Alat Visualisasi Pasar Kerja Amerika Serikat

• Andrej Karpathy membuat alat yang memvisualisasikan skala dan karakteristik pekerjaan berdasarkan data 342 pekerjaan dan 143 juta lowongan kerja dari Biro Statistik Tenaga Kerja Amerika Serikat
• Luas tiap persegi panjang menunjukkan skala pekerjaan, sementara warna menunjukkan metrik yang dipilih (misalnya prospek pertumbuhan, upah median, tingkat pendidikan, tingkat paparan AI)
• Pengguna dapat mengklik tile pekerjaan untuk langsung membuka halaman resmi BLS
• Dengan fitur pewarnaan berbasis LLM, pengguna bisa menghitung skor tiap pekerjaan lewat prompt kustom dan memvisualisasikannya
• Ini adalah alat pengembang eksplorasi data yang memungkinkan analisis ulang kelompok pekerjaan berdasarkan berbagai kriteria seperti paparan AI, dampak robot, dan risiko relokasi ke luar negeri

---

Ikhtisar

• Alat ini adalah alat riset untuk menjelajahi data Bureau of Labor Statistics Occupational Outlook Handbook secara visual
  • Mencakup total 342 pekerjaan dan 143 juta lowongan kerja
  • Setiap pekerjaan ditampilkan dengan luas yang proporsional terhadap skala pekerjaan, dan warnanya berubah sesuai metrik yang dipilih
• Metrik yang dapat dipilih mencakup perkiraan tingkat pertumbuhan, upah median, persyaratan pendidikan, dan tingkat paparan AI
• Mengklik tiap tile akan membawa pengguna ke halaman detail BLS untuk pekerjaan tersebut

Fitur pewarnaan berbasis LLM

• Kode sumber yang dipublikasikan di GitHub mencakup scraper, parser, dan pipeline prompt LLM
  • Jika pengguna menulis prompt sendiri, LLM akan mengevaluasi setiap pekerjaan dan otomatis membuat warna treemap
• Opsi “Digital AI Exposure” adalah contoh yang memperkirakan dampak AI saat ini terhadap tiap pekerjaan
  • Ini mencerminkan fakta bahwa AI berkembang cepat di ranah digital
• Pengguna dapat menulis prompt dengan kriteria lain seperti tingkat paparan robot humanoid, risiko relokasi ke luar negeri, atau dampak iklim untuk melakukan analisis ulang

Kriteria penilaian Digital AI Exposure

• Tingkat paparan AI menilai seberapa besar kemungkinan suatu pekerjaan akan direstrukturisasi oleh AI pada skala 0–10
  • Mempertimbangkan baik dampak langsung (AI mengotomatisasi pekerjaan manusia) maupun dampak tidak langsung (pengurangan tenaga kerja karena peningkatan produktivitas)
• Pekerjaan berbasis digital cenderung mendapat skor lebih tinggi
  • Contoh: menulis, coding, analisis, komunikasi mendapat skor 7 atau lebih
  • Sebaliknya, pekerjaan yang membutuhkan kehadiran fisik atau kerja manual mendapat skor lebih rendah

Kriteria berdasarkan rentang skor

• 0–1 poin: Hampir sepenuhnya pekerjaan fisik, dengan dampak AI yang sangat kecil (misalnya tukang atap, penata lanskap, penyelam komersial)
• 2–3 poin: Terutama pekerjaan fisik dan interpersonal, AI hanya membantu tugas pendukung (misalnya teknisi listrik, tukang ledeng, pemadam kebakaran, ahli kebersihan gigi)
• 4–5 poin: Pekerjaan campuran antara tugas fisik dan kerja pengetahuan (misalnya perawat, polisi, dokter hewan)
• 6–7 poin: Terutama kerja pengetahuan, dengan potensi peningkatan produktivitas saat menggunakan AI (misalnya guru, manajer, akuntan, jurnalis)
• 8–9 poin: Berpusat pada pekerjaan digital sepenuhnya, berpotensi mengalami perubahan struktural seiring perkembangan AI (misalnya pengembang perangkat lunak, desainer grafis, penerjemah, analis data, asisten hukum, copywriter)
• 10 poin: Pekerjaan pemrosesan informasi sepenuhnya, yang sebagian besar dapat dilakukan AI (misalnya petugas entri data, telemarketer)

Hal yang perlu diperhatikan

• Skor paparan AI adalah estimasi dari LLM dan tidak berarti prediksi nyata atau prospek ketenagakerjaan
• Skor tinggi tidak berarti pekerjaan itu akan hilang, melainkan menunjukkan kemungkinan perubahan cara kerja
• Misalnya, pengembang perangkat lunak dinilai 9/10, tetapi produktivitas yang naik karena AI justru bisa meningkatkan permintaan
• Skor ini tidak mempertimbangkan faktor seperti elastisitas permintaan, regulasi, dan faktor sosial
• Banyak pekerjaan dengan paparan tinggi kemungkinan akan direkonfigurasi, bukan digantikan

[GN⁺]

Komentar Hacker News

• Mengejutkan bahwa alasan para developer seusiaku tidak bisa mendapat pekerjaan baru dalam 1 tahun adalah karena pasar software developer tumbuh lebih cepat dari rata-rata

  • Setiap tahun AS menerima lebih dari 120 ribu pemegang visa H1B, L1, dan OPT. Jika melihat total 1,9 juta developer, pasar harus tumbuh lebih dari 5% per tahun hanya untuk mempertahankan tingkat pekerjaan. Jika lulusan dalam negeri juga dihitung, dibutuhkan pertumbuhan 10%. Dalam jangka panjang ini tidak realistis.
    Kongres atau presiden seharusnya menangguhkan visa H1B untuk sementara, atau menaikkan biaya visa menjadi 200 ribu~500 ribu dolar agar hanya talenta yang benar-benar luar biasa yang diterima. Saat ini strukturnya adalah perusahaan besar melakukan PHK massal sambil terus membanjiri pasar dengan visa
  • Ungkapan “tumbuh lebih cepat dari rata-rata” terdengar seperti jebakan statistik. Kenyataannya perlu mempertimbangkan banyak faktor seperti wilayah, pasokan tenaga kerja, dan perubahan di profesi lain. Bisa jadi kekosongan akibat banyak orang keluar dari industri terlihat seperti ‘pertumbuhan’. Menilai semuanya dari satu titik data hanyalah ilusi statistik
  • Mungkin Anda sebenarnya termasuk ‘computer programmer’. Untuk profesi ini, lapangan kerja diperkirakan turun 6%
  • Datanya berdasarkan 2024

• Menarik bahwa jumlah pekerjaan di kategori “Top Executives” mirip dengan “Retail Sales Worker”. Jika melihat otomatisasi dan peran ekonomi global AS, ini bisa dipahami, tetapi tetap bertentangan dengan anggapan umum soal kelas dan ketimpangan

  • Gaji median di kategori ini adalah 105.350 dolar, dan mencakup “General and Operations Manager” serta “Chief Executive”. Tampaknya juga termasuk pengelola bisnis kecil. tautan BLS
  • Aku juga awalnya mengira grafik itu tidak masuk akal. Tapi kalau melihat tautan yang sama, angkanya memang benar
  • Gig economy merusak keandalan statistik pemerintah. Banyak pengemudi rideshare yang kadang diklasifikasikan sebagai ‘CEO’
  • Menarik saat Anda bilang “bertentangan dengan anggapan umum soal kelas dan ketimpangan”. Penasaran apakah Anda bisa menjelaskan lebih lanjut

• Visualisasinya bagus, tapi semoga ada mode buta warna. Aku tidak bisa membedakan merah dan hijau

  • Aku sudah membuat script hack sementara yang bisa dipakai. Di console Chrome, “allow pasting” harus diaktifkan dulu
  • Mungkin bisa mencoba alat seperti Daltonize. Itu melakukan penyesuaian warna yang dapat dikenali secara fisiologis untuk pengguna dengan gangguan penglihatan warna. gambar contoh
  • Aku bukan buta warna, jadi penasaran: apakah pengaturan Accessibility sistem (seperti mode kontras tinggi) tidak membantu?
  • Aku juga buta warna merah/hijau dan mengalami masalah yang sama

• Ini membuatku berpikir ke mana surplus yang dihasilkan AI akan pergi. Bukan investasi ke data center atau laboratorium riset, melainkan distribusi hasil nyata yang dihasilkan AI.
  AI mengubah cara kita bekerja dan memilih, dan persaingan menginvestasikan kembali surplus itu ke struktur baru. Pada akhirnya struktur itu menjadi infrastruktur esensial. Komputer sudah menjadi jutaan kali lebih cepat, tetapi upah maupun jam kerja hampir tidak berubah, dan mungkin inilah alasannya. Surplus itu akhirnya terserap menjadi ‘biaya dasar’

  • Pada akhirnya surplus itu masuk ke kantong 1% teratas. Kenaikan produktivitas dari komputer, internet, dan otomatisasi selama 50 tahun terakhir juga sebagian besar mengalir ke sana. data terkait
  • Dalam proyek pribadi, walau waktu pemrograman bisa dihemat, pada akhirnya waktu itu dipakai untuk membuat program yang lebih ambisius. Perusahaan juga mengejar tujuan yang lebih besar dengan cara yang sama
  • Pada akhirnya surplus itu kembali ke pemilik modal. Tenaga kerja sudah lama kalah dari modal
  • Jika AI bisa menangani ‘pekerjaan tak berguna’ triliunan kali lebih efisien tetapi hampir tidak menghasilkan keuntungan ekonomi, mungkin itu berarti nilai ekonomi riil dari pekerjaan tersebut memang rendah. Namun jika pasar saham masih baik-baik saja, setidaknya salah satu dari tiga asumsi ini pasti keliru: ekonomi sedang stagnan, atau AI benar-benar sangat produktif, atau pasar saham terlepas dari realitas
  • Pada akhirnya dalam ekonomi pasar, pemilik perusahaan yang menentukan. Dalam jangka panjang arahnya menuju barang yang menjadi lebih murah. Sejarah pertanian pun menunjukkan hal itu. tautan referensi

• Data BLS punya jeda waktu yang besar dan keandalan prediksi yang rendah dibanding kondisi nyata. Ingat ketika pada 2000-an hingga 2010-an aktuaria disebut sebagai profesi paling menjanjikan? Di era perubahan teknologi yang cepat, prediksi seperti ini tidak terlalu bermakna

  • Datanya memang bukan yang terbaru, tapi cukup andal. Aku dulu pernah ikut dalam pengiriman data BLS, dan pemberi kerja melapor setiap 2 minggu. Prediksi sempurna memang mustahil, tapi ini bisa dilihat sebagai panduan berbasis data yang dilaporkan. Dampak AI belum bisa dipastikan siapa pun
  • Kalau begitu, aku penasaran seperti apa kondisi nyata yang Anda lihat
  • Pas kuliah, pasanganku dulu ingin mengambil sertifikasi aktuaria (FCAS) karena alasan ini. Sekarang profesi itu masih stabil, tetapi memang profesi kecil dengan hambatan masuk yang sangat tinggi
  • Kalau kualitas datanya sendiri rendah, sebanyak apa pun jumlahnya tidak akan beda jauh dari data sintetis
  • Pernah juga ada kejadian Trump memecat kepala BLS dan menunjuk orang dengan slogan “make it great again”. Melihat intervensi politik seperti itu, wajar kalau orang bertanya seberapa jauh data ini bisa dipercaya

• Yang menarik, gaji rata-rata profesi dengan gelar sarjana 8 ribu dolar lebih tinggi daripada profesi yang mensyaratkan gelar master

  • Mungkin karena profesi yang membutuhkan gelar master sudah jenuh. Di bidang seperti pendidikan, pekerjaan sosial, dan ilmu perpustakaan, sedang terjadi qualification creep

• “Software Developers +15%” terdengar menggembirakan, tapi “Computer Programmers -6%” cukup mengejutkan

  • Menurut BLS, gaji median Software Developer adalah 131.450 dolar, sumber.
    Computer Programmer adalah 98.670 dolar, sumber.
    Developer menangani seluruh siklus hidup software termasuk analisis kebutuhan pengguna, desain sistem, maintenance, dan dokumentasi. Sementara programmer lebih fokus pada penulisan, perbaikan, dan pengujian kode
  • Aku juga programmer, dan lowongan yang memakai jabatan itu kebanyakan punya kondisi yang buruk. Menempelkan titel ‘Software Engineer’ tidak otomatis membuat seseorang jadi insinyur sungguhan. Pada akhirnya ini cuma permainan kata
  • Aku juga penasaran dengan perbedaan itu. Tetap saja, melihat 1,9 juta pekerjaan developer dan 120 ribu pekerjaan programmer terasa seperti sinyal yang cukup memberi harapan
  • Mungkin ini karena perubahan istilah. Dulu peran seperti itu disebut programmer, sekarang tampaknya digabung ke kategori developer
  • Jumlah programmer mungkin turun, tapi ada perkiraan tester dan QA akan bertambah. Di masa depan saat AI makin umum, quality control mungkin jadi lebih penting. Tapi itu belum tentu berarti jumlah developer juga akan naik sebesar itu

• Dari sudut pandang real estat, pekerjaan yang paling terekspos AI adalah pekerjaan kantor. Termasuk sekretaris, panitera, akuntan, customer service, pengacara, dan developer. Beberapa tahun terakhir properti kantor sempat disebut mulai pulih, tetapi jika pengurangan pekerjaan akibat AI benar-benar terjadi, bisa datang gelombang kejut kedua

• Visualisasi ini bergantung pada hover mouse, jadi di mobile hampir tidak berguna

  • Katanya itu karena rendering Canvas. Aksesibilitas responsifnya kurang baik

• Menarik bahwa profesi model memiliki tingkat paparan AI 8/10