AI Mengganggu Tangga Karier Sebelum Menghapus Profesi

Karena itu, angka Korea Selatan sebaiknya dibaca sebagai peringatan tentang konsentrasi dampak, bukan bukti bahwa setiap kehilangan pekerjaan anak muda disebabkan ChatGPT atau sistem AI lain. Ukuran Bank of Korea mengidentifikasi industri dan pekerjaan yang memiliki paparan teknis tinggi terhadap AI. Paparan menunjukkan lokasi yang lebih memungkinkan mengalami gangguan; hal itu tidak sama dengan penggantian pekerja yang telah terbukti.

Mengapa lulusan perguruan tinggi dan profesional junior ikut rentan?

Gelar sarjana bukan perlindungan otomatis dari AI generatif. Banyak lulusan memasuki dunia kerja melalui posisi berbasis kantor di bidang teknologi, jasa profesional, riset, analisis, penerbitan, dan administrasi—area yang sama dengan tempat AI dapat mengambil alih sebagian tugas.

Pekerjaan-pekerjaan ini secara tradisional memiliki dua fungsi: menghasilkan pekerjaan yang berguna sekaligus melatih karyawan untuk memikul tanggung jawab yang lebih kompleks. Ketika AI mengerjakan bagian yang lebih sederhana, perusahaan mungkin menaikkan standar perekrutan alih-alih langsung menghapus seluruh profesi.

Analis junior, misalnya, bisa diminta memeriksa hasil yang dibuat AI, bukan menyusun seluruh draf pertama. Programmer baru mungkin perlu memvalidasi dan mengintegrasikan kode yang dihasilkan AI, bukan menulis semua kode dasar dari nol.

Perubahan ini dapat meningkatkan produktivitas tim yang sudah mapan, tetapi menciptakan hambatan bagi orang yang baru ingin masuk ke bidang tersebut. Jika lebih sedikit pekerja junior yang direkrut, lebih sedikit pula orang yang memperoleh pengalaman untuk berkembang menjadi spesialis senior, manajer, atau penasihat tepercaya.

Goldman Sachs melihat tekanan serupa di negara maju

Riset Goldman Sachs melaporkan bahwa industri dengan paparan lebih tinggi terhadap otomatisasi AI secara umum mengalami pertumbuhan lowongan kerja yang lebih lemah sejak paruh kedua 2022. Hubungan ini terlihat terutama di sejumlah negara maju, termasuk Amerika Serikat, Jerman, dan Australia.

Perbandingan antar sektor paling mencolok terlihat pada pusat panggilan. Tingkat pekerjaan di sektor ini dilaporkan sekitar 39% di bawah tren historis di Amerika Serikat, 33% di Kanada, dan 27% di Jerman. Area lain yang disebut dalam liputan riset tersebut mencakup penerbitan perangkat lunak, konsultasi manajemen, dan periklanan. Angka-angka itu menggambarkan kesenjangan terhadap tren sebelumnya; angka tersebut tidak membuktikan bahwa AI menjadi satu-satunya penyebab penurunan.

Kesimpulan Goldman Sachs lebih berhati-hati daripada ramalan tentang penggantian tenaga kerja secara langsung di seluruh ekonomi. Guncangan yang terlihat masih terkonsentrasi pada industri dan kelompok pekerja tertentu. Karyawan entry-level lebih rentan karena tugas mereka biasanya lebih terstandar, mudah diukur, dan lebih mudah diotomatisasi atau dipercepat.

Adopsi AI memang cukup besar, tetapi belum menyeluruh. Perkiraan yang dikutip Goldman Sachs menempatkan tingkat adopsi di negara-negara maju utama sekitar 15%–20%, sementara ukuran lain—yakni perusahaan di Amerika Serikat yang menggunakan AI dalam produksi reguler—berada di sekitar 9%. Perbedaan ini menunjukkan bahwa statistik adopsi perlu dibaca dengan hati-hati: survei bisa mengukur eksperimen, penggunaan oleh karyawan, atau penerapan produksi yang berlangsung secara konsisten.

Otomatisasi dan augmentasi menghasilkan dampak berbeda

Dampak AI terhadap pekerjaan sebagian bergantung pada cara perusahaan menggunakannya.

Otomatisasi mengurangi jumlah tenaga manusia yang dibutuhkan untuk menyelesaikan tugas. Contohnya adalah menangani pertanyaan pelanggan yang standar, membuat ringkasan rutin, menghasilkan kode dasar, atau menyiapkan draf awal dokumen. Otomatisasi dapat mengurangi perekrutan junior bahkan ketika tidak ada karyawan yang secara resmi diberhentikan.

Augmentasi membuat seorang pekerja menjadi lebih produktif, tetapi manusia tetap bertanggung jawab atas penilaian, verifikasi, pengecualian, hubungan kerja, dan keputusan. Cara ini dapat meningkatkan nilai pekerja berpengalaman, tetapi juga bisa menaikkan target keluaran setiap orang. Seorang profesional yang dibantu AI mungkin mampu mengerjakan tugas yang sebelumnya membutuhkan beberapa jam kerja junior.

Kedua proses tersebut dapat berlangsung di perusahaan yang sama. AI bisa menghapus sebagian tugas rutin, meningkatkan produktivitas karyawan senior, sekaligus menciptakan permintaan bagi pekerja yang mampu merancang alur kerja, memeriksa keluaran AI, dan mengelola risiko. Inilah sebabnya angka total lapangan kerja dapat terlihat relatif stabil, sementara akses ke pekerjaan pertama menjadi semakin sulit.

Risiko utamanya: tangga karier terkikis

Pertanyaan jangka panjang yang paling penting bukan sekadar apakah AI menghapus suatu jabatan. Pertanyaannya adalah apakah AI menghilangkan tugas-tugas awal yang selama ini menjadi cara pekerja mempelajari sebuah profesi.

Tangga karier yang sehat biasanya membawa karyawan dari pekerjaan berulang di bawah pengawasan menuju tanggung jawab yang membutuhkan konteks, penilaian, dan akuntabilitas. Jika AI menyerap terlalu banyak pekerjaan yang sebelumnya dilakukan dengan supervisi, perusahaan mungkin mempertahankan staf senior tetapi merekrut lebih sedikit pemula.

Dalam jangka pendek, hasilnya bisa berupa efisiensi. Dalam jangka panjang, dampaknya dapat berupa menipisnya pasokan pekerja berpengalaman.

Risiko ini juga menjelaskan mengapa dampak kecil pada pasar kerja secara agregat tetap bisa sangat berarti bagi generasi muda. Perubahan yang tampak kecil pada total pekerjaan dapat menyembunyikan perubahan jauh lebih tajam mengenai siapa yang direkrut, siapa yang mendapat pelatihan di tempat kerja, dan siapa yang memiliki kesempatan untuk naik jenjang.

Apa yang sudah dibuktikan bukti yang ada?

Riset yang tersedia mendukung beberapa kesimpulan yang berhati-hati:

• Tekanan pasar kerja terkait AI pertama-tama muncul di industri tertentu yang sangat terpapar, bukan di semua pekerjaan sekaligus.
• Pekerja muda dan entry-level sangat rentan karena AI dapat mengerjakan atau mempercepat banyak tugas rutin yang sebelumnya menjadi pintu masuk menuju karier kerah putih.
• Pekerja berpengalaman dapat diuntungkan ketika nilai mereka terletak pada pengawasan, kepercayaan klien, penilaian kompleks, dan tanggung jawab atas hasil.
• Bukti yang ada belum menunjukkan bahwa perpindahan tenaga kerja secara massal tidak terhindarkan. Hasil akhirnya juga bergantung pada peningkatan produktivitas, produk dan layanan baru, permintaan tenaga kerja, regulasi, serta apakah perusahaan memakai AI untuk memperluas produksi atau terutama mengurangi jumlah karyawan.

Kesimpulan praktis bagi perusahaan dan pembuat kebijakan adalah: jangan hanya memantau jumlah total pekerjaan. Perekrutan junior, program magang, mobilitas internal, perancangan ulang tugas, tingkat kenaikan jenjang, dan akses terhadap pelatihan yang bermakna mungkin menunjukkan gangguan lebih awal daripada angka pengangguran secara keseluruhan.

Untuk saat ini, AI lebih terlihat mengubah cara orang memulai karier daripada menghapus semua karier. Perusahaan dan pemerintah yang paling siap menghadapi transisi ini adalah mereka yang menggunakan AI untuk memperbaiki pekerjaan tanpa membongkar jalur manusia yang menjadi tempat keahlian dibangun.