Bagaimana AI Mengubah Pekerjaan: Apa yang Sebenarnya Ditunjukkan Bukti

Oleh Victor Hoang · Diperbarui 22 September 2026

AI terukur mengubah tugas-tugas tertentu di dalam pekerjaan tertentu, bukan seluruh pekerjaan secara menyeluruh. Studi terkontrol menunjukkan peningkatan produktivitas yang nyata dalam konteks sempit (dukungan pelanggan, coding, penulisan) yang bervariasi menurut tingkat keterampilan dan kadang saling bertentangan. Adopsi di perusahaan tinggi; dampak finansial yang terukur tidak. Klaim jangka lebih panjang tentang hilangnya pekerjaan atau otomatisasi tugas adalah prakiraan dari peneliti bernama dengan metode yang dinyatakan, bukan fakta yang teramati, dan harus dibaca demikian.

Kebanyakan tulisan tentang AI dan pekerjaan jatuh ke dalam salah satu dari dua kegagalan: menganggap demo vendor sebagai bukti pergeseran pasar tenaga kerja, atau menganggap prakiraan firma konsultan seolah-olah sudah terjadi. Artikel ini memisahkan apa yang benar-benar telah diukur, dalam studi terkontrol dengan metode yang dipublikasikan, dari apa yang diprediksi orang, dan menyebutkan siapa yang membuat prediksi serta bagaimana caranya.

Fakta Utama

• Studi yang dipimpin Stanford terhadap 5.179 agen dukungan pelanggan menemukan bantuan AI generatif meningkatkan produktivitas rata-rata 14%, dengan kenaikan 34% untuk agen pemula dan nyaris tanpa efek bagi yang berpengalaman. NBER working paper 31161
• Uji coba terkontrol acak menemukan pengguna GitHub Copilot menyelesaikan tugas coding 55,8% lebih cepat daripada kelompok kontrol. arXiv 2302.06590
• Uji coba acak METR tahun 2025 terhadap pengembang open-source berpengalaman menemukan alat coding AI membuat mereka 19% lebih lambat pada tugas nyata, meskipun para pengembang yakin mereka 20% lebih cepat. METR, July 2025
• Studi di jurnal Science terhadap 453 profesional menemukan ChatGPT memangkas waktu tugas menulis sebesar 40% dan meningkatkan kualitas sebesar 18%, dengan keuntungan terbesar bagi penulis berkinerja lebih rendah. Science, DOI 10.1126/science.adh2586
• Survei State of AI 2025 dari McKinsey menemukan 88% organisasi menggunakan AI di setidaknya satu fungsi, tetapi hanya sekitar 6% yang melaporkan menggunakannya dengan cara yang menghasilkan nilai signifikan di seluruh perusahaan. McKinsey, State of AI
• Project NANDA dari MIT menemukan 95% pilot AI generatif di perusahaan yang diteliti tidak menunjukkan dampak laba-rugi yang terukur, meskipun belanja perusahaan mencapai puluhan miliar dolar. Fortune, August 2025
• Future of Jobs Report 2025 dari World Economic Forum memperkirakan 170 juta pekerjaan tercipta dan 92 juta tergeser pada 2030, selisih bersih 78 juta, berdasarkan survei pemberi kerja. WEF, January 2025
• Gartner memperkirakan lebih dari 40% proyek AI agentik akan dibatalkan pada akhir 2027 karena biaya, nilai yang tidak jelas, dan kontrol risiko yang lemah. Gartner via RCR Wireless

Apa Arti "AI Mengubah Pekerjaan" Sebenarnya

Singkirkan branding-nya, dan klaim di balik sebagian besar konten tentang AI dan pekerjaan sederhana saja: AI generatif yang bisa menyusun draf, merangkum, menulis kode, dan menjawab pertanyaan kini cukup murah dan cukup bagus sehingga orang memakainya di dalam pekerjaan nyata, bukan hanya dalam demo. Ada tiga lapisan terpisah yang dapat diuji di sini, dan mencampurkannya adalah awal dari kebanyakan analisis yang buruk.

Lapisan pertama adalah efek tingkat tugas: apakah tugas tertentu, yang dikerjakan dengan bantuan AI, menjadi lebih cepat, lebih baik, atau lebih murah? Lapisan ini memiliki bukti paling ketat, karena cukup kecil untuk dijalankan sebagai uji coba acak. Lapisan kedua adalah efek tingkat pekerjaan: apakah seluruh peran berubah bentuk, menyusut, atau lenyap? Ini lebih sulit diukur secara langsung dan sebagian besar disimpulkan dari data perekrutan dan lowongan kerja. Lapisan ketiga adalah efek tingkat ekonomi: lapangan kerja agregat, upah, produktivitas. Inilah lapisan tempat prakiraan bekerja, dan bukti langsungnya paling sedikit, karena pergeserannya masih awal dan data tertinggal bertahun-tahun.

Memisahkan lapisan-lapisan ini penting karena pernyataan yang benar di satu lapisan (AI membuat tugas coding ini 55% lebih cepat dalam sebuah uji coba) diregangkan menjadi klaim yang terdengar keliru di lapisan lain (AI menggantikan software engineer) tanpa ada yang menunjukkan bagaimana keuntungan tingkat tugas menjumlah menjadi keuntungan tingkat pekerjaan. Model tenaga kerja berbasis tugas dari ekonom David Autor adalah panduan paling jelas di sini: pekerjaan adalah kumpulan tugas, dan mengotomatiskan sebagian tugas biasanya mengubah sebuah pekerjaan alih-alih menghapusnya, setidaknya dalam jangka pendek.

Bukti Terukur: Apa yang Ditemukan Studi Terkontrol

Dukungan Pelanggan: Studi Call-Center Stanford

Studi empiris paling banyak dikutip tentang AI generatif dan pekerjaan garis depan berasal dari Erik Brynjolfsson, Danielle Li, dan Lindsey Raymond, diterbitkan sebagai NBER working paper dan terkait dengan Digital Economy Lab Stanford. Para peneliti melacak peluncuran bertahap asisten AI generatif kepada 5.179 agen dukungan pelanggan di sebuah perusahaan perangkat lunak, yang memberi mereka saran balasan secara real-time selama chat langsung.

Angka utamanya adalah kenaikan rata-rata 14% dalam isu yang diselesaikan per jam setelah agen mendapat akses ke alat tersebut. Namun rata-rata itu menyembunyikan temuan yang lebih menarik: agen pemula dan berketerampilan lebih rendah mengalami kenaikan produktivitas 34%, sementara agen paling berpengalaman nyaris tidak mendapat manfaat yang terukur. Agen hanya mengikuti saran alat itu sekitar 38% dari waktu rata-rata, pola human-in-the-loop di mana alat itu bekerja kurang seperti autopilot dan lebih seperti pelatih yang selalu tersedia yang bisa dipercaya atau dikesampingkan oleh agen. Studi ini juga menemukan sentimen pelanggan yang membaik dan retensi agen yang lebih tinggi, dan para penulis berargumen bahwa mekanismenya adalah model AI menyarikan pola percakapan agen-agen terbaik perusahaan lalu menyediakannya bagi semua orang lain secara real-time, versi dari kalibrasi kepercayaan yang pada akhirnya harus dipecahkan setiap alur kerja manusia-plus-AI.

Poin itu layak direnungkan. Ini bukan studi tentang AI yang menggantikan agen. Ini studi tentang AI yang menyempitkan kesenjangan antara performer terbaik dan terburuk perusahaan dengan mentransfer pengetahuan tacit yang dulu membutuhkan bertahun-tahun di lapangan atau mentor yang baik.

Coding: Dua Uji Coba, Dua Tahun Berbeda, Dua Jawaban Berbeda

Bukti coding adalah tempat "AI mengubah pekerjaan" benar-benar diperdebatkan: dua RCT yang kredibel menunjuk arah berlawanan, dan perbedaannya informatif, bukan kontradiksi yang bisa diabaikan begitu saja.

Sida Peng dan rekan penulis menjalankan RCT dengan pengembang yang diminta membangun server HTTP dalam JavaScript secepat mungkin. Kelompok perlakuan, yang memakai GitHub Copilot, selesai 55,8% lebih cepat daripada kelompok kontrol, dengan interval kepercayaan 95% antara 21% dan 89%. Pengembang yang kurang berpengalaman dan yang menulis kode lebih banyak jam per hari paling diuntungkan, kemiringan ke arah pekerja kurang berpengalaman yang sama dengan yang terlihat dalam studi dukungan pelanggan.

Lalu pada pertengahan 2025, kelompok riset nirlaba METR menjalankan RCT jenis lain: bukan tugas baru yang dirancang untuk mengisolasi satu variabel, melainkan pekerjaan nyata pengembang open-source berpengalaman pada codebase mereka sendiri, memakai alat berbasis model bahasa besar apa pun yang mereka pilih sendiri. Hasilnya: pengembang 19% lebih lambat dengan bantuan AI, bukan lebih cepat, padahal sebelumnya memprediksi AI akan mempercepat mereka 24% dan sesudahnya meyakini AI telah mempercepat mereka 20%. Kesenjangan antara keyakinan dan kenyataan yang terukur adalah temuan paling mencolok dari studi itu.

Keduanya bukan eksperimen yang sama, dan itulah intinya. Uji coba Peng mengukur tugas terbatas yang tidak familier, di mana AI menutupi kekurangan pengetahuan dasar. Uji coba METR mengukur pengembang berpengalaman yang mengerjakan pekerjaan familier dan berkonteks tinggi, di mana meninjau dan mengoreksi saran AI bisa memakan waktu lebih banyak daripada menulis kodenya langsung. Dibaca bersama, kedua studi menyiratkan bantuan coding AI paling efektif ketika menggantikan pengetahuan yang tidak dimiliki pengembang, dan bisa memperlambat para ahli ketika menggantikan pengetahuan yang sudah mereka pegang. Itu klaim yang lebih berguna dan dapat difalsifikasi daripada "AI membuat pengembang lebih cepat" maupun "AI membuat pengembang lebih lambat."

Penulisan dan Pekerjaan Pengetahuan: Eksperimen Noy dan Zhang

Shakked Noy dan Whitney Zhang menjalankan eksperimen acak dengan 453 profesional berpendidikan perguruan tinggi yang mengerjakan tugas menulis khusus bidang pekerjaan, separuhnya dengan akses ke ChatGPT, diterbitkan di Science pada 2023. Waktu yang dihabiskan untuk tugas turun sekitar 40%, dan penilaian independen atas kualitas output naik sekitar 18%. Peningkatan produktivitas sangat condong ke pekerja yang skornya paling rendah pada tugas tanpa bantuan AI, artinya alat ini mempersempit kesenjangan kinerja antara penulis kuat dan lemah, bukan memperlebarnya.

Studi ini juga mendokumentasikan sesuatu yang jarang disebut dalam prakiraan: yang sebenarnya digantikan ChatGPT adalah upaya pekerja pada penyusunan draf kasar, bukan penilaian pekerja. Waktu tugas bergeser ke pembangkitan ide, penyusunan struktur, dan penyuntingan, menjauh dari draf pertama di halaman kosong. Pekerja juga melaporkan kepuasan kerja yang lebih tinggi disertai kekhawatiran yang lebih besar tentang otomatisasi, pengingat berguna bahwa peningkatan produktivitas dan kecemasan pekerja bukan reaksi yang saling meniadakan terhadap alat yang sama.

Temuan Terukur Sekilas

Adopsi Tinggi. Dampak Terukur Tidak Merata. Kesenjangan Itu Punya Nama.

Jika studi tingkat tugas menunjukkan sesuatu yang nyata tetapi sempit, survei perusahaan menunjukkan sesuatu yang luas tetapi kabur, dan keduanya belum cocok dengan rapi.

McKinsey: Adopsi Tanpa Transformasi

Riset State of AI 2025 dari McKinsey menemukan 88% organisasi kini menggunakan AI secara rutin di setidaknya satu fungsi bisnis, naik dari 78% setahun sebelumnya. Namun laporan yang sama menemukan hanya sekitar sepertiga perusahaan yang telah beranjak dari pilot yang tersebar ke penggunaan berskala, dan sekitar 6% yang tergolong high performer sejati yang meraih nilai perusahaan signifikan dari AI. Secara terpisah, 47% organisasi melaporkan setidaknya satu konsekuensi negatif dari penggunaan AI generatif, baik kegagalan akurasi, masalah kepatuhan, maupun gangguan alur kerja, jenis kesenjangan yang ingin ditutup oleh program tata kelola AI. Dengan kata lain, adopsi telah melampaui pengawasan sekaligus hasil yang terukur bagi kebanyakan perusahaan, bahkan ketika adopsi mendekati universal pada tingkat "kami memakainya di suatu tempat".

MIT NANDA dan GenAI Divide

Versi paling mencolok dari kesenjangan ini datang dari Project NANDA milik MIT, yang laporan Juli 2025-nya meninjau lebih dari 300 penerapan AI publik, 52 wawancara terstruktur, dan 153 survei pemimpin. Temuan utamanya: meskipun belanja AI generatif perusahaan diperkirakan mencapai $30 hingga $40 miliar, 95% pilot tidak menghasilkan dampak laba-rugi yang terukur. Temuan yang lebih berguna ada di bawah judul itu. Membeli alat AI dari vendor spesialis berhasil kira-kira dua kali lebih sering daripada membangun AI kustom secara internal, dan imbal hasil terbesar yang terwujud muncul pada otomatisasi back-office yang tidak glamor, bukan pada kasus penggunaan penjualan dan pemasaran yang mendapat sebagian besar anggaran. Para peneliti membingkai hambatan utamanya sebagai "learning gap": alat yang tidak beradaptasi dengan konteks alur kerja tertentu jarang bertahan, apa pun kemampuan model di baliknya.

Dibaca bersama, McKinsey dan MIT NANDA menggambarkan fenomena yang sama dari sudut berbeda: adopsi yang luas dan dangkal yang belum menjadi transformasi yang dalam dan terukur. Itu bukan bukti bahwa AI tidak berfungsi; studi tingkat tugas di atas jelas menunjukkan bahwa AI bisa. Itu bukti bahwa kebanyakan perusahaan belum melakukan pekerjaan integrasi untuk mengubah alat yang mumpuni menjadi hasil yang terukur, jalan pintas yang digambarkan utang budaya AI, dan sejalan dengan cara kerja budaya AI-native membingkai memiliki alat versus menjalankannya dengan baik.

Apa yang Diklaim Prakiraan, Siapa yang Membuatnya, dan Bagaimana

Semua di atas adalah pengukuran: sesuatu terjadi, peneliti mencatatnya, dan metodenya dipublikasikan serta dapat diperiksa. Prakiraan adalah kategori yang sama sekali berbeda, dan dua prakiraan yang paling sering dikutip dalam tulisan tentang masa depan pekerjaan layak disebut sebagai klaim dengan penulis dan metode, bukan diulang sebagai fakta mapan.

WEF Future of Jobs: Survei Ekspektasi Pemberi Kerja

Future of Jobs Report 2025 dari World Economic Forum memproyeksikan 170 juta pekerjaan baru dan 92 juta peran tergeser pada 2030, selisih bersih 78 juta, dengan "disrupsi" pekerjaan (penciptaan ditambah pergeseran) menyentuh sekitar 22% pekerjaan saat ini. Ini dibangun dari survei pemberi kerja yang besar, bukan data ketenagakerjaan yang teramati, karena 2030 belum terjadi. Ini sinyal yang benar-benar berguna tentang apa yang diharapkan pemberi kerja dan sudah direncanakan. Ini bukan pengukuran atas apa yang telah dilakukan AI terhadap lapangan kerja, dan memperlakukan survei yang menatap ke depan sebagai hasil historis adalah kesalahan paling umum dalam liputan tentang masa depan pekerjaan.

Gartner: Skeptisisme terhadap AI Agentik dalam Skala Besar

Sementara itu, analis Gartner sendiri adalah sumber salah satu prakiraan paling skeptis yang banyak dikutip: bahwa lebih dari 40% proyek AI agentik akan dibatalkan sebelum akhir 2027, didorong biaya yang meningkat, nilai bisnis yang tidak jelas, dan kontrol risiko yang lemah. Anushree Verma dari Gartner menunjuk "agent washing", ketika chatbot dan alat otomatisasi yang sudah ada diberi label ulang sebagai agent otonom tanpa kemampuan baru di balik label itu, sebagai pendorong ekspektasi yang membengkak dan kemudian runtuh ketika bertemu persyaratan produksi. Prakiraan yang memprediksi kegagalan layak diperiksa seketat yang memprediksi keberhasilan: itu estimasi terinformasi dari analis yang memantau klaim vendor dengan cermat, bukan hasil yang sudah teramati siapa pun.

Apa yang Belum Ditunjukkan Bukti

Bersikap tepat tentang apa yang tidak kita ketahui sama pentingnya dengan mengutip apa yang kita ketahui. Riset di atas tidak menetapkan:

• Apakah peningkatan produktivitas tingkat tugas berujung pada kehilangan pekerjaan bersih, penambahan pekerjaan bersih, atau sebagian besar hanya penataan ulang cara pekerja yang ada menghabiskan waktu. Angka WEF adalah proyeksi berbasis survei, bukan hasil yang teramati.
• Apakah peningkatan produktivitas dalam studi terkontrol yang sempit bertahan sepanjang pekan kerja penuh, setahun penuh, atau pada pekerjaan yang kurang terskrip dibandingkan chat dukungan pelanggan atau tugas coding yang diberi batas waktu.
• Mengapa AI lebih membantu pemula daripada ahli di sebagian konteks (dukungan, penulisan) tetapi tampak memperlambat ahli di konteks lain (studi coding METR), selain teori yang masuk akal tetapi belum terbukti bahwa beban peninjauan lebih berarti ketika seseorang sudah memiliki keahlian yang hendak disuplai AI.
• Apakah kesenjangan saat ini antara adopsi AI yang tinggi dan nilai perusahaan terukur yang rendah adalah jeda integrasi sementara, seperti yang disiratkan pembingkaian MIT NANDA, atau batas yang lebih tahan lama atas apa yang bisa ditambahkan alat-alat ini tanpa perancangan ulang proses yang lebih dalam.

Ketidakpastian itu bukan alasan untuk menunggu dan melihat. Itu alasan untuk memperlakukannya seperti pertanyaan empiris lain yang belum tuntas: pantau studinya, bukan deck vendor, dan perbarui rencana Anda seiring tibanya bukti yang lebih baik, alih-alih terpaku pada angka berita bulan ini.

Menerapkan Bukti dalam Praktik

Kesimpulan praktis bagi siapa pun yang merencanakan headcount, perangkat, atau reskilling seputar AI adalah memilah setiap klaim yang Anda dengar ke dalam salah satu dari dua keranjang sebelum bertindak. Keranjang pertama: hasil terukur, dengan studi bernama, sampel yang dinyatakan, dan metode yang bisa Anda baca sendiri. Keranjang kedua: prakiraan, dengan peramal bernama dan metode yang dinyatakan tentang bagaimana ia sampai ke sana. Mencampuradukkan keduanya adalah sumber rencana yang salah, entah itu berinvestasi berlebihan berdasarkan survei niat atau berinvestasi kurang berdasarkan satu studi coding yang diperdebatkan. Organisasi yang saat ini berjalan baik, menurut McKinsey maupun MIT NANDA, memperlakukan adopsi AI sebagai masalah pengukuran yang berkelanjutan, bukan peluncuran sekali jalan, disiplin yang sama di balik membangun budaya yang siap AI dan tim manusia-agent yang berfungsi sehari-hari, bukan sekadar tampak bagus di slide.