(Business Lounge Journal – Human Resources)
Selama ini, jenjang karier di dalam organisasi berjalan dengan logika yang relatif sederhana. Seseorang masuk sebagai junior, mengerjakan pekerjaan-pekerjaan dasar, belajar dari kesalahan, mengamati cara senior bekerja, kemudian perlahan mendapatkan tanggung jawab yang lebih besar. Dari proses tersebut, seorang profesional bukan hanya memperoleh keterampilan teknis, tetapi juga membangun judgment, kemampuan berkomunikasi, memahami dinamika organisasi, hingga belajar mengambil keputusan. Namun, bagaimana jika anak tangga pertama dalam perjalanan tersebut mulai hilang karena semakin banyak pekerjaan junior dapat dilakukan oleh artificial intelligence (AI)?
Pertanyaan ini menjadi semakin relevan ketika perusahaan justru semakin membutuhkan kemampuan yang sangat manusiawi. Financial Times menyoroti perubahan yang terjadi di business schools, ketika dunia usaha mulai memberikan perhatian lebih besar pada kemampuan seperti judgment, leadership, communication, dan problem-solving. Di saat yang sama, pekerjaan entry-level yang selama ini menjadi tempat bagi profesional muda untuk belajar mulai mengalami tekanan dari otomatisasi dan AI. Di sinilah muncul sebuah paradoks: perusahaan membutuhkan orang dengan kemampuan yang lebih matang, tetapi kesempatan untuk memperoleh kematangan tersebut melalui pengalaman kerja awal justru berpotensi semakin sedikit.
Pekerjaan Junior Menjadi Semakin “Senior”
Perubahan tersebut terlihat dalam data. Analisis PwC terhadap sekitar 2,4 juta pekerjaan entry-level di Amerika Serikat menunjukkan bahwa posisi entry-level yang paling terekspos AI ternyata tujuh kali lebih mungkin membutuhkan kemampuan yang secara tradisional diasosiasikan dengan pekerja yang lebih senior, seperti leadership, creativity, dan face-to-face interaction. Bahkan, lowongan entry-level yang mengalami proses “seniorisation” meningkat 35% sejak 2019, sementara lowongan entry-level lainnya justru turun 10%.
Artinya, persoalannya bukan sekadar perusahaan berhenti merekrut lulusan baru. Yang berubah adalah ekspektasi terhadap mereka. Seorang fresh graduate mungkin sebelumnya cukup dituntut untuk mampu membuat laporan, mengolah data, melakukan riset, atau menyusun presentasi. Kini, ketika AI dapat membantu melakukan sebagian pekerjaan tersebut, perusahaan semakin membutuhkan orang yang mampu memahami masalah, memberikan judgment, berkomunikasi dengan stakeholder, dan mengambil keputusan ketika jawabannya tidak tersedia secara otomatis.
Perubahan ini menciptakan sebuah tantangan baru dalam talent management. Jika seorang lulusan baru diharapkan memiliki kemampuan yang sebelumnya diperoleh setelah beberapa tahun bekerja, perusahaan perlu bertanya dari mana kemampuan tersebut akan diperoleh. Tidak semua kemampuan dapat diajarkan melalui kelas atau pelatihan formal. Banyak di antaranya justru terbentuk ketika seseorang berhadapan dengan masalah nyata, melakukan kesalahan, menerima feedback, menghadapi konflik, dan melihat secara langsung bagaimana seorang senior mengambil keputusan.
Di sinilah pekerjaan entry-level sebenarnya memiliki fungsi yang sering tidak terlihat dalam laporan produktivitas. Pekerjaan tersebut bukan hanya tentang menyelesaikan tugas-tugas sederhana, tetapi juga menjadi learning ground bagi generasi profesional berikutnya.
Career Ladder Mulai Terputus
Risikonya menjadi lebih besar ketika perubahan ini dilihat dari perspektif jangka panjang. Bayangkan sebuah organisasi dengan jenjang Junior → Specialist → Supervisor → Manager → Leader. Selama ini, setiap tahap memberikan pengalaman yang membantu seseorang mempersiapkan diri untuk tahap berikutnya. Jika pekerjaan junior semakin banyak diotomatisasi tanpa menciptakan mekanisme pembelajaran baru, organisasi mungkin tetap memperoleh efisiensi dalam jangka pendek, tetapi dapat kehilangan pipeline talenta dalam jangka panjang.
Persoalannya bukan hanya berapa banyak pekerjaan yang hilang, tetapi pengalaman apa yang ikut hilang bersama pekerjaan tersebut. Ketika seorang junior tidak lagi membuat analisis dasar karena AI melakukannya, misalnya, ia mungkin juga kehilangan kesempatan untuk memahami bagaimana sebuah masalah bisnis dibedah dari awal. Ketika pekerjaan administratif seluruhnya diotomatisasi, ia mungkin kehilangan kesempatan untuk mengenal proses organisasi secara mendalam. Jika semua pekerjaan tersebut diberikan langsung kepada teknologi, perusahaan harus memastikan ada pengalaman lain yang menggantikannya.
Temuan dari Stanford juga memberikan sinyal yang perlu diperhatikan. Penelitian mengenai dampak AI terhadap tenaga kerja menunjukkan bahwa pekerja berusia 22–25 tahun pada pekerjaan yang sangat terekspos AI mengalami employment gap sekitar 19% lebih rendah dibandingkan kondisi yang diproyeksikan berdasarkan pekerja di pekerjaan yang lebih sedikit terekspos AI. Menariknya, dampak tersebut terutama terlihat melalui berkurangnya hiring pekerja muda, bukan semata-mata melalui peningkatan PHK.
Ini membuat persoalannya menjadi lebih kompleks. Jika perusahaan semakin selektif dalam merekrut fresh graduates karena AI dapat melakukan pekerjaan awal mereka, maka generasi muda mungkin menghadapi kesulitan memperoleh pengalaman pertama yang dibutuhkan untuk membangun karier. Pada akhirnya, organisasi bisa menghadapi paradoks berikutnya: mencari kandidat berpengalaman menjadi semakin mudah, tetapi menciptakan kandidat berpengalaman menjadi semakin sulit.
Dari Cost Saving ke Talent Development
Karena itu, perusahaan perlu melihat penggunaan AI bukan hanya sebagai strategi produktivitas atau cost saving, tetapi juga sebagai persoalan talent development. Setiap pekerjaan yang diotomatisasi seharusnya diikuti pertanyaan: keterampilan apa yang sebelumnya dibangun melalui pekerjaan ini, dan bagaimana perusahaan akan membangun keterampilan tersebut setelah pekerjaan tersebut dilakukan oleh AI?
Jawabannya mungkin bukan mempertahankan pekerjaan lama hanya demi menyediakan tempat belajar. Justru pekerjaan junior perlu didesain ulang. AI dapat mengambil pekerjaan administratif, pekerjaan berulang, atau analisis awal, sementara manusia muda diberikan kesempatan untuk melakukan hal-hal yang membangun judgment dan interpersonal skills. Mereka dapat dilibatkan dalam pertemuan dengan klien, mempresentasikan hasil analisis, mengikuti proyek lintas fungsi, melakukan problem-solving, melakukan job shadowing terhadap senior, dan mendapatkan mentoring yang lebih terstruktur.
Dengan pendekatan tersebut, AI tidak harus menjadi ancaman terhadap proses belajar. AI justru dapat menjadi alat yang memungkinkan junior bergerak lebih cepat dari pekerjaan rutin menuju pekerjaan yang memberikan pengalaman lebih bernilai. Seorang junior tidak perlu menghabiskan sebagian besar waktunya untuk pekerjaan administratif jika AI dapat membantu menyelesaikannya. Waktu tersebut dapat dialihkan untuk belajar bagaimana berkomunikasi dengan klien, memahami konteks bisnis, mempertahankan sebuah rekomendasi, atau mengambil keputusan dalam skala yang sesuai dengan tingkat pengalamannya.
Perubahan ini sekaligus menuntut perubahan pada peran manager. Manager tidak lagi cukup hanya memastikan pekerjaan selesai dan target tercapai. Mereka perlu memahami bahwa sebagian dari tanggung jawab mereka adalah menciptakan pengalaman yang membuat orang lain berkembang. Jika AI mengambil sebagian pekerjaan yang sebelumnya menjadi sarana belajar, manager harus semakin sadar terhadap pertanyaan: apa yang sedang dipelajari oleh anggota tim dari pekerjaannya hari ini?
Hal ini sejalan dengan perubahan kebutuhan keterampilan di dunia kerja. World Economic Forum memperkirakan 39% core skills pekerja akan berubah hingga 2030. Kemampuan seperti creative thinking, resilience, flexibility, agility, curiosity, dan lifelong learning semakin penting, berdampingan dengan kemampuan teknologi seperti AI dan big data. Artinya, perusahaan tidak cukup hanya mengajarkan karyawan cara menggunakan AI. Mereka juga harus mengajarkan manusia bagaimana berpikir, bekerja, dan mengambil keputusan ketika bekerja bersama AI.
Siapa yang Mencetak Pemimpin Masa Depan?
Pada akhirnya, perdebatan mengenai AI dan pekerjaan junior bukan hanya persoalan tentang Gen Z atau fresh graduates. Ini adalah persoalan mengenai bagaimana organisasi membangun manusia untuk kebutuhan lima atau sepuluh tahun ke depan. Perusahaan mungkin dapat meningkatkan produktivitas dengan mengurangi pekerjaan entry-level yang bersifat rutin, tetapi keputusan tersebut perlu diimbangi dengan investasi pada pengalaman, mentoring, apprenticeship, dan pengembangan kemampuan manusia.
AI dapat membantu membuat analisis, tetapi seseorang tetap harus menentukan pertanyaan apa yang layak dianalisis. AI dapat memberikan beberapa pilihan, tetapi manusia harus menentukan pilihan mana yang paling tepat bagi organisasi. AI dapat membuat draft komunikasi, tetapi manusia tetap harus memahami kapan harus berbicara, kepada siapa, dengan cara seperti apa, dan apa konsekuensinya. Semakin kuat AI dalam melakukan execution, semakin penting kemampuan manusia dalam memberikan judgment.
Karena itu, organisasi perlu mulai memikirkan kembali bukan hanya job architecture, tetapi juga learning architecture. Jika career ladder berubah karena AI, maka cara perusahaan membangun talent juga harus berubah. Pekerjaan junior yang baru harus dirancang bukan sekadar untuk menghasilkan output, tetapi juga untuk menghasilkan kemampuan.
Pertanyaan terbesar di era AI akhirnya bukanlah “Berapa banyak pekerjaan junior yang dapat digantikan oleh AI?” Pertanyaan yang jauh lebih penting bagi seorang pemimpin organisasi adalah: “Jika AI mengambil pekerjaan yang dulu menjadi tempat belajar, di mana generasi pemimpin berikutnya akan belajar?” Perusahaan yang paling siap menghadapi masa depan bukanlah perusahaan yang memiliki jumlah pekerja junior paling sedikit. Perusahaan yang lebih siap adalah mereka yang mampu menggunakan AI untuk meningkatkan produktivitas sekaligus menciptakan cara baru bagi manusia untuk belajar, bertumbuh, dan mengambil tanggung jawab yang semakin besar.
Sebab pada akhirnya, AI mungkin dapat mempercepat pekerjaan. Tetapi pemimpin tetap harus dibentuk melalui pengalaman.