AI mengubah tugas sebelum jabatan hilang—petakan risiko karier per aktivitas

AI lebih dahulu mengubah bagian-bagian pekerjaan daripada menghapus seluruh jabatan. Karena itu, cara yang lebih akurat untuk menilai risiko karier adalah memecah pekerjaan menjadi aktivitas nyata: dua orang dengan jabatan sama dapat menghadapi paparan berbeda jika keseharian mereka tersusun dari tugas yang berbeda.

Catat aktivitas selama satu minggu, lalu nilai setiap baris menurut frekuensi, kemampuan AI, kebutuhan konteks, dan tanggung jawab. Peta tersebut menunjukkan bagian yang mungkin diotomatisasi, diperkuat dengan AI, atau tetap bergantung pada manusia—kemudian membantu menentukan keterampilan, bukti portofolio, dan sasaran lowongan yang relevan.

Mengapa nama jabatan terlalu kasar untuk mengukur risiko

Jabatan merupakan kumpulan aktivitas, bukan unit tunggal yang digantikan sekaligus. Seorang staf pemasaran, misalnya, dapat menyusun variasi teks, membersihkan data kampanye, mewawancarai pelanggan, menyepakati anggaran, dan mempertanggungjawabkan klaim publik. Kemampuan AI serta konsekuensi kesalahan pada setiap aktivitas itu tidak sama.

Dalam data tenaga kerja Amerika Serikat, AI Labor Market Tracker Revelio Labs edisi Agustus 2026 menghitung bahwa 87% perubahan tahunan dalam komposisi aktivitas terjadi di dalam pekerjaan yang sama, sedangkan 13% berasal dari perubahan campuran pekerjaan. Ukuran itu dibangun dari profil profesional daring dan komposisi aktivitas, sehingga mendukung analisis per tugas tetapi bukan proyeksi langsung bagi pekerja Indonesia.

Paparan juga tidak sama dengan kehilangan pekerjaan. indeks global ILO–NASK yang terbit pada 20 Mei 2025 memakai klasifikasi hampir 30.000 tugas dan memperkirakan satu dari empat pekerja berada dalam pekerjaan dengan suatu tingkat paparan GenAI; 3,3% pekerjaan global berada pada kategori paparan tertinggi. Karena kebanyakan pekerjaan tetap memuat tugas yang memerlukan masukan manusia, studi itu menilai transformasi lebih mungkin daripada penggantian penuh.

Buat lembar aktivitas mingguan dengan empat kolom

Gunakan satu baris untuk satu aktivitas yang menghasilkan keluaran jelas. “Mengurus pelanggan” terlalu luas; pecah menjadi menjawab pertanyaan standar, menyelidiki keluhan, menawarkan kompensasi, dan menyetujui penyelesaian. Catat ketika aktivitas dilakukan agar pekerjaan kecil tetapi berulang tidak hilang dari ingatan.

Isi empat kolom berikut untuk setiap baris:

• Frekuensi: berapa kali aktivitas dilakukan atau berapa jam yang dihabiskan dalam seminggu. Kolom ini membedakan tugas periferal dari bagian inti pekerjaan.
• Kemampuan AI: apakah alat yang benar-benar tersedia dapat membuat keluaran awal, menyelesaikan sebagian besar proses, atau belum bekerja dengan andal. Nilai hasil dalam kondisi kerja, bukan kecanggihan demonstrasi.
• Kebutuhan konteks: apakah tugas memerlukan pengetahuan pelanggan, aturan internal, kondisi fisik, riwayat keputusan, atau informasi lain yang tidak tersedia bagi sistem.
• Tanggung jawab: siapa yang menanggung konsekuensi jika hasilnya salah. Masukkan kewajiban hukum, keselamatan, kerugian finansial, reputasi, dan dampak terhadap orang lain.

Tambahkan catatan bukti: jenis masukan, bentuk keluaran, pemeriksaan yang diperlukan, dan kegagalan yang pernah ditemukan. Kemampuan membuat draf belum berarti seluruh aktivitas dapat diotomatisasi. Otomatisasi menjadi lebih masuk akal bila masukan tersedia, hasil dapat diperiksa dengan biaya wajar, dan pengecualian tidak menuntut pertimbangan manusia yang sulit dipindahkan.

Kelompokkan hasil menjadi otomatisasi, augmentasi, dan kendali manusia

Otomatisasi paling mungkin pada aktivitas yang sering, terstruktur, berkonteks rendah, dan mudah diperiksa—misalnya mengubah catatan dengan format tetap menjadi draf ringkasan. Bila kelompok ini mengambil porsi besar dari waktu kerja, kebutuhan perusahaan untuk menambah orang pada keluaran yang sama dapat berkurang.

Augmentasi berlaku ketika AI mempercepat satu tahap, tetapi manusia masih memasok konteks, menangani pengecualian, atau memeriksa hasil. Dalam contoh hipotetis, analis memakai AI untuk mengelompokkan komentar pelanggan, lalu memeriksa sampel, menjelaskan penyebab, dan memilih tindakan bisnis. Nilai pekerja bergeser dari membuat keluaran pertama menuju merumuskan masalah serta menjamin mutu.

Kendali manusia tetap dominan ketika aktivitas menuntut kehadiran fisik, kepercayaan, negosiasi, penilaian situasi ambigu, atau akuntabilitas akhir. Namun, satu tugas seperti itu tidak otomatis membuat seluruh jabatan aman. Periksa berapa banyak waktu yang digunakan dan seberapa penting tugas tersebut bagi hasil kerja.

Ubah celah pada peta menjadi keterampilan dan bukti portofolio

Prioritas belajar sebaiknya mengikuti celah yang terlihat pada aktivitas, bukan daftar alat AI yang sedang populer. Jika banyak tugas dapat dibuatkan draf oleh AI tetapi tetap membutuhkan verifikasi, keterampilan yang relevan mencakup evaluasi keluaran, pengetahuan domain, pengelolaan data, dan perancangan pemeriksaan. Jika pekerjaan bergantung pada konteks tersembunyi, fokusnya dapat beralih ke penggalian kebutuhan, dokumentasi keputusan, dan penerjemahan aturan organisasi menjadi prosedur kerja.

Portofolio perlu membuktikan alur lengkap, bukan sekadar menampilkan percakapan dengan chatbot. Sajikan masalah, jenis data yang boleh digunakan, bagian yang dibantu AI, kriteria pemeriksaan, koreksi manusia, aturan eskalasi, dan hasil akhirnya. Untuk informasi rahasia, gunakan data sintetis atau samarkan detail serta nyatakan bahwa materi tersebut merupakan simulasi.

Pilih satu aktivitas berfrekuensi tinggi sebagai proyek pertama. Ukur waktu pengerjaan, jenis kesalahan yang ditemukan saat pemeriksaan, dan kondisi yang membuat proses harus dikembalikan kepada manusia. Bukti ini menunjukkan kemampuan mengoperasikan sekaligus mengendalikan proses, bukan hanya mengenali nama alat.

Cocokkan aktivitas dengan perubahan permintaan kerja

Bandingkan peta pribadi dengan kata kerja dalam lowongan sasaran, seperti memvalidasi, mengoordinasikan, menyusun, menyetujui, atau menangani eskalasi. Cocokkan kata kerja itu dengan aktivitas dan bukti yang sudah dimiliki. Perubahan keluaran serta tanggung jawab dapat memberi sinyal yang lebih berguna daripada perubahan nama jabatan.

Permintaan perekrutan dapat berubah sebelum penghapusan jabatan terlihat luas. analisis Federal Reserve Bank of Dallas pada 1 September 2026 menemukan penurunan relatif lowongan pada pekerjaan yang tugasnya lebih dapat diotomatisasi; modelnya memperkirakan paparan otomatisasi GenAI mengurangi total iklan lowongan Lightcast di Texas sekitar 2,6% pada 2025. Temuan tersebut terbatas pada iklan daring dan komposisi industri Texas, bukan estimasi untuk Indonesia.

Dalam CV dan wawancara, ubah daftar alat menjadi bukti aktivitas: keluaran apa yang dipercepat, konteks apa yang ditambahkan, pemeriksaan apa yang dilakukan, dan keputusan apa yang tetap menjadi tanggung jawab Anda. Perbarui peta ketika alat, proses perusahaan, atau lowongan sasaran berubah, sebab risiko karier mengikuti komposisi tugas—bukan label jabatan yang dianggap permanen.

Baca juga:

• beehiiv atau Substack: biaya 10% mengubah pilihan saat newsletter tumbuh
• Admin plugin OpenAI bisa mengubah akses tim lewat percakapan
• Musik “bebas royalti” tetap bisa bermasalah—pilih lisensinya sebelum unggah