Data terbaik yang kita punya menunjukkan AI mempersulit orang mendapatkan pekerjaan pertama di profesi yang paling banyak tersentuh AI, dan dampaknya muncul sebagai berkurangnya lowongan, bukan PHK. Sebuah studi Stanford yang melacak jutaan catatan penggajian menemukan bahwa pekerja usia 22 sampai 25 tahun di pekerjaan yang paling terpapar AI memiliki tingkat pekerjaan 19% lebih rendah dibandingkan seandainya mereka bergerak sejajar dengan rekan seusia di pekerjaan yang kurang terpapar (Stanford Digital Economy Lab). Pekerja usia 26 tahun ke atas di pekerjaan yang sama tidak menunjukkan kesenjangan yang sebanding.
Itu tidak sama dengan "AI merebut semua pekerjaan." Para penulisnya menyebut angka mereka masih awal dan bersifat deskriptif, peneliti lain tidak melihat gangguan di seluruh ekonomi, dan sebagian tren sudah dimulai sebelum ChatGPT. Meski begitu, orang Amerika tampaknya merasakan kegelisahan ini: jajak pendapat AP-NORC menemukan 64% menilai AI berkembang terlalu cepat (AP).
Artikel ini memaparkan apa kata riset yang kredibel, di mana para peneliti berbeda pendapat, peran mana yang paling terpapar, dan apa yang bisa dilakukan pekerja junior maupun manajer perekrutan. Setiap angka di bawah ini berasal dari sumber yang kami buka tahun ini, dan kami menyebut sumbernya setiap kali.
Keempat angka itu berasal dari tiga studi berbeda dengan metode berbeda, jadi jangan dijumlahkan. Bacalah sebagai satu pola yang dilihat dari sudut pandang berbeda: lowongan junior makin sedikit di pekerjaan yang draf pertamanya paling dikuasai AI.
Temuan studi Stanford
Studi ini berjudul "Canaries in the Coal Mine?" dan penulisnya, tim dari Digital Economy Lab Stanford, pertama kali menerbitkannya pada 2025. Revisi terbaru memakai data penggajian ADP hingga 2026 dan menemukan kesenjangannya terus melebar sejak rilis pertama (Stanford). Menurut mereka sendiri, ini adalah "indikator awal yang bersifat deskriptif", bukan estimasi kausal.
Perbedaannya mencolok. Dari akhir 2022 hingga 2026, jumlah pekerja usia 22 sampai 25 tahun turun 11% pada dua kuintil pekerjaan yang paling terpapar AI dan naik 10% pada tiga kuintil yang paling sedikit terpapar (pembaruan Stanford). Studi ini tidak menemukan kesenjangan sebanding untuk pekerja usia 26 tahun ke atas, dan menyebut efeknya terutama lewat berkurangnya perekrutan pekerja muda, bukan bertambahnya pemutusan hubungan kerja.
Batang-batang itu menjelaskan mengapa kesenjangan utamanya lebih besar daripada salah satu angka saja. Satu kelompok kehilangan posisi sementara yang lain bertambah, sehingga jarak di antara keduanya lebih lebar daripada penurunan 11%.
Para penulis menawarkan sebuah mekanisme. Pekerja muda membawa pengetahuan terkodifikasi, jenis yang diajarkan di kelas dan tertulis di dokumentasi, dan itulah jenis yang mudah direplikasi AI. Pekerja berpengalaman mengandalkan pengetahuan tasit yang dikumpulkan bertahun-tahun. Studi ini menemukan penurunan terkonsentrasi di tempat AI menggantikan tenaga kerja, sementara lapangan kerja datar atau naik di tempat AI melengkapi (Stanford). Satu pengujian menyingkirkan penjelasan pesaing yang paling jelas: pekerjaan yang terpapar AI rata-rata kurang sensitif terhadap suku bunga dibanding pekerjaan lain, dan para peneliti mengatakan mereka "tidak menemukan dukungan kuat" bagi gagasan bahwa perubahan suku bunga menjelaskan penurunan di level entry (Stanford soal suku bunga).
Data lain yang menunjuk ke arah sama
Ekonom Anthropic sampai ke kesimpulan serupa lewat jalur berbeda. Makalah mereka tahun 2026 menyusun ukuran "observed exposure" yang memadukan kemampuan model bahasa dengan cara orang benar-benar memakai Claude di tempat kerja. Programmer menempati peringkat pertama dengan cakupan tugas 75%, dan petugas entri data 67%. Untuk usia 22 sampai 25 tahun, makalah itu melaporkan penurunan 14% pada tingkat mendapatkan pekerjaan di profesi yang terpapar sejak ChatGPT diluncurkan, meski hasilnya disebut hanya signifikan secara statistik pada batas tipis (Anthropic).
Hiring Lab dari Indeed meneliti lowongan kerja. Di profesi yang paling terpapar (pengembangan perangkat lunak, dukungan TI, data dan analitik, pemasaran, dan keuangan), porsi entry-level dalam lowongan turun dari 29% menjadi 10% antara 2021 dan 2026, sementara porsi senior naik dari 22% menjadi 47% (Indeed Hiring Lab). Analisis yang sama menemukan gaji yang diiklankan tumbuh lebih cepat di pekerjaan yang terpapar, 46% sejak 2021 dibanding 25% di yang paling sedikit terpapar, tetapi hampir seluruh premi itu jatuh ke peran berpengalaman.
Titik-titik itu menunjukkan bahwa orang yang paling dibantu AI adalah mereka yang sudah menguasai pekerjaannya. Lowongan entry-level di pekerjaan yang terpapar mendapat tambahan gaji 2 poin dibanding pekerjaan berpaparan rendah, peran menengah 12 poin, dan peran senior 17 poin. Ringkasan Indeed sendiri menyebut AI "lebih berperan sebagai pelengkap pekerja terampil daripada pengganti."
Data LinkedIn cocok dengan gambaran ini pada tingkat yang lebih kasar. Panduan lulusan 2026 mereka menyebut tingkat perekrutan pekerja entry-level AS yang disesuaikan musiman turun 6% pada kuartal musim dingin dibanding periode yang sama setahun sebelumnya, dan banyak mahasiswa lulus tanpa banyak pengalaman tentang bagaimana AI masuk dalam pekerjaan sehari-hari, padahal pemberi kerja mencari keterampilan itu (LinkedIn).
Di mana buktinya campur aduk
Mulai dari para skeptis, karena mereka juga punya data yang nyata. Yale Budget Lab melacak bagaimana komposisi pekerjaan berubah dan berapa lama orang menganggur. Laporannya menyebut bahwa meski kecemasan soal AI dan pekerjaan meluas, "data kami menunjukkan hal itu sebagian besar masih spekulatif," dan direktur eksekutifnya, Martha Gimbel, mengatakan kepada Fortune bahwa saat ini tidak ada efek makroekonomi yang besar. Laporan Fortune yang sama mengutip Oxford Economics, memakai data Challenger, Gray & Christmas: AI disebut sebagai penyebab sekitar 55.000 pemangkasan pekerjaan AS yang diumumkan dalam 11 bulan pertama 2025, hanya 4,5% dari total. Laporan itu juga mengangkat kemungkinan "AI washing", yaitu perusahaan menyalahkan AI atas pemangkasan yang punya penyebab lain (Fortune).
Makalah Anthropic sepakat soal gambaran besarnya: tidak ada kenaikan pengangguran yang sistematis pada pekerja yang sangat terpapar sejak akhir 2022. Para penulisnya menggambarkan melambatnya perekrutan pekerja muda sebagai peringatan dini yang muncul di perekrutan sebelum muncul di angka pengangguran (Anthropic).
Lalu ada catatan di dalam riset Stanford sendiri. Efeknya lebih kuat di sampel ADP daripada di acuan survei nasional, mengecil ketika memperhitungkan pendidikan, dan sebagian divergensi sudah dimulai sebelum AI generatif meledak (Stanford).
Angka terbaru soal lulusan pun tidak katastrofik. Data terbaru New York Fed menunjukkan lulusan baru (usia 22 sampai 27) menganggur sekitar 5,6%, dengan tingkat setengah menganggur 42% dan sedikit naik (New York Fed).
Para ekonom pun mulai bergeser. Survei triwulanan terbaru Indeed terhadap para ekonom menemukan indeks difusi 55,6 untuk risiko tergantikannya pekerja berpendidikan tinggi oleh AI (di atas 50 berarti risiko meningkat), dan 45% panelis menyebut efek bersih AI terhadap lapangan kerja sebagai negatif ringan. Para panelis memperkirakan asisten administrasi dan pengembangan perangkat lunak akan mengalami penurunan terbesar (Indeed Hiring Lab).
Suasana publik berjalan lebih cepat daripada datanya. Dalam jajak pendapat AP-NORC terhadap 2.140 orang dewasa, 27% mengatakan AI berkembang dengan kecepatan yang pas dan 8% mengatakan terlalu lambat, dan sekitar 8 dari 10 mengatakan sangat penting bagi pemerintah untuk menjaga AI tetap di bawah kendali manusia (AP). Kekhawatiran soal pekerjaan menjadi bagian dari itu. Kekhawatiran bukan bukti tergantikannya pekerja, tetapi ia memengaruhi cara anak muda dan orang tua membaca pasar kerja.
Tiga hal akan mengubah pandangan kami. Kenaikan pengangguran pada pekerja muda di pekerjaan yang terpapar, yang berarti perlambatan perekrutan berubah menjadi hilangnya pekerjaan. Lowongan entry-level pulih di profesi yang terpapar. Atau kesenjangan Stanford menyempit begitu data perekrutan 2026 lebih lengkap. Sampai salah satunya terjadi, posisi yang hati-hati adalah yang dipaparkan di atas.
Pandangan kami: klaim bahwa AI diam-diam menipiskan anak tangga paling bawah di sejumlah profesi sudah didukung dengan baik. Klaim bahwa AI menyebabkan keruntuhan lapangan kerja secara umum tidak. Siapa pun yang mengatakan data sudah memastikan penyebabnya telah mendahului riset.
Peran mana yang paling dan paling sedikit terpapar
Keterpaparan mengikuti tugasnya, bukan industrinya. Daftar profesi dengan cakupan terbesar menurut Anthropic dipuncaki programmer, perwakilan layanan pelanggan, dan petugas entri data. Di ujung lainnya, sekitar 30% pekerja memiliki cakupan nol di data mereka, termasuk juru masak, montir sepeda motor, penjaga pantai, bartender, dan pencuci piring (Anthropic).
Gambar di bawah adalah penempatan editorial kami atas pekerjaan entry-level umum pada dua pertanyaan: seberapa rutin dan terdokumentasi pekerjaannya, dan seberapa banyak AI dipakai untuk mengerjakan tugas-tugas itu. Ini alat bantu penilaian, bukan pengukuran, jadi geser titik mana pun yang tidak sesuai dengan pengalaman Anda.
Kelompok di kanan atas adalah tempat perekrutan awal karier sudah menipis. Pemasaran dan keuangan berada di tengah, dan data lowongan Indeed menempatkan keduanya di kelompok yang paling terpapar. Peran di kiri bawah bergantung pada tangan, kehadiran fisik, dan penilaian secara langsung, itulah sebabnya hampir tak terdeteksi di data keterpaparan.
Satu catatan: keterpaparan rendah tidak sama dengan gaji tinggi atau prospek bagus. Menurut Anthropic, pekerja yang sangat terpapar juga berpenghasilan rata-rata 47% lebih tinggi, jadi pekerjaan yang tertekan sering kali justru yang paling keras diupayakan orang. Pilih jalur berdasarkan kecocokan, bukan rasa takut.
Mengapa tekanannya mengenai perekrutan, bukan PHK
Perusahaan jarang mengumumkan bahwa mereka mengganti seorang junior dengan model AI. Mereka hanya tidak membuka lowongannya. Seorang insinyur senior yang bisa mendapat draf pertama yang layak dari alat AI punya alasan lebih kecil untuk meminta satu asisten lagi, sehingga penambahan headcount yang seharusnya terjadi tidak pernah muncul di angka PHK siapa pun.
Kekhawatiran jangka panjangnya ada di sisi kanan diagram itu. Pekerjaan entry-level selalu menjadi tempat orang mempelajari bagian tasit dari pekerjaan. Dalam sebuah esai untuk MIT Technology Review, Georgios Petropoulos dari USC berpendapat bahwa mengotomatisasi tugas junior berisiko merusak cara organisasi membangun keterampilan, dan ia menyarankan program magang berbayar (co-op), pemagangan, dan insentif bagi pemberi kerja agar perekrutan awal karier tetap hidup (MIT Technology Review).
Yang dicari pemberi kerja dari junior
Pemberi kerja melaporkan bahwa keterampilan AI cepat masuk ke persyaratan pekerjaan entry-level. NACE, yang mensurvei pemberi kerja soal perekrutan lulusan kampus, menemukan lebih dari sepertiga pekerjaan entry-level kini mensyaratkan keterampilan AI, hampir tiga kali lipat dari survei musim gugurnya. Sebanyak 28% pemberi kerja mengatakan mereka mencari talenta awal karier yang bisa memakai AI, dan hampir 60% memberi proyek berbasis alat AI kepada peserta magang (NACE).
Tidak semua mahasiswa mengikuti perkembangan ini. Survei mahasiswa NACE 2026 melibatkan lebih dari 17.000 mahasiswa, dan di antara mahasiswa tingkat akhir, 31% menyebut keterampilan AI kurang atau tidak penting bagi karier mereka, 40% menyebutnya sangat atau amat penting, dan 50,5% belum mulai membangun keterampilan itu (NACE).
Indikator itu memperlihatkan ketidakcocokan yang layak ditindaklanjuti. Pemberi kerja menguji keterampilan AI pada peserta magang, sementara separuh mahasiswa tingkat akhir belum mulai. Satu peringatan: angka pemberi kerja berasal dari 185 organisasi yang memilih untuk menjawab, jadi anggaplah sebagai arah, bukan sensus. Survei NACE juga menemukan lebih dari separuh pemberi kerja mengatakan AI tidak mengurangi tugas entry-level, dan hanya 11% yang membahas AI menggantikan posisi.
Keterampilan dan alat yang membuat junior lebih layak direkrut
Keterampilan yang dijelaskan pemberi kerja NACE bersifat terapan: memilih alat AI yang tepat untuk tugasnya, menulis prompt yang baik, serta memeriksa dan merevisi hasilnya (NACE). Tidak ada yang meminta lulusan baru melatih model. Mereka menginginkan orang yang bisa memakainya dan menangkap kesalahannya. Petropoulos merumuskan kombinasi pemenang sebagai kefasihan AI ditambah keahlian bidang (MIT Technology Review).
Berikut urutan langkah praktis untuk 30 hari ke depan.
- Pilih satu peran target dan baca sepuluh lowongan terbarunya. Catat alat dan tugas mana yang muncul lebih dari sekali.
- Kuasai dua asisten umum dengan baik. ChatGPT dan Claude adalah pasangan yang paling jelas, dan panduan alternatif ChatGPT kami membantu jika Anda ingin pilihan ketiga sebagai pembanding.
- Gunakan AI untuk pekerjaan nyata dan simpan buktinya: memo riset, pembersihan data, atau aplikasi kecil. Catat apa yang salah dikerjakan AI dan bagaimana Anda menangkapnya. Cerita verifikasi itulah yang diingat pewawancara.
- Jika target Anda teknis, berlatihlah dengan asisten coding seperti GitHub Copilot, Cursor, atau Claude Code, dan siap menjelaskan kode yang tidak Anda ketik sendiri. Papan asisten coding AI kami memeringkat pilihan yang ada.
- Jika target Anda penulisan, riset, atau operasional, tambahkan alat riset seperti Perplexity, asisten ruang kerja seperti Notion AI, dan editor seperti Grammarly, lalu tunjukkan perbandingan sebelum dan sesudah pada dokumen nyata.
- Ambil satu kursus terstruktur agar keterampilan Anda tercatat di atas kertas: Google Prompting Essentials atau AI For Everyone di Coursera, atau LinkedIn Learning. Papan pembelajaran AI yang lebih luas punya pilihan lainnya.
- Rapikan lamaran. Pembuat resume dari papan pembuat resume AI seperti Resume Worded dan mitra latihan dari papan persiapan wawancara seperti Interview Sidekick bisa membantu, selama kata-kata akhirnya tetap milik Anda.
Kursus saja tidak akan membedakan Anda, karena orang lain juga mengambilnya. Yang membedakan adalah portofolio singkat yang konkret dan cerita jujur tentang cara Anda memakai AI. Untuk sisi pencarian kerja lainnya, lihat panduan kami tentang alat AI untuk pencari kerja.
Sebelum memilih jalur, periksa seberapa terpapar pekerjaan yang Anda tuju. Kuis di bawah mengubah temuan di atas menjadi lima pertanyaan.
Hasilnya adalah pemicu untuk berpikir, bukan ramalan. Skor tinggi bukan berarti Anda harus menghindari perannya. Artinya Anda butuh bukti kerja yang lebih kuat dan cara yang jelas untuk menunjukkan bahwa Anda mampu mengawasi hasil AI.
Empat langkah karier yang sesuai dengan bukti
Riset ini menyarankan beberapa langkah yang punya logika kuat. Tidak satu pun dijamin berhasil.
Peran yang padat AI cocok jika Anda bisa menunjukkan bahwa Anda mengawasi alat-alatnya dengan baik, karena itulah keterampilan yang kini ditambahkan pemberi kerja ke lowongan. Bidang yang mengandalkan kerja langsung adalah lindung nilai, karena peran-peran itu menunjukkan cakupan paling rendah di data Anthropic. Tim kecil sering memberi junior cakupan kerja yang lebih luas lebih awal, meski kami tidak punya data perekrutan soal itu, jadi anggap ini taruhan yang beralasan. Bukti kerja berlaku untuk ketiganya: proyek dan magang mengubah resume yang tipis menjadi kredibel.
Siapa yang paling perlu khawatir? Orang yang membidik pengembangan perangkat lunak, dukungan pelanggan, atau entri data lewat jalur lamaran standar dan hanya mengandalkan ijazah. Siapa yang boleh sedikit lebih tenang? Orang yang menuju pekerjaan yang membutuhkan kehadiran fisik, lisensi, atau kontak manusia terus-menerus. Bahkan mereka pun sebaiknya mempelajari alat dasarnya, karena angka NACE menunjukkan persyaratan itu menyebar.
Jika Anda merekrut junior
Riset ini juga peringatan bagi para manajer. Jika anak tangga junior hilang, hilang pula pasokan senior masa depan Anda yang punya pengetahuan tasit. Data Indeed menunjukkan porsi senior dalam lowongan di pekerjaan yang terpapar sudah naik menjadi 47%, dan orang-orang itu harus datang dari suatu tempat.
Ada tiga langkah yang menonjol. Rancang ulang peran junior seputar pengawasan hasil AI dan penanganan kasus pengecualian, bukan mengerjakan draf pertama dengan tangan. Pasangkan setiap junior dengan senior yang ditunjuk dan beri mereka pekerjaan review yang nyata sejak minggu pertama. Dan tulis lowongan yang menyebut keterampilan AI apa yang benar-benar Anda pakai, karena tuntutan yang kabur membuat kandidat bagus menjauh. Temuan NACE bahwa hampir 60% pemberi kerja memberi peserta magang proyek berbasis AI menunjukkan bahwa ini sudah menjadi praktik standar bagi para pemimpin.
Pertanyaan yang sering diajukan
Apakah AI benar-benar mengambil pekerjaan entry-level?
AI mengurangi perekrutan di sejumlah profesi, dan itu tidak sama dengan memecat orang. Bukti terkuat adalah studi penggajian Stanford dan data lowongan Indeed, dan keduanya menunjukkan lowongan junior yang lebih sedikit di pekerjaan yang terpapar. Tidak ada sumber yang kami baca yang menunjukkan keruntuhan lapangan kerja secara umum.
Pekerjaan entry-level mana yang paling aman dari AI?
Pekerjaan yang membutuhkan kehadiran fisik atau kontak manusia terus-menerus menunjukkan keterpaparan terendah di data Anthropic, seperti juru masak, bartender, dan penjaga pantai. Aman tidak berarti bergaji baik, jadi pertimbangkan juga gaji dan pertumbuhannya.
Apakah saya masih perlu kuliah ilmu komputer atau akuntansi?
Bukti menunjukkan perekrutan entry-level di bidang perangkat lunak dan bidang terkait melemah, tetapi tidak menyatakan keterampilannya tak berharga. Para penulis Stanford mencatat efeknya mengecil saat memperhitungkan pendidikan, dan perekrutan melambat lebih besar untuk junior daripada staf berpengalaman. Jika Anda tetap masuk, rencanakan untuk menunjukkan proyek berbantuan AI dan magang yang nyata.
Apakah pemberi kerja benar-benar menginginkan keterampilan AI dari lulusan baru?
Ya, dan porsinya terus bertambah. NACE menemukan lebih dari sepertiga pekerjaan entry-level kini mensyaratkan keterampilan AI, meski hanya 16,5% deskripsi pekerjaan yang menyebutkannya secara eksplisit. Keterampilannya bersifat terapan: memilih alat yang tepat, membuat prompt dengan baik, dan memeriksa hasilnya.
Apakah AI penyebab lemahnya pasar kerja lulusan?
AI adalah salah satu kandidat penyebab. Tim Stanford menguji suku bunga dan menemukan suku bunga tidak menjelaskan polanya, dan para penulis Stanford mengatakan sebagian tren sudah dimulai sebelum AI generatif meledak. Curigailah cerita dengan satu penyebab tunggal.