Rata-rata manajer Amerika sekarang mengawasi 12 bawahan langsung. Data menunjukkan AI adalah penyebab dan juga pembenaran untuk perubahan besar dalam organisasi tempat kerja AS ini. Ini adalah salah satu perubahan struktural paling ekstrem di kantor modern Amerika, dan terjadi tanpa banyak debat publik tentang apa yang sebenarnya dikorbankan demi efisiensi.
Kita bisa sebut ini era megamanajer. Didorong oleh penghematan biaya berbasis AI, birokrasi yang lebih ramping, dan tekanan perusahaan untuk menata ulang jumlah karyawan, banyak perusahaan selama tiga tahun terakhir mengurangi jumlah manajer menengah. Yang tersisa kini memegang portofolio tim yang jauh lebih besar. Data ini resmi, berasal dari Biro Statistik Tenaga Kerja. Rata-rata bawahan langsung seorang manajer hampir dua kali lipat sejak pertama kali dilacak tahun 2013.
Jika AI bisa menangani jadwal, merangkum review kinerja, memantau proyek, dan memberi sinyal masalah dalam tim, apakah kita masih butuh banyak koordinator manusia? Divisi teknik AI terapan Meta mengambil logika ini ke tingkat paling ekstrem, dengan rasio 50 karyawan per 1 manajer. Itu sekitar dua kali lipat dari batas yang pernah dianggap fungsional. Apakah perusahaan Amerika lain akan mengikuti contoh ini atau menjadikannya peringatan, akan menentukan masa depan kerja.
Kelebihannya: kecepatan, penghematan, dan kejelasan struktural.
Bagi perusahaan, hitungan awalnya terlihat menarik. Lebih sedikit manajer berarti biaya lebih rendah, hierarki lebih datar, dan (secara teori) pengambilan keputusan lebih cepat. Informasi bisa bergerak lebih cepat dan akuntabilitas lebih dekat ke garis depan. Analisis Gartner 2024 memperkirakan satu dari lima bisnis berencana menggunakan AI untuk merampingkan lapisan organisasi.
AI juga benar-benar membantu beberapa manajer mengatasi beban kerja yang membesar. Alat yang mengotomatiskan tugas administratif—seperti menandai masalah kinerja, menyintesis data tim, atau mengoordinasi jadwal—mengurangi gesekan yang dulu menghabiskan banyak waktu. Jika dilakukan dengan baik, augmentasi AI bisa membuat model megamanajer ini viable: seorang bos yang terampil dan didukung baik memimpin 12 orang mungkin lebih efektif daripada bos yang kewalahan memimpin 6 orang.
Argumen produktivitas punya preseden sejarah. Analisis Morgan Stanley melihat lima gelombang inovasi Amerika sebelumnya—dari Revolusi Industri pertama sampai internet—dan menemukan pola konsisten: teknologi transformatif meningkatkan output per pekerja, terutama ketika dipasangkan dengan redesign organisasi. Tim ekonom Michael Gapen menemukan bahwa elektrifikasi menggandakan output per jam di bisnis non-pertanian antara 1900 dan 1929. Internet mempercepat pertumbuhan produktivitas tenaga kerja dari sekitar 1,5% per tahun menjadi hampir 3,0% per tahun pada 2000. AI akan mengikuti pola yang sama, dengan satu catatan kritis: keuntungan produktivitas itu biasanya baru terwujud bertahun-tahun, bahkan puluhan tahun, setelah gangguan awal. Rasa sakitnya cenderung datang lebih dulu.
Yang hilang: bimbingan, semangat, dan tangga karier.
Catatan untuk sisi manusia terlihat jauh lebih buruk daripada laporan keuangan. Survei Gartner lain menemukan 75% pemimpin SDM percaya manajer sudah kewalahan dengan tanggung jawab yang membesar, dan 69% mengatakan manajer kurang keterampilan untuk memimpin perubahan efektif. Data Gallup menunjukkan keterlibatan karyawan global jatuh ke hanya 21%, hampir terendah dalam 15 tahun. Manajer sendiri melaporkan beberapa penurunan kepuasan kerja paling tajam.
Mungkin biaya yang paling kurang dihargai dari pembesaran rentang kendali adalah dampaknya pada orang di awal karier. Pelatihan, bimbingan, dan pengembangan langsung—infrastruktur lunak yang membangun pipa manajemen dan mentransmisikan pengetahuan institusional—adalah korban pertama ketika satu bos membagi waktu untuk 12 orang bukan 6. Seorang manajer dengan 12 bawahan langsung tidak bisa menghabiskan jumlah jam yang sama per orang untuk mengembangkan potensi, memberi umpan balik real-time, atau membela karyawan junior. Kesenjangan itu menumpuk dan mengancam pengembangan bakat.
Hierarki yang rata juga mengganggu perkembangan karier tradisional. Ketika ada lebih sedikit anak tangga, ada lebih sedikit cara untuk naik—dan lebih sedikit model terlihat tentang seperti apa kemajuan itu. Satu dari tiga pemimpin SDM melaporkan bahwa restrukturisasi berbasis AI menghilangkan pengetahuan institusional kritis dari organisasi mereka yang tidak bisa digantikan oleh sisa tenaga kerja.
Paradoks Keahlian
Neil Thompson, ilmuwan peneliti di MIT, menawarkan pemahaman yang lebih nuansa tentang apa yang sebenarnya dipertaruhkan. Dalam penelitiannya yang mengevaluasi 40 model AI di ribuan tugas pekerjaan dunia nyata, Thompson dan koleganya menemukan bahwa otomatisasi tidak mempengaruhi semua bagian pekerjaan secara sama. Variabel kritisnya adalah apakah tugas yang diotomatisasi adalah bagian ahli dari suatu peran atau perancah administratif di sekitarnya.
"Jika bagian pekerjaan Anda yang diotomatisasi adalah sesuatu yang tidak benar-benar menggunakan keahlian Anda, itu bagus," kata Thompson. "Anda bisa menghabiskan lebih banyak waktu untuk bagian pekerjaan yang benar-benar berharga." Penelitiannya menemukan bahwa ketika otomatisasi menghilangkan komponen keahlian-rendah dari suatu pekerjaan, upah pekerja yang tersisa cenderung naik: jumlah mereka lebih sedikit, tetapi mereka melakukan lebih banyak hal yang membuat mereka tidak tergantikan. Bahayanya, Thompson memperingatkan, adalah skenario sebaliknya: ketika AI menargetkan inti ahli dari suatu peran — seperti cara GPS menghapuskan penguasaan navigasi yang pernah mendefinisikan keahlian sopir taksi — upah jatuh, dan identitas profesi menjadi kosong.
Pertanyaan yang menggantung di era megamanajer adalah skenario mana yang sedang dialami manajer. Jika AI menangani kebisingan administratif dan membiarkan manajer melakukan lebih banyak pekerjaan memimpin yang sebenarnya — pelatihan, pemikiran strategis, pengembangan bakat — maka hitungannya bisa berhasil. Tetapi jika pembesaran rentang kendali begitu parah sehingga manajer tidak bisa melakukan bagian ahli dari pekerjaan mereka juga, maka model ini berisiko tidak menghasilkan efisiensi maupun bimbingan, hanya kelelahan.
Transisi yang Pernah Kita Lihat — dan Salah Kelola — Sebelumnya
Thompson hati-hati untuk tidak bergabung dengan para peramal kiamat. Penelitiannya menemukan "gelombang pasang" kemampuan AI — naik secara stabil, bukan gelombang yang menghancurkan. Tapi dia juga menekankan bahwa pasang naik cukup cepat sehingga respons kebijakan perlu dimulai sekarang.
Peringatan itu bergema di sepanjang sejarah ekonomi. Setiap gelombang inovasi besar dalam sejarah Amerika—dari tenaga uap dan rel kereta api sampai elektrifikasi dan internet— menggusur pekerja, memusatkan keuntungan awal di antara pemegang modal, dan memicu reaksi politik sebelum manfaat produktivitas akhirnya meluas. Ekonom Morgan Stanley mencatat bahwa "pekerja dialokasikan ulang daripada menjadi usang" di semua lima gelombang sebelumnya—tetapi periode transisinya menyakitkan, dan distribusi manfaat sangat tergantung pada pilihan kebijakan, investasi dalam pendidikan, dan adaptasi institusional.
Ekonom Goldman Sachs memperkirakan AI sejauh ini hanya menaikkan tingkat pengangguran keseluruhan sebesar 0,1 poin persen — angka yang sederhana yang mengaburkan gambar terbelah: pekerjaan yang mudah digantikan oleh AI berkontraksi, sementara peran yang ditambah oleh AI justru tumbuh. Kasus radiolog adalah contoh paling instruktif. Ketika Geoffrey Hinton memprediksi pada 2016 bahwa AI akan menggantikan radiolog dalam lima tahun, itu tampak seperti ramalan yang jelas. Sebaliknya, radiolog secara luas mengadopsi alat AI, menggunakannya untuk membaca lebih banyak pemindaian dengan lebih akurat, dan jumlah serta gaji mereka meningkat sejak saat itu. Teknologi tidak menghilangkan profesi itu. Teknologi mendefinisikan ulang profesi itu.
Pertanyaan terbuka — dan yang akan membentuk apakah era megamanajer akan dikenang sebagai terobosan produktivitas atau krisis manajemen — adalah apakah pengawas yang masih bertahan dapat melakukan trik yang sama. Saat ini, mereka terkubur di bawah 12 bawahan langsung, kehilangan dukungan administratif, diminta untuk memimpin inisiatif transformasi AI yang tidak mereka rekrut atau latih, dan melakukan semua itu dalam lingkungan di mana kepercayaan dan keterlibatan karyawan hampir terendah sepanjang masa. Teknologi yang seharusnya membuat pekerjaan mereka lebih mudah, setidaknya untuk saat ini, justru membuatnya lebih sulit, lebih sepi, dan lebih penting sekaligus. Apakah itu biaya transisi atau kondisi permanen baru kepemimpinan di Amerika adalah pertanyaan tempat kerja yang mendefinisikan dekade ini.