Waktu yang Dihemat AI pada Akhirnya Tertutup oleh Pekerjaan Baru

• Data pasar tenaga kerja Denmark 2023–2024 menunjukkan bahwa chatbot AI generatif seperti ChatGPT diadopsi dengan cepat, tetapi perubahan pada upah atau lapangan kerja secara keseluruhan sejauh ini hampir belum terlihat
• Ekonom dari University of Chicago dan University of Copenhagen menganalisis data 25.000 pekerja dan 7.000 tempat kerja di 11 jenis pekerjaan yang dianggap rentan terhadap otomatisasi
• 64–90% pengguna AI melaporkan penghematan waktu, tetapi rata-rata penghematannya hanya 2,8% dari jam kerja, sekitar 1 jam per minggu
• Bagi 8,4% pekerja, muncul pekerjaan baru seperti mendeteksi penggunaan ChatGPT untuk PR oleh siswa, meninjau kualitas output AI, dan menulis prompt, yang mengimbangi sebagian efek penghematan
• Karena data terbatas pada tahap awal adopsi dan pada Denmark, generalisasi perlu dilakukan dengan hati-hati, tetapi temuan ini meredam ekspektasi bahwa AI generatif akan segera menciptakan perubahan luas di pasar tenaga kerja

---

Efek Awal AI Generatif Dilihat dari Data Pasar Tenaga Kerja Denmark

• Studi baru menganalisis bahwa model AI generatif seperti ChatGPT sejauh ini hampir belum berdampak signifikan pada upah atau lapangan kerja secara keseluruhan di pasar tenaga kerja Denmark pada 2023–2024
• Working paper dari ekonom University of Chicago dan University of Copenhagen, Anders Humlum dan Emilie Vestergaard, berjudul “Large Language Models, Small Labor Market Effects”
• Analisis mencakup 11 jenis pekerjaan yang dianggap rentan terhadap otomatisasi, termasuk akuntan, pengembang perangkat lunak, dan spesialis dukungan pelanggan
• Skala datanya mencakup 25.000 pekerja Denmark dan 7.000 tempat kerja

Adopsi Cepat dan Perubahan Ekonomi yang Kecil

• Investasi AI oleh perusahaan meningkatkan adopsi alat, dan 64–90% pengguna dalam jenis pekerjaan yang diteliti melaporkan penghematan waktu
• Namun selama periode studi, chatbot AI tidak memberikan dampak signifikan pada pendapatan maupun jam kerja tercatat di jenis pekerjaan mana pun
• Interval kepercayaan dalam analisis statistik menyingkirkan kemungkinan bahwa efek rata-ratanya melebihi 1%
• Humlum mengatakan kepada The Register bahwa sebagian besar pekerja dalam jenis pekerjaan yang terekspos telah mengadopsi chatbot, tetapi dalam hasil ekonomi “tidak menggerakkan jarum”

Pekerjaan Baru yang Menggerus Penghematan Waktu

• Chatbot AI menciptakan pekerjaan baru bagi 8,4% pekerja, dan pekerja yang tidak menggunakan alat tersebut secara langsung pun ikut terdampak
• Contoh pekerjaan baru antara lain:
  • Waktu yang dihabiskan guru untuk mendeteksi apakah siswa menggunakan ChatGPT untuk PR
  • Pekerjaan pekerja lain untuk meninjau kualitas output AI
  • Upaya berulang untuk membuat prompt yang efektif
• Kenaikan produktivitas yang dilaporkan pengguna rata-rata sebesar 2,8% dari jam kerja, sekitar 1 jam per minggu
• Tidak semua waktu yang dihemat berubah menjadi kompensasi ekonomi, dan diperkirakan hanya 3–7% dari kenaikan produktivitas yang beralih menjadi pendapatan lebih tinggi bagi pekerja

Kesenjangan antara Hasil Laboratorium dan Pekerjaan Nyata

• The Register mencatat bahwa hasil ini bertentangan dengan uji coba terkontrol acak yang diumumkan pada Februari
• Dalam uji coba terkontrol acak tersebut, AI generatif ditemukan meningkatkan produktivitas pekerja rata-rata sebesar 15%
• Humlum melihat perbedaan itu muncul karena eksperimen lain berfokus pada tugas yang sangat cocok untuk AI
• Sebagian besar pekerjaan nyata mencakup tugas yang tidak dapat sepenuhnya diotomatisasi oleh AI, dan organisasi juga masih belajar cara mengintegrasikan alat tersebut secara efektif

Snapshot Terbatas dan Pertanyaan yang Tersisa

• Kesimpulan ini bisa ditinjau kembali di masa depan karena keterbatasan waktu dan cakupan
• Data 2023–2024 hanya menangkap tahap awal penerapan AI generatif, sehingga efek tertunda atau dampak penggunaan AI generatif yang lebih terintegrasi di luar chatbot mungkin belum tercakup
• Fokus pada data Denmark dapat melewatkan dampak lokal yang sudah terlihat di pasar tenaga kerja lain atau bidang tertentu seperti pekerjaan kreatif freelance
• Meski begitu, studi ini dapat dilihat sebagai snapshot awal yang menantang narasi bahwa AI generatif telah menciptakan perubahan pasar tenaga kerja yang langsung dan luas
• Dampak ekonomi jangka panjang AI generatif tetap menjadi topik yang tidak pasti dan diperdebatkan karena cepatnya laju perkembangan teknologi

[GN⁺]

Pendapat di Hacker News

• Saya ingat hampir 10 tahun lalu membaca artikel di Economist bahwa hasil otomatisasi bukanlah penghapusan pekerjaan, melainkan pekerjaan makin banyak dan perekrutan junior berkurang
  Contohnya tentang mesin pencari dan dokumen digital yang sangat mengurangi jumlah pengacara junior. Dulu, saat menyiapkan persidangan, pekerjaan mencari preseden terkait di arsip dokumen fisik diserahkan kepada tim berisi 3–10 orang junior, tetapi sekarang satu junior dengan laptop sudah cukup. Akibatnya, firma hukum juga bisa menangani lebih banyak kasus. Ini tampak seperti pola yang cukup umum

  • Dalam wawancara terbaru Dwarkesh dengan Zuck, ada contoh menarik. Facebook sudah lama menginginkan call center untuk 3,5 miliar penggunanya, tetapi kalau itu dilakukan, skalanya akan menjadi yang terbesar dalam sejarah dan menelan sekitar 15 miliar dolar per tahun, sehingga sangat tidak efisien
    Namun berkat AI internal Facebook, mereka mulai melihat bahwa call center mungkin kini memungkinkan. Sebagian besar panggilan berisi hal seperti “lupa kata sandi” atau “ini rusak”, jadi robot yang memandu FAQ dalam lebih dari 50 bahasa sudah cukup untuk sekitar 90% kasus. Sisanya yang lebih sulit bisa diteruskan ke manusia
    Jadi hubungan antara teknologi baru dan tenaga kerja menurut saya bukan hierarki, melainkan lebih mirip fraktal. Dulu Zuck tidak akan memikirkan call center sama sekali, dan pekerjaan sebanyak itu juga tidak akan ada, tetapi berkat teknologi baru, muncul call center yang lebih kecil, tempat manusia hanya menangani masalah sulit. Bentuknya mirip, tetapi sedikit berbeda
    Bukan berarti teknologi tidak destruktif. Hanya saja teknologi umumnya menciptakan pekerjaan baru, dan pekerjaan itu bergerak ke arah menangani masalah yang lebih sulit. Batasnya menjadi lebih terperinci, dan bagi otak ini menjadi lingkungan yang lebih terspesialisasi dan melelahkan. Masalahnya adalah kita harus memercayai apakah orang yang bekerja di batas itu benar-benar bekerja atau hanya omong kosong, seperti memercayai mahasiswa pascasarjana. Cal Newport juga sering mengatakan bahwa kerja pengetahuan lama tampak tidak menghasilkan apa-apa, lalu tiba-tiba muncul momen jenius. Menurut saya ini lebih merupakan masalah emosional daripada masalah intelektual
  • Ini seperti versi mini dari Revolusi Industri. Banyak tempat dimulai dengan tenaga kerja besar dan tidak terampil, masuk misalnya ke industri tekstil, lalu tingkat keuntungannya menjadi lebih baik daripada pertanian
    Setelah otomatisasi datang, memang muncul pekerjaan baru seperti pemeliharaan mesin, tetapi banyak orang yang tetap tidak terampil kehilangan pekerjaan
  • Bukankah ini secara harfiah peningkatan produktivitas? Artinya, dengan jumlah orang yang sama kita bisa melakukan lebih banyak pekerjaan, dan itu cukup dekat dengan definisi produktivitas dalam ekonomi
  • Saya tidak tahu soal bidang hukum, tetapi dalam riset teknik sekarang kita bisa menyerahkan tinjauan literatur tentang topik apa pun kepada Deep Research milik ChatGPT. Dulu itu pekerjaan yang memakan cukup banyak waktu dan tenaga
  • Kemampuan kita untuk “menciptakan” pekerjaan tidak terbatas. Dalam produktivitas nyata, semuanya hanya bergeser ke pekerjaan demi pekerjaan dan overhead manajemen
    Wilayah feodal kecil dan imperium akan terus bertahan

• Sepertinya orang-orang salah memahami hasil artikel itu. Bukan bahwa AI menghemat waktu lalu waktu itu dipakai untuk pekerjaan baru, melainkan bahwa pekerjaan baru yang muncul karena penggunaan AI—seperti verifikasi output, penulisan prompt, deteksi kecurangan, dan debugging—mengimbangi penghematan yang dirasakan
  Di industri teknologi pun ini tampaknya sesuai dengan pengamatan. Para programmer dan teknisi terbaik di dunia terikat mengutak-atik transformer, dataset, dan evaluasi, dan berkat itu programmer terburuk bisa asal-asalan membuat konverter suhu dan klon Twitter yang tidak aman. Sementara itu, kualitas software yang benar-benar dipakai konsumen sedang merosot tajam

  • Beberapa hari lalu saya terlalu lelah untuk coding sendiri, jadi saya mencoba membuat framework pengujian untuk API C/C++ yang saya pelihara dengan vibe coding. Sebelumnya saya sudah beberapa kali mencoba dan hasilnya buruk; kali ini sepertinya saya memakai Claude 3.5
    AI ternyata cukup bagus dalam mengisi bagian spesifikasi yang kosong, dan menghasilkan banyak kode C++ yang benar-benar bisa dikompilasi. Namun #include yang diperlukan terlewat. Saat dibuild dan dijalankan, output-nya benar-benar salah
    Sekarang untuk mencari alasan kesalahannya, saya harus membaca dan memahami sepenuhnya ratusan baris C++. Karena membuat saya memikirkan masalahnya dan menunjukkan cara penyelesaian yang menarik, ini bukan buang-buang waktu sepenuhnya, tetapi apakah sangat menghemat waktu? Tidak. Malah bisa jadi butuh waktu lebih banyak untuk memahami apa yang dilakukan
    Dengan segala hormat kepada orang-orang yang membuat web dan aplikasi mobile, saya terus merasa bahwa AI memang hebat untuk masalah tingkat tinggi yang repetitif, tetapi masih sebagian besar tidak berguna untuk pemrograman sistem
  • Setelah sekitar 7 tahun mengerjakan software enterprise profesional, saya sampai pada kesimpulan yang cukup tegas. Sebagian besar software seharusnya tidak pernah ada
    Bukan dalam arti estetis seperti “berantakan”, melainkan murni dari sudut efisiensi menghasilkan uang: lebih dari 90% kode yang saya tulis selama ini tidak memberi kontribusi berarti bagi perusahaan. Padahal saya benar-benar berusaha menurunkan rasio itu. Ini bicara tentang software profesional; kalau termasuk vibe coder, saya kira angkanya akan jauh lebih tinggi
    Rasanya seluruh cara kita menyisipkan komputasi ke dunia ini melenceng. Kita menghabiskan berhari-hari membuat UI, tetapi UI itu tidak membantu pengguna nyata dan rusak begitu proses sedikit berubah. Dan karena harus mendukung UI itu, otomatisasi yang sebenarnya nyaris tidak kita lakukan
    Saya tetap berpikir komputer sangat berguna bagi umat manusia, tetapi kita sudah lupa cara menggunakan komputer
  • Menurut saya penurunan kualitas software sudah dimulai jauh sebelum AI generatif
    Masih terlalu dini untuk mengatakan apakah AI memperburuk masalah, memperbaikinya, atau mempertahankan keadaan. Saya bisa memahami pandangan bahwa AI memperburuknya, tetapi sulit untuk menyimpulkannya dengan pasti
  • Bahwa waktu yang tampaknya dihemat dengan penggunaan AI diimbangi oleh pekerjaan baru yang muncul karena penggunaan AI terasa jelas jika melihat output ekonomi dan pertumbuhan. CEO Shopify baru-baru ini dalam sebuah memo mengatakan karyawan berkinerja tinggi melihat “pertumbuhan 100x”, tetapi anehnya itu tidak terlihat pada kapitalisasi pasar Shopify
    Apakah mereka memecat 99% engineer? Mungkin memo itu juga ditulis AI. Apakah ada perusahaan software dengan 5 orang yang mengerjakan pekerjaan 50 orang? Saya belum pernah melihatnya. Saya penasaran berapa lama kesenjangan sebesar ini antara cerita yang diyakini orang tentang diri mereka sendiri dan data makro di dunia nyata akan bertahan

• Alat AI modern memang menakjubkan, tetapi mirip dengan betapa menakjubkannya pemeriksa ejaan saat pertama kali muncul. Apakah membantu pekerjaan remeh-temeh? Ya, tetapi itu hanya menciptakan baseline baru yang dimiliki semua orang dan menaikkan standar
  Hampir tidak ada bukti bahwa sebentar lagi AI akan menjalankan perusahaan dan kita akan berbaring di pantai. Hampir tidak ada tanda bahwa perusahaan AI mana pun sedang membuat sesuatu yang tidak akan berubah menjadi produk baseline baru, dan sebagian besar produk AI sangat tidak menguntungkan. Realitas ini juga harus segera kita hadapi

  • Aku jadi bertanya-tanya apakah kerja keras yang kulakukan benar-benar bermakna. Jangan-jangan ini hanya kesibukan tak bermakna yang diciptakan setelah Revolusi Industri untuk memberi semua orang pekerjaan, dan sebenarnya tidak apa-apa jika hanya 5% masyarakat yang bekerja sementara sisanya bermain-main?
    Mungkin video game tidak akan sebanyak sekarang, tetapi sebagai gantinya kita punya waktu untuk bersantai. Menurutku waktu lebih berharga daripada game. Memparafrasakan Lee Iacocca, kita perlu berhenti dan bertanya pada diri sendiri: seberapa besar sebenarnya kebutuhan kita akan video game?
  • Itulah alasan para eksekutif begitu antusias terhadap AI. Jika bisa menulis kode 2 kali lebih banyak, kira-kira output yang didapat juga 2 kali lebih banyak, tetapi pekerja tidak akan mendapat kompensasi 2 kali lipat
  • Pemeriksa ejaan dan autocomplete, mirip dengan AI, menyelesaikan satu masalah sambil menciptakan masalah lain
    Kini, alih-alih salah eja, yang muncul adalah kata yang salah di tempat kata yang benar. Sekarang, kalau melihat tulisan panjang di situs web mana pun, bahkan situs media tradisional pun besar kemungkinan penuh kesalahan
  • AI memang belum bisa melakukan pekerjaan kita hari ini juga, tetapi baru 2,5 tahun sejak ChatGPT diluncurkan. Performa model bisa saja stagnan mulai hari ini, tetapi kita tidak tahu
    Jika terus membaik dengan laju saat ini selama 3–5 tahun lagi, sulit membayangkan seberapa bergunanya input manusia dalam engineering

• Ini pada dasarnya adalah cara kerja paradoks Jevons
  Biaya untuk menyelesaikan jenis pekerjaan tertentu turun, entah dalam bentuk uang maupun waktu. Lalu orang meningkatkan permintaan untuk mengisi celah itu, dan pekerja menjadi dalam kondisi “beroperasi penuh”
  Klaim bahwa teknologi berikutnya akan menghadirkan utopia tempat kita tidak bekerja atau bekerja jauh lebih sedikit sudah sangat lama ada. Namun berkali-kali kita membuktikan bahwa pada kenyataannya kita tidak benar-benar menginginkannya
  Hipotesisku mungkin tidak baru atau orisinal: sangat sedikit orang yang tahu harus melakukan apa saat tangan mereka kosong. Kita cenderung menjaga tingkat stres tetap tinggi untuk mengalihkan perhatian, dan ketika stres rendah serta tidak ada hal yang “harus” dilakukan, kita menjadi tidak stabil dalam berbagai cara
  https://en.m.wikipedia.org/wiki/Jevons_paradox

  • Teknologi sebenarnya memungkinkan utopia dengan kerja yang lebih sedikit, tetapi karena imbalan dari teknologi dan otomatisasi itu didistribusikan secara keliru, biasanya hal itu tidak bekerja untuk orang biasa
    Sederhananya, bayangkan aku, kamu, dan 8 pengguna HN bekerja 8 jam sehari di gudang Bezos. Suatu hari, mesin baru yang melakukan pekerjaan yang sama dengan kita masuk, dan satu mesin mengerjakan porsi 2–4 orang dari kita. Jika Bezos membeli 4 mesin dan menjalankan masing-masing dengan kapasitas 2 kali lipat, bagi 8 orang dari kita akan tercipta waktu luang 8 jam per hari × 5 hari per minggu × 4 minggu = 160 jam
    Masalahnya, 8 orang dari kita masih membutuhkan uang untuk bertahan hidup. Ada makanan, sewa, tagihan utilitas, dan biaya kesehatan. Menurut para penganut utopia teknologi, kini kita tinggal memakai 160 jam waktu bebas itu untuk melakukan hal yang lebih penting dan memuaskan. Ini sejalan dengan klaim para penjual AI bahwa AI membuat kita bisa melakukan pekerjaan yang lebih penting dan memuaskan. Namun agar bisa bertahan hidup, pekerjaan yang memuaskan bagiku akan berubah menjadi kerja gig, atau pekerjaan dengan intensitas yang sama, atau bahkan jam yang lebih panjang
    Secara teori, pemilik yang mengendalikan otomatisasi mendapatkan lebih banyak waktu luang untuk pergi ke wawancara serta acara politik dan sosial. Orang-orang yang tersingkir oleh otomatisasi jatuh ke bawah dan harus bekerja lebih keras untuk tetap bertahan hidup. Kuharap orang-orang antusias yang membayar penyedia LLM sambil melatih pengganti dirinya sendiri segera menyadari persamaan ini. Seperti gudang Bezos yang sempat memberi sebagian orang sedikit waktu luang karena butuh pengaman sementara saat otomatisasi masuk, semoga mereka tidak lagi termakan ucapan tentang “waktu bebas untuk melakukan pekerjaan yang lebih bermakna”
  • Jika ada standar hidup yang terjamin, kurasa banyak orang akan baik-baik saja dengan bermalas-malasan. Saat pernah menganggur cukup lama, secara umum aku cukup bahagia, tetapi stres karena takut uang habis
    Kalau masalah uang tidak ada, aku tidak ingin menjual waktuku ke perusahaan tanpa jiwa. Aku punya cukup banyak minat untuk membuatku tetap sibuk. Pekerjaan hanya menyedot waktu yang ingin kupakai untuk hal-hal yang lebih baik
  • Produksi pangan adalah contoh klasik ketika produktivitas sudah cukup tinggi sehingga jumlah petani berkurang
    Alat AI saat ini masih buruk jika dibandingkan dengan perubahan yang secara harfiah meningkatkan produktivitas 1.000 kali lipat, jadi kita masih jauh dari perubahan seperti itu. Karena itu, dalam waktu kurang dari 100 tahun pun pemrograman bisa menjadi sangat niche
  • Menurutku ini kebanyakan bukan hasil dari preferensi individu. Menurutku ini karena kaum kaya memiliki pengaruh politik yang tidak proporsional, dan mereka punya insentif kuat untuk memaksimalkan jam kerja
    Pemberi kerja pada umumnya punya insentif itu, dan sistem politik juga tidak secara eksplisit melarangnya, jadi tidak banyak pilihan bagus bagi pekerja yang menginginkan jam kerja lebih pendek
  • Melakukan lebih banyak hal dalam waktu yang sama sampai batas tertentu tidak masalah. Namun jika aku menjadi jauh lebih efektif dalam bekerja, sepertinya aku akan mendorong lebih keras minggu kerja 4 hari yang sudah sedang dibahas dengan manajemen
    Saat ini kami mempertimbangkan 4×10 jam, tetapi mungkin bisa bernegosiasi dengan gaya “alih-alih kenaikan gaji, biarkan tetap sama dan jadikan 4×8 jam”. Kalau AI membuat kita bisa melakukan lebih banyak dalam waktu yang sama, itu baik-baik saja. Sebaliknya, karena perusahaan menganggarkan 30 dolar per bulan untuk alat AI, aku menganggap waktu yang dihemat oleh alat AI yang kubeli pribadi sebagai pengurangan dari minggu kerjaku
    “Jutaan orang yang bahkan tidak tahu harus memakai waktunya untuk apa pada Minggu sore yang hujan mendambakan keabadian” — Susan Ertz

• Ayahku pernah mengatakan sesuatu yang bagus tentang komputer dan otomatisasi. Katanya, ketika komputer kantor mulai muncul pada 1970-an, ia mendengar bahwa “komputer akan menghemat begitu banyak usaha sehingga kita tidak akan tahu harus memakai waktu luang itu untuk apa”
  Kenyataannya, komputer hanya membuat kita melakukan lebih banyak pekerjaan dalam sehari

  • Ini adalah paradoks Solow. “Zaman komputer terlihat di mana-mana, kecuali dalam statistik produktivitas” — Robert Solow, peraih Nobel Ekonomi 1987

• Dalam hal pemrograman, bisa dibilang AI sejauh ini meningkatkan produktivitas saya kira-kira 2 kali lipat
  Tentu saja saya menghabiskan waktu untuk menulis prompt. Saya memberi tahu AI preferensi coding saya, seperti “jangan pernah lakukan ini, jangan pernah lakukan itu, selalu lakukan begini, periksa itu”. Namun prompt itu tetap tersimpan. Sebagian besar sudah saya tulis beberapa bulan lalu, jadi sekarang saya sedang memetik manfaatnya

  • Saya selalu agak skeptis ketika mendengar orang berkata produktivitas pribadi mereka meningkat lebih dari 50% berkat AI
    Kalau berhenti sejenak dan memikirkannya, mengatakan AI menggandakan produktivitas berarti benar-benar mengerjakan dua kali lebih banyak daripada sebelumnya. Bisakah itu didukung dengan metrik?
    Saya percaya AI bisa membuat kita jauh lebih produktif pada tugas tertentu, seperti menulis kondisi pengujian atau membuat prototipe cepat yang akan dibuang. Namun secara keseluruhan, klaim bahwa seseorang mengerjakan dua kali lebih banyak daripada sebelumnya adalah klaim yang sangat besar
    Dalam praktiknya, lebih masuk akal bahwa orang merasa lebih produktif daripada sebelumnya. Karena itu, menurut saya muncul kesenjangan: individu mengatakan mereka 2–10 kali lebih produktif, sementara studi di tempat kerja bahkan di sisi tinggi hanya menunjukkan peningkatan produktivitas sekitar 25%
  • Saya penasaran apakah Anda bisa sedikit berbagi jenis pekerjaan apa yang Anda lakukan. Saya terutama menulis kode iOS dengan Swift, dan di area itu saya merasa AI tidak terlalu membantu
    AI sering menghasilkan kode yang salah dengan penuh percaya diri, dan meskipun bisa dikompilasi, hasilnya buruk serta tidak benar-benar menyelesaikan masalah yang ingin saya perbaiki. Sebaliknya, ketika awal tahun ini saya harus menulis proyek Terraform untuk backend, AI generatif benar-benar bersinar
  • Selamat. Dengan gaji yang sama, pekerjaannya jadi dua kali lipat, beban mentalnya juga dua kali lipat. Alih-alih menguasai keterampilan, Anda menghabiskan waktu menulis prompt, sehingga daya saing Anda sebagai profesional menurun. Karena siapa pun bisa memakai AI, sekarang itu menjadi standar dasar
    Terdengar seperti kemenangan total
  • Dalam kasus saya, untuk beberapa pekerjaan kecepatannya meningkat 10–100 kali lipat, terutama saat memulai dari nol
    Baru kemarin saya melakukan perombakan besar pada scraper; kalau dilakukan manual, setidaknya akan memakan waktu 1 minggu. Dengan 2–4 jam per hari selama 5 hari, kira-kira sekitar 15 jam. Dengan bantuan ChatGPT, selesai dalam kurang dari 2 jam
    Jadi beban kerja saya berkurang, waktu pengiriman jauh lebih singkat, dan stres juga jauh lebih sedikit
  • Saya penasaran apakah Anda sudah memverifikasi klaim bahwa prompt-prompt itu “abadi” pada model lain
    Mungkin saja Anda bisa membujuk model tertentu agar berperilaku dengan cara tertentu, tetapi model lain bisa masuk ke keadaan yang sama sekali berbeda dengan input yang sama, sehingga mungkin membutuhkan prompt yang sepenuhnya berbeda. Kalau begitu, setiap kali vendor memperbarui modelnya, semua prompt bisa menjadi tidak berguna

• Masalah sebenarnya ada pada pekerjaan berketerampilan rendah. Ini mencakup orang-orang yang memegang peran yang lebih mudah atau para junior. Pada akhirnya, karena kurangnya posisi yang sesuai dengan tingkat keterampilan mereka, proporsi populasi yang cukup besar akan menjadi tidak dapat dipekerjakan

  • Maksudnya tingkat keterampilan yang lebih rendah daripada staf administrasi dan petugas dukungan pelanggan? Pekerjaan-pekerjaan itu juga termasuk dalam studi
  • Beberapa bulan lalu ada pembahasan tentang pendidikan di podcast Ezra Klein, dan bagian yang melekat di ingatan saya adalah bahwa siswa generasi berikutnya yang akan berhasil adalah mereka yang bisa menggunakan AI sebagai alat, bukan sebagai sesuatu yang mereka gantungi
    Hasilnya mungkin sangat bergantung pada bagaimana sistem pendidikan berubah agar sesuai dengan zaman
  • Dulu ada banyak orang yang buta huruf, tetapi hari ini hampir semua orang bisa membaca dan menulis
    Saya pikir keterampilan memakai AI untuk memperkuat pekerjaan juga akan menjadi bentuk literasi baru

• Ini adalah kisah semua teknologi, dan prediksi dari pmarca dan lainnya bahwa AI tidak akan merampas pekerjaan juga memakai logika ini. Fokus kita bisa berpindah ke wilayah yang makin sempit
  Film pun hampir tidak ada 100 tahun lalu. Dalam 100 tahun ke depan, berkat tenaga kerja yang terbebaskan, industri yang sepenuhnya baru akan muncul

  • Karena sifat perangkat lunak, semakin banyak perangkat lunak ditulis, semakin banyak pula perangkat lunak tambahan yang dibutuhkan untuk mengelola, mengintegrasikan, dan memanfaatkan semua perangkat lunak itu
    Jika AI mengotomatiskan produksi perangkat lunak, permintaan terhadap perangkat lunak bisa meningkat luar biasa. Hal yang sama terjadi ketika bahasa tingkat tinggi menggantikan coding manual dengan assembly. Kita jadi bisa membuat jauh lebih banyak perangkat lunak, serta perangkat lunak yang lebih kompleks dan menarik, dan industrinya pun tumbuh
  • Film menciptakan pekerjaan, bukan menguranginya. Selain itu, nilai film jelas. Untuk menjual LLM kepada seseorang, Anda harus menambahkan sangat banyak petunjuk dan batasan
  • Revolusi pertanian memang benar-benar mengurangi jumlah kerja dalam masyarakat secara besar-besaran. Karena itu kita bisa memiliki akhir pekan, cuti, pensiun, dan pendidikan, alih-alih bekerja tanpa henti dari usia 12 tahun sampai mati seperti 150 tahun lalu
    Berkurangnya jumlah pekerjaan yang harus dilakukan manusia sebenarnya adalah hal baik. Namun agar pengurangan itu tersebar ke seluruh masyarakat, bukan berubah menjadi pengangguran massal, pensiun yang mustahil sebelum usia 70, dan kerja 50 jam per minggu, struktur kelembagaan harus berubah. Masalahnya bukan AI, melainkan kapitalisme yang tidak terkendali bisa menjadi masalah
  • Ini bergantung pada asumsi bahwa kita tidak mencapai AGI. Jika AGI muncul, semua premisnya runtuh. Mungkin saja perangkat keras neuromorfik bisa membawa kita ke sana

• Hal yang sama berlaku untuk otomatisasi dan segala hal lainnya. Kita sudah lama memiliki teknologi untuk bekerja lebih sedikit, tetapi tampaknya itu tidak cocok dengan psikologi kita
  Bukan berarti kita sengaja memilih 40 jam per minggu tanpa alasan. Namun rasanya kita agak terjebak, dan jika seseorang mencoba bekerja lebih sedikit, ia akan tertinggal dibanding orang lain, sehingga tidak ada yang bisa bergerak

  • Dengan kemauan politik yang cukup, itu bisa diubah. Lockdown Covid membuktikan bahwa sebagian besar pekerjaan dalam ekonomi saat ini tidak esensial

• Tidak mengejutkan. Hal yang sama bisa terjadi di IT. Saya ingat masa sebelum PC, ketika sebagian besar pekerjaan ditangani dengan mainframe, kertas, dan lemari arsip
  Dibandingkan sekarang, jumlah pekerjaannya hampir sama atau malah sedikit lebih banyak. Perbedaan besarnya adalah jumlah data yang diproses dan disimpan; jumlah itu telah meningkat secara eksponensial sejak saat itu dan masih terus bertambah
  Jadi saya memperkirakan AI juga akan sama. Bentuk pekerjaannya mungkin sedikit berubah, tetapi seiring bertambahnya data, pekerjaannya akan tetap sama atau malah lebih banyak

  • Saya paham intinya, tetapi analogi itu kurang tepat karena mainframe, kertas, dan lemari arsip adalah alat deterministik. AI tidak deterministik dan juga bukan alat