Ada masa ketika bisa membuat presentasi rapi sudah cukup untuk terlihat menonjol.
Bisa menulis email profesional.
Bisa coding.
Bisa membuat summary.
Bisa research cepat.
Skill itu masih penting.
Masalahnya, sekarang AI juga bisa melakukan sebagian besar.
Jadi apa yang terjadi kalau kemampuan yang dulu langka mendadak jadi murah?
Nilai pindah.
Bukan berarti writing, coding, dan presentation tidak berguna.
Mereka berubah dari “output akhir” menjadi medium.
Yang makin mahal adalah kemampuan memutuskan apa yang harus ditulis, code apa yang seharusnya dibangun, dan cerita apa yang layak dipresentasikan.
Ini pola ekonomi sederhana.
Ketika supply sesuatu naik, scarcity pindah ke layer berikutnya.
AI membuat output melimpah.
Scarcity baru adalah judgement.
IMF pada 2026 menemukan demand skill baru meningkat di lowongan kerja dan employer bersedia memberi wage premium untuk kombinasi capability yang lebih baru. Microsoft Work Trend Index Indonesia 2026 juga menekankan advanced AI users bukan hanya sering memakai tool, tetapi menggabungkannya dengan critical thinking, quality control, dan human responsibility.
Jadi skill mahal bukan “bisa AI”.
Itu baseline.
Yang mahal adalah bisa menghasilkan keputusan lebih baik dengan AI.
Problem framing
Ini mungkin skill paling underrated.
AI sangat bagus menjawab.
Belum tentu tahu pertanyaan yang paling penting.
Business sering memberi problem kabur.
“Sales turun.”
“Customer nggak happy.”
“Project lambat.”
Orang yang bagus memecah.
Sales turun di channel mana?
Customer segment?
Conversion stage?
Sejak kapan?
Apa yang berubah?
Data apa?
AI kemudian bisa membantu analysis.
Tapi framing berasal dari pemahaman konteks.
Kalau pertanyaan salah, AI memberi jawaban rapi untuk problem yang salah.
Ini lebih berbahaya daripada jawaban buruk.
Karena terlihat professional.
Problem framing makin mahal karena mesin membuat solution generation murah.
Semua orang bisa minta 20 ide.
Sedikit orang bisa memilih problem yang worth solving.
Judgement
Judgement adalah kemampuan memilih ketika jawabannya tidak jelas.
Data incomplete.
Trade-off.
Risk.
Timing.
Stakeholder.
AI bisa memberi opsi.
Manusia tetap bertanggung jawab.
Misalnya:
Apakah perusahaan harus menaikkan harga?
AI bisa membuat analysis.
Tapi keputusan menyentuh brand, customer, competitor, cashflow, sales target.
Tidak ada satu jawaban universal.
Judgement tumbuh dari domain knowledge dan experience.
Ini sulit dikomoditaskan cepat.
Bukan karena AI tidak akan makin pintar.
Karena keputusan hidup dalam social context.
Siapa yang menerima consequence?
Apa risk appetite?
Apa yang organisasi bisa eksekusi?
AI tidak punya skin in the game.
Manusia punya.
Verification
AI membuat output bagus lebih mudah.
Maka skill mengecek naik nilainya.
Source.
Fact.
Calculation.
Assumption.
Code.
Policy.
Kalau AI menulis report 20 halaman, siapa memastikan angka tidak salah?
Kalau coding agent menghasilkan feature, siapa test?
Kalau AI membuat legal summary, siapa lihat nuance?
Verification bukan kerja glamour.
Tapi semakin AI masuk high-stakes work, ia jadi premium.
Pekerja yang dikenal “kalau dia approve, aman” punya trust capital.
Ini valuable.
Kita mulai masuk dunia di mana production murah, assurance mahal.
Quality control bukan afterthought.
Ia career skill.
Taste
Di creative field, AI membuat pilihan hampir tak terbatas.
100 headline.
50 layout.
20 script.
Apa yang dipilih?
Taste.
Taste adalah judgement estetika dan cultural.
Apa yang terasa basi.
Apa yang terlalu trying hard.
Apa yang cocok buat brand.
Apa yang sebaiknya tidak dibuat.
Ini susah diukur.
Tapi terasa.
Editor bagus punya taste.
Creative director.
Product designer.
Writer.
AI bisa memperbanyak opsi.
Tidak otomatis meningkatkan taste.
Justru orang dengan taste kuat mendapat leverage besar.
Mereka bisa menghasilkan dan mengeksplor lebih cepat.
Orang tanpa taste tenggelam dalam output.
Ini juga berlaku di bisnis.
Strategic taste.
Opportunity mana yang masuk akal.
Product mana yang terlalu kompleks.
Meeting mana yang nggak perlu.
Taste bukan hanya seni.
Ini kemampuan memilih dengan pengalaman.
Communication yang benar-benar manusia
AI bisa menulis email lebih rapi daripada banyak orang.
Tapi komunikasi bukan hanya grammar.
Meyakinkan.
Membaca ruangan.
Mendengar.
Negotiation.
Memberi feedback sulit.
Menjelaskan perubahan.
Menenangkan customer marah.
Membuat team percaya.
Hal seperti ini tetap sangat manusia.
Kalimat yang technically benar bisa gagal karena timing.
AI tidak hadir di ruangan dengan consequence yang sama.
Orang yang bisa membawa manusia lain melewati ambiguity punya value.
Manager.
Sales.
Leader.
Consultant.
Doctor.
Teacher.
Role relationship-heavy mendapatkan moat dari trust.
AI membantu prepare.
Tidak menggantikan seluruh interaction.
Domain depth
General knowledge sekarang murah.
Tanya AI.
Yang mahal adalah tahu detail yang tidak obvious.
Regulation.
Industry habit.
Customer behavior.
Technical constraint.
Field experience.
Domain expert bisa melihat:
“Jawaban ini kelihatan bagus, tapi tidak akan works di Indonesia karena X.”
Itu valuable.
AI akan makin baik memahami domain.
Tetap ada tacit knowledge.
Hal yang tidak tertulis.
Hubungan.
Norm.
Exception.
Makanya career strategy yang hanya fokus “AI skill” terlalu sempit.
Build domain.
AI memperbesar domain.
Tanpa domain, lo menjadi operator tool.
Tool operator mudah dikomoditaskan.
Expert yang memakai tool lebih kuat.
Systems thinking
AI sering menyelesaikan satu task.
Business problem hidup dalam sistem.
Kalau marketing lebih cepat, legal bisa bottleneck.
Kalau sales naik, operations kewalahan.
Kalau code lebih cepat, QA penuh.
Orang yang bisa melihat hubungan antarbagian jadi valuable.
Systems thinking.
Tidak hanya:
“Task ini bisa AI.”
Tapi:
“Kalau task ini berubah, downstream apa?”
Ini skill transformation.
COO.
Product manager.
Architect.
Senior analyst.
Consultant.
Manager.
AI membuat local optimization gampang.
Global optimization tetap sulit.
Semakin banyak automation, semakin penting orang yang melihat whole.
AI orchestration
Bukan prompt engineering dalam arti bikin kalimat panjang.
Orchestration adalah menentukan bagaimana beberapa AI, tool, data, dan manusia bekerja.
Task mana ke model.
Task mana ke rule.
Kapan human approve.
Apa data.
Apa fallback.
Apa metric.
Ini skill yang naik.
Karena agentic work semakin kompleks.
Satu orang mungkin mengelola beberapa digital workflow.
Tidak perlu menjadi engineer penuh.
Tapi memahami delegation.
Instruction.
Evaluation.
Permission.
Monitoring.
Ini analogi management.
Karyawan masa depan bukan cuma pengguna AI.
Mereka operator sistem kerja.
Microsoft menyebut advanced users mulai mendorong AI dari sekadar tool menjadi teammate atau partner dalam pekerjaan.
Istilah marketing aside, pola itu nyata.
Penggunaannya bergerak ke orchestration.
Learning velocity
Tool berubah terus.
Skill paling tahan adalah kemampuan belajar cepat.
Orang yang terlalu attached pada satu interface bisa ketinggalan.
Orang yang memahami konsep pindah.
Model baru?
Test.
Tool baru?
Coba.
Ambil yang berguna.
Buang.
Learning velocity bukan membaca semua berita AI.
Itu exhausting.
Lebih praktis.
Bisa mempelajari capability baru dan memasukkannya ke workflow tanpa kehilangan dasar.
Perusahaan value orang seperti ini karena change tidak berhenti.
IMF menekankan lifelong learning dan reskilling sebagai bagian kunci adaptasi tenaga kerja.
Ini bukan slogan lagi.
Career sekarang memang membutuhkan update lebih sering.
AI memperpendek half-life tool knowledge.
Curiosity menjadi economic skill.
Accountability
Ini mungkin paling manusia.
Siapa yang tanda tangan?
Siapa yang bilang:
“Ya, ini keputusan saya.”
AI tidak pergi ke board meeting untuk menjelaskan error.
Manusia.
Pekerja yang berani memiliki outcome punya value.
Bukan orang yang selalu bilang:
“AI-nya yang bikin.”
Responsible use berarti output AI tetap tanggung jawab profesional.
Ini akan makin penting.
Especially regulated fields.
Legal.
Finance.
Healthcare.
Public service.
Engineering.
Accountability menciptakan trust.
Trust punya nilai ekonomi.
Client mau bayar.
Manager memberi autonomy.
Team mengandalkan.
AI bisa membuat output.
Reputation tetap dibangun manusia.
Data literacy
Bukan semua orang harus data scientist.
Tapi harus bisa membaca angka.
Correlation.
Sample.
Bias.
Metric.
Chart.
AI bisa membuat chart yang indah.
Kalau user tidak memahami data, misinformation terlihat profesional.
Data literacy menjadi safety layer.
Especially manager.
AI akan menyajikan analysis cepat.
Leader perlu tahu pertanyaan:
Source apa?
Timeframe?
Sample?
Definition?
Apa yang tidak terlihat?
Skill ini dulu sudah penting.
Sekarang lebih.
Karena barrier membuat analysis turun.
Lebih banyak orang bisa menghasilkan angka.
Kemampuan menilai angka harus ikut naik.
Writing dan coding tetap valuable jika naik level
Jangan salah baca.
Writing tidak mati.
Writer bagus dengan AI bisa lebih powerful.
Coding tidak mati.
Engineer bagus dengan agent bisa membangun lebih cepat.
Presentation tidak mati.
Storyteller bagus bisa menggunakan AI untuk production.
Yang tertekan adalah bagian commodity.
Generic copy.
Boilerplate code.
Standard deck.
Skill tetap.
Value bergeser ke higher-order.
Architecture.
Voice.
Argument.
Editing.
Debugging.
Product judgement.
Story.
AI mengambil sebagian mechanical production.
Expertise pindah ke direction dan review.
Ini familiar.
Calculator tidak menghapus matematika.
Ia mengubah apa yang dianggap skill dasar.
Spreadsheet tidak menghapus finance.
Ia mengubah pekerjaan finance.
AI melakukan hal serupa pada cognitive work.
Skill mahal biasanya kombinasi, bukan tunggal
Coding plus domain healthcare.
Marketing plus data.
Finance plus automation.
Legal plus AI governance.
Design plus product strategy.
Skill stacking.
IMF menemukan job postings yang meminta beberapa capability baru bisa menawarkan premium lebih tinggi daripada satu skill saja.
Ini masuk akal.
Hybrid professionals sulit dicari.
Mereka bisa bicara dua bahasa.
Business dan tech.
Data dan customer.
AI dan domain.
Perusahaan punya banyak specialist.
Yang susah adalah orang yang bisa menghubungkan.
Career moat sering lahir di intersection.
Fresh graduate sebaiknya tidak mencoba menguasai semuanya.
Pilih dua atau tiga yang saling menguatkan.
Critical thinking bukan kalimat dekorasi CV
Semua orang tulis.
Apa buktinya?
Critical thinking terlihat saat lo bilang AI salah.
Saat lo tidak menerima framing.
Saat lo menemukan assumption.
Saat lo memilih source.
Saat lo mempertahankan keputusan.
Buat evidence.
Case study.
Project.
Interview.
Manager akan lihat.
AI era membuat kemampuan ini lebih observable.
Karena orang sering membawa output mesin.
Difference-nya siapa yang berani challenge.
Microsoft Indonesia pada 2026 menempatkan critical thinking dan quality control sebagai karakter advanced AI users.
Bukan kebetulan.
Semakin powerful tool, semakin penting judgement operator.
Skill mahal bukan skill yang AI tidak bisa lakukan sama sekali
Itu mungkin tidak ada dalam jangka panjang.
Lebih berguna mencari skill yang membuat AI lebih valuable saat berada di tangan lo.
Domain depth.
Judgement.
Verification.
Taste.
Communication.
Systems thinking.
Orchestration.
Learning.
Accountability.
Data literacy.
AI bisa membantu semua.
Justru bagus.
Skill manusia bukan benteng anti-AI.
Ia multiplier.
Pekerja yang menggunakan AI tapi tidak punya fondasi bisa menghasilkan banyak.
Pekerja yang punya fondasi plus AI bisa menghasilkan sesuatu yang benar-benar worth paying for.
Dan di pasar kerja 2026, ketika semua orang semakin mudah membuat tulisan bagus, code rapi, dan presentasi cantik, “terlihat produktif” bukan lagi scarcity.
Yang langka adalah orang yang tahu apa yang seharusnya dibuat, mengapa, bagaimana mengecek, dan berani bertanggung jawab setelah hasilnya masuk dunia nyata.
Itulah skill yang makin mahal.
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.