Peran Mana yang Sebenarnya Dieliminasi AI di Perusahaan Mid-Market (dan Mana yang Diciptakan)

Headline dirancang untuk membuat Anda cemas. "AI akan mengeliminasi 300 juta pekerjaan." "Robot akan mengambil pekerjaan kerah putih." CEO meneruskan artikel-artikel ini ke CHRO mereka pada pukul 11 malam, dan pada hari Senin ada satuan tugas.

Tapi inilah yang hampir tidak pernah diceritakan headline tersebut: kisah perpindahan pekerjaan di perusahaan 200 orang sama sekali tidak seperti kisah di JPMorgan atau Amazon. Perusahaan enterprise raksasa memiliki anggaran untuk mencabut seluruh departemen dan membangun kembali dengan infrastruktur AI. Perusahaan mid-market (segmen 50 hingga 500 karyawan) beroperasi secara berbeda. Mereka tidak bisa menyerap gangguan pada skala itu. Dan mereka tidak perlu melakukannya.

Apa yang mereka butuhkan adalah gambaran jernih tentang peran mana yang sebenarnya menyusut di ukuran mereka, peran baru mana yang muncul di perusahaan yang maju dalam AI seperti milik mereka, dan bagaimana matematika net-nya terlihat untuk perencanaan headcount selama 18 bulan ke depan.

Itulah yang dibahas dalam tulisan ini.

Narasi Perpindahan Tidak Lengkap

Sebagian besar penelitian AI workforce didasarkan pada data enterprise besar dan ekonomi secara keseluruhan. Laporan Future of Jobs 2025 World Economic Forum memproyeksikan 170 juta peran baru yang diciptakan dan 92 juta yang dipindahkan secara global pada 2030 — net positif 78 juta pekerjaan. Tapi agregat itu menyembunyikan masalah timing: eliminasi seringkali terjadi lebih cepat dari penciptaan, dan peran baru memerlukan skill yang berbeda dari yang hilang.

Untuk perusahaan mid-market, kisah perpindahan lebih spesifik dan lebih dapat ditindaklanjuti dari yang disarankan angka makro. Peran yang paling rentan bukan "semua pekerjaan administratif." Mereka adalah fungsi tertentu dalam struktur tim tertentu. Dan peran yang sedang diciptakan bukan posisi "berkaitan AI" yang samar. Mereka muncul dalam org chart nyata sekarang.

Yang Sebenarnya Dieliminasi

Di perusahaan 200 orang, ini adalah fungsi yang paling terlihat menyusut pada 2025-2026:

Entri data dan pembuatan laporan. Yang satu ini sebagian besar sudah selesai. Perusahaan yang belum mengotomasi entri data rutin (pembaruan CRM, pemrosesan faktur, pencatatan inventaris) sudah tertinggal. Timeline untuk peran entri data manual yang tersisa di perusahaan mid-market adalah 12-18 bulan. Tools seperti Rework, fitur AI HubSpot, dan platform otomasi workflow telah menutup kesenjangan terakhir. Ini bukan peran yang akan berkembang; ini peran yang akan berakhir.

Customer support lini pertama. Ini lebih bernuansa dari yang terlihat. Support Tier-1 — reset password, query status pesanan, pemecahan masalah dasar — sedang ditangani oleh AI agent dengan kecepatan yang meningkat. Tapi penyusutannya tidak selalu merupakan pengurangan headcount. Yang lebih sering terjadi adalah tim support tetap berukuran sama sambil menangani volume 3 kali lebih banyak, dengan tugas lini pertama diserap oleh AI dan rep manusia menangani eskalasi dan kasus kompleks. Tim support 10 orang tidak menjadi tim 5 orang; itu menjadi tim 10 orang yang melakukan pekerjaan yang sebelumnya membutuhkan 30 orang.

Peran analis mid-level yang mengagregasi daripada menginterpretasi. Ini adalah pergeseran yang lebih halus dan lebih konsekuensial. Perusahaan secara tradisional mempekerjakan analis — di keuangan, operasi, marketing, sales — yang fungsi utamanya adalah mengambil data dari berbagai sumber, membuat laporan, dan mempresentasikan ringkasan. Lapisan agregasi itu kini diotomasi. Yang tetap bernilai adalah pekerjaan interpretatif: menerapkan pertimbangan, mengidentifikasi anomali, membuat rekomendasi berdasarkan konteks yang tidak bisa diakses AI sepenuhnya. Peran yang 80% agregasi dan 20% interpretasi berisiko. Peran yang kebalikannya tidak.

Sebuah perusahaan manufaktur di Ohio dengan 180 karyawan mengurangi headcount analis keuangan dari empat menjadi dua pada 2024 — bukan melalui PHK, tapi melalui attrisi dan redefinisi peran. Dua analis yang tersisa kini menghabiskan waktu mereka untuk pemodelan forward-looking dan pelaporan tingkat board, pekerjaan yang sebelumnya mengambil 20% waktu mereka.

Peran koordinasi administratif tertentu. Koordinator penjadwalan, pengatur perjalanan, manajer logistik rapat: peran yang ada terutama untuk mengelola kalender dan logistik di seluruh tim menjadi redundan karena asisten AI menangani ini secara native. Ini sudah terjadi di perusahaan SaaS mid-market. Sebuah perusahaan software B2B 120 orang di Austin mengeliminasi peran executive assistant tahun lalu, mendistribusikan kembali penjadwalan ke konfigurasi asisten AI masing-masing eksekutif.

Yang Sedang Diciptakan

Peran baru tidak hipotetis. Mereka muncul dalam posting pekerjaan dan org chart di perusahaan mid-market yang maju dalam AI sekarang.

AI Ops Manager. Peran ini memiliki stack tool AI perusahaan — pengadaan, konfigurasi, integrasi, governance, dan adopsi. Ini sebagian IT, sebagian operasi, sebagian change management. Di perusahaan 150 orang, ini biasanya individu tunggal, seringkali dipromosikan dari dalam operasi atau IT. Peran ini tidak ada tiga tahun lalu. Sekarang ada di job board di perusahaan dengan hanya 80 karyawan. Untuk lebih lanjut tentang tampilan rekrutan ini dalam praktiknya, lihat Seperti Apa Rekrutan AI Ops Manager Pertama di Perusahaan 100 Orang. Stack tool AI yang digunakan perusahaan mid-market membantu menginformasikan tool mana yang perlu dimiliki peran ini.

Revenue AI Analyst. Ini adalah peran hybrid yang muncul khususnya dalam organisasi CRO. Ini berada di persimpangan sales operations, data science, dan tool AI — bertanggung jawab untuk membangun dan memelihara model pipeline yang dibantu AI, mengoptimalkan konfigurasi lead scoring, dan menerjemahkan insight yang dihasilkan AI ke dalam coaching tingkat rep. Perusahaan SaaS 250 orang dengan tim sales 40 orang mungkin memiliki satu atau dua orang dalam fungsi ini. Mereka bukan analis data tradisional, dan mereka bukan sales ops tradisional. Mereka adalah sesuatu yang baru. Matriks skill AI adalah tool yang berguna untuk mendefinisikan apa yang sebenarnya perlu diketahui peran ini.

Lead integrasi AI yang tertanam dalam tim fungsional. Daripada memusatkan semua keahlian AI di fungsi IT atau ops, perusahaan mid-market terdepan menyematkan individu yang fasih AI langsung ke sales, keuangan, marketing, dan customer success. Ini bukan ahli AI dalam pengertian teknis — mereka adalah ahli domain yang telah mengembangkan cukup AI fluency untuk mengidentifikasi peluang workflow, menguji tool, dan melatih rekan-rekan mereka. Tim sales 15 orang mungkin memiliki satu rep "fasih AI" yang memiliki penggunaan tool sales AI tim dan melapor ke VP of Sales tentang adopsi dan outcomes.

Prompt engineer dan workflow architect. Peran ini lebih umum di perusahaan yang telah membangun integrasi AI kustom — seringkali menggunakan platform seperti Make, Zapier, atau koneksi API langsung ke OpenAI atau Anthropic. Mereka bukan posisi penuh waktu di kebanyakan perusahaan mid-market. Tapi mereka muncul sebagai tanggung jawab paruh waktu, peran kontrak, dan target upskilling internal. Penelitian Gartner tentang peran AI yang muncul mendokumentasikan bagaimana posisi AI lintas fungsi ini melembaga di berbagai ukuran perusahaan.

Peta Transisi Peran

Inilah bagaimana ini bermain di tingkat pekerjaan untuk perusahaan 200 orang:

Peran Lama Trajektori Peran Baru / Evolusi
Spesialis Entri Data Dieliminasi (12-18 bulan) Tidak ada, diserap oleh otomasi
Rep Support Lini Pertama Distrukturisasi Spesialis Support yang Ditingkatkan AI
Analis Keuangan Mid-Level Menyusut Analis Senior (fokus interpretatif)
Koordinator Penjadwalan Dieliminasi Tidak ada, diserap oleh asisten AI
Analis Marketing (pelaporan) Menyusut Growth Analyst (strategi + pengujian)
Analis Sales Operations Berkembang Revenue AI Analyst
IT Admin (manajemen tool) Berkembang AI Ops Manager
T/A Baru Lead Integrasi AI (tertanam)

Pola di sini bukan hanya eliminasi murni. Ini kompresi dan elevasi. Peran yang ada untuk menangani volume menyusut. Peran yang memerlukan pertimbangan, konteks, dan koordinasi lintas fungsi tumbuh atau diciptakan dari nol.

Matematika Net Headcount

Apakah perusahaan mid-market akan berakhir dengan lebih banyak atau lebih sedikit karyawan setelah transisi ini?

Jawaban jujurnya adalah: itu tergantung pada trajektori pertumbuhan, industri, dan seberapa agresif perusahaan mengadopsi tool AI. Tapi data agregat memberikan beberapa panduan.

Penelitian workforce McKinsey 2025 menunjukkan bahwa perusahaan yang secara aktif mengintegrasikan AI ke dalam operasi tumbuh headcount dengan kecepatan yang kira-kira sama dengan sebelum adopsi AI, tapi dengan komposisi yang berbeda. Mereka merekrut lebih sedikit peran administratif dan pemrosesan data dan lebih banyak peran yang berfokus pada pertimbangan, hubungan pelanggan, dan manajemen AI. Analisis LinkedIn tentang lonjakan permintaan skill AI di 2026 menunjukkan pergeseran ini terjadi dalam posting pekerjaan nyata di setiap sektor industri utama.

Untuk perusahaan mid-market dalam fase pertumbuhan (misalnya, scaling dari 150 menjadi 250 karyawan selama 24 bulan), adopsi AI tidak berarti merekrut 100 orang lebih sedikit. Kemungkinan besar itu berarti komposisi dari 100 rekrutan tersebut bergeser. Lebih sedikit koordinator dan analis junior. Lebih banyak spesialis domain yang fasih AI dan lead integrasi tertanam.

Untuk perusahaan mid-market dalam fase stabil atau sensitif biaya, matematikanya berbeda. Adopsi AI dapat memungkinkan output yang sama dengan 10-20% lebih sedikit peran administratif dan agregasi. Apakah itu mengarah pada pengurangan atau penempatan ulang tergantung pada pilihan kepemimpinan, bukan keniscayaan teknologi.

Framework Keputusan Eksekutif

Sebelum membuat keputusan workforce apa pun berdasarkan asumsi AI (baik rekrutmen, restrukturisasi, atau pemotongan), ajukan tiga pertanyaan ini:

1. Apakah peran ini terutama tentang volume atau pertimbangan? Peran yang ada untuk menangani volume (pemrosesan data, pembuatan laporan, penjadwalan, support lini pertama) adalah peran yang paling cepat digantikan AI. Peran yang ada untuk menerapkan pertimbangan dalam konteks (menginterpretasikan data, mengelola hubungan, bekerja melalui ambiguitas) jauh lebih tahan lama. Jika Anda tidak bisa menjawab pertanyaan ini dengan jelas untuk peran tertentu, Anda mungkin tidak cukup memahami peran tersebut untuk merestrukturisasinya.

2. Apa trajektori otomasi 18 bulan untuk fungsi ini? Tidak semua adopsi AI terjadi pada kecepatan yang sama. Otomasi customer support bergerak lebih cepat dari pemodelan keuangan yang dibantu AI. Otomasi entri data sebagian besar sudah selesai; perencanaan strategis yang dibantu AI masih dalam tahap awal. Bangun perencanaan workforce Anda berdasarkan timeline yang realistis, bukan skenario terburuk. Ini sangat penting untuk kesenjangan skill AI yang salah diframing eksekutif — keputusan terburu-buru berdasarkan timeline yang dilebih-lebihkan menyebabkan sebanyak kerusakan seperti komplacency.

3. Peran baru apa yang dimungkinkan oleh otomasi ini? Setiap kali AI menyerap fungsi, itu menciptakan kapasitas. Pertanyaannya adalah apakah Anda merencanakan untuk menangkap kapasitas tersebut dalam peran baru bernilai lebih tinggi atau hanya mencatatnya sebagai penghematan biaya. Perusahaan yang melakukannya dengan benar memikirkan kedua sisi persamaan secara bersamaan. Lihat bagaimana perusahaan mid-market terkemuka menunjuk eksekutif AI untuk memiliki transisi ini: CAIO Bukan Tren Sesaat.

Seperti Apa Org Chart dalam 18 Bulan

Perusahaan mid-market yang menavigasi ini dengan baik tidak mengeliminasi pekerjaan secara keseluruhan. Mereka mendefinisikan ulangnya. Dan mereka melakukannya melalui kombinasi manajemen attrisi, redesain peran, dan upskilling yang disengaja — bukan restrukturisasi reaktif yang didorong oleh ketakutan akan terlihat lambat.

Inilah yang berbeda dalam org chart perusahaan mid-market yang maju dalam AI:

Lebih sedikit peran spesialis tersilo yang ada hanya untuk memindahkan informasi antar sistem. Lebih banyak operator generalis yang menggunakan tool AI untuk menangani apa yang sebelumnya memerlukan tiga spesialis berbeda. Fungsi AI governance dan ops yang didedikasikan, meskipun hanya satu orang. Dan AI fluency tertanam di setiap tim yang berhadapan dengan pendapatan.

Perusahaan yang kesulitan adalah yang memperlakukan transformasi AI workforce sebagai proyek IT atau latihan pemotongan biaya. Yang berhasil memperlakukannya sebagai pertanyaan desain organisasi: seperti apa perusahaan kami perlu terlihat untuk bersaing di 2027, dan apa yang perlu kami bangun, rekrut, dan definisikan ulang untuk sampai ke sana?

Itu pertanyaan yang berbeda dari "pekerjaan mana yang akan dieliminasi AI." Dan itu pertanyaan yang tepat untuk diajukan.

Pelajari Lebih Lanjut