Prediksi “AI akan/tidak akan menggantikan programmer” pada dasarnya adalah tebakan, karena bergantung pada asumsi soal kemajuan teknologi yang belum pasti. Pendekatan yang lebih berguna, dan menjadi fokus artikel ini: kerangka untuk menilai tingkat risiko otomatisasi pada jenis pekerjaan spesifik Anda, melengkapi Panduan Karier Developer di Era AI Generatif.
Mengapa Pertanyaannya Perlu Dipecah, Bukan Dijawab Sekaligus
“Programmer” bukan satu jenis pekerjaan homogen. Seorang yang menulis script otomatisasi rutin punya profil risiko sangat berbeda dari seorang system architect yang merancang sistem terdistribusi kompleks. Menjawab pertanyaan ini untuk “programmer” secara umum tidak berguna secara praktis.
Empat Dimensi untuk Menilai Risiko Otomatisasi Pekerjaan Anda
1. Tingkat Keberulangan Pola
Task yang polanya sangat berulang (menulis CRUD boilerplate yang sama berkali-kali, migrasi format data standar) punya risiko lebih tinggi dibanding task yang selalu punya konteks unik.
2. Tingkat Ambiguitas Input
Task dengan spesifikasi yang jelas dan lengkap lebih mudah diotomatisasi dibanding task yang membutuhkan klarifikasi terus-menerus dengan stakeholder yang requirement-nya sendiri belum jelas.
3. Konsekuensi Kesalahan
Semakin tinggi konsekuensi jika terjadi kesalahan (sistem finansial, kesehatan, infrastruktur kritis), semakin besar kebutuhan akan akuntabilitas manusia eksplisit — bukan berarti AI tidak dipakai sama sekali, tapi peran manusia sebagai validator akhir menjadi lebih sulit dihilangkan.
4. Kebutuhan Konteks Organisasi/Bisnis
Task yang membutuhkan pemahaman mendalam soal konteks bisnis spesifik, hubungan antar tim, dan sejarah keputusan organisasi jauh lebih sulit didelegasikan penuh ke AI dibanding task yang murni teknis dan generik.
Cara Menilai Pekerjaan Anda Sendiri
Petakan tugas-tugas harian Anda ke empat dimensi di atas. Tugas yang skornya tinggi di “keberulangan pola” dan rendah di tiga dimensi lain adalah kandidat paling mungkin terotomatisasi dalam waktu dekat. Tugas yang rendah di keberulangan namun tinggi di ambiguitas, konsekuensi, dan konteks organisasi adalah area di mana nilai Anda sebagai profesional justru menguat.
Mengapa Framing “Digantikan vs Tidak” Kurang Berguna
Pola historis otomatisasi pada berbagai profesi menunjukkan hasil yang lebih sering berupa pergeseran komposisi pekerjaan, bukan penghapusan total profesi — sebagian tugas terotomatisasi, sementara peran manusia bergeser ke tugas yang belum bisa diotomatisasi dan yang baru muncul justru karena adanya otomatisasi tersebut. Ini konsisten dengan pergeseran yang sudah dibahas di Panduan Karier Developer di Era AI Generatif: dari “penulis kode” menjadi “pengambil keputusan teknis”.
Yang Bisa Dilakukan Alih-alih Khawatir pada Prediksi Umum
- Petakan pekerjaan Anda sendiri ke empat dimensi di atas secara jujur.
- Identifikasi tugas dengan risiko otomatisasi tinggi, dan mulai investasikan waktu ke tugas dengan nilai tambah yang lebih sulit didelegasikan.
- Pantau bagaimana peran Anda berubah dari waktu ke waktu, bukan menunggu prediksi jangka panjang yang tidak bisa dikendalikan.
Artikel ini melengkapi Panduan Karier Developer di Era AI Generatif di seri Karier & Bisnis di Era AI.