Boom AI di Lembah Silikon telah memicu kepanikan luas tentang masa depan tenaga kerja manusia. Momen ini dijelaskan oleh esai viral eksekutif AI Matt Shumer yang membandingkan momen ini di pekerjaan kerah putih dengan Februari 2020, sebelum pandemi menghancurkan kehidupan Amerika.
Shumer memperingatkan bahwa pekerja kerah putih harus menyiapkan rencana cadangan sekarang, karena peristiwa mirip Covid akan datang untuk pekerjaan kerah putih. Hampir bersamaan, kepala AI Microsoft Mustafa Suleyman memberi waktu 18 bulan sebelum siapa pun yang bekerja dengan komputer akan kehilangan pekerjaan. Ini adalah kebangkitan ramalan kiamat yang sempat tenang. Misalnya, Dario Amodei dari Anthropic meramalkan AI akan menghapus separuh pekerjaan kerah putih tingkat pemula, sementara CEO Ford Jim Farley bilang AI akan menghapus separuh pekerjaan kerah putih.
Tanmai Gopal bilang prediksi mengerikan ini adalah contoh klasik orang Lembah Silikon yang memproyeksikan diri mereka, bahkan seperti narsis. Pendiri dan CEO PromptQL, perusahaan unicorn di Bay Area, mengatakan pada Fortune bahwa prediksi kiamat AI mengandung sedikit kebenaran tapi sangat berlebihan. “Itulah 100% yang terjadi di mana ada banyak orang… yang terjebak dalam siklus hype.” Gopal bilang komunitasnya di Lembah Silikon “merasakan kehebatan AI ini” tapi “kami memproyeksikannya ke bidang yang tidak kami pahami.”
“Ini seperti, oh, ini masalah untuk 7 miliar orang di planet ini, karena saya di Silikon Valley, jadi saya jelas tahu apa yang terbaik, kan?” Gopal juga bilang para sinis ada benarnya, karena prediksi kiamat ini muncul berbarengan dengan waktu pendanaan miliaran dolar untuk startup AI yang belum go public, memberikan alasan pendanaan yang mungkin tidak terbukti. Secara umum, dia menambahkan, “Orang teknologi… berpikir, ini mempengaruhi saya. Jadi akan mempengaruhi semua orang seperti itu.”
Sebenarnya, kata Gopal, itu tidak benar. Tapi untuk para pemrogram, bahkan insinyur perangkat lunak senior, yang terpapar “kehebatan” alat AI yang tersedia sekarang, orang-orang itu menghadapi perubahan paradigma.
Gangguan pekerjaan sebenarnya datang dari dalam lembah
Gopal berbicara ke Fortune beberapa minggu setelah “SaaSpocalypse” menghapus valuasi SaaS senilai $2 triliun, dengan investor menyadari, seperti kata Bank of America Research, bahwa AI adalah “pedang bermata dua” dan bukan murni keuntungan. AI bisa dengan mudah “memangsa” banyak bisnis, kata BofA, seperti perangkat lunak yang AI cukup canggih untuk menulisnya sendiri.
Para ekonom bingung dengan data yang kacau selama setahun terakhir, dengan ekonomi AS datar dalam produksi pekerjaan sementara juga menghadapi biaya tarif tinggi dan imigran yang jauh lebih sedikit masuk ke tenaga kerja. Beberapa pemikir AI, terutama Erik Brynjolfsson dari Stanford, melihat data dengan teliti dan melihat produktivitas benar-benar mulai naik di 2025. Menulis di op-ed Financial Times, Brynjolfsson mencatat laporan pekerjaan terbaru merevisi semua pertumbuhan pekerjaan 2025 turun jadi hanya 181.000, sementara perhitungannya sendiri memproyeksikan produktivitas 2,7% untuk tahun itu, versus rata-rata 1,4% dalam dekade terakhir. Tentu saja, ini mendukung teori penggantian AI, bahkan Gubernur Federal Reserve Michael Barr baru-baru ini memperingatkan bahwa jutaan orang bisa “pada dasarnya tidak dapat dipekerjakan” dalam waktu dekat.
Gopal bilang benar bahwa industri teknologi tanpa sengaja mengotomatisasi dirinya sendiri, mencapai era “baby AGI” khusus untuk pemrograman. Model AI terbaru memiliki penilaian dan selera seperti “insinyur perangkat lunak senior rata-rata,” kata Gopal. Dia menjelaskan bahwa rekayasa perangkat lunak standar sangat bergantung pada mengubah konteks bisnis yang mapan menjadi kode teknis dan karena AI unggul dalam penerjemahan ini, pemrograman telah menjadi domino besar pertama yang jatuh.
“Yang dulu kadang dianggap puncak… dari kerah putih adalah seperti rekayasa perangkat lunak tingkat tinggi,” catat Gopal. “Itu sudah tren selama 30 tahun terakhir dan saya senang melihat itu pergi.” Dia menjelaskan bahwa kegembiraannya berasal dari sifat robotik pekerjaan yang sudah mulai dilakukan robot dan apa yang dia lihat di lini depan perusahaannya, yang membantu perusahaan Fortune 500 membangun alat dan agen AI yang khusus untuk bisnis mereka.
“Apa yang telah kami lakukan selama setahun terakhir adalah… kami bekerja tepat di persimpangan itu,” kata Gopal, dan sebagian besar, dia menemukan bahwa “AI tidak berguna” karena butuh banyak konteks bisnis untuk menjadi efektif. “Orang-orang terus berpikir ini masalah teknis,” tapi sebenarnya tentang fakta sulit bahwa AI tidak bisa mengakses konteks bisnis yang ada di kepala orang dan belum diterjemahkan ke data — dan mungkin tidak pernah. “Orang-orang berpikir, ‘Oh, ini seperti lapisan semantik dan masalah data dan siapkan data Anda dan buat itu bekerja dan sebagainya,’ tapi masalah sebenarnya adalah data tidak ada untuk informasi paling berguna yang dibutuhkan AI. “Tidak ada yang menulis itu. Dan jika tidak ada yang menulis itu, Anda tidak bisa melatih AI untuk itu.”
Paradoksnya bagi seorang eksekutif AI, Gopal bilang bisa dibilang, banyak bisnis ada yang AI tidak bisa dilatih untuknya, “karena ini bisnis kehidupan nyata yang bergerak.” Orang nyata yang memiliki percakapan dan terus memperbarui konteks bisnis akan selalu selangkah lebih maju dari mesin, jelasnya. “Apakah Anda akan melatih ulang untuk satu percakapan individu itu untuk satu hari?” tanyanya, dan kemudian melatih ulang secara terus-menerus setiap kali konteks bisnis Anda berubah?
Gopal setuju dengan pewawancaranya bahwa jurnalisme adalah contoh profesi yang bisa menolak otomatisasi, karena pembaca tertarik pada wawasan manusia, sumber mendalam, dan analisis ke depan, hal-hal yang tidak mudah direproduksi AI. Dia juga menyebutkan sales, pemasar, dan staf operasi sebagai contoh lain. Menurut pandangan dia, orang-orang di lapangan yang harus ambil keputusan waktu nyata itu secara alami akan terlindungi.
Gopal bukan satu-satunya eksekutif yang sadar bahwa AI butuh manusia untuk diterapkan biar bisa berfungsi. Tatyana Mamut, mantan eksekutif Salesforce dan Amazon Web Services yang sekarang menawarkan layanan pemantauan agen AI lewat startup-nya Wayfound.AI, bilang ke Fortune bahwa “kita harus berhenti bicara tentang AI seperti alat. Ini bukan alat, ya kan? Ia tidak seperti palu.” Menurut dia, AI lebih mirip palu “yang bisa berpikir sendiri, bisa mendesain rumah, bisa bangun rumah lebih baik daripada kebanyakan pekerja di industri konstruksi.” Tapi, AI tetap perlu dikasih lihat rencana pembangunannya.
Dalam konteks bisnis, Mamut ngomong dia pikir “sangat sedikit” orang yang bener-bener paham cara membuat ini bekerja dengan AI. “Kamu butuh alat dan mekanisme yang nyata untuk menangkap pembelajaran kontekstual itu.” Perusahaan dengan merek, sistem, dan proses berbeda punya konteks yang beda-beda yang harus ditangkap oleh AI, kata dia. Dia memperkirakan perusahaan SaaS yang pintar akan beralih ke area ini. Daripada software-as-a-service, layanan ahli akan disampaikan lewat agen dengan penangkapan konteks yang tepat.
Gopal pesimis tentang seberapa banyak konteks ini bisa ditangkap. Dia perkirakan 70% usaha yang dibutuhkan untuk membuat AI berguna sepenuhnya bergantung pada konteks bisnis tidak tertulis yang cuma ada di kepala manusia. “Pada dasarnya kamu tidak bisa melatih sebuah sistem” tentang realitas harian yang selalu berubah ini, jelas Gopal. Dia mencatat bahwa bisnis di kehidupan nyata terus berubah berdasarkan percakapan individu dan interaksi manusia. Sementara AI bisa mengotomatisasi tugas di level paling atas (pemrograman) dan paling bawah (robotika fisik), sebagian besar area tengah pekerjaan pengetahuan membutuhkan konteks manusia.
Ed Meyercord sudah menerapkan proses pembelajaran mesin selama lebih dari satu dekade di Extreme Networks, perusahaan jaringan yang mendukung stadion sepak bola dan bisbol profesional serta menghasilkan pendapatan lebih dari $1 miliar. Dia bilang ke Fortune dalam wawancara baru-baru ini bahwa dia melihat dinamika serupa dengan pandangan Gopal dari sisi operator. Timnya sudah pakai agen untuk mendesain jaringan, mendeteksi kegagalan sebelum terjadi, dan bahkan berkomunikasi dengan agen lain di sistem seperti ServiceNow. Tapi dia tegaskan bahwa selalu ada manusia dalam prosesnya untuk meninjau pekerjaan ketika yang dipertaruhkan adalah infrastruktur kritis.
“Jaringan adalah infrastruktur kritis, jadi kita harus tepat,” kata Meyercord. Extreme sudah membangun inti agen ke dalam platformnya, tambah dia, “tapi pada dasarnya itu memungkinkan kita untuk menjadi sangat, sangat akurat.” Karena akurasi itu sangat penting, “kami selalu ingin ada manusia dalam prosesnya, menunjukkan semua pekerjaan yang kami lakukan.”
Seperti Gopal, Meyercord bilang dia tidak percaya AI bisa begitu saja “mengambil pekerjaan kita” sepenuhnya; peran manusia bergeser dari melakukan setiap tugas secara manual menjadi mengatur agen, mengumpulkan konteks yang tepat, dan memutuskan masalah mana yang harus ditujukan ke mesin. Dia bilang pekerjaannya sebagai CEO, dalam banyak hal, adalah dikelilingi spesialis “yang jauh lebih pintar dari saya” sambil menggunakan AI sebagai rekan tim yang super cepat, bukan pengganti.
Di sisi lain, apapun yang bisa diotomatisasi sudah rentan terhadap AI, kata Gopal, sambil mengangguk ke “SaaSpocalypse” di pasar yang sedang menghukum saham software-as-a-service, asuransi, manajemen kekayaan, dan layanan pelanggan. Menjelang akhir tahun, kata dia, ini akan lebih terlihat dalam valuasi perusahaan, karena robot mengerjakan segala hal yang tidak membutuhkan konteks bisnis. Hal yang menarik, tambahnya, adalah apa artinya ini bagi pekerjaan.
**Pergeseran Pekerja Kerah Putih**
Hubungan simbiosis antara pekerja manusia, yang punya konteks bisnis, dan AI, yang bisa bekerja lebih cepat dan bahkan lebih cerdas tapi kekurangan masukan, akan mendefinisikan masa depan pekerjaan kerah putih yang sudah diperingatkan Shumer, menurut Gopal. “Kamu harus memilih dan memilah konteksnya dan kamu harus terus menangkap konteksnya, ya kan? Dan saya pikir itulah pergeseran bagi pekerja kerah putih rata-rata, bahwa mereka harus paham.”
Gopal menceritakan sebuah anekdot dari timnya, yang merasa frustrasi dengan seorang insinyur perangkat lunak biasa-biasa saja sekarang mereka punya alat coding AI. “Kami kayak, ‘Ya ampun, lebih mahal ngobrol sama kamu daripada ngerjain sendiri. Ertiin apa yang perlu dibangun di produk lebih lama daripada saya langsung bikin pakai AI sambil lalu.'” Waktu yang dipakai untuk bicara dengan insinyur yang biasa saja itu bisa dipakai untuk mengelola output AI, tambah dia. Dia ibaratkan ini seperti setiap karyawan punya co-founder teknis pribadi di samping mereka setiap saat, yang memungkinkan mereka menghasilkan 20 kali lebih banyak pekerjaan.
Meyercord setuju, bilang bahwa lulusan ilmu komputer tidak butuh keahlian yang sama seperti dulu, tapi mereka “akan butuh keahlian yang berbeda.” Dia bilang dia sudah mulai melihat keahlian baru berkembang, belum tentu semua lulusan seni liberal yang terlatih dalam berpikir kritis, tapi lebih pada rasa “orang-orang yang membantu kita berkembang.” Dia butuh orang yang bisa mendelegasikan kerja ke agen AI, bicara dengan agen, memeriksa pekerjaan mereka, dan mengawasi alur kerja. Kedengarannya sangat mirip dengan yang Gopal perkirakan.
Pekerjaan manusia harus berevolusi untuk memberikan masukan yang tepat ke agen AI yang akan menggerakkan bisnis, prediksi Gopal, dan dia kasih nama untuk itu. “Tugas kita sebagai manusia adalah kita sekarang jadi pengumpul konteks, bukan cuma pekerja.” Kebanyakan orang menganggap ini hal biasa sampai sekarang, kata dia, karena mereka tidak punya agen AI untuk bekerja bersama. “Apa yang membuat kita baik dalam pekerjaan, yang memberi kita promosi, dan yang membuat kita lebih berdampak sebenarnya adalah kemampuan untuk mengumpulkan konteks. Itulah yang membuat kita hebat.”
Satu-satunya orang yang benar-benar perlu takut kehilangan pekerjaan, Gopal peringatkan, adalah mereka yang “menolak untuk berkembang” dan menyangkal realitas baru ini. Kalau pekerja sehari-hari tidak pakai alat-alat ini, mereka bisa kehilangan kekuatan ekonomi ke segelintir orang yang paham teknologi. Ini bisa bikin kesenjangan kaya yang sangat buruk. Tapi buat yang mau beradaptasi, masa depannya sangat cerah.
“Saya kira AI tidak akan datang dan mengambil pekerjaan kita,” kata Gopal. “Itu bahkan tidak mungkin.”
Meyercord bilang bisnisnya masih tumbuh, dan menurutnya cerita soal AI menghilangkan pekerjaan itu tidak melihat hal besar. “Di satu sisi, kamu bisa lakukan lebih banyak dengan sedikit sumber daya,” katanya. “Atau bisa lakukan lebih banyak dengan jumlah pekerja yang sama. Atau kamu bisa lakukan jauh lebih banyak dengan sedikit tambahan, kan?”
Kalau kamu rekrut pengumpal konteks yang tepat, bisnismu bisa benar-benar berkembang. “Ini seperti, bagaimana kamu memikirkan apa yang ingin dicapai? Kami ingin melakukan jauh lebih banyak.”