PHK massal di pekerjaan white-collar adalah bagian dari suasana AI yang dibesar-besarkan

• Belakangan ini PHK white-collar meningkat
• Banyak perusahaan menjelaskan pengurangan tenaga kerja dengan alasan perkembangan AI
• Namun, penyebab sebenarnya dari PHK adalah penghematan biaya dan restrukturisasi
• Belum banyak pekerjaan yang benar-benar digantikan oleh AI
• Fenomena pembesaran AI dimanfaatkan sebagai bagian dari strategi perusahaan

---

Gambaran umum

• Belakangan ini perusahaan-perusahaan besar di AS dan wilayah lain melakukan PHK massal terhadap karyawan white-collar
• Media dan perusahaan menekankan bahwa kemajuan kecerdasan buatan menggantikan pekerjaan
• Namun, penyebab nyata dari banyak PHK adalah efisiensi manajemen, penghematan biaya, penyesuaian ekonomi, dan restrukturisasi tradisional

Hubungan nyata antara AI dan PHK

• Perusahaan cenderung membungkus alasan PHK sebagai inovasi AI
• Pekerjaan yang benar-benar digantikan AI atau hilang karena otomatisasi sampai saat ini masih sangat sedikit
• Narasi AI ditumpangkan pada isu perubahan manajemen yang sudah ada atau strategi peningkatan laba

Pembesaran AI dan strategi perusahaan

• Perusahaan tampak memanfaatkan harapan dan ketakutan publik terhadap AI untuk membenarkan perombakan organisasi
• Narasi AI yang dibesar-besarkan digunakan untuk meyakinkan investor atau meningkatkan penerimaan sosial
• Dalam praktiknya, jarang ada pekerja yang di-PHK lalu langsung digantikan oleh AI

Kesimpulan

• PHK massal pada pekerjaan white-collar saat ini merupakan bagian dari fenomena "AI hype machine" yang melebih-lebihkan dampak AI
• Untuk memahami fenomena ini, kita perlu membedakan antara kenyataan PHK dan efek nyata dari adopsi AI

[GN⁺]

Opini Hacker News

• Saya pernah bekerja di dua perusahaan dengan kapitalisasi pasar di atas 10 miliar dolar pada masa ZIRP (Zero Interest Rate Policy). Lebih dari separuh pekerja pengetahuan yang menghadiri sebagian besar rapat pada dasarnya tidak benar-benar dibutuhkan. Jadwal sampai begitu padat sehingga perusahaan bahkan merekrut orang khusus hanya untuk menghadiri rapat. Selama pertumbuhan perusahaan terus berlanjut, peningkatan jumlah perekrutan sama sekali tidak menjadi masalah bagi harga saham, malah VP justru mendapat lebih banyak kekuasaan dengan menambah jumlah bawahan. Saat itu pasar hanya peduli pada pertumbuhan, bukan efisiensi, tetapi pada akhirnya pasar selalu kembali ke nilai. Seiring waktu, tenaga tambahan seperti ini menjadi sasaran restrukturisasi. Kedua perusahaan itu kemudian memecat lebih dari 10.000 karyawan, dan AI dijadikan alasan pemecatan, padahal kenyataannya sebagian besar pekerja pengetahuan yang katanya digantikan AI sejak awal memang tidak menciptakan banyak nilai
  • Saya sangat setuju dengan ini. Pada masa kenaikan suku bunga, saya sering secara sinis memakai istilah “Zero Interest Rate Product Managers”. PM yang hebat memang memberi nilai sebesar itu, tetapi saat era ZIRP terlalu banyak PM yang cuma mengelola Jira dan menyelaraskan jadwal. Banyak pekerja IT yang sekarang kesulitan mendapat pekerjaan lagi terkonsentrasi di peran-peran pinggiran seperti ini, misalnya agile coach, TPM, dan sejenisnya. Tentu saja saya juga sangat bersimpati karena orang-orang di posisi ini tetap bekerja keras. Masalahnya bukan cuma overhiring semata; menurut saya penurunan pekerjaan teknologi di AS jauh lebih dipengaruhi offshoring daripada AI. Setelah kerja jarak jauh meluas, teknologi konferensi video memicu lonjakan offshoring ke Amerika Latin, Eropa, dan wilayah lain. Saat remote sudah jadi hal biasa, lokasi makin tidak penting
  • Saya curiga sebagian besar PHK bertema AI sebenarnya hanya pembungkusan ulang dari PHK akibat kenaikan suku bunga. Industri perangkat lunak dulu memang sempat benar-benar gila. Masa ketika lulusan baru dari kampus tak terkenal langsung mendapat gaji 120–150 ribu dolar memang tidak mungkin berlangsung lama
  • Saya tidak meragukan bahwa ada banyak pekerja pengetahuan yang tidak menambah nilai tanpa dorongan eksternal. Tapi saya khawatir kesempatan untuk junior makin menyusut
  • Fakta bahwa ada orang yang ditugaskan khusus untuk menghadiri rapat karena jadwal terlalu padat terdengar seperti parodi organisasi yang jadi kenyataan
  • Saya juga pernah bekerja di startup, dan sering kali hampir setengah peserta rapat sebenarnya tidak punya hal untuk dikerjakan. Karena ada peran “pengamat” atau “pencatat”, dampak nyata mereka nyaris tidak ada
• Jelas ada masalah besar secara berlapis bahwa peran lulusan baru dan intern sedang digantikan AI. Dibanding pemula yang belum punya pengalaman dan keahlian, AI sering kali lebih cepat dan lebih pintar. Tentu AI kadang juga merepotkan, tetapi pada akhirnya ia lebih murah atau lebih cerdas. Ada lulusan baru dengan potensi berkembang besar, tetapi membesarkan mereka butuh terlalu banyak waktu dan sumber daya. Saya mendapati diri saya sendiri menyerahkan tugas-tugas sederhana ke AI alih-alih ke lulusan baru. Kalau dikerjakan junior, perlu beberapa tahap umpan balik dan revisi dan butuh beberapa hari lebih lama, sedangkan AI bisa menyelesaikannya dalam 3 jam. Dari sudut pandang lulusan baru dan pekerja level awal, prospeknya benar-benar suram
  • Kurangnya loyalitas dari perusahaan maupun karyawan memperburuk situasi ini. Pada dasarnya internship adalah posisi dengan produktivitas negatif yang murni bertujuan untuk ‘pelatihan’. Perusahaan membina intern sebagai investasi untuk masa depan organisasi secara keseluruhan dan industri secara keseluruhan. Tapi karena hilangnya kepercayaan timbal balik antara HR dan karyawan, serta budaya pindah kerja yang terlalu sering, struktur seperti ini jadi kehilangan makna. Dari pengalaman saya membina intern dengan benar di perusahaan Jepang, saya yakin nilai sistem seperti ini sangat besar
  • Lulusan baru dan pekerja level awal memang minus dalam jangka pendek bagi organisasi, tetapi dalam beberapa bulan hingga beberapa tahun mereka bisa tumbuh menjadi talenta inti yang sangat produktif. Dan lulusan baru juga bisa memakai AI. Jika adopsi AI benar-benar melonjakkan produktivitas secara drastis, maka kapasitas yang tersisa justru akan dialihkan menjadi lebih banyak perangkat lunak, fitur, optimisasi, dan sebagainya. Logikanya mirip dengan pertanyaan lama: kalau ada compiler, kenapa malah merekrut lebih banyak junior?
  • Saya sama sekali tidak setuju dengan argumen itu. Jika lulusan baru hari ini terasa merepotkan, maka lulusan baru besok akan menganggap penggunaan AI sebagai hal yang wajar dan bisa memberi dampak yang lebih besar. Pandangan bahwa ‘entry level sudah tamat’ hanya benar jika perusahaan cuma melihat ‘kekurangan’ lulusan baru dan berasumsi bahwa jumlah pekerjaan itu terbatas. Padahal di semua organisasi yang pernah saya alami, selalu ada pekerjaan yang melimpah. Jadi kalau junior bisa menghasilkan beban kerja 6 kali lipat dengan AI, itu justru pilihan yang jauh lebih baik
  • Perbandingan antara ‘intern’ dan ‘entry level’ hanyalah simbol kompleksitas, bukan berarti pekerjaan level awal benar-benar akan hilang; yang berubah hanyalah perannya
  • Benar bahwa AI lebih cepat dan efisien daripada pekerja entry level dalam menyelesaikan tugas, tetapi secara esensial itu bukan ‘delegasi’, melainkan mengerjakan pekerjaan sendiri secara langsung. Delegasi adalah proses memindahkan tanggung jawab dan penilaian, sedangkan AI tidak punya pelatihan, umpan balik, pemahaman konteks, maupun motivasi mandiri. Kita benar-benar tidak bisa mendelegasikan kepada AI, dan AI juga tidak bertanggung jawab atas hasilnya. Sebaliknya, junior manusia bisa menyerap tujuan dan konteks lalu tumbuh menjadi anggota organisasi yang sesungguhnya. Lagi pula, lulusan baru dan intern juga bisa memakai alat AI
• Saya pikir jenis pekerjaan yang akan disapu AI adalah posisi white-collar yang seharian terdistraksi dan bekerja asal-asalan. Pada 2025, LLM akan bisa menggantikan pekerjaan seperti ini. Masalahnya, eksekutif yang tidak bisa membedakan pekerjaan nyata dan pekerjaan yang cuma tampak sibuk bisa terjebak dalam fantasi ini lalu merusak seluruh organisasi. Yang selalu bertahan sampai akhir tetap CEO
  • Satu-satunya alasan posisi white-collar semacam itu ada adalah karena penilaian kinerja pada dasarnya sangat sulit. Jika AI tidak bisa menyelesaikan masalah ini, maka meski perusahaan memangkas separuh karyawan, yang terpotong bukan 50% terbawah secara akurat, melainkan hanya PHK acak, dan pada skenario terburuk justru kontraproduktif
  • Terkait kerja jarak jauh juga, saya teringat bahwa sebagian manajer yang tidak memahami nilai kerja yang sebenarnya mengira obrolan kantor itu sama dengan bekerja. Ini masalah karena mereka mengabaikan bahwa ada banyak cara untuk bekerja
  • CEO pun pada akhirnya tidak akan senang kalau pelanggan menghilang. AI juga pada akhirnya tidak bisa mengklik iklan dan membeli produk
  • AI sangat unggul dalam menciptakan pekerjaan yang tidak berguna. Yang benar-benar dibutuhkan bukan peningkatan produktivitas, melainkan menghapus pekerjaan yang tidak perlu sampai ke akar-akarnya
  • Saya tidak punya pengalaman di perusahaan AS, tetapi di semua tempat saya bekerja justru selalu kekurangan orang. Cerita tentang tenaga kerja tidak efisien terasa jauh dari pengalaman saya. Meski begitu, saya bisa membayangkan hal seperti itu mungkin terjadi di perusahaan besar AS yang kebanjiran modal
• Sejak kemunculan komputer, skala otomatisasi pekerjaan kantor sangat besar. Jika membandingkan pekerjaan kantor tahun 1960-an dengan sekarang, pekerjaannya sendiri sudah sepenuhnya berbeda. Perangkat lunak meningkatkan kecepatan sampai 1000 kali lipat, dan justru karena itu lebih banyak pekerjaan white-collar tercipta. Produktivitas baru ini melahirkan lebih banyak tugas
  • Saya tidak suka logika ini karena, pertama, ia tidak mempertimbangkan dampak sosial dari pengangguran massal, dan kedua, tidak ada hukum alam yang menjamin pekerjaan yang hilang pasti akan digantikan pekerjaan baru. Tingkat pengangguran saat Depresi Besar pun hanya 30%, sedangkan sekarang lebih dari itu bisa saja menjadi pengangguran permanen. Saat kaum Luddite mengatakan kemajuan teknologi akan menghapus pekerjaan, banyak orang bahkan dikorbankan ketika mencoba menghentikannya. Selain itu, masyarakat punya sangat banyak masalah dan kebutuhan, tetapi karena tidak ada model ekonomi yang mendukung, orang yang di-PHK secara realistis sulit menciptakan nilai baru, dan ke depan masalah ini bisa makin parah
  • Pada 1960-an, bahkan ada profesi bernama ‘computer’, tetapi sekarang sudah hilang
• Saat melihat analis yang mengklaim revolusi AI cuma hype karena kurangnya data empiris, saya teringat pada para skeptis di awal pandemi yang mengabaikan potensi pertumbuhan eksponensial karena jumlah kasus masih sedikit. Selain itu, saya juga penasaran kenapa tulisan seperti artikel CNN ini disebut analisis. Isinya hanya pengulangan pendapat beberapa ekonom tenaga kerja dan teori bahwa AI itu gelembung. Tidak ada analisis yang lebih konkret soal data, sumber daya, arus dana VC, kebijakan obat baru FDA, dan sebagainya
  • Analogi seperti “meremehkan COVID di awal” adalah lompatan logika, karena ia menyamakan fenomena yang sudah diverifikasi ratusan kali dengan pertumbuhan AI yang benar-benar baru hanya berdasarkan kesamaan bahwa keduanya sama-sama nonlinier
  • Ada yang menunjukkan bahwa asumsi pertumbuhan eksponensial yang dianggap pasti, seperti saat gelembung harga rumah runtuh, justru bisa menghantam industri IT lebih keras. Dan kalau gelembung kali ini pecah, industri IT bisa lesu selama bertahun-tahun seperti pada 2000-an
  • Ada banyak contoh dalam sejarah ketika publik gagal memprediksi, tetapi perdebatan analogi semacam ini dikritik karena tidak memberi analisis substantif dan hanya memperkuat posisi masing-masing
  • Membandingkan AI dengan virus COVID terasa bukan contoh yang tepat untuk meyakinkan orang
  • Faktanya, pihak yang menggambar grafik pertumbuhan tajam pada awal COVID pun ternyata salah. Hampir semua prediksi komentator pada masa itu meleset
• Saya tidak paham kenapa ada suasana yang berharap pada penurunan konsumsi dan resesi yang terjadi ketika AI menggantikan manusia. Kalau semua orang menganggur, siapa yang akan membeli produk? Jika pengangguran naik, penurunan konsumsi dan resesi tak terelakkan, jadi saya bingung kenapa para eksekutif menyambutnya
  • Konsep seperti teori permainan, keseimbangan Nash, dilema tahanan, dan induksi ala kalkun bisa dipakai untuk menjelaskan insentif ekonomi ini. Setiap organisasi mengambil keputusan itu karena otomatisasi memberi penghematan biaya yang langsung terasa. Masalahnya adalah risiko terjebak dalam ilusi bahwa struktur ini akan terus berjalan. Orang juga mudah terbuai logika seperti paradoks Jevons, bahwa peningkatan efisiensi justru bisa menaikkan total permintaan
  • Sel kanker pada akhirnya juga merusak organisme secara keseluruhan, tetapi tetap mengejar kepentingannya sendiri. Puas diri hanya karena kinerja jangka pendek membaik mengikuti logika yang sama
  • Tragedi bersama. Semua pihak merasa menguntungkan untuk memangkas biaya dengan memecat pekerja, sehingga bertindak egois, tetapi secara keseluruhan justru membuat masyarakat sakit
  • Dengan asumsi AI menghilangkan semua pekerjaan, ada juga kemungkinan pesaing sama-sama bersenjata AI dan kapan saja bisa merebut pasar. Pada akhirnya, kemampuan membangun infrastruktur AI bisa menjadi hambatan masuk
  • Sekalipun pekerjaan berkurang, masih bisa ada pekerjaan pemerintah, blue-collar, wiraswasta, freelancer, pasar gelap, dan berbagai bentuk pemberi kerja lainnya. Ada skenario di mana pekerjaan berkurang drastis tetapi kualitas hidup tidak memburuk. Perlu juga mempertimbangkan bahwa kemajuan teknologi di masa lalu justru selalu menambah lapangan kerja. Pada akhirnya orang cenderung melihat sesuai yang ingin mereka lihat. Dari sekian banyak skenario, mana yang benar tergantung situasinya
• Logika gelembung AI seperti ini memang terasa aneh. Kalau tujuannya mendorong adopsi AI ke berbagai pekerjaan white-collar, kenapa memasarkannya dengan cara yang justru menakut-nakuti pihak yang akan menghasilkan output? Apakah ini semata dijual hanya ke level C?
  • AI memang dipasarkan hanya kepada level C. Tidak ada minat untuk melindungi pekerjaan white-collar
  • Strategi memicu FOMO (takut tertinggal dari orang lain) langsung mendorong peningkatan penjualan
• Saya suka karena artikel ini menyoroti bahwa “klaim besar butuh bukti besar”. Saya sangat menyukai teknologi ML, tetapi saya tidak percaya sampai level menggantikan manusia. Augmentasi adalah visi yang realistis, penggantian total adalah ilusi yang dibesar-besarkan
• Nilai yang sesungguhnya bisa ditemukan di area yang sebelumnya tidak bisa dilakukan baik oleh mesin maupun manusia
• Rasanya ada yang hilang dalam diskusi soal penggantian manusia oleh AI. Ledakan AI terjadi bersamaan dengan lonjakan suku bunga, dan pada saat AI yang bisa coding muncul, dana VC juga mengering dan perekrutan startup ikut menurun. Kalau sekarang pun modal masih melimpah seperti era suku bunga rendah, bukankah perdebatan ini mungkin akan berbeda? Saya ingin mendengar pendapat orang-orang yang benar-benar paham industri ini
  • Dari sudut pandang bahwa “revolusi AI berlangsung bersamaan dengan lonjakan suku bunga”, bisa jadi level C melihat adopsi AI sebagai alternatif penghematan biaya tenaga kerja karena berkurangnya uang murah. Namun, suku bunga 0% justru merupakan pengecualian historis, dan kebijakan itu memicu distorsi investasi di seluruh dunia. Menganggap normalisasi suku bunga sebagai hal yang aneh justru paradoks. tautan data suku bunga historis
  • Alasan pandangan ini tidak menjadi pusat diskusi adalah karena dampak nyatanya memang tidak sebesar itu (1), dan karena kurangnya pemahaman tentang seberapa besar dana yang sebenarnya dikelola VC (2). 1) Investasi seed dan tahap A sendiri cenderung tidak terlalu siklikal terhadap ekonomi, dan kemajuan utama AI dilakukan oleh tim kecil dengan dana kecil. GPT2→3 didanai oleh MS. 2) Dana VC hanya melambat pada 2022-2023, dan tahun ini justru naik lagi 70%. Realitasnya, dana dari Big Tech, SoftBank, dan pihak lain tetap mengalir