Mabuk Angka, Buta Kompetensi: Salah Ukur Talenta Digital di Era AI

Di ruang-ruang rapat pemerintah, kata "AI" dan "transformasi digital" diucapkan dengan fasih, nyaris seperti mantra. Target belasan juta talenta digital pada 2030 dipajang sebagai mahkota keberhasilan. Namun, di balik euforia itu tersembunyi satu ironi: kita berpacu mencetak talenta dalam jumlah raksasa ketika AI justru membuat sebagian keterampilan yang sedang dicetak menjadi semakin murah dan berlimpah.

Tanyakan kepada pejabat, berapa sebenarnya kekurangan talenta digital kita? Sembilan juta? Dua belas juta? Jawabannya berganti-ganti, tergantung siapa yang memegang mikrofon. Perdebatan angka ini sesungguhnya hanya mengaburkan persoalan yang lebih penting.

Salah satu petunjuknya terlihat dalam laporan East Ventures Digital Competitiveness Index 2026. Dari 50 indikator, 47 membaik. Namun, di antara seluruh pilarnya, hanya satu yang bergerak mundur: sumber daya manusia, yang merosot 2,5 poin.

Adopsi teknologi kita melesat, sementara kemampuan memanfaatkannya tertinggal. Kita membangun jalan tol supercepat, tetapi banyak yang mengemudi tanpa memiliki SIM. Kenyataan ini mudah tertelan euforia target berjuta-juta talenta.

Di sinilah paradoks kebijakan kita. Kita sibuk mengejar berapa banyak orang yang harus dilatih, tepat ketika AI membuat salah satu keterampilan yang relatif mudah diajarkan secara massal, yaitu coding, menjadi semakin murah dan terkomodifikasi.

Jangan salah sangka. Ini bukan soal pemerintah yang gagap teknologi. Justru sebaliknya. Digital Talent Scholarship sudah mengajarkan AI, cybersecurity, hingga cloud. Pejabat Komdigi fasih berbicara tentang serangan agentic AI hingga ancaman post-quantum cryptography. Coding dan AI bahkan sudah masuk sebagai mata pelajaran pilihan sejak kelas lima sekolah dasar.

Secara wacana, kita tampak progresif. Yang belum berubah adalah cara kita mengukur keberhasilan.

Kita masih terlalu nyaman bersembunyi di balik angka: berapa peserta yang hadir, berapa yang lulus, dan berapa sertifikat yang dicetak. Angka semacam itu memang mudah dipajang dalam slide presentasi dan laporan tahunan.

Persoalannya, angka tersebut tidak menjawab pertanyaan yang jauh lebih vital: setelah dilatih, orang-orang ini sebenarnya mampu mengerjakan apa?

AI Menelanjangi Ilusi Produktivitas

Kehadiran AI justru menelanjangi ilusi produktivitas kita. Narasi populernya sederhana: AI akan menggantikan programmer. Kenyataannya lebih pelik.

Dalam eksperimen terkontrol pada 2025, METR menemukan bahwa pengembang berpengalaman yang mengerjakan codebase yang sudah mereka kuasai justru membutuhkan waktu sekitar 19 persen lebih lama ketika menggunakan AI generasi saat itu.

Setahun kemudian, studi NBER terhadap lebih dari 100.000 pengembang di GitHub mencatat lonjakan commit hingga 180 persen. Terdengar fantastis. Namun, semakin dekat ke tahap release, lonjakan itu menyusut drastis, tersisa sekitar 30 persen.

Artinya, kode yang dihasilkan memang jauh lebih banyak, tetapi produk yang benar-benar rampung tidak bertambah sebanding. Lebih banyak kode belum tentu berarti lebih banyak hasil.

Riset DORA dari Google menyebut AI sebagai amplifier, dan istilah itu tepat. Tim yang solid dan memiliki disiplin akan melesat, sementara tim yang tidak solid akan menjadi kacau lebih cepat. AI tidak dapat menyuntikkan disiplin engineering yang memang belum ada.

Jika ditarik ke Indonesia, persoalannya menjadi semakin jelas.

Kementerian Ketenagakerjaan sendiri mengakui salah satu akar pengangguran terdidik adalah skill mismatch. Penganggur berpendidikan tinggi kita masih lebih dari satu juta orang.

Jika akarnya adalah ketidakcocokan kompetensi, memperbesar keran pelatihan hanya akan memperlebar jurang. Sertifikat dapat dicetak massal, tetapi kompetensi tidak bisa diakali dengan stempel.

Sebuah program dapat tampak gemilang di atas kertas, memenuhi target kelulusan, dan pada saat yang sama gagal menjawab kebutuhan industri. Kita sedang memproduksi pengangguran berijazah.

AI Mengubah Model Bisnis IT Services

Tekanan ini kemungkinan lebih dahulu terasa di industri IT services dan outsourcing. Model bisnis yang menjual tenaga implementasi murah justru menjadi salah satu yang paling telak dihantam AI.

Indikasinya sudah terlihat di India. Reuters melaporkan pada Agustus bahwa AI mulai merombak industri IT servicesIndia yang bernilai sekitar US$315 miliar.

Raksasa seperti TCS dan Infosys menghadapi tuntutan klien untuk mengaitkan biaya dengan hasil, bukan lagi jam kerja. Sebagian pekerjaan ditarik kembali ke internal, sementara masa kontrak menjadi lebih pendek.

Seorang CEO bahkan menyebut ada klien yang meminta pekerjaan yang sama dikerjakan dengan biaya 25 hingga 30 persen lebih murah.

Headcount yang dulu dianggap aset kini dapat berubah menjadi beban.

Namun, ada persoalan lain yang lebih mendasar dan nyaris tidak terendus oleh statistik pelatihan: tanpa sadar kita sedang menggergaji tangga yang melahirkan engineer senior.

Pekerjaan yang lazim diberikan kepada junior engineer, seperti membuat endpoint sederhana, memperbaiki bug, atau merapikan UI, adalah pekerjaan yang paling mudah ditelan AI.

Padahal, di situlah seorang junior ditempa: memahami codebase, berbuat salah, menanggung akibat, dan perlahan tumbuh menjadi senior.

Jika anak tangga pertama ini dihancurkan AI, dari mana datangnya senior engineer lima atau sepuluh tahun lagi?

Bonus Demografi dan Hilangnya Anak Tangga Pertama

Stanford Digital Economy Lab sudah mencatat indikasi awal. Tingkat pekerjaan kelompok usia 22–25 tahun di bidang yang paling terpapar AI kini sekitar 19 persen lebih rendah dibandingkan yang semestinya tercapai apabila mereka bergerak sejalan dengan kelompok seusia di bidang yang lebih sedikit terpapar AI.

Bukan karena mereka di-PHK, melainkan karena tidak pernah direkrut sejak awal.

Bagi negara yang terus berbicara tentang bonus demografi, hilangnya anak tangga pertama menuju pekerjaan profesional jauh lebih serius daripada statistik pengangguran biasa.

Bonus demografi hanya akan menjadi anugerah jika anak muda memiliki jalan untuk menumbuhkan kompetensi.

Berhenti Menghitung Sertifikat, Mulai Mengukur Kompetensi

Karena itu, berhentilah berhalusinasi dengan angka.

Target sembilan atau dua belas juta talenta hanyalah alat ukur yang cacat jika dijadikan definisi keberhasilan. Berhentilah sekadar menghitung berapa orang yang dilatih. Ukur apa yang benar-benar dapat mereka kerjakan.

Kita tidak bisa lagi hanya melatih orang untuk menyuruh AI menulis kode. Kita harus melatih mereka menganalisis dan mempertanyakan hasil kerja AI.

Mengapa arsitekturnya seperti ini? Apa risikonya jika sistem gagal? Bagaimana keamanan datanya? Masihkah kode ini dapat dipahami orang lain enam bulan lagi?

Arsitektur, keamanan, dan judgment tidak boleh lagi diperlakukan sebagai ilmu tingkat dewa. Semua itu harus dikenalkan sejak dini.

Kita juga harus jujur pada diri sendiri. Kemampuan yang hari ini kita anggap bernilai, seperti arsitektur, integrasi, dan verifikasi, bukan benteng yang otomatis kebal dari otomatisasi selamanya. AI juga sedang bergerak ke sana.

Karena itu, strategi yang masuk akal bukan mencari satu keahlian yang "aman dari AI", melainkan menyiapkan manusia yang sanggup terus belajar, menyesuaikan diri, dan naik kelas ketika batas kemampuan AI meningkat.

Indonesia tidak bisa menghentikan laju AI. Namun, kita bisa berhenti memabukkan diri dengan angka.

Dalam ekonomi yang semakin digerakkan mesin, keunggulan bukan lagi milik mereka yang mencetak sertifikat terbanyak, melainkan mereka yang mampu mengerjakan hal-hal yang masih sulit diotomatisasi: memahami apa yang mereka bangun, membuktikan sistemnya bekerja, dan berani bertanggung jawab ketika sistem itu crash.

Hal-hal seperti itu memang lebih sulit dihitung dan lebih sulit diajarkan. Kompetensi juga tidak bisa diproduksi sekadar dengan menambah kelas.

Namun, jika kita sungguh-sungguh peduli pada masa depan talenta digital negeri ini, justru itulah yang seharusnya mulai kita ukur.

Jika tidak, kita hanya akan semakin pandai menghitung sertifikat, sementara industri tetap mencari kompetensi yang tidak kita hasilkan.