Kesimpulan 5 detik: Produktivitas lebih tinggi tidak otomatis menjadi gaji lebih besar, waktu luang, atau perlindungan sosial. Jika manfaatnya berhenti di laba dan imbal hasil modal, orang biasa hanya merasakan “target lebih tinggi dengan alat lebih bagus”. Kemajuan medis berbeda: menyembuhkan penyakit dan memperpanjang masa hidup sehat bisa memberi manfaat tanpa harus memenangkan kompetisi ekonomi.
1. “AI akan menghapus semua pekerjaan” dan “pekerjaan pengetahuan aman” sama-sama terlalu sederhana
ILO pada 2025 memperkirakan sekitar 25% pekerjaan global memiliki paparan terhadap GenAI, dan 34% di negara berpendapatan tinggi. Namun hasil yang lebih mungkin saat ini adalah transformasi tugas, bukan hilangnya seluruh profesi.[1]
Tim sepuluh orang menjadi enam orang plus agen AI sudah cukup untuk mengubah permintaan tenaga kerja.
2. Manusia sebagai “pemberi persetujuan akhir” sudah masuk akal
Economic Index Anthropic Juni 2026 menemukan otonomi AI lebih tinggi di Claude Code dibanding chat biasa.[2]
Alur bisa bergeser dari manusia mengerjakan semua → AI membantu → AI mengeksekusi satu paket → manusia menangani pengecualian dan keputusan akhir.
Profesi berlisensi bukan berarti kebal otomatisasi. Last mile fisik lebih sulit sekarang, tetapi robotika dapat menggeser batas itu.
3. “Perusahaan GPU, memori, dan listrik pasti menang” hanyalah tesis
Jika model menjadi komoditas, input langka dapat menangkap lebih banyak nilai. Namun software masih bisa mempertahankan nilai melalui distribusi, data eksklusif, integrasi perusahaan, API, agen, dan biaya berpindah.
Pertanyaan utamanya: apa yang tetap langka, dan apa yang mudah disalin?
4. Mengatakan AI tidak akan menciptakan bisnis baru juga terlalu jauh
UI, teks, dan aplikasi sederhana memang mudah ditiru. Tetapi penurunan biaya dapat membuat niche kecil, personalisasi, layanan 24/7, dan perusahaan bertim sangat kecil menjadi layak.
Komoditisasi dan pembentukan bisnis baru bisa terjadi bersamaan.
5. Kelemahan sebenarnya: produktivitas tidak otomatis masuk rekening Anda
GPU bekerja 100 kali lebih keras tidak membayar sewa Anda.
Riset IMF menunjukkan AI bisa mengecilkan kesenjangan upah dalam skenario tertentu tetapi tetap memperbesar kesenjangan kekayaan melalui imbal hasil modal. Hasil tergantung substitusi, komplementaritas, kepemilikan aset, pajak, transfer, dan perlindungan sosial.[3][4]
Produktivitas dua kali bisa menjadi jam kerja lebih pendek, output lebih besar, jumlah pekerja lebih sedikit, atau laba lebih tinggi. Teknologi tidak memilih distribusinya.
6. Orang yang lelah berkompetisi mungkin menginginkan kemajuan yang tidak mensyaratkan kemenangan
Gaji, promosi, sertifikat, nilai pasar, dan kemampuan AI adalah perlombaan lain.
Lebih sedikit kematian, deteksi kanker lebih awal, terapi penyakit genetik, penundaan penurunan kognitif, dan kemandirian lebih lama di usia tua jauh lebih sedikit terkait peringkat pribadi.
7. Kedokteran 2026 sudah sedikit terasa seperti fiksi ilmiah
Pada April 2026 FDA menyetujui Otarmeni, terapi gen pertama untuk gangguan pendengaran berat terkait OTOF.[5] Pada Juli, Casgevy diperluas untuk pasien usia dua tahun ke atas dengan sickle cell disease atau beta-thalassemia bergantung transfusi.[6] Pada September, FDA menyetujui Fayuvi sebagai terapi pertama yang ditujukan untuk mengubah perjalanan Sanfilippo syndrome type A.[7]
Ini bukan obat universal, tetapi menunjukkan pergeseran dari mengendalikan gejala menuju penyebab molekuler dan genetik.
8. Bagian paling menarik dari AI medis mungkin kecepatan riset, bukan diagnosis chatbot
AlphaFold menyediakan lebih dari 200 juta prediksi struktur protein dan berkembang ke prediksi interaksi molekul.[8]
Metrik penting mungkin bukan berapa dokter yang diganti, tetapi berapa tahun dipangkas agar terapi berguna sampai ke pasien.
Kalau seluruh GPU dunia hanya membuat spreadsheet lebih cepat, rasanya ingin minta refund.
9. “Hidup sampai 150” jauh kurang kuat dasarnya dibanding memperpanjang healthspan
NIA AS memperlakukan geroscience sebagai bidang yang mempelajari hubungan mekanisme penuaan dengan penyakit kronis untuk memperpanjang masa hidup sehat.[9]
Senolytics menjanjikan, tetapi efektivitas jelas pada manusia belum terbukti.[10]
Urutan realistis: deteksi dini → terapi lebih baik → menunda penyakit terkait usia → healthspan lebih panjang → baru bertanya tentang umur ekstrem.
10. Mungkin tujuan akhirnya bukan “menang dengan AI”, tetapi mengurangi hukuman hidup
Dengan komputasi sebanyak ini, tanyakan berapa banyak penyakit, rasa sakit, disabilitas, beban perawatan, birokrasi, dan kerja wajib yang bisa dikurangi.
Kita sudah paham “kerja lebih cepat”.
Sekarang sembuhkan sesuatu.
- International Labour Organization — “Generative AI and Jobs: A Refined Global Index of Occupational Exposure” / research brief (2025-05-20) https://www.ilo.org/publications/generative-ai-and-jobs-2025-update Used for the estimate that roughly one quarter of global employment has some GenAI exposure, roughly 34% in high-income countries, and for the distinction between task/job transformation and wholesale replacement ilo.org
- Anthropic — “Anthropic Economic Index report: Cadences” (2026-06-26) Used for observed differences in AI autonomy between Claude Code and ordinary chat/Cowork usage and the shift toward larger delegated agentic tasks anthropic.com
- IMF — “Gen-AI: Artificial Intelligence and the Future of Work” (2024) Used for channels connecting AI adoption, labor income, capital income, inequality, and the role of policy imf.org
- IMF — “AI Adoption and Inequality” (Working Paper 2025/068, 2025-04-04) Used for model-based scenarios in which wage inequality and wealth inequality can move differently, especially through capital returns and asset ownership imf.org
- U.S. FDA — “FDA Approves First-Ever Gene Therapy for Treatment of Genetic Hearing Loss” (2026-04-23) Used for the approval and indication of Otarmeni for severe-to-profound hearing loss associated with biallelic OTOF variants fda.gov
- U.S. FDA — “FDA Approves First Gene Therapy for Young Children with Sickle Cell Disease” / CASGEVY product page (2026-07-01) https://www.fda.gov/vaccines-blood-biologics/casgevy Used for the expanded U.S. indication of Casgevy to patients aged two years and older with qualifying sickle cell disease or transfusion-dependent beta-thalassemia fda.gov
- U.S. FDA — “FDA Approves First Gene Therapy for Pediatric Patients with Sanfilippo Syndrome Type A” (2026-09-17) Used for the first approved treatment intended to alter the disease course of MPS IIIA / Sanfilippo syndrome type A fda.gov
- Google DeepMind — AlphaFold Used for the availability of more than 200 million protein-structure predictions and AlphaFold’s expansion toward biomolecular interaction prediction deepmind.google
- U.S. National Institute on Aging — Geroscience / Fifth Geroscience Summit materials (2026) Used for the definition and current institutional framing of geroscience around biological aging, chronic disease, and healthspan nia.nih.gov
- Khosla, Monroe & Farr — “Towards a personalized approach in senolytic trials,” Nature Aging (2025-09-09) Used for the caution that early human senolytic trials have produced biological signals but clear efficacy in humans remains unestablished nature.com
