Model Analisis Empat Dimensi

Kerangka kerja OpenAI melampaui ukuran 'eksposur AI' sederhana dengan menggabungkan empat dimensi :

• Kemampuan teknis AI — Apakah sistem AI saat ini (model kelas GPT-4) dapat melakukan tugas inti suatu pekerjaan setara atau di atas tingkat rata-rata manusia. Model kelas GPT-4 mampu melakukan 60–80% tugas pekerjaan kerah putih .
• Kebutuhan manusia — Apakah pekerjaan memerlukan mandat regulasi, kepercayaan relasional, atau kehadiran fisik yang melindunginya dari otomatisasi penuh. Faktor regulasi (hakim, pengacara di ruang sidang), relasional (guru, terapis, perawat hospice), dan fisik (tukang ledeng, tukang listrik, perawat langsung) menciptakan 'parit' pelindung .
• Elastisitas permintaan — Apakah pekerjaan menghadapi permintaan inelastis (kebutuhan tetap terlepas dari biaya) atau permintaan elastis yang dapat meluas seiring AI menurunkan biaya .
• Penggunaan ChatGPT yang teramati — Divalidasi dengan pola adopsi nyata; pekerja di peran yang paling rentan terhadap otomatisasi (petugas entri data, akuntan) menggunakan AI tiga kali lebih banyak untuk tugas-tugas relevan mereka dibandingkan dengan yang di peran kurang rentan .

Empat Arketipe Transisi

Berdasarkan kombinasi dan validasi dimensi-dimensi ini, setiap pekerjaan dikelompokkan ke dalam empat kategori :

1. Risiko otomatisasi lebih tinggi (~18% pekerjaan AS) — Eksposur AI tinggi, kebutuhan manusia lemah, permintaan inelastis. Termasuk entri data, pembukuan, layanan pelanggan, kasir, pekerjaan dukungan hukum, dan petugas klasifikasi. Ini adalah peran yang paling mungkin mengalami penghapusan pekerjaan dalam jangka pendek.

2. Akan direorganisasi (~24% pekerjaan) — Eksposur AI tinggi, kebutuhan manusia kuat. Komposisi tugas berubah secara signifikan, tetapi pekerja manusia tetap penting untuk fungsi relasional, regulasi, atau fisik inti. Jumlah pekerjaan mungkin menurun meskipun perannya tetap ada.

3. Akan bertumbuh/berkembang (~12% pekerjaan) — Eksposur AI tinggi dikombinasikan dengan permintaan elastis berarti AI menurunkan biaya dan memperluas pasar, menciptakan lebih banyak pekerjaan. Contohnya termasuk peran di mana AI bertindak sebagai pengganda produktivitas di sektor yang sedang berkembang.

4. Relatif tidak terpengaruh (~46% pekerjaan) — Eksposur AI rendah sejak awal, seringkali karena hambatan fisik, relasional, atau regulasi. Pekerjaan ini melihat dampak AI jangka pendek yang minimal.

Risiko Otomatisasi AS vs. EU: 18% vs. 14%

Kerangka kerja OpenAI memperkirakan bahwa sekitar 18% pekerjaan AS menghadapi risiko otomatisasi jangka pendek yang relatif lebih tinggi . Untuk Uni Eropa, analisis terpisah oleh CEDEFOP (Pusat Eropa untuk Pengembangan Pelatihan Kejuruan, sebuah badan UE) menemukan bahwa sekitar 14% pekerja dewasa EU menghadapi risiko otomatisasi yang sangat tinggi . Risiko ini terkonsentrasi pada pekerjaan rutin dengan permintaan rendah akan keterampilan transversal dan sosial, dan lebih tinggi di kalangan pekerja pria .

Catatan penting: Angka 14% untuk EU berasal dari metodologi CEDEFOP yang independen, bukan langsung dari kerangka kerja OpenAI. Namun, arahnya konsisten: pasar tenaga kerja EU yang lebih teregulasi, perlindungan sosial yang lebih kuat, dan komposisi pekerjaan yang berbeda menghasilkan pangsa otomatisasi jangka pendek yang lebih rendah daripada AS.

Perbedaan Antar Negara

Analisis Coface tentang eksposur tenaga kerja AI di seluruh negara Eropa (diterbitkan April 2026) memetakan konten tugas yang terpapar otomatisasi :

• Negara dengan risiko otomatisasi lebih tinggi: Luksemburg, Inggris, Swiss, Belanda, Norwegia, dan Denmark menunjukkan pangsa konten tugas yang terpapar otomatisasi tertinggi, berkisar dari ~12% di Turki hingga hampir 20% di Inggris .
• Luksemburg, Swedia, dan Belanda cenderung memiliki pangsa pekerjaan jasa berketerampilan tinggi yang berorientasi pertumbuhan lebih besar, tetapi juga eksposur AI tinggi di sektor jasa keuangan dan profesional mereka.
• Jerman, Yunani, dan Italia menghadapi profil risiko yang berbeda: pangsa manufaktur yang lebih besar, pekerjaan administrasi berbasis rutinitas, dan penetrasi jasa digital yang lebih rendah berarti potensi otomatisasi lebih tinggi di sektor barang yang dapat diperdagangkan .

EU Economic Blueprint 2.0 dari OpenAI (Januari 2026) lebih lanjut mengelompokkan negara berdasarkan penetrasi dan intensitas penggunaan AI. Lithuania dan Latvia menonjol karena menggabungkan penetrasi populasi tinggi dan penggunaan intensif kemampuan berpikir AI tingkat lanjut, sementara negara EU lainnya tertinggal jauh dalam difusi .

Konteks Kebijakan: Chatterji di Brussels, EU AI Act, dan Perpindahan Pekerjaan

Ronnie Chatterji ditunjuk sebagai Kepala Ekonom pertama OpenAI pada Oktober 2024, sebelumnya menjabat sebagai penasihat ekonomi di pemerintahan Biden dan Obama. Pesan utamanya adalah bahwa ekonomi berada dalam 'masa di antara' — kebanyakan orang saat ini menggunakan AI sebagai pelengkap, bukan pengganti . Pada akhir Juni 2026, Chatterji berada di Eropa untuk serangkaian percakapan tingkat tinggi, termasuk acara POLITICO Europe berjudul 'AI dan masa depan pekerjaan: Apakah EU siap untuk transisi?' .

Ketegangan kebijakan utama:

• OpenAI adalah pengembang AI berbasis AS pertama yang menandatangani EU AI Act General Purpose Code of Practice .
• Carnegie Endowment berpendapat bahwa yang diperlukan di samping EU AI Act adalah 'kerangka kerja transisi tenaga kerja Eropa yang didedikasikan, idealnya tertanam dalam anggaran 2028–2034 blok tersebut' .
• Komisi Eropa mencatat bahwa AI dan teknologi digital 'diproyeksikan akan meningkatkan lapangan kerja secara keseluruhan di Eropa, tetapi keuntungannya tidak merata, terutama menguntungkan pekerja berketerampilan tinggi, usia prima, dan perempuan, sementara pekerja berketerampilan rendah dan muda, serta wilayah yang lebih lemah secara struktural tetap lebih terpapar' .

Survei ECB: Penggunaan AI Intensif yang Terbatas

Survei ECB tentang Akses ke Pembiayaan Perusahaan (SAFE) untuk Q4 2025, yang mencakup lebih dari 5.000 perusahaan di kawasan euro, memberikan pemeriksaan realitas tentang kedalaman adopsi AI :

• Lebih dari 70% perusahaan melaporkan menggunakan AI dalam beberapa bentuk pada akhir 2025 .
• Namun, hanya sekitar 7% perusahaan yang menggunakan AI secara intensif hingga mengubah cara mereka berproduksi, berinovasi, dan bersaing .
• Rinciannya: 27% tidak menggunakan AI sama sekali; 33% menggunakannya sangat jarang; 31% menggunakannya secara moderat; hanya 7–9% yang menggunakannya secara intensif .
• Terdapat kesenjangan investasi yang cukup besar: sementara sebagian besar perusahaan menggunakan AI, hanya sedikit yang benar-benar berinvestasi dalam infrastruktur AI khusus. Perusahaan yang berinvestasi berencana mengalokasikan rata-rata 9% dari total investasi untuk AI pada tahun 2026 .
• ECB menyimpulkan bahwa 'difusi meningkat dengan cepat' tetapi kesenjangan antara penggunaan biasa dan integrasi transformatif masih sangat lebar .

Upaya EU Menuju Kedaulatan Teknologi

EU Economic Blueprint 2.0 dari OpenAI membingkai daya saing AI Eropa secara eksplisit di sekitar kedaulatan . Cetak biru ini mengelompokkan negara EU berdasarkan penetrasi AI dan penggunaan intensif kemampuan 'berpikir' tingkat lanjut, menemukan bahwa hanya sekelompok kecil negara (Lithuania, Latvia) yang menggabungkan akses luas dengan difusi yang dalam. Dorongan strategis yang lebih luas — 'kedaulatan teknologi' — tercermin dalam rencana investasi EU untuk infrastruktur AI, ambisi regulasi EU AI Act, dan seruan dari badan-badan seperti Carnegie Endowment untuk anggaran transisi tenaga kerja EU yang dialokasikan khusus dalam Kerangka Keuangan Multiannual 2028–2034 . Analisis Komisi Eropa sendiri memproyeksikan bahwa AI akan meningkatkan lapangan kerja secara keseluruhan di Eropa tetapi memperingatkan bahwa tanpa kebijakan yang ditargetkan, wilayah yang lebih lemah secara struktural dan pekerja berketerampilan lebih rendah akan tertinggal .

Model Analisis Empat Dimensi

Kerangka kerja OpenAI melampaui ukuran 'eksposur AI' sederhana dengan menggabungkan empat dimensi :

• Kemampuan teknis AI — Apakah sistem AI saat ini (model kelas GPT-4) dapat melakukan tugas inti suatu pekerjaan setara atau di atas tingkat rata-rata manusia. Model kelas GPT-4 mampu melakukan 60–80% tugas pekerjaan kerah putih .
• Kebutuhan manusia — Apakah pekerjaan memerlukan mandat regulasi, kepercayaan relasional, atau kehadiran fisik yang melindunginya dari otomatisasi penuh. Faktor regulasi (hakim, pengacara di ruang sidang), relasional (guru, terapis, perawat hospice), dan fisik (tukang ledeng, tukang listrik, perawat langsung) menciptakan 'parit' pelindung .
• Elastisitas permintaan — Apakah pekerjaan menghadapi permintaan inelastis (kebutuhan tetap terlepas dari biaya) atau permintaan elastis yang dapat meluas seiring AI menurunkan biaya .
• Penggunaan ChatGPT yang teramati — Divalidasi dengan pola adopsi nyata; pekerja di peran yang paling rentan terhadap otomatisasi (petugas entri data, akuntan) menggunakan AI tiga kali lebih banyak untuk tugas-tugas relevan mereka dibandingkan dengan yang di peran kurang rentan .

Empat Arketipe Transisi

Berdasarkan kombinasi dan validasi dimensi-dimensi ini, setiap pekerjaan dikelompokkan ke dalam empat kategori :

1. Risiko otomatisasi lebih tinggi (~18% pekerjaan AS) — Eksposur AI tinggi, kebutuhan manusia lemah, permintaan inelastis. Termasuk entri data, pembukuan, layanan pelanggan, kasir, pekerjaan dukungan hukum, dan petugas klasifikasi. Ini adalah peran yang paling mungkin mengalami penghapusan pekerjaan dalam jangka pendek.

2. Akan direorganisasi (~24% pekerjaan) — Eksposur AI tinggi, kebutuhan manusia kuat. Komposisi tugas berubah secara signifikan, tetapi pekerja manusia tetap penting untuk fungsi relasional, regulasi, atau fisik inti. Jumlah pekerjaan mungkin menurun meskipun perannya tetap ada.

3. Akan bertumbuh/berkembang (~12% pekerjaan) — Eksposur AI tinggi dikombinasikan dengan permintaan elastis berarti AI menurunkan biaya dan memperluas pasar, menciptakan lebih banyak pekerjaan. Contohnya termasuk peran di mana AI bertindak sebagai pengganda produktivitas di sektor yang sedang berkembang.

4. Relatif tidak terpengaruh (~46% pekerjaan) — Eksposur AI rendah sejak awal, seringkali karena hambatan fisik, relasional, atau regulasi. Pekerjaan ini melihat dampak AI jangka pendek yang minimal.

Risiko Otomatisasi AS vs. EU: 18% vs. 14%

Kerangka kerja OpenAI memperkirakan bahwa sekitar 18% pekerjaan AS menghadapi risiko otomatisasi jangka pendek yang relatif lebih tinggi . Untuk Uni Eropa, analisis terpisah oleh CEDEFOP (Pusat Eropa untuk Pengembangan Pelatihan Kejuruan, sebuah badan UE) menemukan bahwa sekitar 14% pekerja dewasa EU menghadapi risiko otomatisasi yang sangat tinggi . Risiko ini terkonsentrasi pada pekerjaan rutin dengan permintaan rendah akan keterampilan transversal dan sosial, dan lebih tinggi di kalangan pekerja pria .

Catatan penting: Angka 14% untuk EU berasal dari metodologi CEDEFOP yang independen, bukan langsung dari kerangka kerja OpenAI. Namun, arahnya konsisten: pasar tenaga kerja EU yang lebih teregulasi, perlindungan sosial yang lebih kuat, dan komposisi pekerjaan yang berbeda menghasilkan pangsa otomatisasi jangka pendek yang lebih rendah daripada AS.

Perbedaan Antar Negara

Analisis Coface tentang eksposur tenaga kerja AI di seluruh negara Eropa (diterbitkan April 2026) memetakan konten tugas yang terpapar otomatisasi :

• Negara dengan risiko otomatisasi lebih tinggi: Luksemburg, Inggris, Swiss, Belanda, Norwegia, dan Denmark menunjukkan pangsa konten tugas yang terpapar otomatisasi tertinggi, berkisar dari ~12% di Turki hingga hampir 20% di Inggris .
• Luksemburg, Swedia, dan Belanda cenderung memiliki pangsa pekerjaan jasa berketerampilan tinggi yang berorientasi pertumbuhan lebih besar, tetapi juga eksposur AI tinggi di sektor jasa keuangan dan profesional mereka.
• Jerman, Yunani, dan Italia menghadapi profil risiko yang berbeda: pangsa manufaktur yang lebih besar, pekerjaan administrasi berbasis rutinitas, dan penetrasi jasa digital yang lebih rendah berarti potensi otomatisasi lebih tinggi di sektor barang yang dapat diperdagangkan .

EU Economic Blueprint 2.0 dari OpenAI (Januari 2026) lebih lanjut mengelompokkan negara berdasarkan penetrasi dan intensitas penggunaan AI. Lithuania dan Latvia menonjol karena menggabungkan penetrasi populasi tinggi dan penggunaan intensif kemampuan berpikir AI tingkat lanjut, sementara negara EU lainnya tertinggal jauh dalam difusi .

Konteks Kebijakan: Chatterji di Brussels, EU AI Act, dan Perpindahan Pekerjaan

Ronnie Chatterji ditunjuk sebagai Kepala Ekonom pertama OpenAI pada Oktober 2024, sebelumnya menjabat sebagai penasihat ekonomi di pemerintahan Biden dan Obama. Pesan utamanya adalah bahwa ekonomi berada dalam 'masa di antara' — kebanyakan orang saat ini menggunakan AI sebagai pelengkap, bukan pengganti . Pada akhir Juni 2026, Chatterji berada di Eropa untuk serangkaian percakapan tingkat tinggi, termasuk acara POLITICO Europe berjudul 'AI dan masa depan pekerjaan: Apakah EU siap untuk transisi?' .

Ketegangan kebijakan utama:

• OpenAI adalah pengembang AI berbasis AS pertama yang menandatangani EU AI Act General Purpose Code of Practice .
• Carnegie Endowment berpendapat bahwa yang diperlukan di samping EU AI Act adalah 'kerangka kerja transisi tenaga kerja Eropa yang didedikasikan, idealnya tertanam dalam anggaran 2028–2034 blok tersebut' .
• Komisi Eropa mencatat bahwa AI dan teknologi digital 'diproyeksikan akan meningkatkan lapangan kerja secara keseluruhan di Eropa, tetapi keuntungannya tidak merata, terutama menguntungkan pekerja berketerampilan tinggi, usia prima, dan perempuan, sementara pekerja berketerampilan rendah dan muda, serta wilayah yang lebih lemah secara struktural tetap lebih terpapar' .

Survei ECB: Penggunaan AI Intensif yang Terbatas

Survei ECB tentang Akses ke Pembiayaan Perusahaan (SAFE) untuk Q4 2025, yang mencakup lebih dari 5.000 perusahaan di kawasan euro, memberikan pemeriksaan realitas tentang kedalaman adopsi AI :

• Lebih dari 70% perusahaan melaporkan menggunakan AI dalam beberapa bentuk pada akhir 2025 .
• Namun, hanya sekitar 7% perusahaan yang menggunakan AI secara intensif hingga mengubah cara mereka berproduksi, berinovasi, dan bersaing .
• Rinciannya: 27% tidak menggunakan AI sama sekali; 33% menggunakannya sangat jarang; 31% menggunakannya secara moderat; hanya 7–9% yang menggunakannya secara intensif .
• Terdapat kesenjangan investasi yang cukup besar: sementara sebagian besar perusahaan menggunakan AI, hanya sedikit yang benar-benar berinvestasi dalam infrastruktur AI khusus. Perusahaan yang berinvestasi berencana mengalokasikan rata-rata 9% dari total investasi untuk AI pada tahun 2026 .
• ECB menyimpulkan bahwa 'difusi meningkat dengan cepat' tetapi kesenjangan antara penggunaan biasa dan integrasi transformatif masih sangat lebar .

Upaya EU Menuju Kedaulatan Teknologi

EU Economic Blueprint 2.0 dari OpenAI membingkai daya saing AI Eropa secara eksplisit di sekitar kedaulatan . Cetak biru ini mengelompokkan negara EU berdasarkan penetrasi AI dan penggunaan intensif kemampuan 'berpikir' tingkat lanjut, menemukan bahwa hanya sekelompok kecil negara (Lithuania, Latvia) yang menggabungkan akses luas dengan difusi yang dalam. Dorongan strategis yang lebih luas — 'kedaulatan teknologi' — tercermin dalam rencana investasi EU untuk infrastruktur AI, ambisi regulasi EU AI Act, dan seruan dari badan-badan seperti Carnegie Endowment untuk anggaran transisi tenaga kerja EU yang dialokasikan khusus dalam Kerangka Keuangan Multiannual 2028–2034 . Analisis Komisi Eropa sendiri memproyeksikan bahwa AI akan meningkatkan lapangan kerja secara keseluruhan di Eropa tetapi memperingatkan bahwa tanpa kebijakan yang ditargetkan, wilayah yang lebih lemah secara struktural dan pekerja berketerampilan lebih rendah akan tertinggal .