AI dan Pengurangan Tenaga Kerja: Mengapa Perusahaan Harus Berhati-hati dengan Strategi ini

AI dan Efisiensi: Logika yang Terlalu Sederhana

Di banyak perusahaan saat ini, asumsi yang berkembang di level tertinggi tampaknya sederhana: AI meningkatkan efisiensi, sehingga perusahaan perlu mengurangi jumlah karyawan. Logika ini terdengar masuk akal dan terkesan disiplin. Namun, asumsi ini tidak sepenuhnya tepat.

Saya pernah hadir dalam rapat dewan di mana AI dibahas sebagai peluang sekaligus pembenaran untuk pemangkasan tenaga kerja. Para pemimpin perusahaan berbicara tentang transformasi digital, tetapi dalam waktu bersamaan juga membicarakan pengurangan karyawan. Hubungan keduanya tampak otomatis, seolah-olah satu hal harus mengikuti yang lain.

Pertanyaan penting yang sering terlewatkan adalah: pekerjaan apa yang sebenarnya ingin kita selesaikan, dan bagaimana cara terbaik melakukannya?

Mengapa Pemangkasan Karyawan Bukan Solusi Instan

Tenaga kerja merupakan pos pengeluaran terbesar bagi sebagian besar perusahaan. Ketika AI hadir, wajar jika perusahaan melihatnya sebagai cara untuk mengurangi biaya tenaga kerja. Namun, bukti nyata menunjukkan bahwa AI belum mampu meningkatkan produktivitas secara signifikan untuk membenarkan pemutusan hubungan kerja secara besar-besaran.

Yang terjadi justru tekanan, terutama pada perusahaan publik, untuk menunjukkan hasil cepat dari investasi AI yang besar. Memangkas anggaran perjalanan atau pengeluaran diskresioner tidak memberikan dampak yang terlihat. Sementara itu, pengurangan karyawan menjadi pilihan yang paling terlihat dan cepat.

Masalah Analis Muda: AI Bukan Pengganti Penilaian

Baru-baru ini, saya berbincang dengan seorang analis muda yang baru saja menyelesaikan program rotasi. Sarannya sederhana: jangan biarkan karyawan baru terlalu bergantung pada AI sejak awal.

Meskipun setiap perusahaan menginginkan karyawan yang mahir menggunakan AI, ketergantungan berlebihan pada AI sebelum memahami bisnis justru berbahaya. Tanpa pemahaman mendalam, karyawan tidak dapat menilai kualitas, relevansi, atau risiko dari hasil yang dihasilkan AI. Penilaian yang baik hanya bisa dibangun melalui pengalaman langsung. Dengan melakukan pekerjaan sendiri, karyawan belajar apa yang baik, di mana kesalahan terjadi, dan bagaimana keputusan berdampak dalam praktik.

Tanpa fondasi ini, karyawan hanya akan mengandalkan AI daripada menggunakannya sebagai alat bantu.

Kisah Kode yang Ditulis Ulang oleh AI

Saya baru-baru ini mendengar tentang sebuah perusahaan yang menggunakan AI untuk menulis ulang seluruh basis kode mereka hanya dalam satu akhir pekan. Sistem yang telah berusia 10 tahun itu selesai dikerjakan dalam hitungan hari. Secara sekilas, ini terdengar seperti masa depan yang cemerlang.

Namun, cerita belum berakhir di situ. Setelah kode selesai ditulis ulang, perusahaan tetap membutuhkan insinyur asli untuk memvalidasinya. Mereka harus memastikan apakah kode tersebut tahan uji, apakah menimbulkan risiko baru, dan apakah benar-benar berfungsi di dunia nyata. Kecepatan menulis kode memang mengesankan, tetapi kepastiannya tidak.

Ini menunjukkan bahwa adopsi AI tidak semudah yang dibayangkan. Meskipun output dapat dipercepat, permintaan akan penilaian manusia dan evaluasi mendalam justru semakin meningkat.

Utang Pengembangan: Risiko dari Pemangkasan Tenaga Junior

Saat ini, jika perusahaan memutuskan untuk mengurangi perekrutan karyawan junior atau bahkan menghapus posisi awal karier dengan alasan AI dapat menangani tugas-tugas level pemula, perusahaan harus menyadari konsekuensinya.

Di satu sisi, perusahaan dapat menghemat biaya. Namun, di sisi lain, mereka juga menghilangkan jalur pengembangan talenta berpengalaman yang sangat dibutuhkan organisasi untuk masa depan. Tanpa talenta yang terlatih dengan baik, perusahaan akan kesulitan untuk tumbuh dan beradaptasi di tengah perubahan yang cepat.

AI dapat meningkatkan efisiensi, tetapi tidak dapat menggantikan pengalaman, penilaian, dan pengembangan talenta manusia. Perusahaan yang terlalu agresif dalam memangkas tenaga kerja junior mungkin akan menyesal di kemudian hari.