Riset: AI Mampu Garap Banyak Pekerjaan, Batas Profesi Mulai Bergeser

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.