- Penerapan AI memberikan dampak langsung pada pasar kerja kaum muda di Amerika Serikat
- Menurut studi, penyebaran AI dikonfirmasi menyebabkan penurunan 13% dalam tingkat perekrutan pekerja muda
- Teknologi AI melampaui tugas otomasi sederhana dan menggantikan pekerjaan yang lebih kompleks
- Akibatnya, peluang kerja bagi pendatang baru dan pekerja muda menurun
- Kebutuhan akan strategi respons dari kebijakan dan industri semakin mengemuka
Penerapan AI dan perubahan pasar kerja kaum muda di Amerika Serikat
Menurut hasil riset Stanford terbaru, meluasnya AI generatif terlihat memberikan dampak yang jelas terhadap lapangan kerja kaum muda di Amerika Serikat
- Di perusahaan yang mengadopsi AI, perekrutan pekerja muda berusia 25 tahun ke bawah dianalisis menurun sekitar 13%
- Studi ini menyoroti bahwa sistem otomasi tingkat lanjut tidak hanya menggantikan pekerjaan administrasi sederhana, tetapi juga tugas berbasis kognisi dan penilaian pada tingkat yang lebih tinggi
- Akibatnya, peluang masuk ke pasar kerja bagi anak muda yang ingin bekerja berkurang dan dapat menjadi faktor ketidakstabilan sosial maupun ekonomi
- Jika fokus hanya diarahkan pada peningkatan produktivitas, muncul kekhawatiran bahwa struktur ketimpangan dapat semakin dalam
- Para ahli semakin menekankan pentingnya respons proaktif di tingkat industri dan kebijakan, serta persiapan program pelatihan ulang dan penguatan keterampilan yang menyasar generasi muda
Penurunan pekerjaan kaum muda dan dampak sosialnya
- Seiring teknologi AI menggantikan bukan hanya pekerjaan berulang yang sederhana, tetapi juga berbagai tugas perkantoran, dampak terhadap lapangan kerja kaum muda kini menjadi kenyataan
- Perusahaan terus menunjukkan tren mengadopsi solusi AI untuk meningkatkan efisiensi dan menekan biaya
- Akibatnya, fenomena makin sulitnya masuk ke dunia kerja bagi pekerja level awal dan tenaga kerja pada tahap awal karier semakin cepat terjadi
- Di tingkat masyarakat secara keseluruhan, kebutuhan untuk redistribusi pekerjaan dan perancangan ulang sistem pendidikan semakin mencuat
Arah respons industri dan kebijakan
- Upaya bersama pemerintah dan industri sangat penting untuk meredam guncangan ketenagakerjaan bagi kaum muda akibat adopsi AI
- Program pelatihan ulang yang sesuai kebutuhan lapangan serta penciptaan lingkungan yang memungkinkan adaptasi terhadap penerapan teknologi baru menjadi alternatif utama
- Dalam jangka menengah hingga panjang, diperlukan restrukturisasi pasar tenaga kerja dan penyusunan pedoman penggunaan algoritme yang transparan
- Perusahaan juga makin menunjukkan tren bekerja sama dalam kebijakan dukungan alih peran kerja bagi kaum muda sebagai bagian dari tanggung jawab sosial
1 komentar
Komentar Hacker News
Di industri akuntansi nyata, adopsi AI hampir tidak terjadi; kami punya alat terbaru yang cukup kompleks seperti enterprise Copilot, deep research, integrasi MS Office, dan sebagainya, tetapi dalam praktiknya hanya dipakai untuk membuat ringkasan berita global harian. Saat mencoba menerapkannya ke pekerjaan akuntansi yang sebenarnya, AI justru memberikan jawaban ngawur dan menciptakan situasi yang sangat berbahaya. Bahkan pada perbandingan angka sederhana pun hasilnya sering tidak bisa dipercaya, jadi hasilnya sendiri tidak bisa langsung diyakini dan digunakan, seperti operator
==dalam pemrograman yang menghasilkan error acak 20%—mustahil dipercaya untuk bisnisSecara pribadi, saya mencoba berbagai model bahasa selama 6 bulan untuk meninjau tagihan kartu kredit. Saya berharap model itu bisa membandingkan aplikasi pencatatan keuangan rumah tangga buatan saya dengan mutasi kartu dan menemukan kejanggalan, tetapi kenyataannya tidak pernah sekali pun berhasil menemukan masalah dengan benar. Malah kadang salah menandai dengan mengatakan ada "transaksi Starbucks" atau hanya memberi pujian yang keliru. Padahal data yang ditangani hanya sekitar 40 entri, dan kalau pun salah tidak ada kerugian nyata, tetapi model tetap tidak bisa menemukannya secara akurat. Kesimpulannya, perusahaan yang bergantung pada hal seperti ini tidak bisa dipercaya
Dari video akuntansi yang lucu milik Dan Toomey, kita bisa melihat betapa pentingnya akuntansi dan bahwa ini sebenarnya bukan bidang yang glamor. Di dunia finansial ada kecenderungan melihat "akuntan sebagai nerd serius". Saya sendiri juga punya ketertarikan pada akuntansi, dan pernah menangani dataset audit di perusahaan sebelumnya. Tidak banyak orang yang mau mendengar hal-hal pedas dari akuntan, tetapi mereka benar-benar sosok yang tak tergantikan. Data akuntansi bisa menjadi inti bisnis, seperti kasus Enron yang terbongkar karena biaya audit; kalau nanti saya berhenti ngoding, mungkin saya akan mencoba menjadi CPA
Dalam akuntansi, performa AI sangat mengecewakan, dan bahkan untuk pekerjaan matematis pun baru agak berguna jika digabungkan dengan alat kalkulator
Banyak orang memimpikan "software Tax AI yang mengurus semua pajak secara otomatis", tetapi secara realistis saya melihat AI saat ini cuma setara mesin pencari teks tingkat lanjut. LLM (Large Language Model) bahkan tidak benar-benar mampu melakukan aritmetika atau perhitungan sederhana
LLM tidak pandai melakukan aritmetika secara langsung, jadi jangan suruh model menghitung sendiri. Untuk sebagian besar model, jauh lebih baik jika ia menulis dan menjalankan kode lalu menggunakan hasil eksekusinya untuk melakukan perhitungan
Industri akuntansi AS sedang dioffshore ke India, Filipina, Eropa Timur, dan wilayah lain. Selain itu, ada dorongan yang makin besar untuk melonggarkan syarat memperoleh lisensi akuntan di AS (didorong oleh partner Big 4 untuk mengatasi kekurangan tenaga kerja). Akibatnya, ada kekhawatiran soal turunnya kualitas pengawasan, laporan keuangan yang tidak akurat, dan sebagainya
Menarik melihat programmer Amerika mendukung kerja remote; saya jadi bertanya-tanya apakah mereka benar-benar percaya diri bahwa mereka yang paling pintar di dunia. Kalau sebuah pekerjaan bisa dikerjakan remote, tidak ada alasan orang dari negara yang lebih murah tidak mengambil pekerjaan itu
Jika melihat laporan kondisi kerja di wilayah offshoring utama, situasinya sangat buruk. Sebenarnya AI, LLM, dan sejenisnya saat ini punya karakter yang mirip dengan "pekerjaan repetitif sederhana yang dulu jadi sasaran outsourcing". Ada juga kecenderungan pekerjaan yang dulu dikirim ke India sekarang malah dialihkan ke data center Anthropic
Saya ragu apakah penyebab offshoring ini adalah AI. Bahasa, budaya, dan kesenjangan pengetahuan adalah hambatan besar untuk menyuruh orang bekerja dari luar negeri, tetapi AI punya potensi untuk menyelesaikan masalah-masalah itu
Ada juga artikel tentang lulusan kampus teknik top di India yang juga kesulitan mencari kerja, jadi argumen bahwa offshoring akibat AI adalah penyebab utamanya terasa kurang meyakinkan
Selama setahun terakhir, pekerjaan junior diam-diam menghilang. Bukan berarti banyak orang di-PHK, tetapi perekrutan yang memberi kesempatan masuk ke level awal hampir tidak ada lagi. Masalah sebenarnya adalah kesempatan untuk belajar di awal perjalanan karier itu sendiri yang hilang
Sebenarnya pekerjaan junior juga tidak pernah terlalu banyak. Dalam pengalaman saya, mahasiswa yang tidak berhasil beralih dari magang ke full-time akan sangat kesulitan mencari kerja setelahnya. Di praktik nyata, perusahaan hampir selalu hanya merekrut level mid/senior, sedangkan junior biasanya berasal dari mantan intern, perpindahan internal, atau kerabat/kenalan
Fenomena ini lebih disebabkan kondisi struktural seperti memburuknya ekonomi pasca era suku bunga rendah, tekanan pendapatan/laba di tiap perusahaan, dan penghematan biaya, ketimbang AI. Seorang junior biasanya baru produktif setelah 6–8 bulan, dan juga membutuhkan resource mentoring dari senior, sehingga efektivitas biayanya lemah. Resource di tim saya sendiri pun sangat ketat sampai perekrutan tambahan saja sulit. Kalau sekarang mau dapat kerja sebagai junior, harus fokus pada keyword teknologi yang sedang naik daun atau mulai dari perusahaan kecil bergaji rendah lalu lompat ke tempat lain
Sulit sekali membedakan apakah fenomena ini karena resesi atau karena AI. Kalau tenaga kerja yang ada menjadi terlalu mahal, perusahaan mungkin akan memakai junior, tetapi sekarang para senior pun sedang mencari kerja dengan gaji lebih rendah, jadi tidak ada alasan kuat untuk merekrut junior
Memang jadi lebih sulit, tetapi anak muda di AS masih punya peluang. Tidak perlu terlalu pesimistis; pengaruh generasi muda sekarang yang banyak tenggelam di TikTok atau game juga besar
Perusahaan memecat orang sambil menjadikan AI sebagai alasan, tetapi ketika mencoba memikirkan pekerjaan apa yang benar-benar tergantikan, tidak banyak contoh yang langsung terpikir
Di perusahaan kami juga ada beberapa rekan kerja yang memang tampak bisa digantikan oleh LLM. Saya merasa halusinasi AI justru akan lebih sedikit dibanding kesalahan yang mereka buat, dan dengan adopsi LLM mungkin saja efisiensi 5 orang bisa dipadatkan menjadi setara 1 orang
Di bidang video dan desainer grafis, penggunaan alat GenAI sedang meluas. Pekerjaan yang dulu dikerjakan oleh staf in-house atau freelancer sekarang makin sering diselesaikan sendiri dengan bantuan AI
AI tidak perlu menggantikan karyawan secara 1:1; peningkatan produktivitas saja sudah cukup jadi alasan pengurangan tenaga kerja. Jika developer menjadi 50% lebih efisien, secara aritmetika hasil yang sama bisa dicapai meski 33% terbawah dipangkas
Berbeda dari demam blockchain, AI memang punya contoh peningkatan produktivitas yang nyata. Misalnya, tim copywriter bisa dipotong setengah tanpa menurunkan produktivitas tim. Dalam bisnis saya, sebagian besar pekerjaan copywriter sudah saya otomatisasi sehingga mereka bisa fokus pada pekerjaan bernilai tambah tinggi dan menangani lebih banyak klien. Dari 100 copywriter junior pun akan sangat mudah melakukan pengurangan besar-besaran
Penurunan pekerjaan tahap awal akibat AI berasal dari naiknya produktivitas karyawan per individu, dan hasilnya pekerjaan yang sama bisa diselesaikan dengan tim yang lebih kecil
Banyak organisasi memilih strategi mengurangi tenaga kerja itu sendiri alih-alih memakai AI untuk meningkatkan produktivitas kerja. Ini terjadi karena mereka mempertahankan struktur keuntungan yang terbatas, alih-alih meningkatkan produktivitas lalu membagikan keuntungan tambahan itu. Makalah Stanford menunjukkan bahwa organisasi dengan pola pikir ekstraksi rente memandang tenaga kerja produktif bukan sebagai aset, melainkan sekadar biaya, sehingga mereka mempertahankan struktur yang tidak efisien bahkan dengan mengorbankan kapasitas produksi nyata. Menarik untuk melihat bagaimana ini akan berkembang
Jika otomatisasi membuat semakin banyak tenaga kerja tidak lagi dibutuhkan, perang pun bisa digantikan oleh drone dan senjata otomatis, alasan untuk revolusi juga bisa berkurang, dan demokrasi mungkin menjadi tidak diperlukan. Pada akhirnya bisa datang masa depan di mana layanan mahal seperti kesehatan, pangan, dan air untuk banyak orang tidak lagi perlu disediakan
Makalah itu menyatakan bahwa "penurunan lapangan kerja terkonsentrasi pada pekerjaan di mana AI mengotomatisasi, bukan memperkuat, tenaga kerja manusia". Tidak ada dasar yang secara langsung menunjukkan rent-seeking atau miopia ekonomi. Pada akhirnya, dari sudut pandang perusahaan, mengganti manusia dengan AI yang lebih murah memang menguntungkan, dan juga tidak ada dasar untuk menganggap mempertahankan tenaga kerja otomatis akan menciptakan peluang pendapatan tambahan
Saya berharap AI secara drastis menurunkan biaya adopsi/integrasi software bisnis, sehingga pengrajin terampil seperti teknisi peralatan veteran bisa memiliki dan menjalankan perusahaannya sendiri. Di era AI, saya rasa kebutuhan akan outsourcing fungsi pemasaran dan akuntansi ke pihak seperti PE akan berkurang
Ke depan bisa saja jadi seperti feodalisme
Melihat tenaga kerja bukan sebagai aset pencipta nilai, melainkan biaya, tidak cocok dengan realitas. Yang sebenarnya diinginkan perusahaan adalah agar tenaga kerja selaras dengan proposisi nilai perusahaan—alasan pelanggan mau membayar. Jika karyawan mengerjakan hal yang menurut mereka bermakna sesuka hati tetapi pelanggan tidak mau membayar, yang bertambah hanya biaya pemeliharaan. Menyelaraskan karyawan, memotivasi mereka, dan menjaga komunikasi itu semua sulit, dan perusahaan pada praktiknya hanya menciptakan pekerjaan ketika memang benar-benar perlu
Semakin banyak orang seperti saya yang menggunakan AI sambil menyebutnya "intern", dan suasana bahwa posisi intern (level junior) tidak lagi diperlukan terasa makin kuat
Saya penasaran risiko apa yang akan muncul ketika, setelah para senior pergi, orang-orang yang tersisa justru digantikan oleh senior baru yang tidak memahami proyek dan kebiasaan lama
Sepertinya tujuan sebenarnya dari intern sedang disalahpahami
Pada dasarnya, internship adalah cara paling tepercaya untuk menemukan talenta yang sulit direkrut lewat proses perekrutan tradisional. Di masa depan ketika intern tidak lagi dibutuhkan, apakah kita benar-benar tidak perlu pasokan tenaga baru yang bagus? Jika 40 tahun lagi semua tenaga kerja saat ini pensiun, lalu sisa pekerjaan itu akan diserahkan kepada siapa?
Setiap kali saya pergi ke kota, saya terkejut melihat masih begitu banyak pekerjaan yang belum tergantikan oleh AI. Misalnya kasir masih menghitung barang dengan tangan, menerima uang, dan mengatur kembalian sendiri. Saya heran, otomatisasi setingkat ini sebenarnya sulitnya apa sampai belum juga bisa dilakukan
Ini pernah dicoba juga bukan dengan AI, melainkan lewat offshoring; lihat artikel terkait
Pekerjaan kasir sering digantikan bukan oleh AI, melainkan dengan meminimalkan tenaga kerja dan memperkenalkan self-checkout
Di 711 Jepang masih ada petugas di kasir, tetapi uang tunai dan kembalian diproses oleh mesin. Namun belakangan, karena masalah kriminalitas (pencurian), justru ada tren mengurangi self-checkout dan menambah lagi tenaga pengawas
Dalam otomatisasi kasir, bagian tersulit bukan menghitung, melainkan mencegah pencurian
Kenaikan suku bunga dan tekanan tarif menyebabkan penurunan investasi dan lapangan kerja, tetapi suasananya seperti semua hal disalahkan pada AI
Kenyataannya, makalah Stanford memang melaporkan bahwa, setelah membandingkan data dari berbagai kelompok, tenaga kerja usia 22–25 tahun di pekerjaan yang sangat terekspos AI (berisiko tinggi) mengalami penurunan pekerjaan yang signifikan
Saat melihat bahwa fenomena ini terutama menonjol di industri yang mengadopsi AI, dan yang terutama berkurang adalah tenaga level awal, rasanya faktor seperti suku bunga dan tarif saja tidak cukup menjelaskan. Saya rasa penulis makalah itu tentu tidak mungkin tidak menyadari kondisi ekonomi seperti ini
Jika investasi naik, pesannya menjadi "AI bagus karena meningkatkan efisiensi"; jika investasi turun pun, narasi "AI menggantikan manusia" tetap menguntungkan. Kalau komputer berhasil melakukan sesuatu, dianggap "itu berkat AI", dan kalau gagal, sikapnya jadi "berarti butuh lebih banyak AI"
Tidak ada instruksi terpusat yang menyuruh semua orang menyalahkan AI atas segalanya, jadi saya penasaran kenapa semua orang mengabaikan faktor-faktor lain yang jelas dan hanya menaruh tanggung jawab pada AI
Saya melihat penebaran rasa takut terhadap AI membantu membuat pekerja lebih mudah menerima kondisi kerja atau kompensasi yang lebih buruk dalam jangka panjang. Sebaliknya, jika situasi ekonomi membaik dan membuat mereka berharap pada perbaikan, tuntutan distribusi hasil dalam jangka pendek bisa membesar
Di departemen saya ada 1000 staf IT, tetapi tenaga kelahiran AS bahkan tidak sampai 5–10%. Orang Amerika jumlahnya sedikit dan dianggap tidak bekerja keras, sehingga suasananya makin mendorong mereka untuk pergi
Ada pembicaraan bahwa AI akan menggantikan layanan pelanggan, akuntansi, dan pengembangan software, tetapi dalam kenyataannya kualitas layanan bukannya membaik malah memburuk. Customer service tidak banyak berkembang dari chatbot 20 tahun lalu, akuntansi masih kekurangan tenaga kerja dan hasil AI juga buruk, dan di bidang pengembangan, hambatan untuk memproduksi kode memang menurun, tetapi pada saat yang sama technical debt dan kode tanpa pemilik—yang tidak benar-benar dipahami siapa pun—bertambah secara eksponensial dan bisa menimbulkan konsekuensi serius di kemudian hari