu membedakan antara:
pekerjaan dan tugas.
Sebuah pekerjaan hampir selalu terdiri dari banyak tugas yang berbeda.
Seorang jurnalis, misalnya, dapat melakukan riset, wawancara, memeriksa fakta, menulis, menyunting, mencari sumber, menganalisis dokumen, dan berkomunikasi dengan berbagai pihak.
AI mungkin sangat baik membantu sebagian aktivitas tersebut tetapi tidak sama baiknya pada seluruh pekerjaan.
Karena itu unit analisis yang lebih berguna sering kali adalah:
Tugas mana yang dapat dibantu AI?
Tugas mana yang dapat diotomatisasi?
Tugas mana yang justru menjadi semakin penting bagi manusia?
Tiga kemungkinan: otomatisasi, augmentasi, dan penciptaan
AI dapat memengaruhi pekerjaan melalui beberapa jalur.
Otomatisasi
Sebuah tugas yang sebelumnya dilakukan manusia dapat dilakukan sebagian atau seluruhnya oleh sistem.
Contohnya dapat berupa klasifikasi dokumen sederhana, pembuatan laporan rutin, pemrosesan data tertentu, atau respons terhadap pertanyaan yang sangat berulang.
Dalam situasi tertentu, otomatisasi dapat mengurangi jumlah tenaga manusia yang diperlukan untuk melakukan volume pekerjaan yang sama.
Augmentasi
AI tidak menggantikan pekerja, tetapi meningkatkan kemampuan pekerja tersebut.
Seorang analis dapat menggunakan AI untuk membaca banyak dokumen lebih cepat.
Programmer dapat menggunakan AI untuk membuat draft kode.
Desainer dapat menghasilkan beberapa konsep awal sebelum melakukan penyempurnaan.
Guru dapat menggunakan AI untuk membantu membuat variasi materi pembelajaran.
Dalam pola ini, manusia tetap melakukan pekerjaan tetapi mempunyai alat baru yang meningkatkan produktivitas atau memperluas kemampuan.
Penciptaan
Teknologi baru juga dapat menciptakan aktivitas dan pekerjaan yang sebelumnya tidak ada atau belum dibutuhkan dalam skala besar.
Internet, misalnya, menghilangkan sebagian jenis pekerjaan tetapi juga menciptakan pekerjaan yang sebelumnya sulit dibayangkan.
AI dapat menghasilkan dinamika serupa.
Profesi tertentu mungkin berkurang, profesi lain berubah, sementara pekerjaan dan industri baru muncul.
Pekerjaan jarang hanya terdiri dari satu kemampuan
Bayangkan seorang dokter.
AI mungkin dapat membantu membaca citra medis, menyusun ringkasan rekam medis, atau mencari pola dalam data.
Tetapi pekerjaan dokter juga melibatkan komunikasi dengan pasien, mempertimbangkan kondisi yang kompleks, membuat keputusan dengan informasi tidak sempurna, memahami preferensi pasien, dan bertanggung jawab terhadap tindakan medis.
Hal yang sama berlaku pada banyak profesi.
Seorang pengacara tidak hanya menulis dokumen.
Seorang guru tidak hanya menyampaikan informasi.
Seorang manajer tidak hanya membuat laporan.
Seorang pengusaha tidak hanya menghitung angka.
Karena itu kemampuan AI pada satu tugas tidak otomatis berarti seluruh profesi dapat digantikan.
Tetapi beberapa pekerjaan memang dapat menyusut
Mengatakan bahwa pekerjaan terdiri dari banyak tugas bukan berarti dampak AI selalu ringan.
Jika sebagian besar tugas dalam suatu pekerjaan dapat dilakukan secara otomatis dengan biaya jauh lebih rendah, organisasi mungkin membutuhkan lebih sedikit pekerja untuk menghasilkan output yang sama.
Pekerjaan yang sangat terstruktur, berulang, digital, dan mudah dievaluasi dapat menghadapi tekanan otomatisasi yang lebih besar.
Namun hasil akhirnya juga bergantung pada faktor ekonomi.
Jika AI membuat sebuah layanan jauh lebih murah, permintaan terhadap layanan tersebut dapat meningkat.
Produktivitas yang lebih tinggi dapat mengurangi jumlah pekerja yang diperlukan per unit output tetapi sekaligus memperbesar jumlah output yang diproduksi.
Karena itu hubungan antara otomatisasi dan jumlah pekerjaan tidak selalu sederhana.
Produktivitas dapat mengubah struktur pekerjaan
Misalnya sebuah tim membutuhkan sepuluh jam untuk membuat sebuah laporan.
Dengan AI, pekerjaan awal dapat selesai dalam dua jam.
Ada beberapa kemungkinan.
Perusahaan dapat mengurangi tenaga kerja.
Atau perusahaan dapat membuat lima kali lebih banyak laporan.
Atau pekerja dapat menggunakan waktu yang tersisa untuk melakukan analisis yang lebih dalam.
Atau layanan yang sebelumnya terlalu mahal menjadi tersedia untuk lebih banyak pelanggan.
Teknologi mengubah ekonomi sebuah tugas, dan perubahan ekonomi itulah yang kemudian memengaruhi pekerjaan.
Dari pembuat pertama menjadi pengarah dan evaluator
Salah satu perubahan yang sudah terlihat pada pekerjaan pengetahuan adalah pergeseran dari selalu membuat sesuatu dari halaman kosong menjadi mengarahkan, mengevaluasi, dan memperbaiki keluaran mesin.
Dulu seseorang mungkin memulai:
halaman kosong → menulis → mengedit → selesai.
Dengan AI, proses dapat menjadi:
tujuan → instruksi → draft AI → evaluasi → verifikasi → revisi → keputusan manusia.
Ini mengubah jenis keterampilan yang bernilai.
Kemampuan membuat sesuatu tetap penting.
Tetapi kemampuan menilai apakah sesuatu itu benar dan berkualitas menjadi semakin penting.
Masalah baru: jika AI membuat pekerjaan terlihat mudah
Ada paradoks menarik.
Jika AI dapat menghasilkan kode, tulisan, desain, atau analisis awal dengan cepat, orang yang belum ahli dapat melakukan pekerjaan yang sebelumnya sulit.
Ini dapat memperluas akses terhadap kemampuan.
Tetapi ada risiko lain.
Seseorang dapat menghasilkan sesuatu yang terlihat profesional tanpa memiliki pengetahuan yang cukup untuk mengetahui apakah hasilnya benar.
Program dapat berjalan tetapi memiliki kerentanan keamanan.
Analisis dapat terdengar meyakinkan tetapi menggunakan asumsi yang salah.
Artikel dapat terlihat akademis tetapi berisi referensi fiktif.
Karena itu AI dapat menurunkan hambatan untuk menghasilkan output, tetapi tidak selalu menurunkan hambatan untuk menilai kualitas output.
Keahlian tidak hilang—fungsinya dapat berubah
Ada anggapan bahwa jika AI dapat melakukan suatu tugas, manusia tidak perlu lagi mempelajari kemampuan tersebut.
Tidak selalu demikian.
Seseorang yang memahami pemrograman lebih mampu menilai kode yang dibuat AI.
Orang yang memahami keuangan lebih mampu menemukan kesalahan dalam analisis keuangan AI.
Editor berpengalaman lebih mampu menilai kualitas tulisan yang dihasilkan model.
Dengan demikian, keahlian manusia dapat bergeser dari sekadar produksi menuju kombinasi:
produksi + pengarahan + evaluasi + keputusan.
Keterampilan apa yang menjadi semakin penting?
Tidak ada daftar yang akan berlaku selamanya, tetapi beberapa kemampuan menjadi sangat relevan dalam lingkungan kerja berbasis AI.
Merumuskan masalah
AI dapat membantu menghasilkan jawaban, tetapi seseorang tetap perlu menentukan pertanyaan yang benar.
Masalah yang dirumuskan dengan buruk dapat menghasilkan pekerjaan yang efisien tetapi tidak berguna.
Memberikan konteks
AI bekerja lebih baik ketika memperoleh tujuan, informasi, batasan, dan konteks yang relevan.
Kemampuan mengubah kebutuhan dunia nyata menjadi instruksi yang jelas menjadi bagian penting dari pekerjaan.
Verifikasi
Seperti yang kita pelajari pada Lite tentang hallucination, keluaran AI dapat salah.
Kemampuan memeriksa fakta, asumsi, perhitungan, dan sumber menjadi semakin penting.
Judgment
Banyak keputusan tidak memiliki satu jawaban matematis yang sempurna.
Ada risiko, etika, prioritas, kepentingan manusia, dan kondisi lokal yang harus dipertimbangkan.
Komunikasi dan kolaborasi
Pekerjaan tetap melibatkan manusia lain.
Negosiasi, kepemimpinan, empati, kepercayaan, dan kemampuan membangun hubungan tidak otomatis hilang karena AI mampu menghasilkan teks.
Kemampuan belajar
Tools AI berubah sangat cepat.
Kemampuan beradaptasi dan mempelajari cara kerja baru dapat menjadi lebih penting daripada menguasai satu perangkat secara permanen.
Junior worker dan paradoks pembelajaran
AI juga menghadirkan pertanyaan yang lebih sulit.
Banyak pekerja senior menjadi ahli karena dahulu menghabiskan waktu mengerjakan tugas-tugas dasar.
Seorang programmer belajar melalui ribuan baris kode.
Seorang analis belajar melalui banyak spreadsheet.
Seorang penulis belajar dengan menulis dan mengedit berulang kali.
Jika AI mengambil sebagian besar pekerjaan pemula tersebut, bagaimana generasi berikutnya memperoleh pengalaman yang diperlukan untuk menjadi ahli?
Ini adalah persoalan learning pipeline.
Organisasi mungkin perlu merancang kembali proses pembelajaran kerja agar efisiensi jangka pendek tidak menghilangkan jalur pembentukan keahlian jangka panjang.
Dampaknya tidak akan merata
Perubahan akibat AI tidak terjadi dengan kecepatan yang sama di seluruh dunia.
Adopsinya dipengaruhi oleh:
- biaya teknologi,
- infrastruktur digital,
- pendidikan,
- bahasa,
- regulasi,
- struktur industri,
- ukuran perusahaan,
- akses terhadap data,
- dan kemampuan organisasi melakukan perubahan.
Karena itu pengalaman pekerja di perusahaan teknologi besar dapat sangat berbeda dari pekerja UMKM, petani, pekerja informal, atau organisasi di wilayah dengan akses digital terbatas.
AI bukan hanya persoalan teknologi.
Ia juga persoalan ekonomi dan distribusi kemampuan.
AI literacy dapat menjadi kemampuan dasar baru
Pada masa lalu, kemampuan menggunakan komputer merupakan keterampilan khusus.
Kemudian komputer menjadi bagian normal dari hampir semua pekerjaan pengetahuan.
Internet mengalami perjalanan serupa.
AI mungkin bergerak ke arah yang sama.
Bukan berarti setiap orang harus menjadi ilmuwan AI.
Tetapi semakin banyak pekerja mungkin perlu memahami:
- apa yang dapat dilakukan AI,
- apa yang tidak dapat dilakukan AI,
- bagaimana memberikan konteks,
- bagaimana memeriksa hasilnya,
- bagaimana melindungi data,
- dan kapan sebaiknya tidak menggunakan AI.
Inilah yang dapat disebut AI literacy.
Bukan manusia melawan AI
Narasi tentang masa depan pekerjaan sering dibingkai sebagai kompetisi:
Manusia vs AI.
Tetapi dalam banyak situasi, perbandingan yang lebih relevan mungkin justru:
manusia tanpa AI vs manusia yang mampu menggunakan AI dengan baik.
Bukan berarti setiap pekerjaan harus menggunakan AI.
Namun ketika teknologi dapat meningkatkan produktivitas secara signifikan, kemampuan menggunakannya dapat menjadi keunggulan baru.
Dari alat menuju rekan kerja digital
Perangkat lunak tradisional biasanya menunggu perintah yang sangat spesifik.
AI modern mulai mampu menerima tujuan dalam bahasa alami, memproses informasi, menggunakan tools, dan melakukan rangkaian tugas yang lebih kompleks.
Perkembangan menuju sistem yang lebih agentic dapat membuat AI bergerak dari sekadar alat menjadi sesuatu yang lebih mirip rekan kerja digital.
Manusia menentukan tujuan.
AI melakukan sebagian pekerjaan.
Manusia memeriksa hasil.
AI melakukan revisi atau tindakan berikutnya.
Pola tersebut dapat mengubah struktur organisasi dan cara tim bekerja.
Pertanyaan sebenarnya
Karena itu pertanyaan:
“Apakah AI akan menggantikan manusia?”
mungkin terlalu sederhana.
Pertanyaan yang lebih berguna adalah:
Bagian pekerjaan mana yang berubah?
Siapa yang mendapatkan peningkatan produktivitas?
Siapa yang menanggung biaya transisi?
Keterampilan apa yang perlu dibangun?
Bagaimana manusia tetap memegang keputusan dan tanggung jawab?
Dan mungkin yang paling penting:
Jika mesin semakin mampu melakukan pekerjaan yang dahulu membutuhkan kemampuan manusia, apa yang ingin kita gunakan dari waktu dan kemampuan manusia yang menjadi tersedia?