Riset: AI Mampu Garap Banyak Pekerjaan, Batas Profesi Mulai Bergeser
- Riset Anthropic menunjukkan AI kini mampu mengerjakan banyak tugas profesional, namun dampaknya belum merata dan tidak selalu berarti penggantian pekerja manusia secara langsung.
- Kesenjangan besar terlihat antara potensi teoretis dan adopsi nyata AI, terutama pada pekerjaan coding yang baru diadopsi sekitar 30 persen dari total potensi 94 persen.
- Peneliti menilai adaptasi organisasi dan keterampilan manusia tetap krusial agar AI benar-benar meningkatkan produktivitas tanpa memperlebar kesenjangan antarprofesi di pasar kerja.
Jakarta, FORTUNE - Riset terbaru dari Anthropic menunjukkan kecerdasan buatan sudah mampu mengerjakan porsi besar dari banyak pekerjaan, memicu kembali perdebatan tentang masa depan tenaga kerja kerah putih global. Perkembangan pesat AI generatif pada awal 2026 berjalan beriringan dengan meningkatnya kecemasan terhadap potensi otomatisasi pekerjaan.
Laporan Anthropic pada awal Maret menyoroti bagaimana paparan AI terhadap berbagai profesi terus meningkat, meski dampaknya belum merata. Namun, paparan AI tidak serta-merta berarti penggantian pekerja.
Kepala ekonom Anthropic, Peter McCrory, mengatakan data paparan AI justru dapat membantu perusahaan, pembuat kebijakan, dan profesional menyesuaikan alur kerja sebelum terjadi disrupsi besar di pasar tenaga kerja. “Paparan terhadap AI sama sekali bukan berarti fatal,” ujarnya, mengutip Fortune.com.
McCrory menjelaskan bahwa dampak AI lebih tepat dianalisis dengan melihat pekerjaan sebagai kumpulan tugas. Dalam kerangka ini, tingkat paparan AI ditentukan oleh tugas spesifik yang dilakukan pekerja, bukan oleh jabatan secara keseluruhan.
Anthropic juga membedakan antara paparan teoretis, apa yang secara teknis bisa dilakukan model AI dan penggunaan aktual di dunia kerja. Menurut McCrory, AI merupakan teknologi serbaguna yang berpotensi memengaruhi hampir semua sektor ekonomi. Namun, data penggunaan nyata menunjukkan bahwa adopsinya tidak selalu mengikuti potensi tersebut.
Dengan melacak kesenjangan antara paparan teoretis dan adopsi aktual dari waktu ke waktu, Anthropic mencoba memahami bagaimana kemampuan AI benar-benar diterapkan dalam pekerjaan sehari-hari. Pendekatan ini juga membantu memantau potensi penggantian tenaga kerja sebelum terjadi secara luas.
Kesenjangan tersebut terlihat jelas pada pekerjaan terkait coding. Secara teoretis, paparan AI pada tugas coding mencapai sekitar 94 persen. Namun, berdasarkan penggunaan aktual, hanya sekitar 30 persen tugas yang benar-benar diadopsi AI.
Temuan ini menarik karena sekitar tiga hingga empat dari sepuluh percakapan di platform Claude berkaitan dengan coding. Artinya, adopsi AI sangat terkonsentrasi pada pekerjaan terkait coding yang secara keseluruhan hanya mewakili sekitar 3 persen tenaga kerja. Ketika ditelusuri lebih dalam, adopsi tersebut juga terkonsentrasi pada sejumlah kecil tugas tertentu, bukan keseluruhan pekerjaan. Hal ini memperkuat temuan bahwa dampak AI saat ini masih sangat tidak merata antarprofesi.
Kesenjangan antara potensi dan adopsi
Sebagian pekerja menghadapi tingkat paparan tinggi, sementara lainnya justru mendapatkan penguatan terhadap keahlian mereka. McCrory mencontohkan manajer real estat yang dapat menggunakan AI untuk mengotomatiskan tugas administratif, tetapi tetap mengandalkan keterampilan manusia dalam negosiasi dan interaksi sosial.
Contoh lain adalah mikrobiolog. AI dapat membantu analisis data dan penyusunan informasi, tugas yang cocok untuk model bahasa besar tetapi tidak mampu melakukan pengambilan sampel di lapangan. Dalam kasus ini, AI meningkatkan produktivitas sekaligus memperkuat peran manusia dalam tugas inti yang membutuhkan keahlian khusus.
Pendekatan ini juga digunakan untuk memantau potensi penggantian tenaga kerja. Pekerja entri data, misalnya, menunjukkan tingkat paparan tinggi karena AI kerap digunakan untuk mengumpulkan dan memasukkan informasi ke sistem. Namun, McCrory mengatakan sejauh ini belum terlihat lonjakan pengangguran yang berkorelasi langsung dengan paparan tersebut dalam statistik resmi.
Dalam lingkup profesinya sebagai ekonom, McCrory melihat AI semakin mengisi tahap implementasi. Ia membagi pekerjaan menjadi tiga tahap: mengajukan pertanyaan, implementasi, dan evaluasi. Pada tahap implementasi, seperti mengunduh data, menjalankan analisis statistik, dan menyusun ringkasan, AI kini mampu mengambil alih sebagian besar proses. Namun, tahap evaluasi tetap bergantung pada keahlian manusia. “Terkadang hasilnya keliru, dan di situlah peran evaluasi oleh ahli menjadi penting,” ujarnya.
Penelitian Anthropic juga menemukan bahwa kualitas output AI sangat bergantung pada tingkat keahlian pengguna. Kompleksitas prompt yang diberikan manusia berkorelasi tinggi dengan kualitas hasil yang dihasilkan AI. Dengan kata lain, untuk menjalankan tugas kompleks seperti machine learning, pengguna tetap harus memahami konsep dasarnya agar dapat mengarahkan model secara tepat.
Kesenjangan antara potensi dan adopsi juga dipengaruhi faktor lain, termasuk kesiapan organisasi. McCrory menekankan bahwa perusahaan perlu melakukan investasi pelengkap, seperti modernisasi data dan penyesuaian alur kerja. Tanpa akses informasi kontekstual yang tepat, AI tidak akan mampu menyelesaikan tugas meskipun secara teoretis bisa.
Ia membandingkan situasi ini dengan adopsi listrik sebagai teknologi serbaguna pada awal abad ke-20. Pada tahap awal, listrik hanya meningkatkan produktivitas secara terbatas. Dampak transformasional baru terjadi ketika sistem distribusi listrik diubah dan diintegrasikan ke dalam proses produksi.
Menurutnya, kesenjangan antara potensi dan adopsi AI saat ini menunjukkan ruang perubahan besar yang masih terbuka dalam dunia kerja. McCrory menilai eksperimen dengan AI dapat memperluas kemampuan pekerja sekaligus mengubah batas antarprofesi. Dalam beberapa kasus, manajer produk mulai melakukan tugas yang sebelumnya dilakukan insinyur perangkat lunak, sementara insinyur perangkat lunak semakin terlibat dalam peran strategis produk.
Perubahan tersebut juga memicu kekhawatiran bahwa AI akan paling berdampak pada pekerja entry-level. Namun, McCrory menilai kemampuan beradaptasi dan rasa ingin tahu justru menjadi faktor kunci bagi generasi muda. Ia menekankan bahwa mempelajari keterampilan kompleks tetap penting karena membantu membangun ketahanan kognitif yang dapat diterapkan lintas bidang. Keterampilan yang dapat ditransfer ini akan membantu pekerja memanfaatkan AI dalam karier profesional mereka.
Menurutnya, memahami bagaimana AI digunakan dalam pekerjaan nyata menjadi langkah penting untuk memastikan manfaat teknologi dapat dirasakan secara luas. Pendekatan ini juga diharapkan membantu mengurangi biaya transisi, sehingga dampak perubahan tidak ditanggung secara tidak merata oleh kelompok pekerja tertentu.
