Paradoks Tenaga Kerja AI: Mengapa Huang Percaya Kekurangan, Bukan Pengangguran, Akan Terjadi—Sebenarnya, Itu Sudah Sedang Terjadi

Pada Forum Ekonomi Dunia 2026 di Davos, Jensen Huang, CEO Nvidia, terlibat dalam diskusi luas dengan Larry Fink, CEO BlackRock, tentang potensi transformasional kecerdasan buatan. Alih-alih memandang AI sebagai kekuatan yang menghancurkan pekerjaan, Huang menyajikan tesis kontra: teknologi ini justru akan menyebabkan kekurangan tenaga kerja di berbagai sektor. Argumen ini menantang narasi umum tentang pemindahan massal dan menawarkan kerangka untuk memahami bagaimana AI membentuk ulang pekerjaan, kebutuhan infrastruktur, dan peluang ekonomi global.

Percakapan ini menerangkan bagaimana Nvidia telah memberikan pengembalian saham gabungan sebesar 37% sejak IPO tahun 1999—tahun yang sama dengan BlackRock yang go public, yang mencapai pengembalian tahunan sebesar 21%. Namun diskusi ini melampaui kinerja keuangan untuk mengeksplorasi pertanyaan yang lebih dalam tentang peran teknologi dalam membentuk masyarakat. Huang memposisikan AI bukan sebagai aplikasi terisolasi seperti ChatGPT atau Claude, tetapi sebagai pergeseran platform fundamental yang sebanding dengan munculnya komputer pribadi, internet, dan komputasi awan mobile.

Revolusi Infrastruktur Lima-Lapisan: Mengapa AI Membutuhkan Triliunan Investasi Global

Huang memperkenalkan apa yang dia sebut model “kue lima-lapisan” untuk menggambarkan kompleksitas sistemik AI dan tuntutan infrastrukturnya. Lapisan terbawah adalah energi—pemrosesan waktu nyata dan generasi kecerdasan AI membutuhkan daya yang besar. Di atasnya terdapat lapisan infrastruktur semikonduktor dan komputasi, di mana perusahaan seperti TSMC membangun 20 pabrik wafer baru. Lapisan ketiga terdiri dari layanan cloud yang menyediakan kemampuan ini secara global.

Lapisan keempat berisi model AI itu sendiri—algoritma dan jaringan neural yang menarik perhatian publik paling banyak. Namun Huang menekankan bahwa model saja tidak cukup tanpa lapisan di bawahnya yang mendukung. Lapisan kelima dan tertinggi adalah aplikasi—layanan keuangan, kesehatan, manufaktur, dan sektor baru yang pada akhirnya akan menghasilkan nilai ekonomi.

Kerangka lima lapisan ini mengungkapkan mengapa kita menyaksikan, menurut Huang, “pembangunan infrastruktur terbesar dalam sejarah manusia.” Ratusan miliar telah diinvestasikan, dengan triliunan lagi diperlukan untuk menangani pertumbuhan eksponensial dalam permintaan energi, pembangunan pusat data, pembuatan chip, dan ekspansi pabrik komputer. Foxconn, Wistron, dan Quanta bermitra membangun 30 pabrik komputer baru. Sementara itu, produsen chip memori seperti Micron (menginvestasikan $200 miliar di fasilitas AS), SK Hynix, dan Samsung dengan cepat memperluas kapasitas produksi.

Dari Radiologi ke Keperawatan: Bagaimana AI Memperkuat Tujuan Manusia Daripada Menggantikan Pekerja

Pertanyaan tentang pekerjaan berada di inti kekhawatiran AI. Huang menanggapi pesimisme umum dengan membedakan antara “tujuan” pekerjaan dan “tugas”-nya. Sepuluh tahun lalu, radiologi diprediksi akan usang karena kemampuan visi komputer superhuman AI. Namun hari ini, jumlah radiolog meningkat, meskipun AI kini menangani tugas analisis pemindaian inti.

Mekanismenya: Ketika radiolog dibebaskan dari beban berulang interpretasi scan, mereka menghabiskan lebih banyak waktu pada aktivitas bernilai tinggi—diagnosis langsung, komunikasi dengan pasien, kolaborasi klinis. Rumah sakit kini dapat melayani lebih banyak pasien secara efisien, menghasilkan pendapatan lebih tinggi dan membenarkan penambahan tenaga radiolog. Dinamika yang sama berlaku untuk keperawatan. AS menghadapi kekurangan sekitar 5 juta perawat, namun dokumentasi medis berbasis AI dan transkripsi kunjungan membebaskan perawat dari tugas administratif yang sebelumnya menyita setengah waktu mereka. Dengan kapasitas lebih untuk melihat pasien, rumah sakit memperluas dan merekrut perawat tambahan daripada mengurangi jumlahnya.

Kerangka Huang menyarankan bahwa untuk profesi apa pun, pertanyaannya bukan apakah AI akan menghilangkannya, tetapi apakah teknologi ini mengotomatisasi tugas rutin sambil meningkatkan tujuan inti. Jika otomatisasi benar-benar memungkinkan pekerja fokus pada fungsi manusia yang tak tergantikan—perawatan, penilaian, pemecahan masalah kompleks—maka pekerjaan biasanya akan bertambah daripada berkurang.

Pembangunan infrastruktur itu sendiri menciptakan permintaan tambahan untuk pekerja kerah biru yang terampil: teknisi listrik, pekerja konstruksi, teknisi, pekerja baja, dan spesialis jaringan. Di AS, peran-peran ini mengalami permintaan yang belum pernah terjadi sebelumnya, dengan gaji kini mencapai angka enam digit bagi mereka yang bekerja di pembuatan chip dan pembangunan pabrik AI.

AI sebagai Teknologi Paling Mudah Diakses di Dunia

Huang berargumen bahwa AI merupakan “perangkat lunak paling mudah digunakan dalam sejarah.” Berbeda dengan era komputasi sebelumnya, yang memerlukan pembelajaran bahasa pemrograman, sistem AI menerima instruksi dalam bahasa alami. Seseorang tanpa pelatihan ilmu komputer formal dapat meminta, “Tunjukkan cara membangun situs web,” dan menerima panduan langkah demi langkah. Aksesibilitas ini memiliki implikasi mendalam bagi ekonomi berkembang.

Alih-alih memperlebar kesenjangan teknologi global, AI justru dapat menyempitkannya. Hambatan masuknya secara dramatis lebih rendah dibandingkan era perangkat lunak. Individu dari negara tanpa infrastruktur teknologi yang luas kini dapat memanfaatkan AI untuk berpartisipasi dalam ekonomi pengetahuan global. Model sumber terbuka seperti dari Deepseek dan kontributor lain telah mendemokratisasi akses lebih jauh, memungkinkan perusahaan dan negara menyesuaikan solusi untuk bahasa, budaya, dan data lokal.

Imperatif AI Berdaulat: Mengapa Setiap Negara Membutuhkan Infrastruktur AI Sendiri

Huang sangat mendukung apa yang dia sebut “AI berdaulat”—setiap negara membangun infrastruktur AI sendiri, melatih model pada bahasa dan data budaya asli. Dia menggambarkan ini sebagai hal yang penting untuk daya saing nasional, seperti memiliki jaringan listrik atau jaringan transportasi. Kekhawatiran ini melampaui ekonomi ke pelestarian budaya dan kedaulatan teknologi.

Eropa menjadi studi kasus yang sangat menarik. Sementara AS mendominasi era perangkat lunak, Huang mencatat, basis industri dan manufaktur Eropa yang kuat kurang dimanfaatkan selama periode itu. Transisi AI, terutama dengan kemajuan dalam AI fisik dan robotika, memberi Eropa apa yang dia sebut sebagai “kesempatan sekali seumur hidup.” Alih-alih “menulis” AI, negara-negara harus fokus pada “mengajar” AI—mengintegrasikan keunggulan manufaktur dengan kecerdasan buatan untuk memimpin dalam manufaktur pintar dan robotika.

Tradisi riset ilmiah Eropa dapat digabungkan dengan AI untuk mempercepat penemuan secara dramatis di berbagai disiplin ilmu. Namun, mewujudkan potensi ini membutuhkan komitmen serius terhadap pasokan energi dan investasi infrastruktur. Huang mendesak pemimpin Eropa untuk memperlakukan fondasi ini dengan serius.

Menguji Teori Bubble AI

Ketika ditanya apakah investasi besar-besaran di AI mewakili kelebihan spekulatif, Huang menawarkan indikator pasar yang sederhana: GPU Nvidia dari semua generasi sangat sulit disewa di cloud karena harga spot yang melonjak. Ini mencerminkan permintaan nyata dari startup dan perusahaan yang mengalihkan anggaran R&D mereka ke kecerdasan buatan. Eli Lilly menjadi contoh perubahan ini—perusahaan yang dulu mengarahkan hampir seluruh pengeluaran R&D ke penelitian laboratorium basah kini berinvestasi secara substansial dalam superkomputer AI dan laboratorium riset AI.

Lonjakan investasi infrastruktur ini dibenarkan, sebenarnya, oleh tuntutan komputasi yang dibuat oleh setiap lapisan. Seiring model AI meningkat dan aplikasi berkembang biak, kebutuhan akan energi, chip, layanan cloud, dan fasilitas fisik semakin meningkat daripada berkurang. Lebih dari $100 miliar mengalir ke perusahaan berbasis AI tahun lalu saja, menjadikannya salah satu tahun investasi modal ventura terbesar dalam sejarah.

Membentuk Ulang Kalkulus Ekonomi Global

Tesis yang muncul dari diskusi ini adalah bahwa AI berfungsi sebagai pergeseran platform dasar yang secara fundamental merestrukturisasi tumpukan komputasi. Untuk pertama kalinya, komputer dapat memproses informasi tidak terstruktur—gambar, suara, bahasa alami—secara waktu nyata, menafsirkan niat manusia dan menjalankan tugas kompleks. Transisi dari sistem “rekaman sebelumnya” ke sistem generatif waktu nyata ini mendefinisikan perbedaan AI dari semua teknologi sebelumnya.

Alih-alih mempersempit peluang global, Huang menyajikan AI sebagai mesin untuk inklusi ekonomi yang lebih luas. Pasar berkembang tanpa infrastruktur teknologi warisan dapat melompati tahap menengah dengan mengadopsi AI sejak awal. Faktor aksesibilitas ini berarti bahwa seorang programmer di negara berkembang tanpa pendidikan formal memiliki alat yang setara dengan insinyur Silicon Valley.

Uji ekonomi utama akan menjadi apakah pembangunan infrastruktur menciptakan kekayaan dan pekerjaan yang cukup untuk membenarkan tesis investasi ini. Jika model radiologi dan keperawatan dapat digeneralisasi—jika otomatisasi memperkuat tujuan manusia di berbagai profesi—maka prediksi Huang tentang kekurangan tenaga kerja daripada pengangguran mungkin terbukti benar. Faktanya, indikator paling awal menunjukkan bahwa dinamika ini sudah mulai terwujud di seluruh bidang kesehatan, manufaktur, dan industri berbasis AI yang sedang berkembang.