Apa halaman ini — dan bukan
Pertanyaan pergeseran biasanya diajukan sebagai sebuah hitungan: berapa banyak pekerjaan yang diambil AI? Itu penting, dan Pergeseran Tenaga Kerja dan Ekonomi membahasnya. Halaman ini mengajukan pertanyaan yang berbeda: apa yang terjadi pada pekerjaan yang tersisa? Seorang pekerja dapat mempertahankan gaji sambil kehilangan kendali atas jadwal, tempo, keputusan penilaian, dan martabat yang membuat pekerjaan itu layak dilakukan.
Mekanisme yang dijelaskan di sini — manajemen algoritmik — teramati, terdokumentasi, dan nyata. Proyeksi temuan gig-economy dan gudang hari ini ke seluruh ekonomi adalah sebuah argumen, bukan sebuah pengukuran. Halaman ini melabeli mana yang mana.
Mekanismenya: manajemen algoritmik
Tinjauan Kellogg, Valentine, dan Christin yang banyak dikutip mendefinisikan manajemen algoritmik sebagai perangkat lunak yang menjalankan fungsi manajerial: menugaskan tugas, memantau kinerja, mengevaluasi output, dan mendisiplinkan atau memberi imbalan pekerja (Kellogg, Valentine & Christin, “Algorithms at Work: The New Contested Terrain of Control,” Academy of Management Annals, 2020). Mereka mengorganisasi perangkat itu ke dalam enam mekanisme — merekomendasikan, mencatat, menilai, menggantikan, memberi imbalan, dan mendisiplinkan — dan mencatat bahwa medan yang diperebutkan ini tidak baru. Pemberi kerja selalu mencoba mengekstrak lebih banyak upaya dengan bayaran lebih sedikit; yang berubah adalah granularitas, kecepatan, dan asimetri dari sistem yang melakukannya.
Dalam praktiknya ini berarti: jadwal yang ditetapkan oleh permintaan yang diprakirakan alih-alih seorang manajer yang tahu Anda punya anak di sekolah; skor produktivitas yang dihitung dari ketukan-tombol, pemindaian, atau detik-per-tugas; penilaian bintang pelanggan yang diperlakukan sebagai tinjauan kinerja; dan pemutusan kerja yang dipicu secara otomatis ketika sebuah metrik turun di bawah ambang batas, kadang tanpa seorang manusia pun dalam lingkaran sama sekali. Pekerja mengalami ini sebagai seorang bos yang selalu mengawasi, tidak pernah dapat dinegosiasikan, dan mustahil untuk dibanding, karena tidak ada siapa pun di sana.
Arah perjalanannya
Seiring AI menyerap pekerjaan kognitif rutin, pekerjaan yang tersisa untuk manusia terbagi menjadi dua kelompok. Yang pertama adalah pekerjaan yang belum dapat dilakukan mesin: keahlian terampil dalam lingkungan fisik yang tak terduga, negosiasi manusia yang kompleks, penilaian kreatif yang sejati. Yang kedua adalah pekerjaan di mana manusia harus dipertahankan — karena sebuah hukum, sebuah aturan pertanggungjawaban, atau preferensi pelanggan mewajibkan seseorang di suatu tempat dalam rantai itu, bahkan ketika sistem dapat melakukan hampir segalanya yang lain.
Kelompok kedua inilah tempat kualitas memburuk paling cepat. Jika seseorang hadir hanya untuk memenuhi sebuah persyaratan, insentif pemberi kerja adalah membuat kehadiran itu semurah dan sekendali mungkin: keleluasaan yang diskrip, kepatuhan yang dipantau, tidak ada kelonggaran. Pekerja itu menjadi sebuah stempel-persetujuan manusia yang dicap pada output sebuah mesin — bertanggung jawab atas hasilnya, dilucuti dari wewenang untuk membentuknya. Seorang perawat yang diwajibkan “memvalidasi” triase AI dalam dua belas detik per pasien bukan diperkuat; dia adalah sebuah penyangga tanggung jawab dengan sebuah stetoskop.
Apa yang ditunjukkan bukti — dan apa yang tidak
Bukti terkuat berasal dari pengaturan di mana manajemen algoritmik sudah total. Dalam platform gig, para peneliti mendokumentasikan bagaimana sistem penilaian dan aturan penonaktifan yang buram menggeser risiko ke pekerja sambil menolak memberi mereka informasi tentang siapa yang memutuskan dan mengapa (Rosenblat & Stark, 2016). Dalam gudang, granularitas pemantauan hingga ke detik-per-tugas dikaitkan dengan tingkat cedera dan atrisi yang meningkat dalam pemberitaan jurnalistik dan advokasi, meskipun estimasi kausal yang ditinjau sejawat masih tipis. Analisis global AI generatif milik International Labour Organization eksplisit bahwa eksposur pada otomasi tidak sama dengan hilangnya pekerjaan, dan bahwa dimensi kualitas — intensitas tugas, otonomi, dan kesempatan untuk menggunakan keterampilan — bergerak secara terpisah dari hitungan kepala (ILO, 2023).
Kejujuran membutuhkan batasan: studi-studi ini mengukur tempat kerja tertentu yang dipantau secara berat. Memperluasnya ke seluruh ekonomi adalah sebuah argumen berdasarkan analogi, bukan sebuah pengukuran. Beberapa pekerjaan yang tersisa akan menjadi lebih baik; beberapa pemantauan akan gagal atau menjadi bumerang; beberapa pekerja lebih menyukai fleksibilitas yang dimediasi-aplikasi daripada alternatifnya, yang seringkali tidak ada apa-apa. Klaim yang dapat dipertahankan lebih sempit dan tetap serius: di mana pun manusia dipertahankan dalam lingkaran melawan preferensi seorang pemberi kerja, tekanan ekonomi bawaan berjalan ke arah kontrol, bukan otonomi.
Tiga sinyal mengindikasikan ke arah mana sebuah tempat kerja bergerak: apakah pekerja dapat melihat dan membantah data yang digunakan untuk mengevaluasi mereka, apakah ada manusia berwenang yang dapat menimpa sistem, dan apakah target produktivitas naik secara otomatis seiring perangkat lunak mempelajari seperti apa shift dengan kinerja terbaik. Yang ketiga adalah tandanya. Sebuah sistem yang terus menaikkan standar seiring pekerja beradaptasi bukan sebuah alat untuk mengorganisasi kerja; itu adalah sebuah ratchet ekstraksi, dan batas atasnya ditetapkan oleh fisiologi, bukan oleh penilaian.
Pertanyaan komplementaritas
Apakah AI memperkuat sebuah peran yang tersisa atau memperburuknya tidak diputuskan oleh teknologinya. Itu diputuskan oleh siapa yang memilih desainnya. Model triase yang sama yang memungkinkan seorang perawat menghabiskan waktunya bersama pasien yang membutuhkannya justru dapat digunakan sebaliknya untuk menetapkan kuotanya. Asisten pengodean yang sama yang menangani pekerjaan berulang sehingga seorang pengembang junior dapat mempelajari arsitektur justru dapat digunakan sebaliknya untuk membenarkan mengawasi empat junior alih-alih merekrut dua senior.
| Pilihan desain | Hasil yang memperkuat | Hasil yang memperburuk |
|---|---|---|
| Siapa yang menetapkan tempo | Pekerja mengendalikan urutan | Sistem menetapkan kuota, pekerja mengikuti |
| Siapa yang melihat data | Pekerja mendapat umpan balik kinerja | Pemberi kerja mengawasi, pekerja tidak dapat memeriksa |
| Siapa yang memiliki penilaian | AI menasihati, manusia memutuskan dengan alasan | Manusia mencap-stempel, tanggung jawab tetap pada manusia |
| Apa yang terjadi saat kesalahan | Tinjauan dan pelatihan-ulang | Penurunan pangkat atau pemutusan kerja otomatis |
Penentunya bersifat institusional, bukan teknis: daya tawar, standar yang dapat ditegakkan, apakah pekerja dapat memeriksa dan membantah data, dan apakah ada seseorang di atas algoritma yang memiliki baik wewenang maupun insentif untuk menimpanya.
Satu asimetri layak ditekankan. Ketika penguatan dijanjikan, penerima manfaat yang dijanjikan adalah pekerja; ketika pemburukan terjadi, penerima manfaatnya adalah baris biaya. Ketidakcocokan itu berarti beban pembuktian seharusnya berada pada organisasi yang menerapkan: jika sebuah sistem sungguh-sungguh memperkuat, para perancangnya dapat menunjukkan keleluasaan yang dipertahankan, data yang dapat diperiksa, dan target yang stabil. “Manusia selalu ada dalam lingkaran” bukan bukti penguatan ketika satu-satunya tindakan yang diizinkan bagi manusia itu adalah melanjutkan.
Respons kebijakan dan tawar-menawar
Kualitas kerja adalah sebuah pertanyaan standar-tenaga-kerja, bukan sekadar pertanyaan bantuan-transisi. Program pelatihan-ulang tidak melakukan apa-apa bagi seorang pekerja yang pekerjaan barunya ditempo, dinilai, dan diputus secara algoritmik. Instrumen yang relevan lebih lama dan lebih tumpul: hak transparansi atas data yang digunakan untuk mengevaluasi Anda, pemberitahuan dan tinjauan manusia sebelum tindakan yang merugikan, batasan pada pemantauan di luar-jam-kerja, dan tawar-menawar sektoral yang menetapkan lantai untuk penjadwalan dan tempo. Konvensi-konvensi ILO tentang kondisi kerja dan keselamatan kerja menyediakan latar belakang yang mapan — kerangka untuk memperlakukan intensitas dan pengawasan sebagai isu-isu standar, bukan tunjangan untuk dinegosiasikan secara individual (ILO, keselamatan dan kesehatan di tempat kerja).
Tidak satu pun dari ini mewajibkan memperlakukan AI sebagai secara unik jahat. Ini mewajibkan menolak pembingkaian bahwa satu-satunya pilihan adalah antara hitungan kerja dan tidak sama sekali. Pekerja yang menghadapi kualitas yang memburuk menghadapi pertanyaan yang sama dengan pekerja yang menghadapi pergeseran dalam Ekonomi Distribusional dan Konsentrasi Kekuasaan: apakah keuntungan mengalir ke orang-orang yang diawasi sistem, atau hanya ke orang-orang yang memilikinya. Individu dapat melindungi diri di tingkat rumah tangga melalui Diversifikasi Karier dan Pendapatan; standar-standarnya sendiri adalah sebuah perjuangan kolektif, dan layak diperjuangkan sebelum kelompok kedua pekerjaan itu menjadi norma.