IIT Madras Memperingatkan AI Dapat Mempersempit Langkah Awal dalam Jenjang Karier di India

Pekerjaan rutin menghilang dari tahap awal karier

Menurut survei terhadap 750 pemimpin sumber daya manusia pada 2026 yang dikutip dalam laporan resmi baru IIT Madras, kecerdasan buatan (AI) sudah mengerjakan 37% tugas tingkat pemula di India, dibandingkan 33% secara global. Selisih empat poin persentase ini memberi angka konkret pada kekhawatiran utama laporan tersebut: pekerjaan rutin yang kini diotomatisasi juga merupakan pekerjaan yang menjadi sarana bagi karyawan muda untuk mempelajari profesi mereka.

Laporan berjudul How AI Is Reconfiguring Work in India: A Task-Based Framework for Understanding Augmentation, Displacement, New Roles and the Changing Structure of Jobs ini disusun oleh Centre for Responsible AI (CeRAI) di Wadhwani School of Data Science and Artificial Intelligence (WSAI), IIT Madras. Laporan tersebut dirilis pada Industry Conclave on AI Governance 2026 pada pekan sebelum 26 Oktober.

Peringatan laporan itu melampaui persoalan hilangnya pekerjaan dalam waktu dekat. Programmer junior belajar dengan menulis kode dasar. Akuntan baru mengenal catatan keuangan dengan memproses faktur. Agen layanan pelanggan membangun penilaian melalui percakapan berulang. Ketika mesin mengambil alih tugas-tugas tersebut, perusahaan menghadapi persoalan praktis: bagaimana mengembangkan staf berpengalaman tanpa peran awal yang sama.

Survei Cognizant dan Pearson mengukur proporsi tugas yang dilaporkan telah dikerjakan AI. Laporan resmi tersebut tidak memperkirakan berapa banyak pekerjaan tingkat pemula yang akan hilang di India. Sebaliknya, laporan itu mengkaji bagaimana tugas, tanggung jawab, dan jenjang karier dapat berubah di pusat panggilan, manufaktur, perbankan, hukum, pengembangan perangkat lunak, dan pekerjaan kreatif.

Mengapa tugas berbeda dari pekerjaan

Pekerjaan layanan pelanggan terdiri atas beberapa aktivitas: menjawab pertanyaan sederhana, memeriksa informasi, menyelesaikan perselisihan, dan memutuskan kapan suatu masalah perlu ditangani supervisor. AI mungkin menangani dua aktivitas pertama, sementara seseorang tetap bertanggung jawab atas sisanya.

Profesor Balaraman Ravindran, kepala CeRAI dan WSAI sekaligus salah satu penulis laporan tersebut, menjelaskan alasan para peneliti memulai kajian dari aktivitas-aktivitas itu:

Sebagian besar pekerjaan mencakup berbagai tugas dan hanya sebagian yang dapat dikerjakan oleh AI.

Kerangka tersebut membedakan empat tingkatan: tugas individual, pekerjaan yang mencakup tugas tersebut, jenis pekerjaan yang lebih luas, dan pasar tenaga kerja. Untuk beralih dari satu tingkatan ke tingkatan lain, perlu ditelaah perubahan nyata yang dilakukan perusahaan, termasuk dalam perekrutan, tanggung jawab, dan jumlah staf.

Dr Gokul S Krishnan, direktur riset CeRAI, mengatakan hasilnya bergantung pada biaya dan kemampuan teknologi, regulasi, persyaratan keselamatan, serta pilihan organisasi. Perusahaan dapat menggunakan AI untuk membantu karyawan menyelesaikan lebih banyak pekerjaan, merancang ulang pekerjaan mereka agar berfokus pada pemeriksaan hasil otomatis, atau mengurangi kebutuhan untuk tugas-tugas tertentu.

Laporan itu mengelompokkan berbagai kemungkinan tersebut ke dalam dua pola besar dengan tujuh jalur di dalamnya. Pada pola pertama, AI mengerjakan sebagian besar tugas rutin, sementara manusia memverifikasi hasil atau menangani kasus khusus. Pada pola kedua, manusia tetap memegang tanggung jawab utama dan menggunakan AI sebagai alat untuk bekerja lebih efisien.

Mengapa pertimbangan ekonomi mendorong otomatisasi tugas rutin

Alih daya proses bisnis (BPO) di India menggambarkan tekanan komersial ini. Laporan tersebut mengutip kisaran biaya indikatif sebesar 8 hingga 20 rupee per menit untuk agen manusia, termasuk biaya lebih luas untuk mempekerjakan orang tersebut, dibandingkan 4 hingga 9 rupee per menit untuk layanan AI suara terkelola yang siap digunakan dalam operasional.

Kisaran tersebut berasal dari perkiraan harga industri. Pengeluaran aktual bergantung pada layanan, skala, dan pekerjaan yang dibutuhkan. Kisaran biayanya saling tumpang tindih, sementara harga AI yang lebih rendah membantu menjelaskan mengapa perusahaan yang menangani banyak panggilan dengan pola yang dapat diprediksi mungkin tertarik pada otomatisasi.

Pengaturan ulang kata sandi, pertanyaan tentang saldo rekening, pembaruan pesanan, dan konfirmasi janji temu merupakan contoh pekerjaan terstruktur yang dapat ditangani sistem dengan biaya relatif rendah. Penelepon yang memiliki beberapa masalah saling terkait, atau keluhan yang membutuhkan penilaian, mungkin tetap memerlukan agen manusia.

Ravindran menyebut BPO sebagai sektor yang sangat rentan terhadap tekanan ini:

Industri BPO akan menghadapi tantangan berat akibat adopsi AI dan telah diidentifikasi demikian dalam laporan ini.

Bagian mana dari pekerjaan junior yang berubah?

Contoh sektor dalam laporan tersebut menunjukkan bagaimana tugas rutin dapat berkurang sementara tanggung jawab atas keputusan sulit tetap berada di tangan manusia. Contoh-contoh ini menggambarkan kemungkinan perubahan, bukan mengukur proporsi pekerjaan yang diotomatisasi dalam tiap profesi.

• Rekayasa perangkat lunak: AI dapat menghasilkan kode dasar, sementara manusia menangani arsitektur sistem, debugging yang rumit, dan keputusan teknis.
• Dukungan pelanggan: bot dapat menjawab pertanyaan rutin, sementara agen menangani kasus eskalasi dan menilai kualitas layanan.
• Keuangan dan akuntansi: AI dapat memproses faktur, mengklasifikasikan entri buku besar, merekonsiliasi catatan bank, dan menyiapkan informasi untuk pengembalian Goods and Services Tax. Manusia memverifikasi pengecualian dan memberikan persetujuan profesional.
• Layanan hukum: AI dapat membantu riset dan peninjauan dokumen, sementara pengacara tetap bertanggung jawab atas strategi litigasi, advokasi, dan nasihat kepada klien.
• Manufaktur: pemeriksaan visual otomatis dapat menandai cacat, sementara pekerja menafsirkan temuan dan menangani masalah operasional.

Dengan demikian, berkurangnya kumpulan tugas rutin dapat membuat peran manusia menjadi lebih menuntut. Pekerja mungkin menghabiskan lebih sedikit waktu untuk memproses kasus biasa dan lebih banyak waktu menangani situasi saat sistem otomatis membutuhkan bantuan.

Risiko hilangnya jenjang menengah

Karyawan junior biasanya membangun keahlian melalui pengulangan, umpan balik, dan tanggung jawab yang meningkat secara bertahap. Laporan tersebut mengidentifikasi kemungkinan kesenjangan tenaga kerja jika tugas awal itu menyusut sementara perusahaan tetap membutuhkan tenaga profesional berpengalaman.

Pengembangan perangkat lunak memudahkan kita memahami persoalan ini. Perusahaan mungkin tetap membutuhkan insinyur yang mampu menilai apakah suatu sistem andal, aman, dan sesuai dengan tujuannya. Penilaian seperti itu biasanya terbentuk melalui pengalaman mengerjakan tugas pemrograman yang lebih kecil, menghadapi kesalahan, dan memperbaikinya.

Persoalan yang sama juga muncul di bidang hukum dan akuntansi. Meninjau dokumen atau memeriksa entri keuangan mungkin tampak berulang, tetapi pekerjaan itu membantu pemula mengenali pola dan menemukan kasus yang tidak biasa. Menggantikan tugas-tugas tersebut mengubah jalur menuju tanggung jawab yang lebih tinggi.

Perusahaan dapat merancang ulang pekerjaan junior agar berfokus pada pemeriksaan keluaran AI, penyelidikan kesalahan, dan evaluasi kinerja. Belum dapat dipastikan apakah perusahaan akan berinvestasi dalam jalur karier tersebut atau merekrut lebih sedikit karyawan pemula. Laporan itu mengidentifikasi risikonya tanpa menghitung besarnya dampak yang akan terjadi.

Pengawasan AI juga membutuhkan pelatihan

Universitas dan perusahaan perlu mempersiapkan lulusan untuk pekerjaan yang mungkin mengandalkan sistem AI sebagai penghasil jawaban awal. Programmer baru mungkin diminta menguji kode yang dihasilkan AI. Lulusan bidang keuangan mungkin perlu memverifikasi klasifikasi otomatis dan menjelaskan mengapa hasilnya benar atau salah.

Tanggung jawab tersebut memerlukan pengetahuan bidang terkait serta pemahaman tentang perangkat AI. Memeriksa jawaban berarti memahami masalah yang mendasarinya, mengenali kesalahan, dan mengetahui kapan harus meminta bantuan. Persoalan pendidikan yang disoroti laporan itu berpusat pada bagaimana mahasiswa mengembangkan kemampuan menilai tersebut.

Ravindran mengatakan perpindahan pekerja ke posisi pengawasan membutuhkan pelatihan, perangkat yang sesuai, dan perlindungan:

Perubahan pekerjaan harus disertai pelatihan yang memadai, pengembangan perangkat yang memudahkan manusia menjalankan tugas pengawasan, serta mekanisme pengaman yang memadai. Hingga saat ini, belum cukup banyak riset untuk menjawab persoalan-persoalan tersebut secara efektif. Mengidentifikasi masalah ini merupakan langkah pertama untuk menanganinya secara efektif.

Salah satu kemungkinan jenjang karier di BPO dapat beralih dari layanan pelanggan ke penanganan eskalasi, evaluasi kualitas, perancangan percakapan AI, dan pengawasan operasional. Bagi pekerja, pertanyaan praktisnya adalah apakah jenjang itu disertai pelatihan dan peluang yang realistis untuk berkembang.

Adopsi AI akan berbeda di berbagai wilayah India

Para peneliti menggunakan istilah geografi biaya AI untuk menjelaskan bagaimana harga dan akses terhadap teknologi dapat membentuk penyebaran otomatisasi. Perangkat terjangkau dapat digunakan untuk pekerjaan BPO rutin, pembukuan, dan pemeriksaan kualitas di usaha mikro, kecil, dan menengah (UMKM).

Aplikasi yang membutuhkan model lebih canggih, keahlian khusus, atau infrastruktur besar, termasuk sejumlah sistem riset hukum dan pencitraan diagnostik, mungkin tetap terkonsentrasi di organisasi besar dan wilayah perkotaan. Karena itu, jenis AI yang berbeda dapat menyebar dengan kecepatan berbeda.

Laporan itu juga mengkaji perbedaan antara pekerjaan formal dan informal, pekerja perkotaan dan perdesaan, serta perusahaan kecil dan besar. Satu angka nasional tidak akan mencerminkan perbedaan dalam akses, tingkat paparan, dan kemampuan untuk beralih ke peran baru.

Kualitas pekerjaan juga menjadi perhatian. Laporan resmi tersebut menyoroti pengawasan dan stres kerja, serta kesenjangan bukti mengenai pekerjaan informal. Mengukur transisi ini berarti mengkaji upah, beban kerja, dan kondisi kerja, selain menghitung jumlah posisi.

Peran baru bergantung pada akses ke jalur untuk mencapainya

Roadmap for Job Creation in the AI Economy dari NITI Aayog pada 2025 memproyeksikan bahwa India dapat menciptakan hingga empat juta pekerjaan terkait AI dalam lima tahun, dengan syarat adanya investasi terkoordinasi dalam keterampilan dan pelatihan ulang. Laporan IIT Madras mengutip proyeksi tersebut sekaligus menyebut peran baru seperti pelatih AI, perancang percakapan, spesialis AI etis, dan operator robot jarak jauh.

Pekerja yang terdampak penghapusan tugas membutuhkan jalur menuju peluang-peluang tersebut. Laporan itu menyerukan pelatihan yang terkait dengan peran alternatif yang realistis, disertai kejelasan mengenai durasi, biaya, dan apakah peserta dapat mempertahankan penghasilan selama belajar.

Ravindran menjelaskan pihak yang bertanggung jawab membiayai transisi tersebut:

Sebagian ditanggung negara, sebagian industri, dan sebagian peserta pelatihan. Pembagiannya bergantung pada industri dan dampak sosial yang lebih luas dari hilangnya pekerjaan.

Perkembangan yang relevan mencakup beberapa tahap:

• 2025: Peta jalan NITI Aayog menguraikan proyeksi bersyaratnya tentang penciptaan pekerjaan terkait AI selama lima tahun.
• 2026: Survei Cognizant dan Pearson terhadap 750 pemimpin sumber daya manusia mencatat bahwa AI mengerjakan 37% tugas tingkat pemula di India, dibandingkan 33% secara global.
• Pekan sebelum 26 Oktober 2026: Laporan resmi IIT Madras dirilis pada Industry Conclave on AI Governance 2026.

Langkah yang diminta para peneliti dari perusahaan dan pemerintah

Rekomendasi CeRAI memadukan kelanjutan adopsi AI dengan persiapan untuk perubahan dalam dunia kerja. Para peneliti menyerukan perangkat terjangkau yang berfokus pada tugas tertentu, terutama untuk perusahaan kecil; lebih banyak riset di India tentang tugas dan keterampilan yang terdampak; serta jalur terstruktur menuju pekerjaan yang berubah.

Aturan tanggung jawab yang jelas juga menjadi bagian dari rekomendasi tersebut. Perusahaan dan pekerja perlu mengetahui siapa yang bertanggung jawab ketika sistem AI melakukan kesalahan, terutama saat seseorang diharapkan menyetujui hasilnya.

Laporan tersebut menyebut klasifikasinya sebagai hipotesis terstruktur. Contoh-contohnya hanya bersifat ilustratif, sebagian besar bukti berasal dari vendor atau praktisi, dan riset terperinci di India mengenai kombinasi keterampilan yang dibutuhkan berbagai pekerjaan masih terbatas. Laporan itu tidak mengukur dampak keseluruhan terhadap ketenagakerjaan, upah, atau kualitas pekerjaan.

Agenda riset tersebut berkaitan langsung dengan keputusan pelatihan. Perusahaan dan pendidik perlu mengidentifikasi tugas mana yang berubah, pengetahuan apa yang dibutuhkan untuk pekerjaan yang tersisa, serta bagaimana pemula dapat memperolehnya. Bagi lulusan baru di India, persoalan mendesak adalah akses ke pekerjaan pertama yang masih memberi kesempatan untuk belajar dan berkembang.

Poin Utama

• IIT Madras memperingatkan bahwa otomatisasi dapat mempersempit pekerjaan rutin yang menjadi sarana bagi karyawan junior untuk memperoleh pengalaman.
• Survei 2026 yang dikutip menunjukkan bahwa porsi tugas tingkat pemula yang dikerjakan AI mencapai 37% di India dan 33% secara global.
• BPO, perangkat lunak, akuntansi, hukum, dan manufaktur menggambarkan beragam kombinasi tugas otomatis dan tanggung jawab manusia.
• Biaya teknologi, regulasi, keselamatan, dan keputusan perusahaan akan membentuk perubahan pekerjaan.
• Proyeksi NITI Aayog tentang hingga empat juta pekerjaan terkait AI dalam lima tahun bergantung pada investasi keterampilan yang terkoordinasi.
• Laporan itu menyerukan AI yang terjangkau, riset ketenagakerjaan India yang lebih baik, kejelasan tanggung jawab, dan jalur transisi pekerja yang praktis.