Banyak orang takut bahwa kecerdasan buatan (AI) akan menyebabkan masa pertumbuhan tanpa lapangan kerja. Namun, David Solomon, Ketua dan CEO Goldman Sachs, tidak setuju dengan pikiran pesimis ini. Dia berbicara di bulan Januari, saat terjadi lonjakan investasi besar-besaran untuk infrastruktur AI. Solomon bersikeras bahwa pasar tenaga kerja tidak akan mengalami bencana.
“Saya tidak termasuk yang percaya kiamat pekerjaan,” kata Solomon di podcast Goldman Sachs Exchanges. Dia menolak cerita bahwa gelombang teknologi saat ini adalah ancaman besar bagi pekerjaan manusia.
Dia mengakui pasar tenaga kerja terlihat rapuh dibandingkan pertumbuhan ekonomi baru-baru ini. Tapi, menurutnya, gangguan ini adalah bagian normal dari kehancuran kreatif, bukan sesuatu yang unik secara struktur.
“Teknologi selalu mengganggu pekerjaan, mengubah cara orang bekerja, menghilangkan pekerjaan, dan memaksa ekonomi yang dinamis untuk menciptakan pekerjaan baru selama puluhan tahun,” katanya. “Kali ini tidak berbeda,” ujarnya.
Dia menyebut penelitian dari Kepala Ekonom Goldman Sachs, Jan Hatzius. Meski gangguan jangka pendek tidak terhindarkan karena kecepatan perubahan, tidak ada bukti bahwa tingkat pengangguran jangka panjang akan lebih tinggi secara struktur.
Membayangkan ulang perusahaan: Satu GS 3.0
Solomon menerapkan filosofi ini ke banknya sendiri. Dia merinci inisiatif baru bernama “One GS 3.0.” Ini bukan strategi untuk memecat karyawan. Solomon menjelaskan program ini sebagai usaha untuk “membayangkan ulang” enam proses inti—seperti proses penerimaan klien baru dan “kenali nasabah Anda” (KYC)—melalui otomatisasi dan desain ulang yang mendasar.
“Kami pikir [proses-proses ini] bisa sangat diuntungkan dari pendekatan baru dan otomatisasi,” katanya, “karena teknologi yang ada sekarang memungkinkan kita melakukan dengan cara yang berbeda.”
Menurut Solomon, tujuan integrasi AI di Goldman Sachs bukan mengurangi jumlah karyawan, tapi memperluas kapasitas. “Jika kita berhasil, saya rasa ini tidak akan secara signifikan mengurangi jumlah karyawan kita,” kata Solomon. Sebaliknya, peningkatan efisiensi akan memberikan “kapasitas untuk berinvestasi dalam pertumbuhan” yang sebelumnya tidak dimiliki perusahaan karena keterbatasan.
Tapi, sang CEO mengakui transisi ini sulit. Karyawan cepat mengadopsi alat produktivitas yang membuat mereka “lebih pintar,” tapi mengubah total alur kerja lama seperti KYC lebih berat. “Mengubah proses di perusahaan besar adalah kerja keras. Dan ini butuh waktu,” peringatnya, mencatat bahwa gesekan ini melibatkan perubahan mendasar pada “modal manusia yang kita gunakan di sekitar proses itu.”
Komentar Solomon ini sejalan dengan penelitian terbaru dari profesor Wharton, Peter Cappelli. Dia berkata kepada Fortune awal bulan ini bahwa adopsi AI tidak murah, tidak mudah, dan bukan jaminan untuk mengurangi jumlah karyawan. Dalam satu kasus, perusahaan bernama Ricoh mengadopsi AI dan bisa mencapai tiga kali lipat produktivitas. Tapi butuh satu tahun untuk mencapai titik impas karena biaya operasional bulanan $200.000 dan biaya konsultan awal $500.000.
“Ini tidak murah [dan] butuh waktu yang sangat lama untuk melakukannya,” kata Cappelli.
Penyemangat realitas tentang kecepatan
Meski optimis jangka panjang, Solomon memberikan prediksi yang lebih hati-hati untuk tahun 2026 tentang kecepatan adopsi AI di dunia korporat. Dia membantah ide bahwa tema AI “kehilangan tenaga”—menyebutnya “teknologi yang luar biasa”—tapi dia memprediksi kemungkinan penyesuaian ulang ekspektasi di tahun depan.
“Ini akan terus berakselerasi,” prediksi Solomon. “Laju investasi modal akan berlanjut. Apakah permintaan dan penyerapan untuk daya komputasi akan secepat yang diharapkan orang sekarang, dan apakah perusahaan bisa mengimplementasikannya dengan cepat seperti yang sekarang diharapkan, saya pikir di sinilah kita mungkin melihat penyesuaian ulang selama tahun ini.”
Suatu waktu di tahun 2026, tambah Solomon, mungkin akan ada kesadaran umum bahwa menerapkan AI di perusahaan akan lebih sulit dari yang awalnya dipikirkan orang. Akibatnya, implementasinya mungkin akan “lebih lambat dari yang sekarang dipikirkan orang” karena perusahaan bergulat dengan kompleksitas integrasi.
Di hari pertama pertemuan tahunan Forum Ekonomi Dunia di Davos, Swiss, CEO Microsoft Satya Nadella menyuarakan nada yang mirip. Cerita AI bisa saja berubah menjadi gelembung, akui Nadella untuk pertama kalinya, dan ini sedikit atau tidak ada hubungannya dengan perusahaan teknologi.
“Tanda yang jelas jika ini adalah gelembung adalah jika yang kita bicarakan hanya perusahaan teknologi,” kata Nadella kepada ketua bersama sementara WEF, Larry Fink. “Jika yang kita bicarakan hanya apa yang terjadi di sisi teknologi, maka itu murni hanya sisi penawaran.” Adopsi harus luas dan sukses dari sisi permintaan, argumennya, mirip dengan revolusi komputasi tahun 1980-an.
“Kita menciptakan seluruh kelas hal yang disebut pekerja pengetahuan, di mana orang mulai benar-benar menggunakan komputer untuk memperkuat apa yang ingin kita capai menggunakan perangkat lunak,” katanya. “Saya pikir dalam konteks AI, hal yang sama akan terjadi.”
Komentar Solomon muncul di tengah “lonjakan investasi modal yang besar karena infrastruktur AI,” yang dia identifikasi sebagai pilar utama dari kondisi makro yang mendukung untuk tahun 2026. Dia mengatakan dia tetap optimis pada peningkatan produktivitas yang akan diberikan AI, tidak hanya di keuangan, tapi di seluruh sektor seperti layanan kesehatan.
“Saya pikir peluangnya sedang berkembang, bukan menyusut saat ini,” simpul Solomon. Dia menunjuk pada potensi teknologi untuk mengubah hasil dalam pengobatan penyakit dan kanker sebagai alasan untuk tetap optimis tentang “periode berorientasi pertumbuhan” yang telah dimasuki ekonomi global.
Dalam hal ini, Solomon terdengar seperti CEO Nvidia Jensen Huang. Wawancara Huang sendiri di Davos dengan Fink juga menolak ketakutan akan gelembung AI, dengan latar belakang “pembangunan infrastruktur terbesar dalam sejarah manusia.” Huang berargumen industri AI adalah “kue lima lapis” yang membutuhkan penemuan ulang industri total. Lapisan paling bawah adalah energi, dan lapisan kedua adalah chip seperti GPU Nvidia. Berikutnya adalah infrastruktur cloud, model, dan aplikasi. Peluang berkembang jika kamu percaya pada struktur kue lapis baru ini, seperti yang jelas dipercaya Solomon dan Huang.
Halo semua! Saya ingin share tentang teknologi baru yang bagus untuk kita pelajari. Teknologi ini bisa bantu kita dalam pekerjaan tiap hari. Menurut saya, kita sebaiknya mulai memakai alat-alat ini supaya kerja kita jadi lebih mudah dan cepat.
Apa pendapat kalian tentang ide ini? Mungkin ada yang sudah pernah coba? Saya sangat tertarik untuk dengar pengalaman kalian.