AI akan mengambil pekerjaan Anda? Ini jawaban laporan 2025 dan 5 skill yang perlu dipelajari

3 sinyal besar dari laporan 2025

1. Permintaan naik di teknologi, data, dan fintech

WEF menyebut tiga pekerjaan dengan pertumbuhan persentase tercepat: spesialis big data, engineer teknologi finansial atau fintech, serta spesialis AI dan machine learning. Ringkasan ARISA atas laporan WEF juga mencatat permintaan yang kuat untuk bidang Big Data, Fintech, AI and Machine Learning, serta Software and Application Development. Dari sisi keterampilan, AI and Big Data menjadi kelompok skill yang paling menonjol, diikuti Networks and Cybersecurity dan general technological literacy.

Artinya, tidak semua orang harus berubah menjadi engineer. Namun hampir semua fungsi kerja akan makin diuntungkan jika orangnya memahami AI, data, dan alur kerja digital.

2. Peluang tidak hanya untuk pekerja teknologi

WEF juga menyatakan bahwa hingga 2030, peran garis depan serta sektor esensial seperti perawatan dan pendidikan diperkirakan termasuk area dengan pertumbuhan kerja tertinggi.

Ini penting karena pilihan karier tidak hanya satu: menjadi engineer AI. Jalur yang lebih umum justru mungkin terjadi di bidang yang sudah Anda kenal, seperti pendidikan, layanan perawatan, operasional, pemasaran, keuangan, administrasi, atau layanan pelanggan, tetapi dengan cara kerja yang lebih terbantu AI dan alat digital.

3. Risiko lebih tepat dilihat dari tugas, bukan jabatan

Pembaruan ILO 2025 menekankan analisis berbasis tugas untuk menilai seberapa besar pekerjaan terpapar AI generatif. Dalam satu jabatan yang sama, bisa ada tugas yang mudah dipercepat AI, seperti merangkum, mengklasifikasikan, membuat draf, atau merapikan data. Namun masih ada bagian lain yang membutuhkan manusia, seperti memahami konteks, bernegosiasi, mengambil keputusan, dan mempertanggungjawabkan hasil.

WEF juga menyebut bahwa AI dan perubahan teknologi lain sedang membentuk ulang pasar kerja: permintaan untuk banyak peran teknologi atau spesialis meningkat, sementara sebagian peran lain dapat menurun, dengan desainer grafis sebagai salah satu contoh yang disebutkan. Ini bukan berarti semua pekerjaan desain hilang. Namun pekerjaan yang terlalu bergantung pada output standar perlu bergerak naik ke strategi, pemahaman merek, penilaian konteks, dan kontrol kualitas.

Cek diri: bagian pekerjaan Anda yang mana paling mudah diubah AI?

Daftar berikut bukan ramalan pasti. Ini cara praktis menerjemahkan pendekatan ILO yang melihat dampak AI generatif pada level tugas.

5 skill yang paling layak dipelajari lebih dulu

1. Literasi AI dan machine learning

Spesialis AI dan machine learning termasuk salah satu pekerjaan dengan pertumbuhan persentase tercepat menurut WEF. Namun bagi kebanyakan non-engineer, langkah pertama bukan langsung melatih model AI. Yang lebih penting adalah memahami apa yang bisa dan tidak bisa dilakukan AI, kapan hasilnya perlu diperiksa, dan bagaimana memakainya untuk riset, ringkasan, draf, perapian data, serta analisis awal.

Target praktisnya bukan menghafal istilah. Targetnya adalah membangun alur kerja yang stabil: input jelas, format output konsisten, standar pengecekan tersedia, dan ada batasan data apa yang tidak boleh sembarangan dimasukkan ke alat eksternal.

2. Analisis data dan Big Data

Spesialis big data juga masuk daftar pekerjaan dengan pertumbuhan persentase tercepat versi WEF. ARISA, dalam ringkasannya atas laporan WEF, menempatkan AI and Big Data sebagai salah satu kelompok keterampilan yang paling menonjol.

Jika hanya bisa memilih satu kemampuan teknis untuk mulai, Anda bisa mempertimbangkan salah satu dari ini: analisis spreadsheet, SQL, visualisasi data, atau dasar Python. Bukan jumlah alat yang paling penting, melainkan kemampuan mengubah data menjadi bukti yang rapi, bisa diperiksa, bisa dijelaskan, dan membantu keputusan.

3. Pengembangan software, aplikasi, dan pola pikir otomatisasi

Ringkasan ARISA memasukkan Software and Application Development sebagai salah satu area profesional dengan permintaan yang jelas. Bahkan jika Anda tidak berencana menjadi programmer penuh waktu, memahami alur produk, aliran data, API, skrip sederhana, atau alat low-code akan sangat membantu.

Nilai AI biasanya tidak berhenti pada satu kali membuat teks. Nilainya muncul ketika AI masuk ke proses yang bisa diulang, dilacak, dan dipelihara. Dengan sedikit pemahaman pengembangan dan otomatisasi, ide kerja lebih mudah diubah menjadi sistem yang benar-benar dipakai.

4. Dasar jaringan dan keamanan siber

ARISA mencatat Networks and Cybersecurity sebagai kelompok skill penting setelah AI and Big Data. Ketika proses kerja makin digital, keamanan siber bukan lagi urusan tim IT saja.

Pekerja lintas fungsi setidaknya perlu memahami pengelolaan akses, data apa yang boleh diunggah, cara menangani informasi sensitif, dan bagaimana menyimpan jejak pemeriksaan. Bisa memakai alat adalah lapisan pertama; tahu cara memakainya dengan aman adalah keunggulan yang lebih tahan lama.

5. Literasi teknologi umum

ARISA juga menyoroti general technological literacy sebagai arah keterampilan penting. Ini sering diremehkan oleh pekerja non-teknis. Anda tidak harus banyak menulis kode, tetapi perlu tahu bagaimana alat saling terhubung, dari mana data berasal, bagaimana output diverifikasi, dan kapan harus meminta bantuan ahli.

Literasi teknologi umum menentukan apakah Anda bisa bekerja efektif dengan tim engineering, data, produk, atau keamanan siber. Ini juga fondasi agar penggunaan AI tidak berhenti sebagai coba-coba alat, tetapi benar-benar memperbaiki hasil kerja.

Prioritas belajar menurut peran saat ini

Jadikan proses belajar terlihat sebagai hasil kerja

1. Petakan tugas, bukan panik pada jabatan. Tulis tugas yang paling sering Anda lakukan dalam seminggu. Tandai mana yang berulang, formatnya tetap, dan banyak berbasis teks atau tabel. Cara berpikir ini sejalan dengan pendekatan ILO yang menilai paparan AI generatif pada tingkat tugas.
2. Pilih satu skenario dan jadikan alur kerja. Misalnya ringkasan rapat, balasan pelanggan, pembersihan data, riset kompetitor, atau laporan mingguan. Tetapkan input, prompt, format output, dan standar pemeriksaan manusia.
3. Tambahkan satu hard skill yang nyambung dengan bidang Anda. Pilih SQL, Python, visualisasi data, alat otomatisasi, atau dasar keamanan siber. Jangan belajar terlalu jauh dari konteks pekerjaan Anda.
4. Simpan bukti dan portofolio kecil. Jangan hanya mengatakan Anda bisa memakai AI. Tunjukkan alur proses, standar pengecekan, perbedaan sebelum-sesudah, dan dampak yang bisa dilihat.
5. Tetapkan manusia sebagai pengambil keputusan akhir. AI bisa membantu menyusun, merangkum, dan menghasilkan opsi. Namun tujuan, risiko, komunikasi, dan keputusan akhir tetap perlu ditanggung manusia.

Kesimpulan: jangan hanya belajar istilah AI, sambungkan AI ke hasil kerja

Dari sinyal WEF dan ILO pada 2025, dampak AI terhadap pekerjaan lebih mirip penyusunan ulang keterampilan dan pembagian ulang tugas, bukan sekadar penghapusan semua pekerjaan. WEF melihat peluang kerja baru sekaligus tekanan besar untuk upskilling, sementara ILO menempatkan analisis dampak AI generatif pada level tugas.

Jika pekerjaan Anda banyak berisi tugas berulang dan output standar, mulailah dari alat AI, perapian data, dan otomatisasi. Jika pekerjaan Anda bergantung pada penilaian profesional, hubungan manusia, dan pemahaman konteks, gunakan AI untuk memperkuat riset, analisis, komunikasi, dan kualitas layanan.

Orang yang lebih kompetitif bukan selalu yang paling hafal istilah AI. Yang lebih dicari adalah orang yang bisa mengubah AI menjadi hasil kerja yang jelas, aman, dan dapat diverifikasi.