Fresh graduate punya masalah klasik.
Perusahaan minta pengalaman.
Untuk mendapat pengalaman, perlu pekerjaan.
Untuk dapat pekerjaan, diminta pengalaman.
Sekarang ada lapisan baru:
Sebagian pekerjaan entry-level yang dulu menjadi tempat orang belajar justru termasuk task yang paling mudah dibantu AI.
Research dasar.
Draft.
Data entry.
Summary.
Administrasi.
Basic coding.
Presentation.
Kalau perusahaan bisa mengerjakan sebagian dengan agent atau employee existing yang lebih produktif, pintu masuk bisa mengecil.
IMF pada Januari 2026 menyebut tantangan ini secara eksplisit. Entry-level jobs punya exposure AI yang tinggi, dan evidence awal dari Amerika menunjukkan adopsi generative AI mengurangi hiring entry-level terutama pada pekerjaan yang task-nya lebih mudah diotomasi.
ILO pada Juni 2026 juga menilai salah satu risiko yang mulai muncul adalah erosion of employment opportunities untuk pekerja muda.
Artinya kecemasan fresh graduate bukan cuma konten doomscroll.
Ada basis nyata.
Tapi kesimpulannya bukan:
“Udah, tamat.”
Kesimpulannya: cara masuk dunia kerja harus berubah lebih cepat daripada kurikulum dan career advice lama.
Dulu perusahaan membeli waktu junior
Junior belum tahu banyak.
Tapi murah.
Bisa mengerjakan task rutin.
Senior review.
Pelan-pelan belajar.
Model ini bekerja puluhan tahun.
AI mengubah economics-nya.
Senior dengan AI bisa mengerjakan sebagian task junior lebih cepat.
Kalau begitu, kenapa hire junior?
Pertanyaan ini berbahaya kalau perusahaan hanya melihat quarter berikutnya.
Karena dari mana senior masa depan datang?
Tapi untuk fresh graduate hari ini, debate jangka panjang tidak membantu banyak.
Mereka perlu masuk sekarang.
Maka value proposition junior harus naik.
Jangan datang hanya sebagai “orang yang bisa mengerjakan task dasar”.
AI juga bisa.
Datang sebagai orang yang bisa memakai AI, memahami dasar, dan belajar cepat dalam context bisnis.
Combination.
Bukan AI skill saja.
AI skill di CV sudah cepat menjadi generik
“Proficient in ChatGPT.”
Itu tidak banyak membedakan.
Hampir semua kandidat bisa tulis.
Perusahaan perlu evidence.
Apa yang pernah lo buat?
Workflow?
Project?
Research?
Code?
Analysis?
Automation?
Portfolio?
Bukti jauh lebih kuat daripada label.
Misalnya anak komunikasi.
Daripada tulis “menguasai AI tools”, buat portfolio:
Riset 100 review customer.
Gunakan AI untuk clustering.
Verifikasi manual.
Temukan tiga complaint pattern.
Buat rekomendasi campaign.
Sekarang employer bisa lihat thinking.
AI dipakai.
Tapi bukan seluruh cerita.
Atau fresh graduate finance.
Ambil dataset publik.
Buat analysis.
Gunakan AI untuk membantu formula atau scenario.
Tunjukkan source.
Assumption.
Error check.
Output.
Ini menunjukkan capability.
Bukan tool familiarity.
Pilih satu domain, jangan hanya menjadi “anak AI”
AI generalist terdengar keren.
Tapi fresh graduate tanpa domain risk jadi dangkal.
Belajar AI plus sesuatu.
Marketing.
Finance.
Operations.
Law.
Healthcare.
Logistics.
Supply chain.
Coding.
Design.
HR.
Industry knowledge memberi context.
AI tanpa domain bisa menghasilkan banyak output.
Sulit menilai.
Employer butuh orang yang tahu apakah output itu masuk akal.
Jadi strategy:
Punya satu skill teknis atau business yang cukup dalam.
Tambahkan AI sebagai leverage.
Bukan sebaliknya.
Kalau semua orang bisa prompt, domain understanding tetap membedakan.
IMF pada 2026 menemukan demand skill baru meningkat, termasuk digital dan AI-related skill. Tapi employer membayar lebih tinggi ketika kandidat membawa kombinasi beberapa capability baru, bukan satu label tunggal.
Ini clue.
Combination lebih mahal.
Fundamental skill tetap wajib
Fresh graduate kadang tergoda.
“AI bisa coding, ngapain gue belajar coding dalam?”
“AI bisa nulis, ngapain belajar writing?”
Karena tanpa dasar lo tidak bisa mengecek.
AI bisa menghasilkan professional-looking nonsense.
Kalau lo beginner total, output kelihatan hebat.
Kalau sudah punya dasar, error mulai terlihat.
Ini fenomena penting.
AI bisa menutupi skill gap.
Sementara interview, kerja nyata, atau incident akhirnya membuka.
Maka jangan skip fundamental.
Writing.
Numeracy.
Statistics.
Critical reading.
Coding fundamentals jika relevan.
Research.
Communication.
AI mempercepat practice.
Bukan alasan menghapus practice.
Gunakan AI seperti sparring partner.
Minta explain.
Quiz.
Review.
Tapi sesekali kerja tanpa AI.
Tes diri.
Kalau semua capability hanya ada saat chatbot terbuka, dependency terlalu tinggi.
Fresh graduate perlu membangun evidence of judgement
Perusahaan makin sulit menilai output.
Essay bisa AI.
Code test bisa AI.
Deck bisa AI.
Maka interview akan lebih fokus reasoning.
Kenapa pilih ini?
Apa trade-off?
Apa yang lo ubah?
Bagaimana lo tahu benar?
Apa source?
Apa yang gagal?
Fresh graduate perlu terbiasa menjelaskan proses.
Portfolio jangan hanya hasil final.
Tampilkan process.
Problem.
Approach.
AI usage.
Verification.
Decision.
Learning.
Ini justru advantage.
Kandidat yang jujur memakai AI tetapi bisa menjelaskan lebih credible daripada orang yang pura-pura semuanya manual.
Workplace 2026 tidak butuh purity.
Butuh accountability.
Magang jadi lebih penting, bukan kurang
Kalau entry-level job berkurang, pengalaman nyata makin valuable.
Internship.
Freelance.
Student organization.
Research assistant.
Volunteer project.
Small business project.
Semua bisa memberi context.
Masalahnya, tidak semua punya akses internship bagus.
Jangan menunggu brand besar.
UMKM lokal bisa jadi tempat belajar nyata.
Bantu toko online menganalisis review.
Bantu komunitas merapikan database.
Bantu organisasi kampus automate reporting.
Buat actual outcome.
Di Jakarta, kesempatan seperti ini banyak.
Coffee shop.
Agency kecil.
Event organizer.
Online seller.
Startup.
Konsultan.
Small project bisa memberi evidence.
“Gue mengurangi waktu reporting dari tiga jam jadi satu.”
Lebih kuat dari certificate webinar.
Fresh graduate harus mengejar feedback loop, bukan title dulu
Awal karier adalah fase belajar tercepat.
Cari environment yang memberi feedback.
Senior review.
Customer.
Production.
Real deadline.
AI bisa memberi feedback instan.
Tapi manusia memberi context.
Kombinasi keduanya penting.
Job pertama tidak harus paling tinggi gaji kalau learning rate jauh lebih besar.
Tentu privilege berbeda.
Tidak semua orang bisa memilih.
Tapi jika punya pilihan, lihat:
Apakah role memberi exposure real problem?
Ada mentor?
Bisa ownership?
Bisa menggunakan AI?
Bisa melihat consequence?
Learning rate membangun career moat.
Job title awal sering kurang penting dibanding quality of reps.
AI membuat repetition murah.
Gunakan.
Tapi cari repetition yang punya feedback.
Kalau salah tidak pernah diketahui, tidak belajar.
“Prompt engineer” bukan satu-satunya jalan
Hype awal AI menciptakan kesan semua orang harus jadi prompt engineer.
Tidak.
Market lebih luas.
AI-assisted accountant.
AI-enabled marketer.
Developer.
Operations analyst.
Product manager.
Lawyer.
Researcher.
Sales.
Recruiter.
Manager.
AI akan menjadi layer.
Bukan selalu job title.
Fresh graduate lebih aman menjadi profesional domain yang native dengan AI daripada mengejar title yang mungkin cepat berubah.
Tentu specialized AI jobs ada.
ML engineer.
Researcher.
Data.
Safety.
Evaluation.
Infrastructure.
Kalau punya minat teknis, bagus.
Tapi mayoritas pekerja tidak perlu menjadi model builder.
Mereka perlu menjadi capable user dengan judgement.
Indonesia punya advantage dan challenge
Microsoft Work Trend Index 2026 melaporkan 33 persen pekerja Indonesia dalam survei mereka masuk kategori Frontier Professionals, advanced AI users menurut definisi studi tersebut, dibanding rata-rata global 16 persen.
Ini menunjukkan adoption lokal cepat.
Bagus.
Tapi buat fresh graduate juga berarti baseline kompetisi naik.
“Bisa pakai AI” tidak istimewa kalau banyak pekerja existing juga bisa.
Kandidat perlu menunjukkan higher-order skill.
Critical thinking.
Quality control.
Problem framing.
Ownership.
Microsoft sendiri menekankan hal tersebut dalam konteks Indonesia.
Ini sebenarnya kabar baik.
Market tidak hanya mencari orang yang paling cepat menekan tombol.
Masih ada ruang manusia.
Tapi standar masuk naik.
Fresh graduate perlu tiba dengan lebih banyak leverage dibanding generasi sebelumnya.
Jangan hanya melamar, bangun visibility
Labor market crowded.
AI juga membuat CV dan cover letter semakin homogen.
Semua rapi.
Semua professional.
Sulit dibedakan.
Portfolio publik bisa membantu.
GitHub.
Notion.
Website.
LinkedIn.
Project.
Case study.
Tulis pendek tentang problem yang lo kerjakan.
Tidak perlu menjadi influencer.
Cukup evidence.
Misalnya:
“Menganalisis 2.000 lowongan marketing untuk melihat skill demand.”
“Bikin automation sederhana untuk administrasi organisasi kampus.”
“Bikin mini research tentang customer complaint.”
Employer bisa melihat cara berpikir.
AI mungkin membantu.
Tetap ada original work.
Visibility mengurangi dependency pada satu halaman CV yang sekarang mudah digenerate semua orang.
Network tetap manusia
AI bisa membantu mencari lowongan.
Bikin message.
Prepare interview.
Tapi referral, relationship, reputation masih manusia.
Fresh graduate kadang terlalu fokus job portal.
Padahal banyak peluang datang dari orang.
Dosen.
Alumni.
Teman internship.
Komunitas.
Event.
LinkedIn connection.
Jangan kirim DM AI-generated yang terdengar sama ke 500 orang.
Kirim message yang punya context.
Kenapa menghubungi.
Apa yang lo kerjakan.
Apa pertanyaan spesifik.
AI bisa bantu merapikan.
Relationship tetap harus genuine.
Saat output digital jadi murah, human connection justru makin bernilai.
Jangan menunggu siap 100 persen
Fresh graduate sering merasa harus belajar 20 tool.
Selesai satu course.
Ada tool baru.
Nggak pernah selesai.
Pilih stack kecil.
Satu general AI.
Spreadsheet/data.
Tool domain.
Basic automation kalau relevan.
Kemudian build project.
AI berubah.
Skill menggunakan tool baru akan ikut.
Jangan mengejar logo.
Kejar pattern.
Cara memberi context.
Cara verify.
Cara measure.
Cara integrate.
Cara present outcome.
Skill itu transferable.
Employer juga lebih menghargai orang yang bisa belajar daripada hafal interface.
Entry-level mungkin lebih sempit, tapi jalur baru juga muncul
AI membuat satu orang mampu melakukan lebih banyak.
Itu bisa mengurangi hiring.
Tapi juga menurunkan barrier membuat sesuatu.
Fresh graduate bisa membuat app.
Agency kecil.
Research.
Content product.
Freelance service.
Automation.
Side project.
Dulu butuh team.
Sekarang lebih mungkin sendiri.
Ini tidak berarti semua harus entrepreneur.
Tapi portfolio opportunity jauh lebih besar.
Lo tidak harus menunggu perusahaan memberi pekerjaan untuk mulai punya pengalaman.
Buat problem kecil.
Cari user.
Kerjakan.
Itu bisa menjadi pengalaman.
AI mengubah entry point.
Bukan hanya menghapus.
Mulainya dari mana?
Kalau harus diringkas:
Pilih satu domain.
Kuasai dasar.
Pakai AI setiap hari.
Buat project nyata.
Tunjukkan process dan outcome.
Cari feedback manusia.
Bangun network.
Belajar menjelaskan keputusan.
Jangan hanya koleksi sertifikat.
Dan jangan mencoba terlihat seperti senior dengan AI.
Jadilah junior yang sangat cepat belajar.
Itu lebih credible.
Pekerjaan entry-level memang sedang mendapat tekanan.
Pintu masuk mungkin tidak selebar dulu untuk pekerjaan rutin.
Tapi perusahaan tetap butuh orang baru.
Mereka hanya mulai menuntut value lebih cepat.
Fresh graduate 2026 mungkin tidak punya kemewahan belajar semua dasar setelah diterima.
Sebagian harus dibawa masuk.
Kedengarannya berat.
Memang.
Tapi AI juga memberi alat belajar paling powerful yang pernah dimiliki generasi baru.
Ironinya jelas:
Teknologi yang membuat pintu entry-level lebih sempit juga bisa membantu lo menyiapkan diri jauh lebih cepat untuk melewati pintu itu.
Yang menentukan bukan apakah lo pakai AI.
Hampir semua orang akan.
Yang menentukan adalah apakah setelah memakai AI, ada sesuatu di diri lo yang benar-benar ikut menjadi lebih capable.
Bacaan terkait
Artikel ini berada dalam Future of Work & Careers dan mengikuti metodologi editorial Undercover.id. Format terkait tersedia di Explainer teknologi dan kebijakan digital.