Kirk Chang dan Susan Akinwalere dari Universitas East London membahas pentingnya ‘pembuktian masa depan’ karir.
Versi artikel ini awalnya diterbitkan oleh The Conversation (CC BY-ND 4.0)
Saat ini, generasi Z tampaknya beralih ke pekerjaan terampil, mungkin didorong oleh keinginan akan keamanan kerja yang ‘anti AI’. Banyak pekerja muda kini memandang karier kerah biru lebih stabil dibandingkan pekerjaan kantoran dalam menghadapi perubahan yang cepat.
Bukan hanya pekerja termuda. Rasa tidak nyaman yang semakin besar AI sedang membentuk kembali cara berpikir banyak orang tentang pekerjaan. Pada kelompok yang lebih muda, perubahan ini terlihat jelas. Di Inggris, mempekerjakan pekerja generasi Z (mereka yang lahir pada atau setelah tahun 1997) dalam peran konstruksi dan perdagangan naik 16,8 persen pada tahun hingga Januari 2026. Hasilnya adalah apa yang oleh sebagian orang disebut sebagai “generasi sabuk perkakas“.
Namun di dunia kerja lainnya, banyak profesional yang mengambil pendekatan pragmatis. Daripada bersaing dengan otomatisasi, mereka belajar bagaimana bekerja berdampingan dengan otomatisasi. Membangun kelancaran dengan alat AI semakin dipandang sebagai bentuk asuransi karier.
Tujuannya adalah untuk beralih ke peran merancang, mengelola, atau mengarahkan sistem AI. Dalam model tersebut, teknologi menjadi pengganda kekuatan – yaitu meningkatkan produktivitas – dan bukan ancaman.
Pergeseran ini juga didorong oleh perekonomian. Keterampilan terkait AI mendapatkan keuntungan yang jelas di pasar kerja. Selain gaji, ada manfaat lain. Sistem AI sangat efektif dalam menangani tugas-tugas yang berulang dan membutuhkan banyak proses. Ketika fungsi-fungsi tersebut diotomatisasi, karyawan dapat melakukannya mengalihkan energi mereka menuju strategi, pemecahan masalah yang kreatif, dan pengambilan keputusan yang bernilai lebih tinggi.
Banyak orang menyadari bahwa peralihan ini tidak hanya meningkatkan produktivitas namun juga membuat pekerjaan mereka lebih menarik dan bermakna.
Yang penting, memasuki dunia AI tidak selalu membutuhkan gelar ilmu komputer. Melalui pembelajaran online, bootcamp, atau sekadar eksperimen praktis, pekerja dapat memperoleh keahlian di berbagai bidang seperti rekayasa cepat, otomatisasi alur kerja, atau penerapan AI. Hambatan untuk masuk lebih rendah dari perkiraan banyak orang, terutama bagi mereka yang sudah memahami industri tertentu.
Faktanya, pengetahuan industri merupakan keuntungan besar. Organisasi semakin menginginkan orang-orang yang dapat menjembatani keahlian domain dengan kemampuan teknis: profesional kesehatan yang mengetahui apa yang dibutuhkan pasien serta memahami alat AI; seorang spesialis keuangan yang dapat menerapkan pembelajaran mesin pada analisis risiko; atau seorang pedagang yang menggunakan sistem cerdas untuk efisiensi semuanya dapat memberikan nilai unik.
Profil hibrid ini menjadi penting dalam cara perusahaan mengintegrasikan AI, sehingga menciptakan peran interdisipliner yang tidak ada beberapa tahun lalu.
Sisi sebaliknya: Risiko dan tantangan
AI menciptakan peluang, namun juga membawa risiko dan trade-off. Salah satu tantangan yang paling mendesak adalah laju perubahan. Menjaga keterampilan tetap terkini bisa terasa seperti mencoba mencapai target yang bergerak. Seiring berjalannya waktu, terus-menerus melakukan lebih banyak hal dapat menyebabkan kelelahan, khususnya dalam lingkungan yang sangat kompetitif di mana tetap relevan berkaitan dengan keamanan kerja.
Ada juga biaya di muka. Transisi ke AI, terutama ke posisi yang lebih teknis atau lanjutan, memerlukan investasi waktu dan uang sebelum keuntungan finansial dapat terwujud.
Dan AI dikatakan berkontribusi terhadap hilangnya jenjang karier tradisional. Banyak peran tingkat pemula, yang dulu dianggap sebagai batu loncatan dalam industri seperti keuangan atau pemasaran, kini diotomatisasi atau dikurangi. Akibatnya, jalur masuk ke profesi tertentu mungkin menyempit sebelum ada profesi baru yang tersedia.
Terakhir, bekerja di bidang AI sering kali berarti bergulat dengan hal-hal rumit pertanyaan etis dan keselamatan. Pekerja harus mempertimbangkan isu-isu seperti bias data, privasi, transparansi, dan akuntabilitas. Keputusan yang diambil selama perancangan dan penerapan sistem dapat mempunyai konsekuensi yang luas. Untuk menjalankan tanggung jawab ini memerlukan pertimbangan yang matang dan pemahaman yang jelas mengenai konsekuensinya.
Melihat ke depan
Di banyak sektor, AI tidak mungkin menghilangkan seluruh profesi. Sebaliknya, hal ini akan membentuk kembali mereka. Tugas akan diotomatisasi, alur kerja akan berkembang, dan deskripsi pekerjaan akan berubah. Bagi sebagian besar profesional, respons praktisnya bukanlah dengan meninggalkan bidangnya, namun mengintegrasikan AI ke dalamnya.
Pada saat yang sama, kefasihan teknis saja tidak akan cukup. Ketika otomatisasi mengambil alih pekerjaan rutin dan berbasis aturan, keterampilan manusia menjadi lebih penting. Pemikiran kritis, penilaian, empati, komunikasi, dan pemecahan masalah yang kompleks masih sulit ditiru dengan algoritma. Semakin maju teknologi, semakin besar pula nilai kekuatan manusia.
Ada juga kesenjangan yang semakin besar antar industri. AI menghasilkan peran baru dengan bayaran tinggi di berbagai bidang seperti teknik, ilmu data, dan strategi AI. Namun, dalam posisi di mana otomatisasi hanya menggantikan sebagian tugas, produktivitas dapat meningkat sementara upah tidak. Dalam beberapa kasus, otomatisasi parsial dapat menghambat gaji atau mengurangi peluang promosi.
Pelatihan ulang dan perubahan karier di era AI menjadi respons umum terhadap perubahan struktural. AI mengubah cara kerja lintas sektor, sekaligus membuka peran baru yang berpusat pada pengawasan, integrasi, strategi, dan inovasi. Bagi banyak profesional, pertanyaannya bukanlah apakah perubahan akan terjadi, namun seberapa proaktif mereka memilih untuk merespons.
Jalan maju yang paling tangguh bukanlah dengan meninggalkan bidang Anda sepenuhnya. Seringkali, hal ini melibatkan penerapan kefasihan AI di atas keahlian yang sudah ada. Seorang profesional keuangan yang memahami alat otomatisasi, misalnya, memiliki posisi lebih baik daripada seseorang yang hanya mengandalkan keterampilan lama. Dalam hal ini, tujuan pelatihan ulang adalah untuk mendekati lapisan pekerjaan pengambilan keputusan.
Pada akhirnya, era AI bukanlah tentang pilihan biner antara optimisme dan ketakutan. Ini tentang penentuan posisi. Pelatihan ulang dan perubahan karier menjadi strategi utama untuk menavigasi perubahan ini dengan niat, bukan bereaksi setelah kejadian tersebut.
Oleh Kirk Chang dan Dr Susan Akinwalere
Kirk Chang adalah profesor universitas, konsultan dan peneliti di bidang manajemen sumber daya manusia dan teknologi di Universitas London Timur. Dia meneliti isu-isu terkait manajemen digital dan menganalisis implikasi teknologi terhadap karyawan, manajer, dan organisasi mereka. Dia juga menyelidiki isu-isu manajemen personalia dan meneliti implikasi teknologi terhadap perilaku karyawan, dinamika kelompok, kerja tim, keunggulan kompetitif dan kinerja organisasi.
Dr Susan Akinwalere adalah dosen senior bidang bisnis dan manajemen di Universitas London Timur. Dia berfokus pada strategi dan kepemimpinan, dengan pengalaman lebih dari 10 tahun di dunia akademis dan beragam institusi internasional dan bereputasi baik. Ia juga dilatih sebagai peneliti bisnis teoretis, khususnya di bidang penanaman modal asing langsung (FDI). Minat utamanya terhadap penanaman modal asing muncul dari keyakinan bahwa penanaman modal asing memberikan peluang untuk berkontribusi terhadap perubahan sosial dan ekonomi.