Bagaimana Singapura dapat melindungi pekerjaan tingkat menengah saat AI mengubah dunia kerja

Lapisan tengah yang lemah menjadi titik rawan di pasar kerja yang berubah cepat

Pada usia 48 tahun, profesional perbankan Rei Teo menyadari betapa cepatnya pekerjaan yang stabil dapat berubah. Setelah pekerjaannya dirombak pada 2024 dalam proses restrukturisasi, ia mengundurkan diri dan kesulitan mendapatkan posisi tetap di tengah pasar kerja yang perekrutannya melambat dan berbagai posisi ditata ulang dengan teknologi baru. Ia akhirnya menerima pekerjaan kontrak. Pengalamannya mencerminkan pola yang disoroti para peneliti di Singapura: posisi tingkat menengah terlalu sedikit untuk menampung para profesional yang terdampak, sehingga mereka terdorong ke pekerjaan sementara atau berupah lebih rendah.

Institute for Adult Learning (IAL) menyebutnya efek terdorong ke bawah. Ketika perusahaan mengotomatisasi tugas rutin dan merampingkan tim dengan perangkat kecerdasan buatan, semakin sedikit posisi menengah yang stabil untuk menjadi penopang tenaga kerja. Staf berpengalaman yang keluar atau terkena restrukturisasi kerap mendapati lebih sedikit posisi di tingkat sebelumnya. Mereka beralih ke penugasan kontrak atau posisi tingkat lebih rendah, sementara perekrutan pegawai junior mandek. Hal ini menekan jenjang karier dari kedua ujungnya.

AI generatif mempercepat perubahan ini. Sejak akhir 2022, bank, konsultan, dan perusahaan teknologi menguji kopilot dan chatbot untuk layanan pelanggan, pembuatan kode, pemeriksaan kepatuhan, materi pemasaran, dan pencarian pengetahuan internal. Perangkat ini mengubah alur kerja dan susunan tim. Sebagian tugas hilang. Tugas lain berkembang dan membutuhkan pengawasan baru. Perubahan ini nyata dan terjadi di berbagai pekerjaan kantoran yang sebelumnya dianggap terlindungi.

Singapura menjadi mitra utama dalam program penelitian internasional yang melacak penerapan AI di sepuluh pusat digital global, dari Republik Singapura hingga Silicon Valley. Sejauh ini, hasilnya menunjukkan risiko yang jelas bagi perekonomian seperti Singapura, yang memiliki proporsi tinggi pekerjaan profesional dan lapisan menengah yang tipis. Tanpa langkah yang terencana, lapisan tengah pasar kerja dapat semakin melemah justru saat dibutuhkan untuk menampung pekerja terdampak dan membimbing generasi berikutnya.

Mengapa pekerjaan tingkat menengah penting bagi kesepakatan sosial Singapura

Posisi tingkat menengah mencakup supervisor, ketua tim, analis bisnis, pengendali keuangan, manajer produk, koordinator klinis, dan teknisi senior. Mereka menerjemahkan strategi menjadi pelaksanaan. Mereka menyimpan pengetahuan tersirat tentang proses, klien, dan sistem. Mereka membimbing pegawai junior dan menjaga kesinambungan saat tim berubah. Dalam perekonomian berproduktivitas tinggi, lapisan ini menciptakan stabilitas dan membangun kapasitas.

Jika lapisan tengah menipis, perusahaan menjadi lebih datar dan rapuh. Pimpinan senior harus menangani terlalu banyak hal, sementara pegawai tingkat pemula memiliki lebih sedikit kesempatan untuk belajar melalui praktik. Akibatnya, jenjang karier terputus. Orang kesulitan berkembang dari bangku sekolah menuju kompetensi profesional, lalu ke posisi kepemimpinan. Hal ini mengikis kesepakatan sosial yang menghubungkan usaha dengan imbalan serta melemahkan kepercayaan terhadap lembaga dan pemberi kerja.

Singapura sejak lama berupaya mencegah ekonomi berbentuk barbel, dengan banyak pekerjaan berupah tinggi di puncak dan banyak pekerjaan jasa berupah rendah di dasar. Tujuannya adalah pertumbuhan pekerjaan terampil dengan upah baik di lapisan tengah. Penerapan AI dapat mendukung tujuan itu jika memperkuat kemampuan tim dan menciptakan jalur spesialisasi baru. Namun, AI dapat merusaknya jika menggantikan pekerjaan yang menjadi sarana belajar dan mempersempit jalan untuk memperoleh pengalaman.

AI menghilangkan anak tangga bagi pekerja muda

Kekhawatiran mengenai peluang kerja awal semakin meningkat. Pada awal 2025, sebuah bank besar menyatakan AI dapat memangkas hingga 4.000 posisi kontrak dan sementara dalam beberapa tahun ke depan. Bertahun-tahun sebelumnya, Monetary Authority of Singapore memperkirakan satu dari tiga pekerjaan di sektor keuangan Republik Singapura dapat berubah atau hilang akibat otomatisasi. Di bidang pemasaran, perangkat lunak, dan operasional, pekerjaan yang dahulu melatih pegawai junior kini semakin banyak ditangani perangkat yang menyusun draf, merancang grafis, menelusuri kesalahan kode, atau merangkum dokumen dalam hitungan detik.

Bukti terbaru menunjukkan siapa yang paling merasakan dampaknya. Analisis Stanford University terhadap jutaan catatan penggajian di AS menemukan penurunan relatif sebesar 13 persen dalam jumlah pekerja pada tahap awal karier di pekerjaan yang paling terpapar AI sejak gelombang adopsi AI generatif pada akhir 2022. Pekerja yang lebih tua di bidang pekerjaan yang sama jumlahnya stabil atau meningkat. Penyesuaian lebih banyak terjadi melalui berkurangnya perekrutan, bukan pemotongan upah. Ini merupakan sinyal kuat bahwa otomatisasi menghilangkan anak tangga pertama.

Survei di Singapura mencerminkan kecemasan serupa. Sekitar separuh responden Gen Z memperkirakan AI akan mengganggu pekerjaan mereka secara signifikan, dan enam dari sepuluh mengatakan mereka sudah mencari pelatihan tambahan. Hanya sekitar sepertiga perusahaan yang menyediakan pelatihan AI terstruktur. Sebagian profesional muda beralih ke bidang pekerjaan terampil yang lebih kecil kemungkinannya diotomatisasi, meninggalkan jalur kerja kantoran demi stabilitas yang mereka rasakan dan jenjang karier yang lebih jelas.

Semua ini menimbulkan jebakan pelatihan. Ketika AI menyusun draf pertama pekerjaan, staf junior kehilangan kesempatan berlatih langsung. Hasil kerja mereka mungkin tampak rapi, tetapi belum tentu mendalam. Pegawai senior menghabiskan lebih banyak waktu untuk merevisi, sementara pegawai junior kesulitan membangun penilaian. Jika pekerjaan tingkat pemula hanya menjadi formalitas, berfokus pada pemberian perintah kepada perangkat alih-alih menguasai keahlian, jalur untuk melahirkan profesional tingkat menengah yang andal akan melemah.

Bank dan layanan kantoran menata ulang pekerjaan

Perubahan terlihat jelas di sektor jasa keuangan. Pemeriksaan otomatis dan peninjauan dokumen semakin banyak digunakan di bidang risiko dan kepatuhan. Tim operasional menggunakan kopilot untuk menyiapkan laporan dan mencocokkan data. Tim yang berhadapan langsung dengan klien menguji asisten AI untuk riset dan layanan. Posisi baru juga bermunculan di bidang pemantauan model, tata kelola data, dan manajemen risiko AI. Pola perekrutan pun berubah seiring perkembangan ini.

Yang pertama kali hilang bukanlah seluruh pekerjaan, melainkan sekumpulan tugas. Jika tugas tersebut berada di tingkat pemula, lapisan tengah kehilangan sumber pasokan tenaga kerjanya. Jika tugas itu berada di tingkat menengah, para profesional terdampak berdesakan memperebutkan posisi yang semakin sedikit. Kedua dampak ini terlihat di perbankan, konsultansi, teknologi, dan layanan korporat. Mitra penelitian Singapura menyebutnya efek terdorong ke bawah karena tekanan dari atas dan bawah menghimpit lapisan tengah yang sama.

Usia dan pengalaman membawa dampak yang berlawanan. Pengetahuan tersirat dan jaringan profesional melindungi sebagian pekerja yang lebih tua, dan temuan Stanford menunjukkan bahwa jumlah pekerja berpengalaman di posisi yang terpapar AI tetap stabil. Namun, profesional berusia 40-an dan 50-an yang keluar saat restrukturisasi sering kesulitan kembali bekerja. Posisi tetap semakin sulit didapat, sementara penugasan kontrak bertambah. Lapisan tengah yang tangguh membutuhkan arus masuk teratur tenaga kerja junior terlatih sekaligus jalur terstruktur bagi pekerja paruh karier untuk kembali bekerja.

Pilihan pemimpin menentukan apakah AI memperkuat atau menggantikan pekerja

Teknologi saja tidak menentukan hasil. Kepemimpinanlah yang menentukan. Organisasi yang memberdayakan manajer tingkat menengah untuk merancang ulang alur kerja, melatih kembali tim, dan membangun kepercayaan terhadap AI akan memperoleh hasil berbeda dari organisasi yang mengejar pemangkasan biaya secara cepat. Pemimpin tingkat menengah menerjemahkan strategi menjadi praktik. Ketika memiliki waktu, sumber daya, dan dukungan, mereka membentuk cara AI membantu orang melakukan pekerjaan bernilai lebih tinggi.

Ada langkah-langkah yang dapat diterapkan. Bangun pemahaman dasar tentang AI di seluruh perusahaan agar tim memahami data, keterbatasan model, dan privasi. Dorong eksperimen berisiko rendah dan bagikan keberhasilan awal agar orang melihat manfaat nyata. Utamakan kasus penggunaan yang memperkuat kemampuan pekerja, dengan memadukan AI dan pengawasan manusia di bidang layanan pelanggan, keuangan, SDM, dan operasional. Bentuk tim lintas fungsi untuk memperluas uji coba dan mengatasi hambatan proses. Investasikan pada keterampilan baru dalam pemantauan model, rekayasa prompt, desain alur kerja, dan manajemen perubahan. Selaraskan insentif agar manajer mendapat penghargaan karena melatih pegawai junior dan merancang ulang pekerjaan, bukan sekadar memangkas jumlah pegawai.

Langkah kebijakan yang dapat diambil sekarang

Pertama, bangun kembali jenjang menuju pekerjaan tingkat menengah dengan menjadikan program magang di bidang pekerjaan berbasis pengetahuan sebagai hal umum. Singapura menggunakan program kerja magang selama pandemi untuk membantu lulusan memulai karier. Jalur magang nasional permanen untuk pekerjaan digital dan profesional dapat melakukan lebih banyak lagi. Rancang penempatan berbayar selama 12 hingga 24 bulan di bidang keuangan, kesehatan, layanan publik, manufaktur, dan media. Wajibkan pendampingan terstruktur, daftar periksa keterampilan, dan umpan balik berkala. Jadikan perangkat AI bagian dari keahlian kerja dan ajarkan penilaian selain teknik. Negara dengan sistem jalur ganda memiliki tingkat pengangguran kaum muda yang rendah karena suatu alasan. Model ini berhasil jika diterapkan secara luas dan berkelanjutan.

Kedua, dukung transisi paruh karier dengan pendanaan dan waktu yang terarah. Program Career Conversion, hibah pelatihan di tempat kerja, dan kredit SkillsFuture dapat disesuaikan untuk pekerjaan era AI di bidang data, operasional, dan layanan. Perluas subsidi paruh karier bagi mereka yang berusia 40 tahun ke atas dan permudah pemberi kerja untuk memberi kesempatan kepada kandidat berpengalaman dari sektor terkait. Kredensial mikro yang dapat digabungkan menjadi diploma atau gelar membantu pekerja menunjukkan kemajuan serta memberi perusahaan bahasa bersama untuk menilai kemampuan.

Ketiga, kaitkan dukungan publik untuk penerapan AI dengan komitmen terhadap pekerja. Hibah perancangan ulang pekerjaan dapat mensyaratkan pemberi kerja menyediakan posisi untuk peserta pelatihan, mendokumentasikan perubahan proses, dan menerbitkan sumber belajar secara internal. Ketika otomatisasi memengaruhi posisi kerja, berikan dukungan upah agar staf dapat dipindahkan ke tim baru yang membutuhkan penilaian manusia, seperti tim risiko AI, keberhasilan pelanggan, dan operasional produk. Bangun tenaga kerja di bidang keselamatan dan tata kelola AI dengan standar yang jelas agar kebutuhan kepatuhan baru dapat mengimbangi sebagian risiko otomatisasi.

Terakhir, jadikan layanan publik sebagai teladan. Semua pejabat publik diwajibkan menyelesaikan kursus pemahaman AI, dan para pemimpin diminta menerapkan AI secara bijaksana dalam pekerjaan sehari-hari. Satu dari tiga pejabat sudah menggunakan asisten internal, dengan ribuan bot khusus yang dibuat untuk mengotomatisasi tugas rutin. Wakil Perdana Menteri Gan Kim Yong meminta para pemimpin memberi teladan dengan menggunakan AI secara bertanggung jawab dan mendorong tim menerapkan perangkat ini saat dapat meningkatkan layanan dan tata kelola.

Langkah perusahaan untuk membangun kembali lapisan tengah yang lebih kuat

Pemberi kerja yang menginginkan tenaga kerja tangguh dapat mengambil langkah konkret sekarang. Fokusnya adalah memperluas lapisan tengah, mempertahankan pengalaman di perusahaan, dan memperjelas peluang berkembang bagi pegawai junior.

• Terapkan kebijakan yang mengutamakan penguatan kemampuan pekerja. Gunakan AI untuk menghilangkan pekerjaan rutin, lalu investasikan kembali waktu yang dihemat untuk pelatihan, layanan klien, dan kualitas produk.
• Terapkan program magang terstruktur untuk pekerjaan berbasis pengetahuan. Pasangkan setiap pegawai junior atau peserta pelatihan dengan mentor, tetapkan kurikulum keterampilan, dan pantau kemajuan menuju tanggung jawab tingkat menengah.
• Dokumentasikan pengetahuan tersirat. Buat panduan kerja, daftar periksa, dan wiki internal agar pengalaman tidak hilang saat anggota tim berganti.
• Nilai manajer berdasarkan pengembangan pekerja. Kaitkan bonus dengan jumlah pegawai junior yang dilatih hingga mampu bekerja mandiri dan keberhasilan promosi internal.
• Buka jalur mobilitas internal. Umumkan posisi secara transparan dan lakukan perekrutan berbasis keterampilan agar staf terdampak dapat berpindah fungsi.
• Buat jalur spesialis tingkat menengah di bidang data, operasional, desain, dan risiko, dengan jenjang gaji dan prestise yang setara dengan jalur manajerial.
• Bentuk tata kelola AI. Tetapkan penanggung jawab untuk risiko model, kualitas data, privasi, dan bias, serta latih staf untuk mengisi posisi tersebut.
• Bagikan keberhasilan dan kegagalan awal. Bangun kepercayaan dengan berbicara terbuka tentang hal yang berhasil maupun yang belum saat tim mulai mencoba perangkat AI.

Langkah pekerja agar tetap diminati di pasar kerja

Pekerja tidak sepenuhnya tak berdaya menghadapi perubahan ini. Tujuannya adalah menjadi orang yang mampu merumuskan masalah, memilih perangkat yang tepat, dan menghasilkan sesuatu yang penting. Kombinasi pengetahuan bidang, kemahiran menggunakan AI, dan keterampilan manusia ini berguna di berbagai posisi.

• Bangun pemahaman tentang AI. Pelajari cara kerja kopilot, keterbatasannya, dan cara menyusun prompt untuk hasil yang lebih baik. Berlatihlah memverifikasi dan menelusuri kesalahan agar dapat memercayai hasil kerja sendiri.
• Perdalam keahlian bidang. Pilih satu sektor dan pelajari data, peraturan, alur kerja, serta masalah pelanggan di dalamnya. Keterampilan AI paling kuat jika berlandaskan pemahaman suatu bidang.
• Kuasai proses dan komunikasi. Petakan alur kerja, tulis serah terima tugas dengan jelas, dan paparkan temuan. Kemampuan menjelaskan dan meyakinkan orang lain merupakan keunggulan yang bertahan lama.
• Kembangkan penilaian berbasis data. Pelajari cara membaca dasbor, merancang eksperimen sederhana, dan melacak metrik yang terkait dengan pendapatan, risiko, biaya, atau hasil bagi pelanggan.
• Buat portofolio. Simpan contoh hasil kerja yang menunjukkan cara menggunakan AI untuk meningkatkan kecepatan, kualitas, atau layanan. Hasil konkret lebih meyakinkan daripada klaim umum.
• Ambil kredensial yang dapat digabungkan. Kursus singkat analisis data, perangkat cloud, dasar keamanan siber, atau keselamatan AI dapat membuka peluang jika dipadukan dengan pengalaman.
• Bangun jaringan secara terarah. Bergabunglah dengan komunitas profesional dan menjadi sukarelawan untuk proyek lintas fungsi yang menguji AI. Kedekatan mempercepat pembelajaran.

Bagi profesional paruh karier, carilah posisi terkait yang menghargai penilaian Anda. Manajer operasional dapat beralih ke peningkatan proses berbasis AI. Manajer relasi dapat berpindah ke bidang keberhasilan pelanggan yang didukung analitik. Petugas kepatuhan dapat beralih ke pengawasan risiko model. Rumuskan kembali pengalaman Anda berdasarkan masalah yang diatasi dan hasil yang dicapai, lalu tunjukkan bagaimana AI memperluas kemampuan Anda.

Metrik untuk melihat apakah lapisan tengah mulai pulih

Singapura dapat memantau kesehatan lapisan tengah melalui sejumlah indikator sederhana. Metrik yang transparan membantu pembuat kebijakan, pemberi kerja, dan pekerja melihat apakah jenjang karier sedang dibangun kembali.

• Rasio posisi tetap terhadap posisi kontrak di bidang pekerjaan profesional dan teknis.
• Median durasi pencarian kerja bagi profesional berusia 40 hingga 55 tahun setelah kehilangan pekerjaan.
• Proporsi lowongan tingkat pemula yang mencakup pelatihan terstruktur atau program magang.
• Tingkat promosi internal dari posisi junior ke tingkat menengah di berbagai sektor utama.
• Jumlah transisi paruh karier yang diselesaikan setiap tahun melalui program nasional.
• Tingkat partisipasi dan penyelesaian kursus pemahaman AI di sektor publik dan swasta.
• Penerapan posisi tata kelola AI, seperti risiko model dan pengelolaan data, yang menciptakan peluang tingkat menengah baru.

Poin utama

• Posisi tingkat menengah di Singapura berada di bawah tekanan karena AI mengubah struktur tim, memicu efek terdorong ke bawah yang menyisakan lebih sedikit pilihan stabil bagi para profesional terdampak.
• Tugas tingkat pemula semakin banyak diotomatisasi, sehingga melemahkan pasokan calon tenaga profesional tingkat menengah dan mengurangi kesempatan belajar di tempat kerja.
• Sebuah studi Stanford menemukan penurunan relatif sebesar 13 persen dalam jumlah pekerja pada tahap awal karier di pekerjaan yang terpapar AI sejak akhir 2022, sementara jumlah pekerja yang lebih tua di posisi tersebut tetap stabil atau meningkat.
• Survei menunjukkan sekitar separuh Gen Z di Singapura memperkirakan AI akan menimbulkan gangguan besar, tetapi hanya sekitar sepertiga pemberi kerja yang menyediakan pelatihan AI.
• Layanan publik mewajibkan semua pejabat mengikuti pelatihan pemahaman AI, menunjukkan bagaimana lembaga besar dapat membangun kemampuan dasar dan berbagi praktik yang efektif.
• Kebijakan yang memperluas program magang, mendukung transisi paruh karier, dan mengaitkan hibah AI dengan hasil bagi pekerja dapat membangun kembali lapisan tengah.
• Perusahaan dapat mengutamakan desain yang memperkuat kemampuan pekerja, menilai manajer berdasarkan pelatihan, membuka mobilitas internal, dan menciptakan jalur spesialis untuk memperkuat karier tingkat menengah.
• Pekerja yang memadukan pemahaman mendalam tentang bidangnya, kemahiran menggunakan AI, dan keterampilan manusia akan paling tangguh, dengan portofolio serta kredensial yang dapat digabungkan untuk menunjukkan hasil nyata.