Dampak AI pada Produktivitas Kerja: Kok Masih Butuh Manusia?

Apa Itu Intelligence Age dan Esai The Eternal Complement dari OpenAI?

Esai ini bagian dari program "Intelligence Age" OpenAI, platform buat suara-suara independen yang ngebahas masa depan AGI. Poin utamanya: manusia udah bisa mikir sampai ke ujung alam semesta lewat matematika dan teleskop, tapi belum pernah ada yang jalan lebih jauh dari Bulan.

Menurut penulisnya, ini nunjukin ada dua kemungkinan. Pertama, mungkin kita emang nggak perlu pergi jauh — cukup mikir dalam buat nemuin kebenaran semesta. Kedua, lebih bikin waswas: otak kita udah ngelewatin kapasitas eksekusi kita sendiri. Kita punya banyak banget ide, tapi nggak cukup "tangan" buat ngerjainnya.

Contoh konkretnya ada di James Webb Space Telescope. Observatorium senilai sepuluh miliar dolar ini punya 18 cermin raksasa yang presisinya sampai 50 nanometer, dan dibangun oleh 300 organisasi dari 14 negara. Bandingin sama teleskop Galileo yang cuma butuh dua lensa, satu tabung, dan segelintir orang.

Kenapa Ide Jenius Aja Nggak Cukup: Soal Eksekusi Rutin AI

Menurut riset ekonom Nick Bloom yang dikutip di esai ini, buat nerusin Moore's Law — hukum yang bilang kemampuan chip naik dua kali lipat tiap beberapa tahun — sekarang butuh 18 kali lebih banyak peneliti dibanding awal 1970-an. Usaha riset di seluruh ekonomi naik 23 kali lipat sejak era 1930-an, tapi produktivitas riset per orang malah turun 41 kali.

Angka lain yang disebut: jumlah teknisi tumbuh dua kali lebih cepat dari jumlah ilmuwan, pemakaian alat khusus di dunia sains naik dua kali lipat dalam empat dekade, dan bikin fab chip sekarang lima kali lebih mahal dibanding 30 tahun lalu. Artinya, makin maju sains, makin butuh "tangan" buat ngejalaninnya — bukan cuma otak.

Di sinilah esai ini ngasih istilah baru: institutional intelligence, alias kecerdasan eksekusi yang nggak pernah dipuji tapi penting banget. Genius ngedesain monumennya, institusi yang naruh batu per batu. Satu kelihatan brilian, satu kelihatan membosankan — tapi dua-duanya sama krusial.

Dua Kemungkinan Masa Depan: Civilization of Depth vs Width

Pertanyaan besarnya: kalau AI makin jenius, apakah kebutuhan kita akan eksekusi fisik dan birokrasi bakal makin gede, atau malah makin kecil? OpenAI ngasih dua skenario buat ngejawab ini.

Ada tiga cara kecerdasan bisa majuin pengetahuan: bernalar dari prinsip dasar (kayak matematika), narik insight baru dari data yang udah ada, atau ngumpulin data baru lewat eksperimen di dunia nyata. Dua cara pertama bisa "jalan jauh" cuma lewat pikiran. Cara ketiga butuh waktu nunggu reaksi kimia, pertumbuhan organisme, atau pembangunan mesin — nggak bisa dipercepat cuma pakai otak secanggih apa pun.

Kalau efisiensi penalaran menang, kita bergerak ke "civilization of depth" — superintelligence paham pola dunia begitu dalam sampai tahu persis eksperimen mana yang perlu dijalankan, tanpa harus bangun infrastruktur fisik yang makin ribet. Esai ini nyamain prosesnya sama nyusun puzzle: susah di awal, susah di tengah, tapi gampang di ujung karena potongan yang sisa udah hampir "ngasih tau sendiri" bentuknya — kayak Mendeleev yang bisa nebak elemen yang belum ditemukan dari pola tabel periodik.

Tapi ada skenario kedua yang lebih berat: "civilization of width". Di sini, kebutuhan buat ngonfirmasi sesuatu lewat dunia nyata tumbuh lebih cepat dari efisiensi yang bisa dicapai AI. Contohnya biologi — obat baru tetap harus dites ke banyak manusia buat tau aman atau nggak, meski simulasi digital udah makin canggih. Makin banyak kandidat obat yang dihasilkan AI, makin gede juga beban uji klinis yang harus dijalanin.

Contoh paling ekstrem yang dipakai di esai ini: Dyson sphere, struktur raksasa buat nyerep energi dari bintang. Ngedesainnya butuh terobosan ilmiah yang gede, tapi sebagian besar proyeknya justru konstruksi dan logistik yang super repetitif dan monoton. Kalau skenario ini yang menang, "superpower" dari superintelligence bukan kejeniusannya, tapi kesediaannya jadi birokrasi — ngatur mesin raksasa buat ngewujudin ide jadi nyata.

Seperti kata penulis esai ini: "Hampir semua kecerdasan mesin mungkin bakal dipakai bukan buat hal jenius, tapi buat hal yang membosankan." — Hemanth Asirvatham dan Elliott Mokski.

Dampak AI pada Produktivitas Kerja: Siapa yang Makin Dicari?

Nah, ini bagian yang paling relevan buat kita di Indonesia. Esai ini bilang, AI sekarang udah bikin eksekusi jadi lebih murah — nulis kode, nyari di literatur yang asing, ngubah sketsa jadi prototipe jalan. Ide yang dulu butuh satu organisasi penuh, sekarang bisa dikerjain satu orang yang gercep.

Artinya, kalau dulu bakat orang sering kepentok karena nggak ada "tim pendukung" buat ngewujudin idenya, sekarang AI bisa jadi tim pendukung itu. Sutradara indie, desainer game, sampai pemilik UMKM yang dulu cuma jalanin visi orang lain, sekarang bisa langsung eksekusi ide sendiri pakai AI.

Tapi di sisi lain, kalau AI juga makin jago ngelahirin ide-ide brilian sendiri — yang menurut esai ini udah mulai kelihatan di bidang matematika — justru eksekusi bisa jadi makin langka lagi. Soalnya satu AI jenius bisa nelurin ribuan ide sekaligus, lebih cepat dari kecepatan infrastruktur buat ngewujudinnya. Skill yang makin berharga pun berubah: dari "siapa yang bisa ngerjain" ke "siapa yang punya selera buat milih ide mana yang paling layak dikerjain".

Buat pembaca Classai yang kerja kantoran, mahasiswa, atau pelaku UMKM, ini artinya dua hal. Pertama, kemampuan eksekusi rutin yang rapi dan konsisten — ngelola data, nyusun laporan, ngatur alur kerja — tetap bernilai, cuma sekarang dibantu AI biar lebih cepat. Kedua, kemampuan milih dan menilai ide (taste) jadi makin penting, karena makin banyak opsi yang dilempar AI ke meja kamu.

Masa Depan Pekerjaan: Posisi Manusia di Tengah AI Jenius

Esai ini juga ngasih alasan kenapa rasa ingin tahu manusia tetap relevan, meski AI makin canggih. Pertama, kewajiban kita buat ngerti dunia tetap ada, nggak peduli ada mesin yang lebih jago dari kita. Kedua, manusia mungkin punya keunggulan komparatif di hal-hal yang butuh insight jenius dibanding kerja eksekusi — orang cenderung lebih suka kerjaan kreatif ketimbang rutin, sementara robot nggak punya preferensi apa-apa.

Ketiga, ada nilai dari keragaman. Walau AI bisa niru kebanyakan cara mikir manusia, selama kita masih punya keunikan, kita tetap ngasih variasi kreatif yang beda. Jadi meski sebagian besar kecerdasan mesin bakal "terkunci" di sistemnya sendiri buat ngerjain hal eksekusi, ada porsi yang tetap dipakai buat ngewujudin ide-ide kreatif kita.

Menurut analisis kami, poin ini penting buat siapa aja yang lagi mikirin masa depan pekerjaan di Indonesia. Kekhawatiran "AI bakal ngambil semua kerjaan" mungkin kurang pas — yang lebih mungkin terjadi, AI ngambil porsi eksekusi rutin, dan manusia makin dituntut buat ngasih arah, selera, dan konteks lokal yang AI belum tentu paham.

Cara Manfaatin Insight Ini buat Kerjaan dan Bisnis Kamu

Biar nggak cuma jadi wacana filosofis, ini beberapa langkah praktis yang bisa kamu coba dari minggu ini:

1. Pisahin tugas "genius" dan tugas "eksekusi" di kerjaan kamu. Catat mana yang butuh keputusan dan selera (misal: nentuin strategi konten), dan mana yang murni rutin (misal: ngerapihin data, nulis draft awal).
2. Serahin tugas eksekusi rutin ke AI dulu. Pakai chatbot buat nulis draft laporan, ngerangkum rapat, atau nyusun template — biar waktu kamu fokus ke bagian yang butuh penilaian manusia.
3. Latih "taste" kamu, bukan cuma skill teknis. Karena makin banyak ide yang dilempar AI, kemampuan milih mana yang paling worth it buat dikerjain jadi aset yang makin dicari perusahaan.
4. Bangun kebiasaan ngecek ulang hasil AI. Institutional intelligence manusia — ketelitian, tanggung jawab, kepatuhan ke aturan — tetap jadi lapisan penting sebelum hasil AI dipakai buat keputusan bisnis.

Kalau kamu pengin latihan mindset kerja di era AI kayak gini, kelas Fondasi AI untuk Kerja dari Classai ngebahas dasar-dasar manfaatin AI buat tugas harian. Buat yang posisinya lebih ke manajerial, ada juga sesi Leadership in the New Economy yang ngebahas skill kritis buat profesional di era AI.

Contoh prompt yang bisa kamu coba buat mulai misahin tugas genius vs eksekusi di kerjaan kamu:

Saya kerja sebagai [posisi/pekerjaan kamu]. Tolong bantu saya bikin daftar 10 tugas rutin saya minggu ini, lalu kelompokkan jadi dua kategori:1) Tugas yang butuh keputusan/selera saya sendiri2) Tugas eksekusi rutin yang bisa kamu bantu kerjakan draft-nyaUntuk kategori 2, langsung buatkan draft awalnya.

Apa Artinya Buat Dunia Kerja di Indonesia Secara Umum?

Kalau skenario "civilization of width" yang kejadian — di mana AI malah nemuin makin banyak hal yang perlu diuji di dunia nyata — permintaan tenaga eksekusi, teknisi, dan operator justru bisa naik, bukan turun. Ini relevan buat sektor yang bergantung ke proses fisik kayak manufaktur, farmasi, sampai agrikultur di Indonesia.

Sebaliknya, kalau "civilization of depth" yang menang, pekerjaan yang paling kena dampak adalah yang isinya analisis dan riset murni, karena AI bisa makin efisien ngerjain itu sendirian. Buat pekerja kantoran dan mahasiswa, artinya investasi ke skill yang nggak cuma "ngolah data" tapi juga "ngerti konteks dan nilai lokal" jadi makin penting dua-duanya.

Kamu bisa baca lebih lanjut soal skill AI yang dicari perusahaan di artikel ini, atau kalau kamu pemilik bisnis kecil yang pengin mulai adopsi AI secara bertahap, ada juga panduan 30 hari di artikel ini.

Bacaan Lanjutan dari Seri Intelligence Age OpenAI

Esai ini bukan tulisan berdiri sendiri. OpenAI ngasih tiga bacaan terkait yang masih satu rangkaian sama tema Intelligence Age ini, kalau kamu pengin gali lebih dalam.

Yang pertama, esai pembuka seri ini sendiri yang judulnya "Introducing Intelligence Age" — ngejelasin kerangka besar kenapa OpenAI bikin platform ini buat ngebahas masa depan AGI.

Yang kedua, ada publikasi soal sepuluh kemajuan di bidang matematika dan ilmu komputer teoretis — relevan sama poin di esai ini yang nyebut AI udah mulai nunjukin kemampuan bikin insight jenius sendiri di domain matematika.

Yang ketiga, ada tulisan soal upaya memajukan era baru sains nasional — nyambung sama bahasan esai ini tentang gimana kemajuan sains butuh dukungan institusi dan kebijakan yang gede, nggak cuma otak jenius doang.