Masalah Terbesar AI Bukan Lagi Algoritma Melainkan Manusia Berdasarkan Laporan New Economy Skills dari World Economic Forum 2025

Mengapa Digital Fluency Menjadi Penentu Daya Saing Ekonomi di Era AI

 

Laporan New Economy Skills: Building AI, Data and Digital Capabilities for Growth dari World Economic Forum (WEF) yang keluar pada 16 Desember 2025 lalu menunjukkan bahwa kita sedang memasuki babak baru. Jika dahulu tujuan utamanya adalah meningkatkan literasi digital, kini tantangannya jauh lebih besar, yakni membangun kemampuan manusia untuk bekerja berdampingan dengan sistem AI secara efektif.

 

Laporan itu juga menyebutkan kecerdasan buatan (AI) mampu menciptakan nilai ekonomi hingga US$7 triliun dalam satu dekade ke depan. Angka itu bukan sekadar prediksi optimistis.

 

Berbagai riset global memperkirakan bahwa Generative AI (GenAI) berpotensi meningkatkan Produk Domestik Bruto (PDB) dunia sekitar 7 persen.

 

Namun, ada satu persoalan besar yang sering luput dari perhatian.

 

Teknologinya sudah tersedia, investasinya terus mengalir, tetapi talenta atau manusianya belum sepenuhnya siap.

 

Di sinilah tantangan terbesar era digital saat ini. Persoalannya bukan lagi apakah AI akan mengubah dunia, melainkan apakah kita memiliki keterampilan yang cukup untuk memanfaatkannya. Bahkan, 63% perusahaan di seluruh dunia mengakui bahwa kesenjangan keterampilan (skills gap) menjadi penghambat terbesar transformasi digital mereka.

 

 

AI Tidak Menggantikan Semua Pekerjaan, Tetapi Mengubah Cara Kita Bekerja

 

Banyak orang masih bertanya, “Apakah AI akan menggantikan manusia?”

 

Jawabannya ternyata lebih kompleks.

 

WEF menemukan bahwa keterampilan digital berubah jauh lebih cepat dibandingkan keterampilan yang berorientasi pada manusia. Sekitar 68% keterampilan digital diperkirakan mengalami transformasi, sedangkan keterampilan seperti empati, komunikasi, atau kemampuan mendengarkan hanya mengalami perubahan sekitar 35%.

 

Yang paling menarik adalah munculnya apa yang bisa disebut sebagai “aturan 30 kali lipat”.

 

Keterampilan di bidang AI dan big data memiliki kemungkinan 30 kali lebih besar mengalami transformasi dibandingkan keterampilan interpersonal seperti empati atau active listening.

 

Namun, transformasi ini tidak selalu berarti manusia kehilangan pekerjaan.

 

Dalam banyak kasus justru muncul pola kerja baru.

 

Pada model Full Transformation, AI mampu menjalankan suatu pekerjaan secara mandiri.

 

Sedangkan pada Hybrid Transformation, AI menjadi pelaksana utama, sementara manusia bertugas mengawasi, memverifikasi hasil, mengambil keputusan, dan menangani situasi yang membutuhkan penilaian kritis.

 

Artinya, peran manusia bergeser dari “pelaksana” menjadi pengarah dan pengendali sistem cerdas.

 

Seperti yang ditegaskan oleh World Economic Forum:

“Potensi AI hanya akan benar-benar terwujud jika manusia memiliki keterampilan untuk memanfaatkannya.”

 

Mengapa Talenta AI Dibayar Sangat Mahal?

 

Tidak mengherankan jika pasar tenaga kerja kini memberikan penghargaan yang sangat tinggi kepada para ahli AI.

 

Sejak 2019, gaji median profesi AI dan Machine Learning meningkat sekitar 27 persen, hingga mencapai rata-rata US$189.800 per tahun pada pertengahan 2025.

 

Menariknya, meskipun kebutuhan tenaga AI meningkat hampir 14 kali lipat, jumlah mereka masih sangat kecil, yaitu sekitar 1,1% dari seluruh tenaga kerja digital.

 

Kelangkaan inilah yang membuat mereka menjadi aset strategis.

 

Seorang spesialis AI tidak hanya menyelesaikan pekerjaannya sendiri. Ia mampu membangun sistem yang mengotomatisasi ribuan proses bisnis sekaligus meningkatkan produktivitas banyak orang di dalam organisasi.

 

Dengan kata lain, mereka bukan sekadar karyawan, tetapi pengganda produktivitas (force multiplier).

 

 

Belajar AI Ternyata Mudah, Namun Kita Jangan Terkecoh

 

Salah satu alasan GenAI berkembang sangat cepat adalah karena siapa pun dapat mulai menggunakannya hanya dalam hitungan menit.

 

Membuat gambar, menulis artikel, atau menghasilkan kode program kini terasa sangat mudah.

 

Namun kita jangan sampai terkecoh.

 

Kemudahan menggunakan AI tidak berarti sama dengan menguasainya.

 

Data WEF menunjukkan perbedaan yang sangat jelas antara kemampuan dasar dan tingkat profesional.

 

Sebagai contoh:

 

– AI dan Big Data membutuhkan sekitar 30 jam untuk memahami dasar-dasarnya, tetapi memerlukan hampir 137 jam untuk mencapai tingkat penguasaan profesional.

 

– Jaringan komputer dan keamanan siber membutuhkan sekitar 57 jam untuk level awal dan lebih dari 155 jam untuk tingkat mahir.

 

– Pemrograman membutuhkan sekitar 67 jam untuk pemula dan sekitar 144 jam untuk menjadi profesional.

 

Inilah kesalahan yang sering dilakukan banyak organisasi.

 

Mereka merasa sudah “siap AI” hanya karena seluruh karyawan telah mengikuti pelatihan singkat atau mampu menggunakan chatbot.

 

Padahal, tanpa investasi pembelajaran yang lebih mendalam, risiko kesalahan dalam pengelolaan model AI, kualitas data, hingga pengambilan keputusan justru semakin besar.

 

 

Krisis Pendidikan Digital Sedang Terjadi

 

Masalah berikutnya datang dari sistem pendidikan.

 

Hanya sekitar 20% pemimpin bisnis yang percaya bahwa lembaga pendidikan saat ini berhasil menghasilkan lulusan dengan kemampuan AI dan data yang sesuai kebutuhan industri.

 

Di Uni Eropa, lebih dari separuh perusahaan bahkan mengaku kesulitan mencari tenaga ahli di bidang teknologi informasi.

 

Akibatnya, banyak perusahaan mulai membangun ekosistem pelatihan mereka sendiri.

 

Sekilas langkah ini terlihat positif.

 

Namun, ada risiko yang perlu diwaspadai.

 

Jika setiap perusahaan menggunakan standar kompetensinya sendiri, maka akan muncul “skill silo”, yaitu keterampilan yang hanya berlaku di lingkungan perusahaan tertentu dan sulit digunakan di tempat lain.

 

Mobilitas tenaga kerja menjadi berkurang, sementara standar kompetensi global menjadi semakin terfragmentasi.

 

 

Afrika Mulai Menjadi Kekuatan Baru

 

Ketika membahas perkembangan AI, perhatian publik biasanya tertuju pada Amerika Serikat, Eropa, atau Tiongkok.

 

Padahal, salah satu kawasan yang mengalami pertumbuhan tercepat justru berada di Sub-Sahara Afrika.

 

Kebutuhan tenaga kerja dengan keterampilan digital di kawasan tersebut diperkirakan mencapai 230 juta pekerjaan, dengan potensi nilai ekonomi sekitar US$130 miliar.

 

Di sisi lain, masih terdapat tantangan besar terkait kesenjangan gender.

 

Data LinkedIn menunjukkan bahwa di hampir 92% negara, laki-laki lebih banyak mencantumkan keterampilan AI engineering dibandingkan perempuan.

 

Jika kondisi ini terus berlangsung, dunia berisiko kehilangan sumber talenta yang sangat besar sekaligus mengurangi keberagaman perspektif yang dibutuhkan dalam inovasi AI.

 

 

Berpikir Sistem Lebih Penting daripada Sekadar Bisa Coding

 

Satu kesalahan umum dalam transformasi digital adalah menganggap bahwa keterampilan teknis dapat berdiri sendiri.

 

Faktanya tidaklah demikian.

 

WEF menemukan bahwa keterampilan teknis memberikan dampak terbesar ketika dipadukan dengan kemampuan bisnis dan keterampilan berpikir tingkat tinggi.

 

Sebagai contoh, sekitar 26% pelatihan pemrograman dan desain pengalaman pengguna (UX) kini telah memasukkan materi AI ke dalam kurikulumnya.

 

Namun, jembatan terpenting antara kemampuan teknis dan keberhasilan di dunia kerja justru terletak pada tiga kemampuan berikut:

 

– Systems Thinking, yaitu kemampuan memahami keterkaitan berbagai sistem yang kompleks.

– Analytical Thinking, yaitu kemampuan menganalisis masalah secara logis.

– Creative Thinking, yaitu kemampuan menghasilkan solusi baru terhadap persoalan nyata.

 

Kemampuan inilah yang membuat seseorang tidak hanya mampu menjalankan teknologi, tetapi juga mampu memecahkan masalah yang kompleks menggunakan teknologi tersebut.

 

 

Cara Mengukur Kompetensi Juga Sedang Berubah

 

Perubahan tidak hanya terjadi pada keterampilan, tetapi juga pada cara kita menilai kompetensi.

 

Ijazah dan ujian tertulis mulai kehilangan dominasinya.

 

Sebagai gantinya, semakin banyak organisasi menggunakan digital badge, simulasi, hingga lingkungan pembelajaran virtual yang mampu merekam seluruh proses berpikir seseorang.

 

Salah satu contohnya adalah Global Cyber Range Challenge milik Check Point.

 

Melalui simulasi serangan siber, lebih dari 34.000 profesional telah dilatih di berbagai negara.

 

Yang dinilai bukan hanya apakah peserta berhasil atau gagal, tetapi bagaimana mereka mengambil keputusan, menguji hipotesis, dan merespons situasi yang berubah secara dinamis.

 

Hasilnya cukup mengesankan.

 

Latihan berulang melalui simulasi mampu meningkatkan kecepatan respons terhadap insiden keamanan siber hingga 40%.

 

Pendekatan seperti ini kemungkinan akan semakin banyak digunakan pada era AI, karena kemampuan berpikir sering kali jauh lebih penting daripada sekadar mengetahui jawaban yang benar.

 

 

Penutup

 

Transformasi digital sesungguhnya bukan hanya tentang membeli teknologi terbaru atau mengimplementasikan AI di berbagai lini bisnis.

 

Transformasi yang sesungguhnya adalah membangun manusia yang mampu bekerja bersama teknologi tersebut.

 

Investasi pada pengembangan keterampilan digital kini memiliki posisi yang sama pentingnya dengan investasi pada infrastruktur, modal, maupun inovasi.

 

Sebagaimana ditegaskan oleh Saadia Zahidi (Managing Director, World Economic Forum) dan Ravi Kumar (CEO, Cognizant):

“Menutup kesenjangan keterampilan digital sama pentingnya dengan berinvestasi pada infrastruktur maupun modal.”

 

Di era AI, keunggulan kompetitif bukan lagi dimiliki oleh organisasi yang memiliki teknologi paling canggih, melainkan oleh mereka yang memiliki talenta paling siap untuk memanfaatkannya.

 

FAQ (Frequently Asked Questions) Berdasarkan Laporan WEF

 

1. Mengapa keterampilan digital kini dianggap sebagai pilar utama ekonomi makro?

 

Keterampilan digital, khususnya dalam AI dan data, bukan lagi sekadar keahlian teknis tetapi telah menjadi imperatif (keharusan) makroekonomi. Hal ini dikarenakan teknologi telah menjadi katalisator utama bagi produktivitas, inovasi, dan pertumbuhan ekonomi global. Laporan ini menegaskan bahwa bagi negara-negara yang ingin mempercepat pertumbuhan, menutup kesenjangan keterampilan digital sama krusialnya dengan investasi pada infrastruktur fisik atau modal.

 

2. Apa saja keterampilan paling kritikal yang harus diprioritaskan saat ini?

 

Berdasarkan permintaan pasar, Literasi Teknologi adalah keterampilan digital yang paling banyak diminta, muncul dalam 34% dari seluruh lowongan kerja di Amerika Serikat. Namun, keterampilan AI dan Big Data merupakan bidang dengan pertumbuhan tercepat dan diperkirakan akan menjadi keterampilan yang paling relevan pada tahun 2030. Kuncinya bukan hanya pada keahlian teknis murni, tetapi pada kemampuan interdisipliner untuk mengawasi dan berkolaborasi dengan sistem AI.

 

3. Seberapa parah kesenjangan keterampilan yang dihadapi dunia saat ini?

Terdapat kesenjangan besar antara kebutuhan industri dan hasil sistem pendidikan. Hanya 2 dari 10 pemimpin bisnis yang percaya bahwa sistem pendidikan saat ini efektif dalam mengembangkan keterampilan AI dan data. Akibatnya, 63% pemberi kerja melihat kesenjangan keterampilan sebagai hambatan terbesar bagi kemajuan bisnis mereka. Di Uni Eropa saja, hampir 58% perusahaan yang merekrut spesialis teknologi melaporkan kesulitan dalam mengisi posisi tersebut.

 

4. Bagaimana AI akan mengubah pekerjaan saya? Apakah akan terjadi penggantian besar-besaran?

 

AI lebih cenderung mengubah cara kerja daripada menggantikan manusia sepenuhnya. Rata-rata 68% keterampilan digital diperkirakan akan mengalami transformasi dalam cara aplikasinya, dibandingkan dengan hanya 35% pada keterampilan yang berpusat pada manusia (seperti empati). Pekerja di masa depan akan lebih banyak berperan dalam mengelola, menafsirkan, dan mengawasi sistem cerdas. Fleksibilitas dan kemampuan untuk belajar sepanjang hayat menjadi kunci untuk tetap relevan.

 

5. Apa langkah konkret yang harus diambil organisasi untuk membangun kapabilitas digital?

 

Organisasi harus beralih dari sekadar pelatihan statis menuju strategi yang mencakup tiga pilar:

– Asesmen Berbasis Kinerja: Menilai kemampuan melalui tantangan nyata seperti coding challenge atau portofolio, bukan hanya sertifikat teori.

– Pengembangan di “Ruang Aman”: Menciptakan lingkungan simulasi atau digital sandboxes di mana karyawan dapat bereksperimen dengan alat baru tanpa risiko merusak sistem nyata.

– Kredensial Mikro yang Portabel: Menggunakan standar global untuk pengakuan keterampilan yang dapat dipindahkan antar industri dan wilayah.

 

 

Referensi:

 

Tulisan ini disadur secara bebas dengan bantuan AI dari World Economic Forum. New Economy Skills: Building AI, Data and Digital Capabilities for Growth. December 16, 2025. Diakses dari: https://www.weforum.org/publications/new-economy-skills-building-ai-data-and-digital-capabilities-for-growth/

📅 Last updated: Juli 23, 2026