Kerjaan Junior Mulai Diambil AI, Terus Siapa yang Jadi Senior Nanti

Merangkum dokumen, menyusun draf pertama, merapikan data, menjawab pertanyaan pelanggan yang standar. Dulu itu tugas anak baru, sekaligus cara mereka belajar. Sekarang AI bisa mengerjakan semuanya dalam hitungan detik. Dari sisi produktivitas, itu kabar baik. Tapi ada pertanyaan yang jarang muncul di rapat: kalau tugas-tugas latihan itu hilang, dari mana senior lima tahun lagi belajar?

Jawaban jujurnya, belum ada yang tahu pasti. Di artikel ini aku kumpulkan apa yang sudah ada datanya, apa yang masih diperdebatkan, dan apa yang bisa kamu lakukan di perusahaanmu sekarang tanpa menunggu ada kepastian.

Datanya masih awal, dan para peneliti belum sepakat

Studi yang paling sering dikutip datang dari Stanford Digital Economy Lab. Erik Brynjolfsson, Bharat Chandar, dan Ruyu Chen memakai data penggajian ADP di Amerika Serikat. Di pembaruan Agustus 2026, lapangan kerja untuk pekerja usia 22 sampai 25 di pekerjaan yang sangat terpapar AI sekarang sekitar 19% di bawah level yang seharusnya, kalau mengikuti rekan seusia di pekerjaan yang kurang terpapar. Angkanya 15% di data Juli 2025. Penyesuaiannya terutama lewat berkurangnya perekrutan anak muda, bukan bertambahnya pemutusan hubungan kerja. Sementara di pekerjaan yang AI-nya lebih berperan sebagai pelengkap, lapangan kerjanya datar atau naik, terutama untuk pekerja yang lebih berpengalaman.

Para penulisnya sendiri hati-hati. Selisihnya menyempit kalau tingkat pendidikan diperhitungkan, sebagian tren yang berbeda sudah terlihat sebelum AI generatif dipakai luas, dan selisih di sampel ADP lebih besar daripada di survei nasional. Mereka juga menegaskan bahwa studi ini, atau studi tunggal mana pun, belum bisa dianggap bukti definitif.

Pandangan lain datang dari Yale Budget Lab. Di pelacak yang diperbarui 15 September 2026, mereka menyimpulkan bahwa komposisi pekerjaan belum berubah dengan cara yang jelas selaras dengan masuknya AI, dan ukuran pemakaian AI belum menunjukkan hubungan dengan perubahan lapangan kerja atau pengangguran.

Jadi gambarnya begini: ada sinyal di sisi perekrutan anak muda, tapi belum ada kesimpulan yang disepakati. Data ini juga dari Amerika Serikat. Aku belum menemukan studi serupa berbasis data penggajian untuk Indonesia, jadi anggap ini sinyal yang layak dipantau, bukan ramalan untuk perusahaanmu.

Kenapa ini urusan pemilik bisnis, bukan cuma urusan anak muda

Senior itu hasil dari junior yang bertahan dan belajar. Banyak keahlian di perusahaan nggak tertulis di SOP mana pun: cara menilai pelanggan yang bakal bermasalah, firasat soal angka yang janggal, tahu kapan sebuah aturan boleh dilonggarkan. Pengetahuan semacam itu berpindah lewat kerja bareng.

Ada paper teori yang membahas persis ini. Di model ekonomi Enrique Ide, pemula mendapat pengetahuan yang nggak tertulis (tacit knowledge) dengan bekerja di samping para ahli. Hasilnya, otomatisasi tugas pemula bisa menaikkan output saat dipakai, tapi bisa menurunkan pertumbuhan jangka panjang kalau membuat pemula menjauh dari para ahli. Ini model teori, bukan pengukuran di perusahaan nyata, jadi aku memakainya sebagai cara berpikir, bukan sebagai bukti.

Aku sendiri pernah mengerjakan sistem yang membuat satu proses, yang tadinya butuh empat peran admin, cukup dipegang satu admin yang menjalankan sistemnya dan mengecek hasilnya. Ceritanya ada di Cara Menurunkan Biaya Operasional dari Puluhan Juta Jadi Ratusan Ribu. Hasilnya bagus untuk biaya. Tapi pertanyaan di artikel ini berlaku untuk setiap perusahaan yang melakukan hal serupa: kerjaan rutin yang hilang itu dulu juga tempat orang belajar.

Belajar butuh kesulitan, dan cara memakai AI menentukan hasilnya

Dua studi terbaru melihat langsung apa yang terjadi pada orang yang belajar sambil dibantu AI.

Anthropic menerbitkan uji acak pada 29 Januari 2026. Pesertanya 52 software engineer, kebanyakan junior, yang diminta belajar library Python baru bernama Trio. Kelompok yang memakai AI rata-rata mendapat 50% di kuis sesudahnya, dibanding 67% di kelompok yang menulis kode sendiri, selisih yang setara hampir dua tingkat nilai huruf. Kelompok AI selesai sekitar dua menit lebih cepat, tapi selisih waktu itu tidak signifikan secara statistik. Pola pemakaiannya berpengaruh: yang menyerahkan hampir semuanya ke AI (menulis kode atau debugging) rata-ratanya di bawah 40%, sedangkan yang memakai AI untuk bertanya konsep, bukan sekadar meminta kode, skornya lebih baik.

Studi kedua, Bastani dkk. di PNAS (2025), melibatkan hampir seribu siswa SMA yang belajar matematika dengan tutor berbasis GPT-4. Selama latihan, versi yang mirip ChatGPT biasa (GPT Base) menaikkan nilai latihan 48%. Tapi saat akses AI-nya dicabut, nilai mereka 17% lebih rendah daripada siswa yang tidak pernah memakainya. Versi GPT Tutor, yang dirancang untuk menjaga proses belajar, menaikkan nilai latihan 127%, dan dampak negatifnya sebagian besar hilang.

Skor kuis (%) kelompok yang dibantu AI dibanding yang menulis sendiri, Anthropic 2026

50 vs 67

Nilai ujian siswa yang terbiasa dengan GPT Base setelah AI-nya dicabut, PNAS 2025

-17%

Selisih kecepatan kelompok AI, tapi tidak signifikan secara statistik

~2 menit

Konteksnya beda dari kantor: yang satu belajar library coding, yang lain siswa SMA. Tapi polanya sama. AI yang langsung memberi jawaban menaikkan kinerja hari ini dan bisa melemahkan kemampuan sendiri, sedangkan AI yang memandu proses belajar menjaganya. Bukan berarti AI buruk untuk belajar. Cara pakainya yang menentukan.

Yang bisa kamu lakukan sekarang

Bagian ini murni saranku, bukan temuan studi di atas. Tujuannya satu: tugas latihan boleh dikerjakan AI, tapi latihannya jangan ikut hilang.

Satu hal lagi soal perekrutan. Kalau kamu pernah memutuskan berhenti menerima junior karena toh bisa dikerjakan AI, tanyakan lagi dari mana senior tiga sampai lima tahun lagi akan datang. Dari luar, berarti bersaing dengan perusahaan lain di harga pasar. Dari dalam, berarti ada yang belajar sekarang. Itu pilihanmu, tapi sebaiknya dipilih dengan sadar. Soal literasi AI di tim, aku bahas juga di Kesalahan Perusahaan dalam Penggunaan AI.

Penutup

Aku nggak bilang kamu harus melarang AI untuk anak baru. Yang kubilang: kalau AI mengambil tugas latihan, latihannya perlu dirancang ulang secara sadar. Data soal dampaknya ke lapangan kerja masih awal dan diperdebatkan. Tapi menurutku, biaya merancang ulang cara belajar tim sekarang jauh lebih kecil daripada kekurangan orang yang paham operasional nanti.

Kalau kamu lagi menata pembagian kerja antara tim dan AI dan nggak mau mematikan jalur belajar, cerita aja dulu kondisi timmu.