Saat Pekerjaan Junior Dianggap Bisa Dihilangkan

Banyak perusahaan sedang berusaha menjadi lebih efisien dengan bantuan AI dan pekerjaan junior mulai mengalami perubahan. Pekerjaan yang dulu memakan waktu kini bisa dilakukan lebih cepat. Ringkasan rapat bisa dibuat otomatis. Draft laporan bisa disusun dalam hitungan menit. Data bisa dibaca lebih cepat. Presentasi awal bisa dibuat tanpa harus memulai dari halaman kosong.

Bagi perusahaan, ini terdengar seperti kabar baik. Proses lebih cepat, biaya bisa ditekan, dan tim tidak perlu terlalu banyak menghabiskan waktu pada pekerjaan berulang.

Namun ada pertanyaan yang jarang dibahas: jika pekerjaan-pekerjaan dasar itu semakin banyak diambil alih teknologi, dari mana pekerja baru belajar memahami dunia kerja?

Pertanyaan ini penting karena pekerjaan awal di kantor sering dianggap sepele. Mengolah data, mengecek laporan, membuat rekap, menyiapkan bahan rapat, merapikan dokumen, atau membantu analisis sederhana sering dipandang sebagai pekerjaan administratif. Padahal bagi banyak orang, justru dari pekerjaan seperti itulah mereka pertama kali belajar memahami bisnis.

Yang terlihat sebagai tugas kecil bagi perusahaan, bisa menjadi ruang belajar besar bagi pekerja muda.

Pekerjaan Dasar Sering Membentuk Naluri Kerja

Tidak semua pembelajaran di kantor datang dari pelatihan formal. Banyak kemampuan justru tumbuh dari pekerjaan yang dilakukan berulang.

Seorang staf keuangan yang terbiasa mengecek angka akan mulai memahami pola biaya, pendapatan, dan kesalahan pencatatan. Orang yang sering membantu laporan bulanan akan belajar bahwa kenaikan laba tidak selalu berarti kas aman. Mereka yang berurusan dengan piutang akan memahami bahwa penjualan besar belum tentu langsung menjadi uang masuk.

Begitu pula di bagian lain. Staf operasional belajar dari masalah layanan sehari-hari. Staf pemasaran belajar dari respons pelanggan. Staf administrasi belajar dari alur dokumen yang menentukan cepat lambatnya proses bisnis.

Pekerjaan dasar memang tidak selalu terlihat strategis. Namun pekerjaan itu membentuk kepekaan. Dari sana seseorang belajar melihat detail, memahami alur, mengenali risiko, dan membaca hubungan antara tugas kecil dengan hasil perusahaan.

Jika semua proses awal itu terlalu cepat diserahkan kepada AI, perusahaan mungkin menghemat waktu. Tetapi pada saat yang sama, perusahaan bisa kehilangan ruang alami untuk membentuk kemampuan pekerja baru.

Efisiensi Tidak Boleh Menghapus Proses Belajar

Tidak ada yang salah dengan memakai AI untuk mempercepat pekerjaan. Pekerjaan berulang memang sebaiknya dibuat lebih efisien. Perusahaan tidak perlu mempertahankan cara lama hanya karena sudah terbiasa.

Masalahnya muncul ketika efisiensi dibaca terlalu sempit. Seolah-olah pekerjaan yang bisa dipercepat berarti tidak lagi perlu dipahami.

Dalam praktiknya, pekerja muda tetap perlu mengerti bagaimana sebuah laporan terbentuk, dari mana data berasal, mengapa angka bisa berubah, dan bagaimana output digunakan oleh manajemen. Jika mereka hanya melihat hasil akhir dari AI, proses pemahaman bisa menjadi terlalu tipis.

Mereka bisa cepat membuat laporan, tetapi tidak memahami isi laporan. Bisa membuat ringkasan, tetapi tidak tahu konteksnya. Bisa menghasilkan analisis, tetapi tidak mampu menjelaskan alasan di balik kesimpulan. Bisa terlihat produktif, tetapi belum tentu benar-benar matang.

Ini risiko yang perlu diwaspadai. AI dapat mempercepat output, tetapi tidak otomatis membentuk judgment.

Perusahaan Bisa Kekurangan Orang yang Benar-Benar Paham

Dalam jangka pendek, penggunaan AI mungkin membuat pekerjaan junior terlihat lebih ringan. Perusahaan bisa merasa lebih hemat karena banyak tugas dasar dapat dibantu teknologi.

Namun dalam jangka panjang, pertanyaannya berubah: siapa yang akan menjadi analis, manajer, atau pemimpin yang benar-benar memahami bisnis dari bawah?

Seseorang tidak tiba-tiba menjadi matang hanya karena diberi jabatan lebih tinggi. Kematangan profesional biasanya terbentuk dari pengalaman menghadapi pekerjaan nyata: membaca data yang tidak rapi, memahami arahan yang belum jelas, memperbaiki kesalahan, bertanya kepada senior, dan melihat bagaimana keputusan diambil.

Jika ruang belajar itu mengecil, perusahaan bisa menghasilkan generasi pekerja yang cepat menggunakan tools, tetapi kurang kuat dalam memahami konteks.

Dalam fungsi keuangan, misalnya, ini bisa menjadi masalah serius. AI bisa membantu membuat draft komentar atas laporan kinerja. Tetapi orang finance tetap perlu memahami mengapa biaya naik, apakah pendapatan yang tumbuh berkualitas, apakah piutang mulai berisiko, dan apakah modal kerja cukup untuk menopang pertumbuhan.

Jika pemahaman itu tidak dibangun sejak awal, perusahaan hanya akan memiliki orang yang pandai menjalankan alat, tetapi belum tentu mampu membaca bisnis.

Tugas Junior Perlu Didesain Ulang

Jawabannya bukan menolak AI. Itu tidak realistis. Jawabannya adalah mendesain ulang cara pekerja baru belajar.

Jika AI membantu membuat laporan, pekerja junior tidak cukup hanya diminta menerima hasilnya. Mereka perlu diminta memeriksa, menguji, dan menjelaskan apakah hasil itu masuk akal. Jika AI membuat ringkasan, mereka perlu diminta menunjukkan bagian mana yang penting, mana yang perlu divalidasi, dan apa implikasinya bagi keputusan.

Dengan cara ini, AI menjadi alat belajar, bukan jalan pintas untuk melewati proses berpikir.

Perusahaan juga perlu membedakan antara pekerjaan yang memang perlu diotomatisasi dan kemampuan yang tetap harus dilatih. Mengecek angka mungkin bisa dipercepat, tetapi ketelitian tetap harus dibangun. Membuat ringkasan bisa dibantu, tetapi kemampuan memahami konteks tetap perlu dilatih. Menyusun draft bisa dilakukan AI, tetapi kemampuan mempertanggungjawabkan isi tetap milik manusia.

Pekerja baru tidak boleh hanya diajari memakai tools. Mereka perlu diajari memahami pekerjaan.

Peran Senior dan Manajemen Semakin Penting

Ketika AI masuk ke pekerjaan sehari-hari, peran senior justru semakin penting. Senior tidak lagi hanya membagi tugas, tetapi membantu pekerja baru memahami cara berpikir di balik tugas tersebut.

Mengapa angka ini penting? Mengapa laporan ini dibutuhkan manajemen? Apa risiko jika data salah? Apa keputusan yang akan dipengaruhi oleh analisis ini? Bagian mana yang boleh otomatis, dan bagian mana yang harus divalidasi manusia?

Pertanyaan seperti ini membantu pekerja muda naik dari sekadar pembuat output menjadi orang yang memahami nilai dari pekerjaannya.

Manajemen juga perlu berhati-hati agar AI tidak hanya dipakai untuk memangkas biaya tenaga kerja junior. Jika semua yang junior dihilangkan, perusahaan mungkin terlihat efisien hari ini, tetapi kesulitan mencetak talenta matang di masa depan.

Organisasi membutuhkan regenerasi. Dan regenerasi tidak terjadi jika ruang belajar paling awal dihapus.

Teknologi Harus Mempercepat Pembelajaran, Bukan Memotongnya

AI seharusnya membuat pekerja baru belajar lebih cepat, bukan kehilangan kesempatan belajar. Dengan AI, mereka bisa membandingkan draft, menguji asumsi, meminta alternatif penjelasan, dan memahami contoh yang lebih luas. Tetapi proses itu tetap perlu diarahkan.

Tanpa arahan, AI hanya menjadi mesin jawaban instan. Dengan arahan yang benar, AI bisa menjadi alat untuk memperdalam pemahaman.

Karena itu, perusahaan perlu melihat pekerjaan junior bukan hanya sebagai biaya. Pekerjaan junior adalah bagian dari proses mencetak kemampuan masa depan. Di sana orang belajar disiplin, konteks, ketelitian, komunikasi, dan cara menghubungkan pekerjaan kecil dengan keputusan besar.

Pada akhirnya, tantangan perusahaan bukan hanya bagaimana menjadi lebih efisien dengan AI. Tantangan yang lebih penting adalah bagaimana memastikan efisiensi tidak memutus proses pembentukan manusia di dalam organisasi.

Jika pekerjaan dasar sepenuhnya dianggap bisa dihilangkan, perusahaan mungkin mendapatkan output yang lebih cepat. Tetapi tanpa ruang belajar yang cukup, perusahaan bisa kehilangan sesuatu yang lebih penting: orang-orang yang benar-benar memahami pekerjaan, bisnis, dan keputusan yang harus diambil.