CEO dari unicorn AI senilai 1 miliar dolar mengatakan rekan-rekannya di Silicon Valley ingin Anda takut kehilangan pekerjaan, tetapi mereka sebenarnya yang paling duluan terancam

Nick Lichtenberg

Sabtu, 21 Februari 2026 pukul 21:30 WIB 11 menit membaca

Boom kecerdasan buatan (AI) di Silicon Valley telah memicu kepanikan luas tentang masa depan tenaga kerja manusia, sebuah momen yang dirangkum oleh esai viral eksekutif AI Matt Shumer yang membandingkan saat ini dalam pekerjaan kantoran dengan Februari 2020, sebelum pandemi menghancurkan kehidupan Amerika.

Shumer memperingatkan bahwa pekerja kantoran harus segera mencari rencana B, karena sebuah peristiwa kepunahan seperti Covid akan datang bagi pekerjaan kantoran. Hampir bersamaan, kepala AI Microsoft Mustafa Suleyman memberi waktu 18 bulan sebelum siapa pun yang bekerja di depan komputer akan kehilangan pekerjaan dalam periode tersebut. Ini adalah kebangkitan kembali prediksi kiamat yang menandai paruh pertama 2025 sebelum diam-diam menghilang. Dario Amodei dari Anthropic, misalnya, memprediksi bahwa AI akan menghilangkan setengah dari semua pekerjaan tingkat pemula di bidang kantoran, sementara CEO Ford Jim Farley mengatakan hal yang sama, bahwa setengah dari pekerjaan kantoran akan hilang, tanpa terkecuali.

Tanmai Gopal mengatakan prediksi mengerikan ini adalah contoh klasik dari proyeksi diri Silicon Valley, bahkan narsisme. Co-founder dan CEO PromptQL, unicorn Bay Area bernilai lebih dari 1 miliar dolar yang membantu perusahaan dalam adopsi AI, mengatakan kepada Fortune dalam wawancara baru-baru ini bahwa prediksi kiamat AI pasti mengandung sebutir kebenaran sekaligus sangat berlebihan. “Itu 100% yang sedang terjadi di mana ada sekelompok orang yang sedang dalam siklus hype.” Gopal mengatakan komunitasnya di lembah ini “merasakan kehebatan AI ini” tetapi “kami memproyeksikan itu ke domain yang sebenarnya tidak kami pahami.”

“Itu seperti, oh, ini adalah masalah bagi 7 miliar orang di planet ini, karena saya di Silicon Valley, jadi saya tentu tahu apa yang terbaik, kan?” Gopal juga mencatat bahwa skeptik memiliki poin, karena prediksi kiamat ini muncul tepat saat putaran pendanaan multi-miliar dolar berikutnya untuk banyak startup AI yang belum go public, menawarkan alasan pendanaan yang jelas tetapi mungkin tidak terbukti. Secara umum, dia menambahkan, “Orang teknologi… berpikir seperti, ini mempengaruhi saya. Jadi ini akan mempengaruhi semua orang seperti itu.”

Sebenarnya, kata Gopal, itu tidak seperti itu. Tapi ketika berbicara tentang programmer, bahkan insinyur perangkat lunak senior, yang terpapar pada “kehebatan” alat AI yang tersedia saat ini, dia mengatakan orang-orang ini menghadapi perubahan paradigma.

Disrupsi pekerjaan yang sebenarnya datang dari dalam lembah

Gopal berbicara kepada Fortune beberapa minggu setelah “SaaSpocalypse” menghapus nilai sebesar 2 triliun dolar dari valuasi software-as-a-service, dengan para investor menyadari, seperti yang baru-baru ini dikatakan Bank of America Research, bahwa AI adalah “pedang bermata dua” dan bukan hanya peluang keuntungan semata. AI bisa dengan mudah “mengkanibal” banyak bisnis, kata BofA, seperti perangkat lunak yang cukup maju untuk menulis sendiri.

Cerita Berlanjut

Ekonom telah bingung dengan data yang sangat berisik selama setahun terakhir, dengan ekonomi AS yang sebagian besar datar dalam hal produksi pekerjaan sambil menghadapi biaya tarif yang tinggi dan jauh lebih sedikit imigran yang masuk ke tenaga kerja. Beberapa pemimpin pemikiran AI, terutama Erik Brynjolfsson dari Stanford, memeriksa data tersebut dan melihat produktivitas benar-benar mulai meningkat pada 2025. Dalam op-ed di Financial Times, Brynjolfsson mencatat bahwa laporan pekerjaan terbaru merevisi semua kenaikan pekerjaan untuk 2025 menjadi hanya 181.000, sementara perhitungannya sendiri memproyeksikan produktivitas sebesar 2,7% untuk tahun tersebut, dibandingkan rata-rata 1,4% selama dekade terakhir. Tentu saja, ini memberi bobot pada teori displacement AI, dengan bahkan Gubernur Federal Reserve Michael Barr baru-baru ini memperingatkan bahwa jutaan orang bisa menjadi “pada dasarnya tidak dapat dipekerjakan” dalam waktu dekat.

Gopal mengatakan benar bahwa industri teknologi secara tidak sengaja mengotomatisasi dirinya sendiri, mencapai era “baby AGI” (Artificial General Intelligence) khusus untuk pengkodean. Model AI terbaru memiliki penilaian dan selera seperti “insinyur perangkat lunak senior rata-rata,” kata Gopal, menjelaskan bahwa rekayasa perangkat lunak standar sangat bergantung pada mengubah konteks bisnis yang sudah ada menjadi kode teknis dan karena AI unggul dalam terjemahan ini, pengkodean menjadi domino besar pertama yang jatuh.

“Apa yang dulu dianggap sebagai puncak… dari pekerjaan kantoran adalah seperti rekayasa perangkat lunak tingkat tinggi,” kata Gopal. “Itu sudah menjadi tren selama 30 tahun terakhir dan saya senang melihat itu hilang.” Dia menjelaskan bahwa kegembiraannya berasal dari sifat robotik dari pekerjaan yang sudah mulai dilakukan oleh robot dan apa yang dia lihat di garis depan perusahaannya, yang membantu perusahaan Fortune 500 membangun alat dan agen AI yang khusus untuk bisnis mereka.

“Apa yang kami lakukan selama setahun terakhir adalah… kami bekerja tepat di persimpangan itu,” kata Gopal, dan sebagian besar, dia menemukan bahwa “AI tidak berguna” karena membutuhkan banyak konteks bisnis agar efektif. “Orang terus berpikir ini adalah masalah teknis,” tetapi sebenarnya ini tentang kenyataan sulit bahwa AI tidak dapat mengakses konteks bisnis yang ada di dalam kepala orang dan belum diterjemahkan ke data—dan mungkin tidak akan pernah. “Orang berpikir, ‘Oh, ini seperti lapisan semantik dan masalah data, dan siapkan data Anda dan buat itu bekerja dan sebagainya,’ tetapi masalah sebenarnya adalah data tidak ada untuk informasi paling berguna yang dibutuhkan AI. “Tidak ada yang menuliskannya. Dan jika tidak ada yang menuliskannya, Anda tidak bisa melatih AI untuk itu.”

Paradoxically, for an AI executive, Gopal said many businesses exist that AI can never be trained on, “because this is real-life business that moves.” Orang nyata yang melakukan percakapan dan terus memperbarui konteks bisnis akan selalu selangkah di depan mesin, jelasnya. “Apakah Anda akan melatih ulang untuk satu percakapan individu selama satu hari?” dia bertanya, lalu melatih ulang secara berkala setiap kali konteks bisnis Anda berubah?

Gopal setuju dengan wawancaranya bahwa jurnalisme adalah contoh profesi yang bisa menahan otomatisasi, karena pembaca tertarik pada wawasan manusia, sumber yang mendalam, dan analisis ke depan, hal-hal yang AI tidak bisa dengan mudah reproduksi, jika pernah. Dia juga menyebutkan tenaga penjualan, pemasar, dan staf operasional sebagai contoh. Orang di bidang ini yang harus membuat keputusan secara real-time secara inheren terlindungi, menurut pandangannya.

Gopal bukan satu-satunya eksekutif yang menyadari bahwa AI membutuhkan penerapan manusia agar berfungsi. Tatyana Mamut, mantan eksekutif Salesforce dan Amazon Web Services yang kini menawarkan tujuan pemantauan agen AI melalui startup-nya Wayfound.AI, mengatakan kepada Fortune bahwa “kita perlu berhenti membicarakan AI seperti alat.” Itu bukan alat, kan? Itu bukan seperti palu. Sebaliknya, dia berpendapat, itu lebih seperti palu “yang berpikir sendiri, bisa merancang sebuah rumah, bisa membangun rumah lebih baik daripada kebanyakan orang yang bekerja di industri konstruksi.” Tapi, tetap harus diperlihatkan rencana konstruksi-nya.

Mengenai konteks bisnis, Mamut mengatakan dia pikir “sangat sedikit” orang yang benar-benar memahami bagaimana membuat ini bekerja dengan AI. “Kamu butuh alat dan mekanisme nyata untuk menangkap pembelajaran kontekstual itu.” Perusahaan dengan merek berbeda, sistem berbeda, dan proses berbeda semuanya memiliki konteks berbeda yang harus ditangkap oleh AI, katanya, memprediksi bahwa perusahaan SaaS pintar akan beralih ke wilayah ini. Alih-alih software-as-a-service, katanya, layanan ahli akan disampaikan melalui agen dengan penangkapan konteks yang tepat.

Gopal pesimis tentang seberapa banyak konteks ini bisa ditangkap, memperkirakan bahwa 70% dari usaha yang diperlukan untuk membuat AI berguna bergantung sepenuhnya pada konteks bisnis yang tidak tertulis dan hanya ada di kepala manusia. “Kamu secara fundamental tidak bisa melatih sistem” pada realitas harian yang cair ini, jelas Gopal, menambahkan bahwa bisnis nyata selalu berubah berdasarkan percakapan dan interaksi manusia. Sementara AI dapat mengotomatisasi tugas di tingkat paling atas (pengkodean) dan paling bawah (robot fisik), seluruh area pengetahuan di tengah membutuhkan konteks manusia.

Ed Meyercord telah 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 dolar. Dia mengatakan kepada Fortune dalam wawancara baru-baru ini bahwa dia melihat dinamika serupa dari sisi operator. Timnya sudah menggunakan agen untuk merancang jaringan, mendeteksi kegagalan sebelum terjadi, dan bahkan berkomunikasi dengan agen lain dalam sistem seperti ServiceNow, tetapi dia teguh bahwa selalu ada manusia dalam proses untuk meninjau pekerjaan saat infrastruktur kritis dipertaruhkan.

“Jaringan adalah infrastruktur kritis, jadi kita harus benar,” kata Meyercord. Extreme telah membangun inti agenik ke dalam platform-nya, tambahnya, “tapi secara efektif apa yang memungkinkan kita lakukan adalah menjadi sangat akurat.” Karena akurasi sangat penting, dia mengatakan, “kita selalu ingin ada manusia dalam proses, menunjukkan semua pekerjaan yang kita lakukan.”

Seperti Gopal, Meyercord mengatakan dia tidak percaya AI bisa langsung “mengambil pekerjaan kita”; peran manusia bergeser dari melakukan setiap tugas secara manual menjadi mengorkestrasi agen, mengumpulkan konteks yang tepat, dan memutuskan masalah mana yang harus diarahkan ke mesin. Dia mengatakan tugasnya sebagai CEO, dalam banyak hal, adalah mengelilingi dirinya dengan spesialis “yang jauh lebih pintar dari saya” sambil menggunakan AI sebagai rekan yang sangat cepat, bukan pengganti.

Di sisi lain, apa pun yang bisa diotomatisasi sudah rentan terhadap AI, kata Gopal, mengacu pada “SaaSpocalypse” di pasar yang secara brutal menghukum saham software-as-a-service, asuransi, manajemen kekayaan, dan layanan pelanggan. Pada akhir tahun, katanya, ini akan semakin terlihat dari valuasi perusahaan, karena robot menyerap pekerjaan apa pun yang tidak memerlukan konteks bisnis. Hal yang menarik, tambahnya, adalah apa arti ini bagi pekerjaan.

Perpindahan pekerja kantoran

Hubungan simbiotik antara pekerja manusia, yang memiliki konteks bisnis, dan AI, yang bisa bekerja lebih cepat dan bahkan lebih cerdas tetapi kekurangan input, akan menentukan masa depan pekerjaan kantoran yang telah diperingatkan Shumer, menurut Gopal. “Kamu harus memilih dan terus menangkap konteks, dan saya rasa itulah yang benar-benar menjadi pergeseran bagi pekerja kantoran rata-rata, bahwa mereka harus memahami.”

Gopal menceritakan sebuah anekdot dari timnya, mengungkapkan frustrasi terhadap insinyur perangkat lunak biasa sekarang yang memiliki alat pengkodean AI. “Kami seperti, ‘Bro, lebih mahal bicara denganmu daripada melakukannya sendiri. Menjelaskan apa yang saya butuhkan untuk dibangun di produk memakan waktu lebih lama daripada saya langsung mengandalkan AI.’” Waktu yang dibutuhkan untuk berbicara dengan insinyur biasa bisa digunakan untuk mengelola output AI, tambahnya. Dia membandingkannya dengan setiap karyawan memiliki co-founder teknis pribadi di sisinya setiap saat, yang berpotensi memungkinkan mereka menghasilkan 20 kali lipat pekerjaan.

Meyercord setuju, mengatakan bahwa lulusan ilmu komputer tidak lagi membutuhkan keterampilan yang sama seperti sebelumnya, tetapi mereka akan “memerlukan keterampilan berbeda.” Dia mengatakan dia sudah mulai melihat pengembangan keterampilan baru, tidak harus semua lulusan seni liberal yang terlatih secara mendalam dalam berpikir kritis, tetapi lebih kepada “orang-orang yang membantu kita mengembangkan.” Dia membutuhkan orang yang bisa mendelegasikan pekerjaan ke agen AI, berbicara dengan agen, memeriksa pekerjaan mereka, dan mengawasi alur kerja. Ini sangat mirip dengan prediksi Gopal.

Tugas manusia harus berkembang untuk memberi input yang tepat kepada agen AI yang akan mendukung bisnis, prediksi Gopal, dan dia memberi nama itu. “Tugas kita sebagai manusia dan orang adalah bahwa kita sekarang adalah pengumpul konteks daripada hanya pekerja.” Kebanyakan orang menganggap ini remeh selama ini, katanya, karena mereka tidak memiliki agen AI untuk bekerja bersama. “Apa yang membuat kita baik dalam pekerjaan kita, dan apa yang memberi kita promosi, dan apa yang membuat kita lebih berpengaruh sebenarnya adalah kemampuan kita untuk mengumpulkan konteks. Itulah yang membuat kita hebat.”

Satu-satunya orang yang benar-benar perlu takut kehilangan pekerjaan, peringatan Gopal, adalah mereka yang “menolak untuk berkembang” dan menolak kenyataan baru ini. Jika pekerja sehari-hari gagal mengadopsi alat ini, mereka berisiko menyerahkan seluruh kekuatan ekonomi kepada segelintir orang yang memahami teknologi ini, berpotensi menciptakan kesenjangan kekayaan dystopian. Tapi bagi mereka yang bersedia beradaptasi, masa depan sangat cerah. “Saya tidak berpikir AI akan datang dan langsung mengambil pekerjaan kita,” kata Gopal. “Itu bahkan tidak mungkin.”

Meyercord mengatakan bisnisnya masih berkembang, dan dia berpendapat bahwa narasi kehilangan pekerjaan karena AI mengabaikan gambaran besar. “Di satu sisi, kamu bisa melakukan lebih banyak dengan lebih sedikit,” katanya, “atau kamu bisa melakukan lebih banyak dengan jumlah pekerja yang sama. Atau melakukan jauh lebih banyak dengan sedikit tambahan,” tambahnya. Jika kamu mempekerjakan pengumpul konteks yang tepat, Meyercord menambahkan, kamu benar-benar bisa mengembangkan bisnismu. “Ini seperti, bagaimana kamu memikirkan apa yang ingin kamu capai? Kami ingin melakukan lebih banyak.”

Cerita ini awalnya dipublikasikan di Fortune.com

Syarat dan Kebijakan Privasi

Dasbor Privasi