Penelitian Membongkar Mitos PHK AI: 80% Perusahaan Melakukan PHK, Tak Ada Satu Pun yang Berhasil Raih Untung

marsbitDipublikasikan tanggal 2026-05-13Terakhir diperbarui pada 2026-05-13

Abstrak

Penelitian Gartner terhadap 350 perusahaan dengan pendapatan tahunan di atas $10 miliar mengungkap bahwa 80% perusahaan yang menerapkan AI atau otomatisasi telah melakukan pemutusan hubungan kerja (PHK). Namun, tidak ada korelasi positif antara tingkat PHK dan laba atas investasi—perusahaan yang memangkas banyak karyawan tidak lebih untung daripada yang sedikit mengurangi. Perusahaan dengan laba tertinggi justru menggunakan AI sebagai "penguat karyawan" (people amplification), meningkatkan produktivitas pekerja, bukan menggantikan mereka. Sebaliknya, data pasar tenaga kerja menunjukkan, pada Januari-April 2026, hampir 50.000 posisi hilang dengan alasan AI, terutama di sektor teknologi yang mencatat PHK tertinggi sejak 2023. Muncul kritik soal "AI washing" di mana perusahaan menggunakan AI sebagai dalih untuk PHK yang sebenarnya didorong faktor lain seperti tekanan ekonomi. Gartner menilai PHK terkait AI saat ini lebih sebagai uji coba skala kecil, bukan transformasi yang mendatangkan keuntungan besar. Meski banyak proyek AI diperkirakan gagal, investasi tetap mengalir deras. Untuk jangka panjang, Gartner memperkirakan bisnis otonom akan menjadi pencipta lapangan kerja bersih pada 2028-2029, karena akan muncul peran baru yang tidak dapat digantikan AI.

Penulis: Claude, Shenchao TechFlow

Panduan Shenchao: Survei Gartner terhadap 350 perusahaan dengan pendapatan tahunan di atas $10 miliar menunjukkan, 80% perusahaan yang telah menerapkan teknologi AI atau otomatisasi telah melakukan PHK, tetapi tidak ada korelasi positif antara tingkat PHK dan laba atas investasi — perusahaan yang banyak melakukan PHK tidak memperoleh laba lebih banyak dibandingkan yang sedikit melakukan PHK.

Perusahaan yang benar-benar meraih laba tinggi justru adalah mereka yang menggunakan AI untuk memperbesar output karyawan, bukan menggantikan karyawan. Sementara itu, dalam empat bulan pertama tahun 2026, hampir 50.000 posisi telah dipangkas karena AI, dan jumlah PHK di industri teknologi mencapai rekor tertinggi sejak tahun 2023.

Logika perusahaan menggunakan AI untuk menggantikan karyawan sedang dibantah oleh data.

Menurut laporan majalah Fortune tanggal 11 Mei, survei yang dilakukan oleh lembaga penelitian dan konsultan Gartner terhadap 350 eksekutif perusahaan global menemukan bahwa perusahaan-perusahaan yang melakukan PHK besar-besaran atas nama AI tidak mendapatkan kinerja keuangan yang lebih baik. Survei mencakup perusahaan dengan pendapatan tahunan di atas $10 miliar dan yang telah menguji coba atau menerapkan agen AI, otomatisasi cerdas, atau teknologi otonom.

Helen Poitevin, Wakil Presiden Analis di Gartner dan peneliti utama studi ini, mengatakan kepada Fortune: "Hanya berfokus pada PHK untuk mendapatkan nilai dari AI adalah tindakan yang berorientasi jangka pendek. Mengejar laba hanya dengan mengurangi jumlah karyawan kemungkinan besar akan membawa sebagian besar perusahaan ke jalan buntu dengan laba terbatas."

Survei ini diselesaikan pada kuartal ketiga tahun 2025. Kesimpulannya lugas hingga menusuk: PHK menciptakan ruang anggaran, bukan laba atas investasi.

80% Perusahaan Melakukan PHK, Tetapi yang Banyak PHK Tidak Lebih Untung dari yang Sedikit PHK

Temuan inti Gartner adalah: Di antara perusahaan yang telah menerapkan kemampuan bisnis otonom, sekitar 80% melaporkan tindakan PHK. Namun, hampir tidak ada perbedaan dalam proporsi PHK antara perusahaan berkinerja tinggi dan perusahaan berkinerja rendah (bahkan yang kinerjanya memburuk).

Dengan kata lain, secara statistik tidak terlihat hubungan sebab-akibat antara melakukan PHK dan meraih untung.

Survei menunjukkan bahwa perusahaan yang benar-benar meraih laba tertinggi justru mengambil jalan sebaliknya. Mereka memposisikan AI sebagai "pengganda personel" (people amplification), menggunakan teknologi untuk meningkatkan efisiensi output karyawan yang ada, bukan menggantikan tenaga manusia secara langsung. Poitevin menyebut model ini sebagai "bisnis yang diperbesar manusia" (human-amplified business), di mana AI memberdayakan manusia, bukan menggantikannya.

Dalam survei terpisah Gartner terhadap CEO, ditemukan bahwa sekitar sepertiga eksekutif mengharapkan AI membantu manusia dalam pengambilan keputusan tetapi tidak mengambil keputusan sendiri, sementara 27% lainnya mengharapkan AI beroperasi secara otonom dengan sedikit atau tanpa campur tangan manusia. Perbedaan antara kedua jalur ini semakin mendalam.

Hampir 50.000 Orang Dipangkas karena AI dalam Empat Bulan Pertama Tahun Ini, PHK di Industri Teknologi Capai Tertinggi dalam Tiga Tahun

Kesimpulan penelitian Gartner bertentangan tajam dengan realitas pasar tenaga kerja saat ini.

Menurut laporan terbaru yang dirilis pada Mei oleh perusahaan penempatan kerja Challenger, Gray & Christmas, AI telah menjadi penyebab utama PHK perusahaan AS selama dua bulan berturut-turut. Pada April 2026, 21.490 posisi dipangkas karena AI, mewakili 26% dari total 83.387 PHK bulan itu. Secara kumulatif pada empat bulan pertama 2026, posisi yang dipangkas karena AI mencapai 49.135, sekitar 16% dari total PHK tahun ini, lebih tinggi dari 13% pada akhir Maret.

Ringkasan Andy Challenger, Chief Revenue Officer di Challenger, tepat sasaran: "Terlepas dari apakah posisi tertentu benar-benar digantikan oleh AI, anggaran untuk posisi-posisi itu sudah diambil alih oleh AI."

Dilihat dari sektornya, industri teknologi adalah yang paling parah terkena dampak. Pada bulan April, industri teknologi melakukan PHK terhadap 33.361 orang, dengan akumulasi 85.411 orang sejak awal tahun, meningkat 33% dibandingkan tahun sebelumnya, dan menjadi yang tertinggi untuk periode yang sama sejak tahun 2023. Cognizant berencana memangkas 12.000 hingga 15.000 orang secara global, Cloudflare memangkas sekitar 1.100 orang (sekitar 20% dari total karyawan), Coinbase memangkas 14% karyawannya, Snap menghapus 1.000 posisi, semuanya menyebut AI sebagai faktor pendorong utama.

Berbanding terbalik dengan gelombang PHK, pasar perekrutan menyusut drastis. Rencana penambahan perekrutan baru yang diumumkan perusahaan pada bulan April hanya 10.049 orang, turun drastis 69% secara bulanan dan 38% secara tahunan.

"Pembersihan" PHK oleh AI: Berapa Banyak PHK yang Benar-benar Disebabkan oleh AI?

Satu pertanyaan yang berulang kali diajukan adalah: Dari PHK yang dilakukan perusahaan atas nama AI, berapa banyak yang benar-benar didorong oleh AI?

CEO OpenAI, Sam Altman, secara langsung mengajukan pertanyaan ini dalam wawancaranya pada Februari tahun ini. Dia mengakui adanya fenomena yang disebut "pembersihan AI" (AI washing): perusahaan mengemas PHK yang sebenarnya sudah akan dilakukan, sebagai penyesuaian struktural yang didorong oleh AI. "Saya tidak tahu persis berapa proporsinya, tetapi memang ada beberapa perilaku pembersihan AI, orang-orang menyalahkan AI untuk PHK yang sebenarnya akan mereka lakukan," kata Altman.

Analis Deutsche Bank juga mencatat dalam laporan penelitian baru-baru ini bahwa "pembersihan AI yang berlebihan akan menjadi ciri khas tahun 2026," perusahaan besar menggunakan AI sebagai tameng retorika untuk PHK, sementara pendorong sebenarnya dari PHK mungkin adalah tarif, ketidakpastian ekonomi, atau tekanan biaya lainnya.

Poitevin dari Gartner cenderung pada interpretasi yang lebih lunak: PHK terkait AI saat ini lebih mirip perusahaan yang sedang "mencoba-coba," bukan reset struktural yang sesungguhnya. "Menurut kami, ini lebih mirip percobaan satu kali dan skala kecil oleh banyak perusahaan, bukan praktik yang dapat diubah menjadi laba penuh dari investasi AI."

Prediksi Jangka Panjang: Pada 2028-2029, AI akan Menjadi Pencipta Lapangan Kerja Bersih

Sikap Gartner memiliki dua sisi yang jelas.

Data jangka pendek tidak optimis. Penelitian sebelumnya oleh lembaga ini menunjukkan bahwa tingkat penyelesaian tugas kantor standar oleh agen AI sekitar 30% hingga 35%. Gartner juga memprediksi lebih dari 40% proyek agen AI akan dibatalkan sebelum akhir tahun 2027 karena pembengkakan biaya, nilai bisnis yang tidak jelas, dan pengendalian risiko yang tidak memadai.

Namun, Gartner memberikan prediksi optimis untuk prospek jangka panjang: bisnis otonom (autonomous business) akan mulai menjadi pencipta lapangan kerja bersih pada tahun 2028 hingga 2029, di mana akan muncul jenis pekerjaan baru yang tidak dapat dilakukan oleh AI. Poitevin menekankan: "Dalam jangka panjang, bisnis otonom akan menciptakan lebih banyak pekerjaan bagi manusia, bukan lebih sedikit. Faktor struktural seperti penurunan struktural populasi dan skenario konsumsi berkepercayaan tinggi akan memastikan modal manusia tetap berada di posisi inti dalam mengoperasikan, mengatur, dan memperluas sistem otonom."

Di sisi pengeluaran, Gartner memperkirakan pengeluaran perangkat lunak agen AI akan tumbuh dari $86,4 miliar pada tahun 2025 menjadi $2.065 miliar pada tahun 2026, dan kemudian menjadi $3.763 miliar pada tahun 2027. Meskipun sebagian besar proyek gagal, modal terus mengalir dengan cepat.

Ini membentuk situasi yang absurd namun nyata: PHK oleh perusahaan tidak membawa laba, tingkat kegagalan proyek AI tinggi, tetapi tidak ada yang mau turun dari kereta.

Pertanyaan Terkait

QApa temuan utama dari penelitian Gartner tentang hubungan antara PHK karena AI dan laba perusahaan?

APenelitian Gartner terhadap 350 perusahaan dengan pendapatan tahunan di atas $10 miliar menemukan bahwa sekitar 80% perusahaan yang menerapkan teknologi AI atau otomatisasi telah melakukan PHK. Namun, tidak ada korelasi positif antara tingkat PHK dan laba atas investasi (ROI) – perusahaan yang melakukan lebih banyak PHK tidak memperoleh keuntungan lebih besar daripada yang melakukan sedikit PHK.

QMenurut penelitian Gartner, jenis perusahaan apa yang justru meraih ROI tertinggi dari AI?

APerusahaan yang meraih laba atas investasi (ROI) tertinggi adalah mereka yang memposisikan AI sebagai 'penguat tenaga kerja' (people amplification). Mereka menggunakan teknologi untuk meningkatkan produktivitas dan keluaran karyawan yang ada, bukan untuk menggantikan mereka secara langsung. Model ini disebut Gartner sebagai 'bisnis yang diperkuat manusia' (human-amplified business).

QBagaimana tren PHK terkait AI di industri teknologi pada awal 2026 menurut laporan Challenger, Gray & Christmas?

AMenurut laporan Challenger, Gray & Christmas, AI telah menjadi penyebab utama PHK di perusahaan AS selama dua bulan berturut-turut hingga April 2026. Dalam empat bulan pertama 2026, sekitar 49.135 posisi dipotong karena AI. Sektor teknologi adalah yang paling parah terkena dampaknya, dengan 85.411 PHK dari Januari hingga April, meningkat 33% dibandingkan periode yang sama tahun sebelumnya, dan merupakan angka tertinggi sejak 2023.

QApa yang dimaksud dengan 'AI washing' atau 'cuci putih AI' dalam konteks pemutusan hubungan kerja, seperti yang disebutkan oleh CEO OpenAI Sam Altman?

A'AI washing' atau 'cuci putih AI' merujuk pada praktik di mana perusahaan menggunakan AI sebagai alasan atau pembenaran untuk melakukan PHK yang sebenarnya mungkin telah direncanakan karena faktor lain, seperti tekanan biaya, ketidakpastian ekonomi, atau restrukturisasi biasa. Sam Altman menyatakan bahwa beberapa perusahaan mengaitkan PHK mereka dengan AI untuk membuatnya tampak seperti perubahan struktural yang diperlukan, padahal kenyataannya mungkin tidak sepenuhnya didorong oleh AI.

QApa prediksi jangka panjang Gartner mengenai dampak AI terhadap penciptaan lapangan kerja?

AGartner memprediksi bahwa 'bisnis otonom' (autonomous business) yang didukung AI akan mulai menjadi pencipta lapangan kerja bersih pada periode 2028 hingga 2029. Pada saat itu, akan muncul jenis pekerjaan baru yang tidak dapat dilakukan oleh AI. Faktor struktural seperti penurunan populasi dan kebutuhan akan interaksi manusia dalam skenario konsumsi berkepercayaan tinggi akan memastikan modal manusia tetap berada di pusat pengoperasian, pengaturan, dan perluasan sistem otonom.

Bacaan Terkait

Perdebatan Kalshi-CFTC di New Mexico Bisa Membentuk Aturan Pasar Prediksi

Pertarungan antara regulator komoditas AS (CFTC) dan negara bagian New Mexico mengenai siapa yang berwenang mengawasi pasar prediksi (prediction markets) bisa membentuk aturan masa depan untuk sektor ini. Inti sengketa adalah platform Kalshi, di mana New Mexico mengkhawatirkan kontrak acara tertentu melanggar hukum perjudian dan perlindungan konsumen lokal, sementara CFTC bersikukuh pada pengawasan federal. Hasil kasus ini penting karena akan menentukan apakah pasar prediksi dapat beroperasi secara nasional dengan aturan federal yang jelas, atau justru harus menghadapi tantangan dari masing-masing negara bagian. Pasar prediksi berada di area abu-abu regulasi, mirip produk perdagangan tetapi juga bisa terlihat seperti taruhan, terutama jika terkait acara olahraga, pemilu, atau politik. Bagi trader kripto, hasilnya sangat relevan karena pasar prediksi telah menjadi bagian dari ekosistem spekulatif serupa. Aturan yang lebih jelas dapat membuka jalan bagi likuiditas yang lebih dalam dan integrasi dengan infrastruktur kripto. Sebaliknya, jika negara bagian banyak yang menentang, skala industri ini akan sulit berkembang. Area paling sensitif adalah kontrak terkait olahraga, yang telah diatur ketat oleh negara bagian. Kemenangan New Mexico dapat memicu negara bagian lain untuk menantang kerangka federal, menciptakan pasar yang terfragmentasi. Pada akhirnya, kasus ini adalah ujian bagi masa depan pasar prediksi: menjadi produk keuangan berskala nasional atau tetap terjebak dalam konflik yurisdiksi.

bitcoinist2j yang lalu

Perdebatan Kalshi-CFTC di New Mexico Bisa Membentuk Aturan Pasar Prediksi

bitcoinist2j yang lalu

Alokasi Nilai Stablecoin

Stabilcoin berevolusi dari sekadar alat perdagangan menjadi saluran dolar yang luas. Artikel ini menganalisis pembagian nilai dalam ekosistem stabilcoin menjadi empat lapisan: 1. **Lapisan Penerbit** (Tether, Circle): Mencetak stabilcoin, memegang aset cadangan, dan mengambil spread bunga (marjin terbesar). 2. **Lapisan Infrastruktur** (Bridge/BVNK/Bitso): Menghubungkan stabilcoin ke sistem keuangan nyata—penyetoran/penarikan fiat, integrasi bank, kepatuhan, manajemen aset. Ini adalah pekerjaan yang sulit tetapi membangun pertahanan kompetitif. 3. **Lapisan Penerimaan/Distribusi** (Stripe, Infini, Coinbase): Menanamkan stabilcoin ke sistem pedagang, mengelola aliran pembayaran, perangkat lunak keuangan perusahaan. 4. **Lapisan Aplikasi**: Pengguna dan bisnis akhir yang menggunakan stabilcoin untuk pembayaran, penyelesaian, dan penyimpanan nilai. Saat ini, penerbit mengambil keuntungan terbanyak. Namun, kunci penskalaan pembayaran stabilcoin terletak pada lapisan infrastruktur yang menjembatani dunia *on-chain* dan sistem keuangan tradisional. Lapisan ini menangani tugas-tugas kompleks seperti integrasi perbankan, KYC/AML, likuiditas lokal, dan koneksi jaringan pembayaran. Meskipun membutuhkan investasi besar dan berada di posisi yang terjepit, perusahaan infrastruktur yang berhasil menghubungkan stabilcoin ke bisnis dunia nyata kemungkinan akan mendapatkan kekuatan tawar dan keuntungan signifikan di masa depan ketika stabilcoin menjadi jalur pendanaan default bagi perusahaan.

marsbit7j yang lalu

Alokasi Nilai Stablecoin

marsbit7j yang lalu

Distribusi Nilai Stablecoin

**Distribusi Nilai Stablecoin** Stablecoin berkembang dari sekadar alat perdagangan menjadi jalur umum dolar. Dalam analisis ini, ekosistem stablecoin dibagi menjadi empat lapisan: 1. **Lapisan Penerbitan:** Mencetak stablecoin, memegang aset cadangan, dan mengambil keuntungan dari spread suku bunga. Contoh: Tether dan Circle. 2. **Lapisan Infrastruktur:** Menghubungkan stablecoin ke sistem keuangan dunia nyata. Menangani tugas-tugas seperti on/off-ramp mata uang fiat, integrasi perbankan, kepatuhan, dan penyediaan API. Contoh: Bridge (diakuisisi Stripe), BVNK (diakuisisi Mastercard), Bitso. 3. **Lapisan Penerimaan/Distribusi:** Mengintegrasikan stablecoin ke sistem pedagang, mengelola aliran pembayaran, perangkat lunak keuangan perusahaan. Contoh: Stripe, Infini, Coinbase. 4. **Lapisan Aplikasi:** Pengguna akhir dan bisnis yang menggunakan stablecoin untuk pembayaran, penyelesaian, dan penyimpanan nilai. Lapisan Penerbitan saat ini mengambil keuntungan terbesar. Lapisan tengah (infrastruktur dan distribusi) bergantung pada volume dan komisi. Tantangan sebenarnya terletak di **Lapisan Infrastruktur**. Meskipun sering diabaikan dan penuh pekerjaan "kotor"—seperti mengintegrasikan bank, KYC/AML, menyelesaikan masalah peraturan lintas negara—disinilah letak pertahanan bisnis. Kesulitan utama bukan pada transfer on-chain, tetapi dalam menghubungkan blockchain dengan sistem keuangan tradisional dan mengadopsinya ke dalam aliran kerja bisnis sehari-hari. Infrastruktur berperan sebagai **"penghubung"** yang menghubungkan rantai ke bank, jaringan pembayaran lokal, dan sistem perusahaan. Akuisisi oleh Stripe dan Mastercard menunjukkan perebutan untuk menjadi pintu gerbang default ini. Fitur utamanya termasuk on/off-ramp mata uang fiat, lapisan akun & API, koneksi jaringan pembayaran, dan peningkatan efisiensi modal. Karakteristik lapisan infrastruktur saat ini: pekerjaan operasional yang berat, memerlukan investasi awal untuk memperebutkan pintu masuk, dan posisi yang terjepit antara penerbit dan platform aplikasi. Namun, berada pada tahap awal menuju pembentukan daya tawar. Ketika stablecoin menjadi jalur modal default untuk bisnis, perusahaan yang telah membangun infrastruktur penghubung yang kuat ke dalam sistem komersial dunia nyata akan memperoleh posisi yang kokoh. Meskipun lapisan penerbitan saat ini paling menguntungkan, peluang jangka panjang mungkin terletak pada lapisan infrastruktur yang sedang berkembang.

链捕手7j yang lalu

Distribusi Nilai Stablecoin

链捕手7j yang lalu

NVIDIA Tidak Kekurangan Uang, Kenapa Masih Mau Pinjam 200 Miliar Dolar?

Inti artikel: Mengapa Nvidia, yang memiliki arus kas bebas sangat kuat (sekitar USD 48,6 miliar per kuartal), berencana menerbitkan obligasi senilai minimal USD 20 miliar? Alasan utamanya bukan karena kekurangan dana, melainkan strategi manajemen modal yang canggih. Poin-poin kunci: 1. **Mengoptimalkan struktur modal:** Nvidia memanfaatkan peringkat kredit tinggi (AA dari S&P) untuk meminjam dana jangka panjang dengan biaya rendah. Dana ini akan digunakan untuk investasi infrastruktur AI, R&D, dan ekspansi ekosistem yang berjangka panjang. 2. **Melindungi kepentingan pemegang saham:** Dibandingkan menerbitkan saham baru yang akan mengencerkan kepemilikan, pembiayaan utang memungkinkan Nvidia mendanai pertumbuhan sambil terus melakukan buyback saham (USD 80 miliar) dan meningkatkan dividen. 3. **Mencocokkan aset dan kewajiban:** Menggunakan utang jangka panjang (hingga 30 tahun) lebih sesuai untuk membiayai proyek infrastruktur AI yang juga berjangka panjang, dibandingkan hanya mengandalkan arus kas operasional. 4. **Indikasi fase baru dalam narasi pengeluaran modal AI:** Langkah ini menandakan peralihan AI menuju siklus aset berat (data center, listrik, rantai pasok), di mana perusahaan besar menggunakan kemampuan kredit mereka untuk mengamankan dana murah guna mendukung ekspansi jangka panjang. 5. **Tantangan ke depan:** Keberhasilan strategi ini bergantung pada kemampuan Nvidia mempertahankan arus kas kuat dan memastikan investasi AI-nya menghasilkan pengembalian yang melebihi biaya utang. Jika siklus pengembalian investasi AI melambat, ketergantungan pada pendanaan eksternal dapat menjadi tekanan.

marsbit7j yang lalu

NVIDIA Tidak Kekurangan Uang, Kenapa Masih Mau Pinjam 200 Miliar Dolar?

marsbit7j yang lalu

Trading

Spot
Futures
活动图片