Setelah AI generatif cepat merambah dunia kerja, orang yang pertama merasakan hawa dingin mungkin bukan para pekerja senior yang sudah mapan, melainkan para pendatang baru yang sedang bersiap memasuki dunia kerja. Dari jalur karier masa lalu—“kerjakan tugas tingkat awal dulu, lalu perlahan naik”—hingga kini perusahaan lebih cenderung langsung mencari orang yang sudah berpengalaman dan bisa langsung beradaptasi, AI sedang mengubah tidak hanya isi pekerjaan, tetapi juga “arena latihan” yang semula diandalkan kaum muda sebagai tempat bertumbuh.
Dalam《商談不廢話》, pembawa acara Linga dan Bradley—yang memiliki latar belakang kedokteran dari NTU, kesehatan masyarakat dari Harvard, serta McKinsey, dan pernah menjabat sebagai eksekutif senior di 乐天医藥 dan Appier—membahas fenomena ini. Keduanya mencoba menjawab pertanyaan yang makin lama makin menusuk: apakah AI tidak akan menggantikan pekerja senior terlebih dahulu, melainkan justru membuat kesempatan bagi pendatang baru untuk ikut bertugas pun tidak ada?
Setelah menemukan penelitian terkait Harvard dan Stanford, program acara ini mendapati bahwa setelah ChatGPT diluncurkan, lowongan tingkat awal memang mengalami penurunan yang jelas, terutama pada jenis pekerjaan dengan tingkat paparan AI yang lebih tinggi. Pekerjaan seperti administrasi, sekretaris, bisnis tingkat awal, pemasaran, dan sejenisnya, mengalami dampak yang khususnya terasa langsung.
AI+rekan senior sudah cukup, untuk apa membina pendatang baru
Setelah mengutip sebuah penelitian terkait Harvard dan Stanford, program acara ini menemukan bahwa setelah ChatGPT diluncurkan, lowongan tingkat awal memang mengalami penurunan yang jelas, terutama pada jenis pekerjaan dengan tingkat paparan AI yang lebih tinggi. Pekerjaan seperti administrasi, sekretaris, bisnis tingkat awal, pemasaran, dan sejenisnya, mengalami dampak yang khususnya terasa langsung. Ini berarti perusahaan tidak benar-benar menghentikan rekrutmen secara menyeluruh, melainkan mulai menimbang ulang: jika seorang karyawan yang punya sedikit pengalaman, dipadukan dengan alat AI, dapat menghasilkan output yang dulu hanya bisa dicapai oleh dua atau tiga orang, masih adakah gunanya mengalokasikan anggaran yang sama untuk melatih beberapa pendatang baru?
Bradley terus terang mengatakan, perubahan seperti ini sudah sangat nyata di lapangan perusahaan. Dulu perusahaan bersedia memberi pendatang baru waktu setengah tahun atau satu tahun untuk pelatihan, rotasi, dan mengenal industri; tetapi kini kesabaran itu menyusut dengan cepat. Bagi para atasan, perhitungan nyata menjadi sangat langsung: apakah mempekerjakan dua atau tiga karyawan tingkat awal, lalu mengatur rekan senior untuk membimbing dan menanggung sumber daya pelatihan; atau cukup mempekerjakan satu orang yang berpengalaman, lalu ditambah dengan alat AI terbaik, langsung masuk medan perang? Di banyak perusahaan yang menekankan efisiensi dan kemampuan langsung pakai, jawabannya hampir tidak perlu dikatakan.
Karena itu, lenyapnya posisi tingkat awal bukan sekadar “hilangnya beberapa kesempatan kerja”, melainkan seluruh struktur pembelajaran mulai goyah.
Karena banyak tugas yang semula digunakan para pendatang baru untuk berlatih, ternyata justru termasuk kategori yang paling jago ditangani oleh AI: mencari data, menyusun ringkasan, menerjemahkan, menulis program dasar, dan melakukan analisis awal. Tugas-tugas ini dulu memang berulang dan remeh-temeh, namun merupakan titik awal agar pendatang baru membangun feeling, memahami standar kualitas, dan mengamati bagaimana para senior menilai situasi. Kini tugas-tugas itu bisa selesai dalam hitungan menit oleh AI; pendatang baru tidak hanya kehilangan “arena latihan”, bahkan peluang untuk duduk di samping dan melihat bagaimana atasan memperbaiki, memikirkan, serta mengambil keputusan juga menjadi jauh lebih sedikit.
Generasi AI, apakah benar tahu seperti apa yang disebut hal yang baik?
Linga juga menyebut perubahan ini tercermin dalam perbedaan kemampuan antara siswa dan early professional. Dulu, bagi generasi yang belum hidup dengan alat AI, membuat laporan dimulai dari nol—mereka mencari sendiri sumber data, memverifikasi sumber, menyusun hipotesis, lalu dari halaman kosong hingga bisa tampil mempresentasikan. Walaupun mereka lebih lambat, biasanya mereka lebih tahu bagaimana bergerak dari 0 sampai 100.
Sebaliknya, generasi siswa berikutnya hidup sejak masa kuliah di dunia ChatGPT, Grok, dan Gemini; mereka terbiasa melemparkan masalah yang sama ke berbagai AI, lalu menempelkan hasil produksinya dengan cepat ke presentasi atau tabel. Tampak lebih efisien, tetapi juga lebih mudah membuat mereka, tanpa penilaian, langsung menyerahkan jawaban AI yang hanya 60 atau 80 poin sebagai tugas.
(AI bisa mengerjakan 80 poin, orang yang tidak bisa 100 poin pasti tersingkir! Saran dari konsultan McKinsey dan alumni Harvard untuk pendatang baru begini)
Hal ini pun membuat para atasan terjebak dalam dilema baru. Bradley memberi contoh: dalam pekerjaan konsultansi, dulu meminta junior menulis satu email yang meminta data kepada klien tampak hanya pekerjaan teks, namun sebenarnya itu adalah proses penting untuk melatih pihak lain memahami situasi klien, menguasai ritme komunikasi, serta menakar kata-kata dan batas penilaian. Tetapi sekarang situasinya sering berubah menjadi: atasan sudah bisa tahu bahwa email itu entah tidak cukup matang, atau jelas merupakan hasil generasi AI, dan masih ada jarak agar bisa dipakai.
Nasihat untuk kaum muda: pahami standar yang ada di kepala atasan secara proaktif
Namun, kedua orang ini tidak berhenti pada kecemasan semata, melainkan membahas lebih lanjut: ketika anak tangga pertama sedang menghilang, bagaimana pendatang baru membangun “arena latihan” baru untuk diri mereka?
Linga berpendapat, hal pertama adalah memahami standar yang ada di kepala atasan secara proaktif. Karena banyak “jagoan” di dunia kerja melakukan lebih baik bukan hanya karena mereka lebih giat, melainkan karena mereka punya seperangkat checklist penilaian di dalam benak: apakah sumber data perlu diverifikasi silang, apakah latar belakang peneliti perlu dicek, apakah kesimpulan perlu diberi batasan kondisi, bagaimana menyusun logika presentasi, dan sebagainya. Dulu, standar-standar ini mungkin tersembunyi dalam revisi yang berulang dan arahan secara lisan.
Tetapi di era AI, banyak hal itu sudah diubah atasan menjadi prompt dan constraint. Bagi pekerja muda, yang benar-benar penting bukan apakah mereka bisa mengikuti alat tersebut, melainkan apakah mereka punya cara untuk lebih dulu memahami “apa yang dimaksud dengan yang disebut baik”.
Sensasi struktur dan penilaian—itulah bagian yang tidak bisa digantikan AI
Hal kedua adalah, di zaman banjir informasi, melatih kembali kemampuan membaca dan mengintegrasikan. AI bisa membantu Anda menyisir 25 laporan sekaligus, lalu memberi Anda ringkasan dengan cepat; namun itu juga membuat orang mudah keliru seolah-olah mereka sudah benar-benar memahami masalahnya. Linga berpikir, makin dalam era ini, makin perlu memaksa diri untuk memilih konten berkualitas tinggi yang benar-benar penting, meluangkan waktu untuk mendalami, melihat bagaimana penulis mendefinisikan masalah, memecah industri, merancang metode, memverifikasi hipotesis, dan pada akhirnya bagaimana membuat keputusan berdasarkan pengalaman.
Jalur sensasi struktur dan penilaian inilah yang tidak bisa langsung diinternalisasi AI untuk Anda.
Bradley juga mengingatkan: jika pekerja muda ingin mendekati pekerjaan tingkat lebih tinggi, langkah pertama selalu adalah “gunakan hasil untuk mendapatkan tiket masuk”. Bukan hanya menyelesaikan tugas, melainkan sampai pada tingkat yang membuat atasan merasa aman, mau menyerahkan hal yang lebih kompleks kepada Anda. Selain itu, Anda juga harus belajar mengisi posisi secara proaktif. Karena banyak pekerjaan tingkat yang lebih tinggi, yang lebih dekat ke inti pengambilan keputusan, bukan tidak ada peluang, melainkan tidak ada yang melakukannya.
Misalnya, tugas yang tampaknya hanya menganalisis tingkat konversi: kunci sesungguhnya sering kali bukan pada angka itu sendiri, melainkan keputusan apa yang harus didukung oleh analisis di baliknya. Jika atasan ingin tahu ke segmen pelanggan mana anggaran pemasaran langkah berikutnya harus lebih banyak diarahkan, Anda tidak seharusnya hanya menyerahkan tingkat konversi; Anda perlu melangkah satu tahap lebih maju, melengkapi dengan biaya perolehan pelanggan, Lifetime Value, ROI, bahkan mengajukan bahasa keputusan seperti “Jika anggaran ditingkatkan 20%, berapa kenaikan pendapatan yang mungkin terjadi”. Kemampuan mengubah analisis menjadi rekomendasi itulah salah satu hal termahal di era AI.
Seperti apa orang yang dicari perusahaan di masa depan: maju di tengah ketidakjelasan, dan tahu seperti apa yang disebut baik
Saat membahas siapa sebenarnya yang dicari perusahaan, Bradley juga memberikan jawaban yang cukup tegas. Pertama, orang yang bisa maju dalam keadaan samar. Karena di era AI, perubahan terlalu cepat; dalam tiga bulan, isi pekerjaan Anda bisa berubah total. Jika seseorang harus menunggu semua hal didefinisikan dengan jelas dulu baru bergerak, bukan hanya dia akan sangat menderita, tapi juga berarti besar kemungkinan tugasnya cepat atau lambat akan digantikan oleh AI.
Kedua, apakah bisa menilai output AI? Apakah tahu seperti apa hasil yang disebut baik? Sekarang “bisa menggunakan AI” sudah menjadi ambang dasar; perbedaan sesungguhnya ada pada: setelah Anda membaca analisis pasar yang dihasilkan AI, apakah Anda punya sudut pandang sendiri? Apakah Anda tahu bagian mana yang perlu diverifikasi? Bagian mana yang tidak boleh diterima begitu saja? Karena data saat ini sudah tidak langka; yang benar-benar langka adalah sudut pandang.
Lowongan kerja untuk pendatang baru jadi makin sulit, posisi tingkat awal mulai goyah
Ketiga, apakah bisa meningkatkan diri. Menghadapi lingkungan yang bergerak cepat, perusahaan lebih memilih seseorang yang saat ini belum memiliki banyak keterampilan, tetapi bisa belajar dengan cepat, daripada seseorang yang punya banyak keterampilan namun berhenti di tempat.
Karena itu, dua orang ini juga berpandangan bahwa alih-alih “lenyapnya” lowongan tingkat awal, lebih tepat jika mengatakan bahwa lowongan tersebut sedang didefinisikan ulang. Perusahaan tidak sepenuhnya tidak membutuhkan kaum muda, tetapi tidak lagi hanya menginginkan orang yang bisa mengerjakan tugas yang berulang. Garis start yang baru menjadi apakah Anda memahami AI, apakah Anda punya sudut pandang, apakah Anda bisa belajar aktif dengan cepat, dan apakah Anda bisa mengubah alat menjadi tuas bagi diri sendiri. Bagi banyak perusahaan, kaum muda tidak hanya lagi menjadi pihak yang dibimbing, tetapi mulai menjadi orang yang membawa intuisi AI, kebiasaan alat, dan ritme dunia baru ke dalam organisasi.
Di bagian akhir program acara, mereka juga memberikan saran yang cukup praktis: jika Anda sedang mencari kerja saat ini, cara persiapan yang paling efektif mungkin bukan lagi membaca satu gelar AI, melainkan membuat AI side project untuk industri yang ingin Anda masuki. Misalnya, jika Anda ingin masuk ke departemen pemasaran Google, maka cobalah menjalankan sepenuhnya satu alur kerja pemasaran menggunakan alat AI, mulai dari menemukan masalah, merancang solusi, hingga benar-benar menampilkan demo yang menghasilkan output. Dengan begitu, saat wawancara Anda tidak hanya berbicara kosong “saya sangat tertarik pada AI”, melainkan bisa langsung mengeluarkan proyek end-to-end dan membuktikan kepada pewawancara bahwa Anda sudah bisa menggunakan alat untuk menyelesaikan masalah nyata.
Bagi pendatang baru yang sedang menghadapi kecemasan saat lulus dan mencari pekerjaan, kenyataan yang paling kejam mungkin adalah: tangga karier yang dulu terlihat begitu wajar—sebagian nyata sedang dibongkar oleh AI.
Namun seperti yang dikatakan Bradley, mungkin karier sejak dulu tidak hanya soal naik tangga, melainkan seperti berenang. Dulu jalurnya sudah ditata, kini Anda harus sendiri mencari arah dan terus berenang ke depan. Ketika anak tangga pertama mulai tidak lagi kokoh, yang benar-benar penting mungkin bukan lagi terus menatap apakah tangga itu masih ada atau tidak, melainkan apakah Anda punya kemampuan untuk secara proaktif menemukan langkah berikutnya yang membuat Anda tetap bisa mengapung.
Artikel ini《毕业求職焦慮？研究顯示 AI 直接影響初階職缺，麥肯錫顧問建議新鮮人這樣做》pertama kali muncul di《鏈新聞 ABMedia》.
