Waktu yang Dihemat oleh AI Akhirnya Terimbangi oleh Tugas Baru

• Hasil studi besar tentang pasar tenaga kerja Denmark menunjukkan bahwa adopsi alat AI tidak banyak memengaruhi peningkatan produktivitas maupun upah
• 64~90% pengguna mengalami penghematan waktu berkat AI, tetapi 8,4% justru mendapat tugas baru
• Penghematan waktu nyata bagi pengguna hanya sekitar 1 jam per minggu, dan yang berujung pada kenaikan upah hanya 3~7%
• Tugas tambahan seperti memantau pekerjaan rumah siswa, meninjau hasil AI, dan menulis prompt meningkat sehingga mengimbangi efek penghematan waktu
• Tim peneliti menilai analisis ini masih berada pada tahap awal, dan menekankan bahwa dampak ekonomi AI di masa depan masih memerlukan lebih banyak penelitian

---

Gambaran umum studi terhadap pasar tenaga kerja Denmark

• Ekonom dari University of Chicago dan University of Copenhagen menganalisis data 25.000 pekerja dan 7.000 perusahaan di Denmark pada 2023~2024
• Studi berfokus pada 11 jenis pekerjaan yang rentan terhadap otomatisasi, termasuk akuntan, pengembang perangkat lunak, dan dukungan pelanggan
• Judul penelitian ini adalah “Large Language Models, Small Labor Market Effects”, dan hasilnya menunjukkan bahwa dampak nyata AI terhadap upah dan jam kerja sangat kecil

Adopsi AI cepat, tetapi hasilnya terbatas

• Dalam pekerjaan yang disurvei, sebagian besar telah mengadopsi chatbot, dan perusahaan mendorong penggunaannya
• Namun, tidak ada perubahan yang signifikan secara statistik pada upah maupun jam kerja yang tercatat
• Berdasarkan interval kepercayaan statistik, terbukti bahwa efeknya tidak melebihi 1%

Kasus ketika justru muncul tugas baru

• 64~90% pengguna melaporkan penghematan waktu, tetapi 8,4% dari seluruh pengguna menjawab bahwa muncul tugas baru
• Contoh: guru harus mendeteksi penggunaan ChatGPT oleh siswa, karyawan harus meninjau hasil AI, atau harus memikirkan prompt yang baik
• Waktu yang benar-benar dihemat rata-rata hanya 2,8% per minggu (sekitar 1 jam)

Peningkatan produktivitas yang berbeda dari harapan

• Studi lain yang diumumkan sebelumnya melaporkan peningkatan produktivitas 15%, tetapi itu adalah eksperimen yang terbatas pada tugas yang cocok untuk AI
• Sebaliknya, pekerjaan di dunia nyata memiliki banyak tugas yang sulit diotomatisasi oleh AI, sehingga pemanfaatan AI masih berada pada tahap integrasi awal

Siapa yang mendapat manfaat dari waktu yang dihemat?

• Hanya 3~7% dari waktu yang dihemat terhubung dengan kenaikan upah
• Ini menimbulkan pertanyaan apakah keuntungan efisiensi benar-benar kembali kepada pengguna

Kesimpulan dan tugas ke depan

• Tim peneliti mengakui bahwa waktu survei masih terlalu dini dan terbatas pada pasar Denmark, sehingga ada keterbatasan dalam generalisasi
• Khususnya, di kalangan pekerja kreatif lepas atau di negara lain, polanya bisa berbeda
• Namun, studi ini memberikan snapshot empiris penting tentang efek awal adopsi AI
• Dampak ekonomi jangka panjangnya masih belum pasti, dan akan membutuhkan banyak penelitian tambahan di masa mendatang

[GN⁺]

Opini Hacker News

• Saya ingat pernah membaca artikel Economist sekitar 10 tahun lalu yang menyatakan bahwa hasil dari otomatisasi bukanlah penghapusan pekerjaan, melainkan lebih banyak pekerjaan dan lebih sedikit peluang perekrutan junior

  • Diberikan contoh bahwa mesin pencari dan dokumen digital secara signifikan mengurangi jumlah pengacara junior
  • Dulu, pengacara junior biasanya mencari kasus yang relevan di arsip fisik, tetapi sekarang satu orang junior dengan laptop sudah cukup
  • Akibatnya, perusahaan dapat menangani lebih banyak kasus
  • Ini tampak seperti pola yang umum

• Di komentar, orang-orang tampaknya salah memahami temuan artikel tersebut

  • Bukan menghemat waktu dengan menggunakan AI, melainkan penggunaan AI menciptakan tugas baru sehingga waktu yang dihemat menjadi terhapus
  • Di industri teknologi, para programmer terbaik menghabiskan waktu untuk menangani AI dan dataset, dan akibatnya kualitas perangkat lunak konsumen menurun

• Alat AI modern memang menakjubkan, tetapi menakjubkannya mirip seperti pemeriksa ejaan saat pertama kali muncul

  • Membantu untuk tugas sederhana, tetapi juga menciptakan standar baru dan semua orang lalu harus memilikinya
  • Hampir tidak ada bukti bahwa kita bisa duduk di pantai sementara AI menjalankan perusahaan
  • Sebagian besar produk AI memiliki profitabilitas rendah, jadi mereka akan segera menghadapi masalah ini

• Ini adalah contoh Jevons paradox yang benar-benar bekerja

  • Jika biaya untuk melakukan tugas tertentu menurun, orang-orang akan meningkatkan permintaan untuk menutup selisih itu
  • Berlawanan dengan klaim lama bahwa teknologi baru akan membawa utopia, sebenarnya kita tidak benar-benar menginginkannya
  • Banyak orang tidak tahu bagaimana memanfaatkan waktu luang, dan cenderung mempertahankan tingkat stres yang tinggi

• Saya pikir AI telah melipatgandakan produktivitas dalam pemrograman

  • Saya memang menghabiskan waktu menulis prompt untuk memberi tahu AI preferensi coding saya, tetapi itu bersifat permanen
  • Sebagian besar prompt ditulis beberapa bulan lalu, dan sekarang saya tinggal memanfaatkannya

• Ayah saya pernah mengatakan hal yang sangat bagus tentang komputer dan otomatisasi

  • Ketika komputer perkantoran muncul pada tahun 1970-an, orang mendengar bahwa komputer akan menghemat banyak usaha
  • Pada akhirnya, justru berkat komputer orang bisa menyelesaikan lebih banyak pekerjaan dalam sehari

• Masalah sebenarnya ada pada pekerjaan dengan tingkat keterampilan rendah

  • Orang-orang di peran yang lebih mudah atau posisi junior
  • Karena kurangnya posisi yang sesuai dengan keterampilan mereka, sebagian besar populasi akan menjadi tidak bisa dipekerjakan

• Inilah yang terus dikatakan kubu "AI akan menjadi teknologi yang normal" kepada kubu "AI akan membuat kita semua kehilangan pekerjaan"

  • Memang selalu seperti ini

• Bukankah ini sudah dibahas beberapa hari lalu?

  • Salah satu poin di sini adalah bahwa datanya berasal dari akhir 2023, ketika LLM masih belum bagus
  • Poin lainnya adalah bahwa ini adalah data yang dikumpulkan dari karyawan yang tersisa setelah PHK

• Saya merasa menghabiskan lebih banyak waktu untuk mencari easter egg tersembunyi dalam code review

  • Easter egg adalah kesalahan kecil namun sulit ditangkap, yang terlihat jelas bagi penulisnya
  • Masalahnya adalah karena ditulis oleh LLM, keuntungan yang biasanya dimiliki penulis kode itu tidak ada dalam review maupun pengujian