Pekerjaan yang Keliatan Berisiko Kena AI Belum Tentu yang Beneran Berisiko

Pekerjaan yang berisiko kena AI cenderung memiliki banyak tugas digital yang mudah distandardisasi, termasuk pekerjaan kantoran yang terlihat aman. Pekerjaan fisik dengan kondisi beragam dan tanggung jawab langsung kepada manusia memiliki hambatan penggantian lebih besar, terutama oleh AI generatif.

Bagian dari playbook: Playbook AI untuk Produktivitas dan Efisiensi Bisnis

Intinya:

• Risiko pekerjaan lebih jelas terlihat ketika kamu memeriksa tugas penyusunnya satu per satu.
• Kehadiran fisik, keputusan kontekstual, dan tanggung jawab atas hasil menambah hambatan otomasi.
• Nilai penulis dan kreator lebih kuat ketika pembaca membutuhkan selera, sudut pandang, dan suara yang mereka kenal.

Misalnya, kamu membandingkan teknisi AC panggilan dengan staf yang merapikan laporan rutin.

Teknisi harus mendatangi lokasi, memeriksa pemasangan, menemukan sumber masalah, lalu memastikan perbaikannya bekerja. Kondisi rumah pelanggan bisa mengubah langkah yang perlu diambil.

Staf laporan menerima data dengan format seragam, memindahkan isinya, lalu menulis rangkuman dengan pola yang berulang. Banyak bagian pekerjaannya sudah tersedia dalam bentuk digital.

Seragam kantor dan meja kerja terasa seperti simbol keamanan. Namun, untuk membaca risiko AI, kita perlu melihat bagaimana pekerjaan itu benar-benar diselesaikan.

Pekerjaan yang berisiko kena AI bisa diperiksa dari tugas hariannya

Paparan tugas terhadap AI adalah tingkat kemungkinan suatu tugas dapat dikerjakan atau dibantu oleh sistem AI. Paparan menunjukkan potensi perubahan pada pekerjaan.

Dalam artikel ini, kita membacanya melalui lima atribut:

• Bentuk input: seberapa banyak bahan kerja sudah tersedia secara digital.
• Pengulangan: seberapa sering pekerjaan mengikuti pola serupa.
• Kemudahan pemeriksaan: seberapa jelas hasil yang dianggap benar.
• Kebutuhan fisik: seberapa besar pekerjaan membutuhkan tindakan di lokasi.
• Tanggung jawab: siapa yang harus menjelaskan dan memperbaiki hasil ketika terjadi kesalahan.

Penelitian International Labour Organization tentang paparan pekerjaan menempatkan pekerjaan administratif sebagai kelompok dengan paparan tertinggi. Penelitian itu juga menekankan kemungkinan perubahan tugas karena banyak pekerjaan tetap membutuhkan keterlibatan manusia.

Bayangkan satu posisi administrasi mencakup merangkum pesanan, mengecek stok yang janggal, dan menyelesaikan perselisihan pelanggan.

AI mungkin membantu rangkumannya. Selisih stok tetap perlu ditelusuri. Perselisihan pelanggan membutuhkan keputusan mengenai janji yang akan dipenuhi perusahaan.

Artinya, kemampuan mengotomatisasi satu bagian belum menjelaskan nasib seluruh posisi. Kamu perlu melihat berapa banyak pekerjaan tersisa dan siapa yang sanggup mengerjakannya.

Pekerjaan fisik membawa hambatan yang tidak selesai lewat jawaban

Pada contoh teknisi tadi, petunjuk perbaikan hanyalah sebagian pekerjaan. Pelanggan membutuhkan AC yang kembali berfungsi dengan baik.

Baca jugaAI untuk Digital MarketingGambar yang Works di Instagram Belum Tentu Works di LinkedIn

Untuk menyelesaikannya, sistem harus bisa mengamati kondisi nyata, menjangkau komponen, melakukan tindakan, dan memeriksa hasil. Setiap tahap membawa kebutuhan alat dan penanganan kegagalan.

Saya melihat pembeda praktisnya pada jarak antara menghasilkan jawaban dan menyelesaikan masalah. Semakin banyak tindakan nyata di antaranya, semakin banyak komponen yang perlu diotomatisasi.

Ini menjelaskan mengapa pekerjaan fisik yang bervariasi memiliki hambatan penggantian lebih besar oleh AI generatif. Analisis ini khusus menyangkut sistem penghasil teks, gambar, atau keluaran digital.

Tanggung jawab manusia menambah lapisan lain. Bayangkan pelanggan menerima pekerjaan yang hasilnya mengecewakan. Ia membutuhkan seseorang yang bisa menjelaskan keputusan dan mengatur perbaikan.

AI dapat membantu menyiapkan penjelasan. Bisnis tetap perlu menetapkan orang yang memiliki wewenang untuk menyelesaikan masalah tersebut.

Namun, kebutuhan penanggung jawab tidak menjamin jumlah pekerja tetap sama. Seseorang bisa saja mengawasi lebih banyak pekerjaan setelah sebagian proses diotomatisasi.

Nilai draft pertama bergantung pada apa yang pembeli cari

Untuk penulis dan kreator, mekanismenya sedikit berbeda. Hasil kerja mereka memang digital, sehingga kebutuhan fisik jarang menjadi penghalang utama.

Misalnya, sebuah toko membutuhkan deskripsi produk dengan spesifikasi yang sudah lengkap. Jika ukuran keberhasilannya hanya keterbacaan dan kelengkapan, draft AI bisa menjadi bahan awal.

Ketika pembeli merasa hasil tersebut sudah cukup, posisi tawar jasa penulisan draft dapat melemah. Penulis perlu memahami bagian mana yang masih membutuhkan penilaiannya.

Selera editorial adalah kemampuan memilih ide, sudut pandang, bukti, dan susunan yang paling tepat untuk pembaca tertentu.

Selera terlihat ketika kamu membuang pembukaan yang menarik tetapi menyesatkan. Selera juga bekerja ketika kamu memilih contoh sederhana yang lebih membantu daripada istilah rumit.

Suara penulis adalah pola sudut pandang, bahasa, dan pertimbangan yang membuat pembaca mengenali cara seseorang berpikir.

Suara tumbuh lewat keputusan yang konsisten. Pembaca belajar mengenali hal yang kamu anggap penting, klaim yang kamu pertanyakan, dan batas yang kamu akui.

Keduanya memberi nilai pada tahap pemilihan dan penyuntingan. Pemakaian AI sendiri belum cukup untuk menunjukkan seberapa bernilai hasil seorang kreator.

Misalnya, kreator membahas promosi untuk usaha rumahan. Ia menolak saran yang membutuhkan tim besar karena memahami keterbatasan pembacanya.

Pilihan itu membuat konten lebih berguna. Cara menimbang kebutuhan serupa juga dibahas dalam memilih satu tambahan yang benar-benar relevan bagi pembeli.

Tim tipis perlu menghitung pekerjaan yang berpindah

Untuk pebisnis Indonesia dengan tim kecil, daya tarik AI mudah dipahami. Banyak pekerjaan menumpuk pada orang yang sama, sementara anggaran penambahan tenaga terbatas.

Tetapi waktu membuat draft hanyalah salah satu biaya. Ada waktu menyiapkan konteks, memeriksa kesalahan, meminta revisi, dan menangani akibat ketika hasilnya terlanjur digunakan.

Misalnya, pemilik usaha katering meminta AI menyiapkan balasan pertanyaan pelanggan. Staf masih harus memastikan kapasitas produksi dan ketersediaan pengiriman sebelum mengirim jawaban.

Jika konteks itu belum tersedia dengan rapi, balasan cepat bisa menghasilkan janji yang sulit dipenuhi.

Nah, untuk keputusan operasional, saya akan memeriksa seluruh alurnya. Penghematan terasa ketika total pekerjaan berkurang, termasuk beban pemeriksaan yang kembali kepada pemilik.

Otomasi tugas berhubungan langsung dengan paparan tadi: tugas yang terlihat mudah dibantu perlu diuji dalam kondisi kerja nyata sebelum diserahkan lebih jauh.

Pisahkan siapa yang menyiapkan bahan, siapa yang memeriksa, dan siapa yang menyetujui keputusan. Dalam tim kecil, orangnya boleh sama, tetapi perannya harus jelas.

Bagi pekerja, pola ini juga membantu menilai rasa aman dalam pekerjaan kantoran. Kamu bisa melihat kontribusi mana yang masih dibutuhkan setelah proses berubah.

Kapan penilaian ini tidak berlaku?

Pertama, pekerjaan fisik yang sangat terstandar tetap dapat menjadi sasaran otomasi. Lingkungan terkendali dan gerakan berulang memberi kondisi berbeda dari perbaikan rumah pelanggan.

Analisis OECD mengenai AI dan pekerjaan menjelaskan bahwa penggantian tugas juga bergantung pada kelayakan teknologi dan biaya. Kemampuan teknis saja belum memastikan penerapan masuk akal.

Kedua, jabatan yang memuat kata “strategi” atau “kreatif” tetap perlu diperiksa. Tugas hariannya mungkin masih berupa pengulangan format yang mudah diproduksi.

Ketiga, selera dan suara hanya menjadi pembeda ketika ada pembaca atau pembeli yang menghargainya. Menganggap tulisan sendiri khas belum cukup sebagai bukti.

Tanyakan alasan orang kembali membaca. Apakah mereka membutuhkan penilaianmu, atau hanya sedang mencari informasi dasar yang tersedia di banyak tempat?

Keempat, tanggung jawab dapat tetap berada pada manusia sementara pelaksanaannya berubah. Bisnis masih membutuhkan keputusan akhir, tetapi pembagian pekerjaan sebelumnya bisa menyusut.

Semua ini membuat label “aman dari AI” terlalu mutlak. Penilaian yang berguna harus menyebut tugas, kondisi, dan batasnya.

Minggu ini, periksa satu pekerjaan sampai selesai

Mulai dari pekerjaan yang sering kamu lakukan. Gunakan proses berikut tanpa langsung merombak seluruh tim:

1. Uraikan tugasnya. Tulis langkah sejak bahan diterima sampai hasil digunakan pelanggan atau rekan kerja.
2. Tandai hambatannya. Catat kebutuhan konteks, tindakan fisik, pemeriksaan, dan keputusan yang memiliki konsekuensi.
3. Coba bantuan AI pada bagian terbatas. Gunakan bahan yang boleh diproses dan tentukan standar hasil sebelum mencoba.
4. Hitung seluruh usaha. Bandingkan pengerjaan manual dengan proses berbantuan AI, termasuk persiapan, koreksi, dan pemeriksaan.
5. Perjelas kontribusi manusia. Tentukan keputusan yang kamu pegang serta alasan pelanggan membutuhkan pertimbanganmu.

Untuk penulis, simpan draft awal dan hasil suntingan. Jelaskan alasan setiap perubahan penting. Catatan itu membantu membedakan preferensi pribadi dengan pertimbangan yang berguna bagi pembaca.

Pekerjaan terlihat lebih jelas ketika kamu mengikuti masalah sampai benar-benar selesai. Di sepanjang proses itulah nilai manusia perlu dikenali dan dikembangkan.

Coba pilih satu tugas minggu ini. Perhatikan bagian yang bisa dipercepat, lalu cari keputusan yang masih membutuhkan seseorang untuk berdiri di belakangnya.

Kalau kamu mau menaikkan output tim tanpa menambah headcount lewat sistem AI, lihat AI Lean Company.