Ketika kecerdasan buatan disebut akan memengaruhi jutaan pekerja di Thailand, gambaran yang mudah muncul adalah perangkat lunak menggantikan manusia secara besar-besaran. Namun, bukti terbaru menunjukkan transisi yang jauh lebih rumit.
National Economic and Social Development Council (NESDC) Thailand menerapkan kerangka paparan AI generatif pada data angkatan kerja kuartal keempat 2025. Estimasinya, sekitar 8,7 juta pekerja atau 21,8% angkatan kerja Thailand berada dalam pekerjaan yang berpotensi terdampak AI generatif.
Angka itu memiliki perbedaan penting. Sekitar 2,2 juta pekerja atau 5,4% angkatan kerja masuk kelompok penggantian tugas. Kelompok yang jauh lebih besar, 6,5 juta atau 16,3%, masuk kelompok penguatan tugas, tempat AI lebih mungkin membantu produktivitas sementara pekerjaan inti masih bergantung pada kemampuan manusia.
Karena itu, pertanyaan yang lebih berguna bukan sekadar "berapa banyak pekerjaan yang akan diambil AI?", melainkan bagian pekerjaan mana yang akan berubah dan ke mana nilai manusia akan bergeser ketika sebagian tugas menjadi lebih murah atau lebih cepat.
Terpapar AI tidak otomatis berarti kehilangan pekerjaan
Satu pekerjaan biasanya terdiri dari banyak aktivitas. Sebagian dapat diotomatisasi, sebagian dipercepat, dan sebagian lain tetap sangat bergantung pada komunikasi, negosiasi, penilaian, atau tanggung jawab.
NESDC membagi dampaknya menjadi dua kelompok besar. Task Replacement mencakup pekerjaan ketika AI dapat menggantikan sebagian atau seluruh tugas yang terstruktur dan berulang. Kelompok ini diperkirakan sekitar 2,2 juta pekerja dan mencakup sebagian tugas administrasi, akuntansi, dan pemrograman.
Kelompok yang lebih besar, Task Augmentation, sekitar 6,5 juta pekerja, mencakup pekerjaan ketika AI dapat menangani beberapa langkah atau memproses informasi lebih efisien, sementara tugas penting tetap memerlukan manusia.
Bukti regional mengarah ke pola serupa. International Labour Organization memperkirakan bahwa pada 2025, 22,9% pekerjaan di ASEAN berada pada profesi dengan paparan AI generatif lebih dari minimal, sementara hanya 3,3% berada pada kategori paparan tertinggi. Hingga Juli 2026, ILO melaporkan sedikit bukti tentang gangguan pasar kerja yang meluas akibat AI generatif.
Risikonya tetap ada. Namun, "pekerjaan sedang berubah" tidak sama dengan "lapangan kerja sedang hilang".
AI sering lebih dulu menyentuh tugas sebelum seluruh pekerjaan
Seorang pekerja keuangan dapat mengumpulkan data, membuat tabel, memeriksa kejanggalan, menjelaskan temuan kepada manajemen, dan bertanggung jawab atas rekomendasi. Seorang pekerja pemasaran dapat meneliti pelanggan, menyusun materi, mengevaluasi kampanye, berbicara dengan klien, dan menentukan alokasi anggaran.
AI dapat menjadi jauh lebih cepat pada beberapa aktivitas itu tanpa menghapus nilai dari seluruh bagian lain pekerjaan tersebut. Jika AI dapat membuat draf pertama dalam hitungan menit, nilai draf itu mungkin turun. Namun, nilai kemampuan untuk mengetahui data mana yang dapat dipercaya, menemukan hal yang tidak masuk akal, menilai apakah sebuah kesimpulan terlalu berisiko, dan menentukan keputusan berikutnya bisa meningkat.
Karena itu, paparan pekerjaan terhadap AI saja bisa menyesatkan. Pekerjaan yang sangat terpapar dapat memuat tugas yang mudah diotomatisasi sekaligus tugas tempat AI meningkatkan produktivitas, yaitu jumlah hasil berguna yang dapat dihasilkan dari sumber daya yang sama.
Ketika satu tugas menjadi lebih murah, perusahaan punya lebih dari satu pilihan
Bayangkan perangkat lunak mengubah satu jam kerja menjadi lima belas menit. Biaya tugas itu turun, tetapi langkah perusahaan berikutnya belum tentu berupa pengurangan pekerja.
Perusahaan bisa mengurangi tenaga kerja. Namun perusahaan juga bisa mempertahankan tim yang sama dan menghasilkan lebih banyak, melayani lebih banyak pelanggan, menguji produk lebih cepat, atau memindahkan pekerja ke aktivitas yang membutuhkan lebih banyak penilaian. Jika output per pekerja naik dan pasar dapat menyerap output tambahan, AI dapat mendukung ekspansi alih-alih langsung mengurangi lapangan kerja.
Hal sebaliknya juga mungkin terjadi. Jika permintaan tidak tumbuh dan sedikit pekerjaan bernilai tinggi tersisa setelah otomatisasi, insentif untuk mengurangi posisi menjadi lebih kuat. Dampak pada pekerjaan bergantung pada teknologi, model bisnis, permintaan pasar, dan kemampuan pekerja berpindah ke tugas yang masih sulit dilakukan AI.
Tidak ada rumus sederhana bahwa peningkatan produktivitas 20% pasti menghasilkan penurunan pekerjaan 20%.
Pekerjaan yang menjadi lebih bernilai mungkin pekerjaan yang membutuhkan penilaian
Ketika alat makin baik menangani pekerjaan terstruktur, kemampuan yang langka dapat bergeser dari menghasilkan teks atau perhitungan dengan cepat menuju memahami konteks, mengajukan pertanyaan yang tepat, dan bertanggung jawab atas hasil.
OECD melaporkan bahwa adopsi AI meningkatkan standar keterampilan di banyak tempat kerja. Lebih dari separuh perusahaan yang disurvei di manufaktur dan keuangan mengatakan kebutuhan terhadap pekerja berpendidikan tinggi meningkat setelah mengadopsi AI. Pada saat yang sama, OECD memperkirakan kurang dari 1% pekerja akan membutuhkan keterampilan AI tingkat lanjut seperti pengembangan model atau pemrograman AI.
Bagi kebanyakan pekerja, keterampilan yang relevan lebih luas: menggunakan, menganalisis, dan menafsirkan data, menyelesaikan masalah, kreativitas, manajemen, dan keterampilan manusia lainnya.
Jika AI membuat "jawaban pertama" lebih murah, pekerja dapat menciptakan nilai lebih besar dengan mampu merumuskan masalah, memeriksa jawaban, menghubungkannya dengan konteks bisnis, dan mengambil keputusan ketika informasi tidak lengkap.
Risiko yang lebih dekat mungkin ada di anak tangga pertama karier
Penyesuaian pasar kerja tidak harus datang dalam bentuk gelombang PHK. Dampaknya juga dapat terlihat dari berkurangnya lowongan bagi pekerja baru.
Pekerjaan tingkat awal secara tradisional berisi tugas seperti mengumpulkan informasi, menyusun dokumen, memeriksa berkas, melakukan analisis dasar, dan menyelesaikan masalah terstruktur. Aktivitas itu juga menjadi tempat pekerja muda membangun pengalaman sebelum masuk ke peran yang membutuhkan penilaian lebih besar.
Data Amerika Serikat dari Stanford Digital Economy Lab berguna sebagai sinyal peringatan, bukan bukti bahwa pola yang sama sudah terjadi di Thailand. Data hingga Juni 2026 menunjukkan bahwa pekerjaan pekerja usia 22 – 25 tahun pada profesi dengan paparan AI tinggi berada sekitar 19% di bawah tingkat yang seharusnya terjadi jika pertumbuhannya sama dengan pekerja seusia di profesi dengan paparan lebih rendah. Penyesuaian terutama tampak dari perekrutan yang lebih lemah, bukan lebih banyak pekerja keluar.
Stanford menegaskan bahwa pola ini bersifat deskriptif, bukan estimasi kausal dampak AI. Namun pertanyaan penting tetap muncul: jika AI mengambil lebih banyak tugas junior, dari mana pekerja muda akan memperoleh pengalaman yang dibutuhkan untuk peran senior?
Tidak semua orang harus menjadi insinyur AI
Respons terhadap AI sebaiknya tidak dimulai dari asumsi bahwa semua pekerja harus mempelajari machine learning atau pengembangan model.
Dalam banyak profesi, keunggulan dapat datang dari memahami bidang sendiri lebih dalam, menggunakan AI untuk mengurangi pekerjaan berulang, dan memperkuat bagian yang bergantung pada pengetahuan bidang, verifikasi, dan penilaian. Akuntan dapat memakai AI untuk mengorganisasi informasi, tetapi tetap harus memvalidasi hasil dan menafsirkan maknanya. Pemasar dapat menggunakan AI untuk menghasilkan pilihan, tetapi tetap harus memahami pelanggan, anggaran, merek, dan tujuan bisnis.
Bagi perusahaan, membeli alat AI juga tidak otomatis menghasilkan produktivitas. Data yang buruk, proses yang lemah, dan verifikasi yang tidak memadai dapat membuat pekerjaan lebih cepat sekaligus memperbesar kesalahan dengan lebih cepat.
Peluang ekonominya ada pada desain ulang pekerjaan agar manusia dan AI masing-masing mengerjakan bagian yang menjadi keunggulannya, lalu mengubah peningkatan produktivitas menjadi produk atau layanan yang lebih bernilai.
Apa yang perlu dipantau berikutnya
Sinyal pertama adalah perekrutan pekerja tingkat awal di Thailand, terutama di dukungan kantor, keuangan, akuntansi, pemasaran, teknologi, dan analisis dasar. Jika lowongan junior melemah lebih cepat daripada pekerjaan secara keseluruhan, perusahaan mungkin sedang mendesain ulang tangga karier.
Sinyal kedua adalah keterampilan yang diminta dalam lowongan kerja. Yang penting bukan sekadar apakah kata AI muncul, melainkan apakah permintaan bergerak menuju analisis, verifikasi, komunikasi, manajemen proyek, dan pengetahuan industri.
Sinyal ketiga adalah upah dan pekerjaan pada pekerjaan yang dilengkapi AI dibandingkan pekerjaan dengan tugas yang lebih mudah diotomatisasi. Perbedaan yang makin lebar akan menunjukkan dampak AI pada pasar kerja lebih langsung daripada jumlah alat AI yang dibeli perusahaan.
Sinyal terakhir adalah investasi perusahaan pada upskilling dan reskilling, termasuk apakah usaha kecil dan menengah dapat mengadopsi AI secara efektif. Jika peningkatan produktivitas terkonsentrasi pada perusahaan besar, kesenjangan efisiensi dan upah antarperusahaan dapat melebar.
AI dapat menurunkan nilai sebagian tugas. Itu tidak berarti nilai kerja manusia turun dengan kecepatan yang sama. Pertanyaan yang semakin penting adalah bagian pekerjaan apa yang tersisa setelah AI mengambil satu lapisan tugas, dan apakah pekerja serta perusahaan dapat bergerak ke sumber nilai baru itu dengan cukup cepat.
