Ada singkatan baru yang mengubah cara pekerja berpikir tentang karir mereka: FOBO — Fear of Becoming Obsolete (Takut Menjadi Usang). Berbeda dengan rasa tidak aman kerja tradisional, FOBO bukan tentang dipecat. Tapi tentang menjadi tidak relevan. Empat dari 10 pekerja sekarang menyebut kehilangan pekerjaan karena AI sebagai salah satu ketakutan utama mereka — jumlahnya hampir dua kali lipat dalam satu tahun, menurut KPMG. Enam puluh tiga persen mengatakan AI akan membuat tempat kerja terasa kurang manusiawi. Tuntutan keterampilan dalam peran yang terpapar AI bergeser 66% lebih cepat dibanding setahun lalu. Pada 2026, FOBO menjadi kondisi psikologis yang mendefinisikan tempat kerja Amerika.
Setelah Dario Amodei, CEO Anthropic, tahun lalu mengklaim AI bisa menghapus 50% posisi kerah putih tingkat pemula dalam lima tahun, dia diikuti dalam beberapa bulan oleh CEO Microsoft AI Mustafa Suleyman, yang memberikan pandangan serupa. Baru-baru ini, Senator Mark Warner (D-VA) mengatakan bahwa para pemimpin AI sendiri terkejut dan khawatir dengan kecepatan perubahan, dan mereka “secara harfiah sengaja menarik kembali prediksi mereka karena dampak ekonomi jangka pendek.” Warner memperkirakan pengangguran lulusan baru menjadi 35% dalam dua tahun.
Ini prediksi yang memicu FOBO — dan itu berpengaruh. Sebuah studi besar dari MIT ingin mengerem. Bukan pada rasa takutnya — ternyata FOBO mengarah ke arah yang kurang lebih benar — tapi pada garis waktunya. Dan garis waktu itu, ternyata, mengubah segalanya.
Peneliti di MIT FutureTech merilis temuan pekan ini yang menunjukkan bahwa kemajuan AI di pasar tenaga kerja lebih mirip banjir yang naik perlahan daripada bencana tiba-tiba — serius dan makin cepat, tapi bukan kiamat dalam semalam yang mendominasi berita dan kecemasan eksekutif selama dua tahun terakhir.
“Daripada datang dalam gelombang yang menghantam dan mengubah seperangkat tugas tertentu sekaligus,” tulis para peneliti, “kemajuan biasanya menyerupai air pasang, dengan peningkatan merata di banyak tugas secara bersamaan.”
Studi berjudul “Crashing Waves vs. Rising Tides” ini adalah salah satu pemeriksaan empiris paling komprehensif tentang kinerja tugas AI di dunia nyata saat ini. Tim sembilan peneliti yang dipimpin Matthias Mertens dan Neil Thompson mengumpulkan lebih dari 17.000 evaluasi output model bahasa besar (LLM) dari pekerja ahli di lebih dari 3.000 tugas pasar tenaga kerja dari sistem klasifikasi O*NET Departemen Tenaga Kerja AS. Tugas-tugas itu mencakup segalanya dari analisis hukum hingga persiapan makanan, manajemen hingga ilmu komputer. Lebih dari 40 model AI diuji, dari GPT-3.5 Turbo sampai GPT-5, Claude Opus 4.1, Gemini 2.5 Pro, dan DeepSeek R1.
Bagi siapa pun yang dilanda FOBO, pertanyaan inti yang diajukan peneliti juga yang paling mengganggu: Bisakah AI menyelesaikan tugas-tugas ini dengan cukup baik sehingga seorang manajer akan menerima hasilnya tanpa edit? Jawabannya sudah ya — cukup sering.
Di semua model dan kategori pekerjaan yang diuji, AI berhasil menyelesaikan sekitar 50% hingga 75% tugas pasar tenaga kerja berbasis teks pada tingkat kualitas minimal yang bisa diterima. Itu bukan proyeksi masa depan. Itu hari ini. Lebih spesifik, studi menemukan bahwa pada kuartal ketiga 2024, model AI terdepan sudah mencapai tingkat keberhasilan 50% pada tugas yang membutuhkan waktu sekitar satu hari kerja penuh bagi manusia.
Trajektori peningkatannya curam. Antara kuartal kedua 2024 dan kuartal ketiga 2025, model terdepan beralih dari melewati ambang keberhasilan 50% pada tugas 3-4 jam ke tugas yang butuh seminggu bagi manusia. Tingkat kegagalan berkurang setengahnya setiap dua hingga tiga tahun secara keseluruhan, yang artinya peningkatan tahunan 15-16 poin persen dalam tingkat keberhasilan.
Mengekstrapolasi tren itu — dan peneliti mencatat hati-hati ini mewakili skenario optimis — sistem AI bisa menyelesaikan sebagian besar tugas berbasis teks dengan tingkat keberhasilan 80-95% pada 2029 pada tingkat kualitas minimal yang cukup. Untuk mayoritas tugas survei, yang butuh beberapa jam bagi manusia, tingkat keberhasilan proyeksi 2029 mendekati 90%.
MIT tidak menggunakan frasa itu tapi ini adalah FOBO, yang dikalibrasi. Ketakutannya tidak irasional — tapi terlalu dini. Airnya sedang naik. Tapi data MIT menyarankan lantainya tidak akan tenggelam pada hari Selasa depan. Kalimat peneliti yang paling penting bagi pekerja yang cemas: “Pekerja kemungkinan akan memiliki sedikit visibilitas atas perubahan ini, daripada menghadapi lompatan tiba-tiba dalam otomatisasi berbasis AI.” Air pasang memberi Anda waktu untuk berpindah. Pertanyaannya adalah apakah Anda bergerak.
FOBO di Tingkat Institusi
Ironinya: bahkan saat MIT mendokumentasikan peningkatan kemampuan AI yang luas, kebanyakan perusahaan belum menggunakan alatnya sama sekali. Jadi FOBO bukan hanya kondisi pribadi — tapi juga organisasi. Menurut ekonom Goldman Sachs Sarah Dong dan Joseph Briggs, mengutip data Biro Sensus dalam AI Adoption Tracker Maret 2026 mereka, kurang dari 19% perusahaan AS yang mengadopsi AI. Goldman memproyeksikan adopsi hanya akan mencapai 22,3% dalam enam bulan ke depan.
Memperparah kelumpuhan itu: hanya sekitar sepertiga pekerja yang mengatakan pemberi kerja mereka memberikan pelatihan AI, panduan, atau peluang pelatihan ulang yang memadai — turun hampir 10 poin persen dari 2024, menurut penelitian dari organisasi nirlaba tenaga kerja JFF. Kebanyakan perusahaan membiarkan pekerja mengelola FOBO sendirian, tanpa infrastruktur yang sebenarnya akan menyelesaikannya.
Kesenjangan itu ada biayanya. Pekerja perusahaan yang menggunakan AI mendapatkan kembali 40-60 menit per hari, menurut data perusahaan OpenAI dari Desember 2025, dan 75% mengatakan mereka sekarang bisa menyelesaikan tugas yang sebelumnya tidak bisa dilakukan sama sekali.
“Kami terus mengamati dampak besar pada produktivitas tenaga kerja di area terbatas di mana AI generatif telah digunakan,” tulis ekonom Goldman. “Studi akademis menyiratkan peningkatan produktivitas rata-rata 23%, sementara cerita perusahaan menyiratkan efisiensi sedikit lebih besar sekitar 33%.”
Sederhananya: perusahaan yang menggunakan AI sedang maju. Dan hitungannya kejam. Di seluruh tim 50 orang, penghematan waktu harian 40-60 menit itu berarti 33-50 jam produktivitas yang didapat kembali setiap hari. Perlombaan telah dimulai, tapi banyak perusahaan masih mengikat tali sepatu lari mereka dan menunggu peluit dibunyikan.
FOBO dengan Kantor di Sudut
Data MIT muncul saat para pemimpin perusahaan berusaha memahami teknologi yang, seperti kata seorang eksekutif senior, “melampaui kemampuan manusia dan bisnis untuk mengadopsinya.” Joe Depa, kepala inovasi global di EY, mengatakan kepada Fortune dalam wawancara baru-baru ini bahwa “teknologinya dalam banyak hal sudah siap, tapi butuh waktu bagi kita untuk… memanfaatkannya.”
Depa, yang mengawasi strategi AI untuk salah satu firma layanan profesional terbesar di dunia, menggambarkan tekanan yang dilihatnya di berbagai industri tanpa henti. “Setiap hari ada berita baru, setiap hari ada sesuatu baru yang harus kita siapkan. Setiap hari, saya mendapat email dari bos saya tentang beberapa peristiwa baru yang terjadi di suatu tempat di dunia yang meningkatkan taruhan secepat apa segala sesuatu bergerak dalam AI.”
Tekanan itu diperparah oleh realitas internal yang keras di banyak perusahaan: 83% eksekutif — dari survei 500 pemimpin bisnis — mengatakan mereka tidak memiliki infrastruktur data yang tepat untuk memanfaatkan AI sepenuhnya.
Klien EY, berdasarkan 4.500 survei, mengatakan mereka masih kekurangan infrastruktur data yang tepat untuk memanfaatkan AI sepenuhnya. Dengan kata lain, teknologinya melaju cepat sementara “pipa” organisasi yang dibutuhkan untuk benar-benar menggunakannya tertinggal jauh.
Ironi Terkejam FOBO
Di situlah kerangka “air pasang” menawarkan sedikit kepastian bagi banyak perusahaan yang bergulat dengan dinamika ini. Temuan MIT secara langsung menantang penelitian dari METR, organisasi keamanan AI terkemuka, yang berargumen bahwa kemampuan AI melonjak tiba-tiba untuk set tugas tertentu — model “gelombang yang menghantam” yang menyiratkan pekerja tiba-tiba bisa menjadi usang dengan peringatan sangat sedikit. “Kami menemukan sedikit bukti gelombang menghantam,” tulis mereka, “tapi bukti substansial bahwa air pasang adalah bentuk utama otomatisasi AI.”
Data MIT, yang diambil dari tugas pekerjaan yang realistis dan representatif daripada tolok ukur yang dibuat-buat, secara konsisten menunjukkan kurva kinerja yang lebih datar. AI tidak tiba-tiba menguasai seperangkat tugas sempit dan meninggalkan yang lain tidak tersentuh. Sebaliknya, AI menjadi lebih baik secara luas, bertahap, di hampir semua jenis tugas dan durasi secara bersamaan.
“Pekerja kemungkinan akan memiliki sedikit visibilitas atas perubahan ini,” tulis para peneliti, “daripada menghadapi lompatan tiba-tiba dalam otomatisasi berbasis AI.” Lebih luas, proyeksi peningkatan AI ke tingkat otomatisasi hampir sempurna dalam tiga tahun ke depan, bukan 18 bulan skenario kiamat, memberikan apa yang peneliti sebut “jendela untuk penyesuaian pekerja, terutama dalam tugas dengan toleransi rendah untuk kesalahan.” Selain itu, perkiraan mereka mengasumsikan kemajuan AI berlanjut pada kecepatan dua tahun terakhir, artinya ini skenario batas atas atau sangat cepat. AI mungkin tidak terus berevolusi dan maju secepat baru-baru ini.
Itu penting untuk bagaimana perusahaan merencanakan dan pekerja mempersiapkan. Model gelombang menghantam menuntut triase darurat; model air pasang menuntut adaptasi strategis. Peneliti MIT berargumen yang terakhir adalah kerangka yang lebih akurat — meski mereka menekankan bahwa “gradualisme tidak secara inherent melindungi.”
Ada perbedaan bermakna menurut profesi. Pekerjaan hukum memiliki tingkat keberhasilan AI terendah di antara domain yang diuji, hanya 47%. Pekerjaan instalasi, pemeliharaan, dan perbaikan — untuk tugas berbasis teks khususnya — teratas di 73%. Tugas manajemen sekitar 53%; praktisi kesehatan 66%; operasi bisnis dan keuangan 57%. Dengan kata lain, tidak ada sektor kerah putih yang kebal, tapi beberapa jauh lebih dekat ke titik infleksi daripada yang lain.
Depa mengatakan dia melihat pengurutan ini terjadi secara real time di dalam tenaga kerja EY sendiri, dan manusia bertindak tak terduga, bahkan aneh, menghadapi prospek mitra kerja baru yang aneh ini. Firma ini adalah pengguna Microsoft Copilot ketiga terbesar di dunia, katanya, dan data adopsi menceritakan kisah generasi: karyawan junior semua masuk; pemimpin senior tertinggal. “Ketika saya melihat rinciannya,” katanya, “dua tingkat junior saya — adopsi tinggi, langsung dari awal… dan kemudian ketika Anda mencapai tingkat lebih senior, di situlah adopsi mulai turun.”
Dia menggambarkan kelompok yang sangat mengkhawatirkan: pekerja terampil dan berpengalaman yang hanya menolak menggunakan alat AI. “Kami punya beberapa insinyur perangkat lunak yang 10x, 20x lebih produktif daripada tahun lalu menggunakan AI, mereka benar-benar hebat.” Dia mengatakan dia melihat pekerja berubah dari “biasa saja” menjadi benar-benar “di puncak permainan” setelah menguasai alat baru ini. Pada saat yang sama, ada orang lain “yang dulu benar-benar pengembang perangkat lunak kuat yang agak menolak menggunakan AI,” katanya. Mereka punya sikap bahwa mereka bisa melakukannya lebih baik, jadi mereka tidak butuh alatnya. “Dan mereka beralih dari yang teratas di kelas mereka ke sekarang terbawah dalam kelompok sejawat. Dan itulah yang paling saya khawatirkan.”
Ketakutan menjadi usang, dengan kata lain, mempercepat hasil yang paling paling ditakuti pekerja. Jika tidak ditangani, kasus FOBO serius menjadi ramalan yang terwujud sendiri.
Para penolak AI ini, dengan keterampilan fungsional dan pengalaman luar biasa yang sangat kritis, tapi produktivitas tertinggal dari kelompok sejawat mereka 10x atau bahkan 20x, “pada titik tertentu, individu-individu itu harus menemukan peran berbeda,” kata Depa. “Dan saya pikir itulah yang sedang kami coba pahami.”
Apa yang Masih Hilang dari Cerita AI-di-Tempat Kerja
Tim MIT berhati-hati untuk tidak menjual temuan mereka secara berlebihan. Tingkat keberhasilan tugas yang tinggi, mereka catat, tidak secara otomatis diterjemahkan ke penggantian pekerjaan. “Biaya mil terakhir” mengintegrasikan AI ke dalam alur kerja sebenarnya — gesekan organisasi, masalah tanggung jawab, ekonomi penerapan di firma kecil — tetap menjadi hambatan signifikan yang tidak tertangkap dengan baik oleh tolok ukur apa pun.
Kinerja AI hampir sempurna di sebagian besar tugas juga masih bertahun-tahun di luar 2029. Kurva logistik datar yang membuat air pasang bertahap juga berarti pendakian akhir menuju keandalan 99%-plus adalah panjang, penyangga bermakna untuk profesi yang tidak toleran kesalahan di hukum, kedokteran, dan teknik.
“Sementara kemajuannya signifikan,” tulis para peneliti, “otomatisasi luas, terutama di domain dengan toleransi rendah untuk kesalahan, mungkin masih agak jauh.”
Intinya lebih rumit daripada yang ingin diakui baik oleh yang meramalkan kiamat ataupun yang meremehkan. AI sudah mampu, meningkat cepat, dan menuju ke sebagian besar kotak masuk Anda dalam tiga hingga lima tahun ke depan. Tapi transformasi kemungkinan akan datang sebagai air pasang yang stabil dan terlihat, bukan tenggelam tiba-tiba, yang berarti jendela untuk beradaptasi itu nyata, jika tidak tak terbatas. Jika Anda ingin beradaptasi, itu.
FOBO itu rasional. Data MIT mengkonfirmasinya. Tapi penawarnya bukan penyangkalan atau kelumpuhan — itu tepatnya apa yang dilakukan pekerja yang berkembang di dalam EY: memperlakukan AI sebagai alat, bukan vonis. Jendelanya terbuka. Pertanyaannya adalah apakah Anda akan melaluinya.