Bayangkan dua orang punya jabatan sama.
Gaji mirip.
Jam kerja sama.
Employee A menggunakan AI sekadar bantu email.
Employee B membangun workflow yang membuat proposal, research, reporting, dan follow-up jauh lebih cepat.
Output B dua kali lebih banyak.
Quality sama atau lebih bagus.
Team juga ikut menggunakan workflow-nya.
Pertanyaan yang cepat atau lambat muncul:
Apakah B harus dibayar lebih?
Di 2026, ini bukan pertanyaan teoritis.
PwC menemukan pekerja pada lowongan yang membutuhkan specific AI skills mendapatkan wage premium rata-rata 62 persen dibanding role comparable yang tidak meminta skill tersebut. Angka itu bervariasi besar antarindustri dan tidak berarti setiap employee yang pakai AI otomatis pantas naik gaji 62 persen.
Tapi market mengirim signal jelas.
Skill yang membuat AI menghasilkan business value punya harga.
Pertanyaannya bukan apakah AI dipakai.
Pertanyaannya seberapa besar leverage dan value yang dibawa pekerja.
Perusahaan tidak membayar keyboard, mereka membayar output
Kalau employee pakai Excel dan menjadi lebih cepat, perusahaan tidak membayar “premium Excel” selamanya.
Skill masuk baseline.
AI mungkin mengikuti.
Hari ini advanced.
Besok normal.
Maka argument salary tidak boleh hanya:
“Gue jago ChatGPT.”
Lemah.
Lebih kuat:
“Gue meningkatkan throughput 40 persen.”
“Gue membuat workflow yang menghemat 200 jam team per bulan.”
“Gue memotong cycle time proposal.”
“Gue membuat system reusable.”
Outcome.
Perusahaan membayar economic contribution.
AI adalah alat.
Skill menggunakannya memberi leverage.
Tapi leverage harus terlihat.
Ini juga lebih fair.
Orang yang pakai AI banyak belum tentu productive.
Ada yang menghasilkan lebih banyak noise.
Ada yang menghasilkan value.
Market akan belajar membedakan.
High productivity harus diukur dengan quality
Kalau B menghasilkan 2x tapi error 3x, bukan high performer.
AI membuat volume murah.
Compensation system harus lihat:
Quality.
Outcome.
Customer.
Revenue.
Margin.
Rework.
Risk.
Team impact.
Bukan output count.
Ini penting supaya perusahaan tidak menciptakan incentive spam.
Developer generate banyak code.
Content writer banyak artikel.
Sales banyak email.
Semua bisa tinggi volume.
Value belum tentu.
Pay premium seharusnya untuk leverage yang sustainable dan high-quality.
AI membuat measurement harder.
Manager perlu lebih bagus.
Karena surface productivity gampang dipalsukan.
Salary premium market berbeda dengan internal raise
PwC mengukur wage premium dari salary offered pada job posting dengan AI skills versus comparable roles tanpa skill tersebut.
Itu market signal.
Internal company punya dynamics lain.
Employee existing mungkin sudah dibayar berdasarkan salary band.
Kalau skill mereka tumbuh, perusahaan perlu decide.
Raise.
Promotion.
Bonus.
Expanded scope.
Role redesign.
Tidak semua harus gaji base langsung.
Tapi kalau value jauh naik dan compensation tidak, retention risk.
Competitor bisa membayar.
Especially scarce skill.
Ini old talent economics.
AI hanya menciptakan category capability baru.
Perusahaan perlu memasukkan ke job architecture.
Bukan menunggu employee resign.
Orang yang membuat orang lain produktif lebih berharga daripada solo power user
Ini distinction besar.
Employee A sangat cepat karena punya prompt pribadi.
Employee B membuat workflow yang dipakai 30 orang.
B punya multiplier.
Organization value lebih besar.
Compensation seharusnya mengakui system building.
Template.
Automation.
Evaluation.
Knowledge.
Training.
Good practice.
Ini juga mendorong sharing.
Kalau perusahaan hanya reward personal output, power user akan menyimpan.
“Kalau gue share, semua jadi cepat dan keunggulan gue hilang.”
Bad incentive.
Reward leverage collective.
Performance review:
Apa impact lo ke team?
Bukan hanya output lo.
AI memberi kesempatan baru untuk multiplier behavior.
Company harus menangkap.
Productivity gain sebaiknya dibagi
Ada pertanyaan moral dan economics.
Kalau AI membuat worker 50 persen lebih produktif, siapa yang menikmati gain?
Shareholder?
Customer lewat harga?
Employee lewat gaji?
Employee lewat jam lebih ringan?
Company lewat growth?
Idealnya ada kombinasi.
Kalau semua gain hanya menjadi target kerja lebih tinggi tanpa compensation atau better work, employee akan resist.
Ini rational.
Mereka melihat AI sebagai extraction tool.
Kalau gain dibagi, adoption lebih sustainable.
Bisa berupa bonus.
Promotion.
Profit sharing.
Learning.
Flexible time.
Reduced overtime.
Tidak selalu gaji langsung.
Tapi perlu sense fairness.
Technology transformation yang perceived unfair akan kehilangan trust.
ILO 2026 juga menyoroti AI work organization punya implication untuk autonomy dan job quality.
Compensation bagian dari broader social contract.
Skill premium tidak akan bertahan kalau skill jadi baseline
Hari ini kemampuan advanced AI mungkin scarce.
Lima tahun lagi lebih common.
Premium turun.
Seperti computer literacy.
Maka pekerja tidak boleh bergantung pada satu skill.
Career moat harus bergerak ke judgement, domain, orchestration, trust.
Perusahaan juga jangan membuat permanent allowance “karena AI”.
Lebih baik role-based.
Capability.
Outcome.
Market.
Kalau skill masuk standard job requirement, salary band baru merefleksikan.
Ini natural.
AI tidak perlu diperlakukan exotic selamanya.
Pada akhirnya semua pekerjaan knowledge bisa AI-enabled.
Premium berpindah ke higher-order skills.
Compensation architecture harus dinamis.
Satu employee bisa menghasilkan seperti dua orang, tapi apakah cost company benar-benar turun?
Tidak selalu.
Kalau demand tidak bertambah, mungkin yes, role lain tidak dihire.
Kalau workload ikut naik, value mungkin captured.
Kalau output tidak dibutuhkan, no.
Jangan menentukan pay hanya dari theoretical capacity.
Measure business impact.
Employee punya strong case jika productivity mengubah economics.
Revenue lebih tinggi.
Hiring avoided.
Cost turun.
Cycle time.
Customer.
Risk.
Kalau hanya “bisa mengerjakan lebih banyak jika diminta”, value belum realized.
Tetap capability.
Promotion potential.
Tapi compensation decision perlu evidence.
Ini menjaga company dari hype dan worker dari arbitrary reward.
Performance pay bisa makin relevan, tapi punya risk
Kalau output individual mudah diukur, company mungkin ingin bonus productivity.
Hati-hati.
AI memudahkan gaming.
Jumlah.
Volume.
Activity.
Orang optimize metric.
Quality turun.
Goodhart.
Better pay model menghubungkan ke outcome.
Team bonus.
Customer.
Revenue.
Quality threshold.
Tidak harus individual piece-rate.
Knowledge work sulit diukur granular.
AI tidak mengubah itu.
Jangan karena dashboard punya data lalu semua dianggap meaningful.
Compensation system yang over-measured bisa menciptakan toxic work.
Privacy juga.
AI surveillance bukan productivity management.
Manager judgement tetap.
Role compression bisa membuat salary band lama nggak cocok
Seorang analyst dengan AI mungkin mengerjakan task senior.
Fresh graduate bisa mengambil scope lebih besar.
Job title tetap analyst.
Band salary rendah.
Lalu frustration.
PwC 2026 menemukan AI-exposed entry roles makin sering membutuhkan traditionally senior skills.
Ini berarti job architecture perlu update.
Kalau perusahaan meminta judgement dan leadership lebih awal, compensation mungkin harus mengikuti.
Tidak fair meminta senior-level accountability dengan junior-level recognition tanpa pathway.
Tentu experience tetap beda.
Tapi role content matters.
HR perlu task-based job evaluation.
Apa responsibility sekarang?
Decision rights?
Impact?
Not just title.
AI bisa mempercepat role evolution lebih cepat daripada HR cycle.
Ini risk retention.
Perusahaan tidak harus membayar lebih hanya karena employee menemukan shortcut
Contoh.
Employee membuat AI workflow untuk task yang sebelumnya delapan jam.
Sekarang dua.
Bagus.
Apakah salary otomatis naik?
Belum tentu.
Mungkin expectation role memang menghasilkan outcome itu, dan perusahaan menyediakan tool.
Productivity improvement normal.
Karyawan dibayar untuk solve problem.
Tapi kalau improvement menghasilkan sustained value besar, expanded scope, atau capability scarce, salary conversation wajar.
Ini sama dengan automation sebelum AI.
Engineer membuat script.
Process cepat.
Impact besar.
Recognition.
Pay.
Promotion.
Tidak perlu special philosophy.
AI hanya memperbanyak frequency case seperti ini.
Reward innovation proportionally.
Bukan setiap shortcut.
High performer dengan AI bisa menjadi victim of own efficiency
Ini nyata.
Mereka cepat.
Manager memberi lebih banyak.
Cepat lagi.
Lebih banyak lagi.
Gaji sama.
Akhirnya burnout.
Atau pura-pura lambat.
Perusahaan menciptakan perverse incentive.
Jangan hukum efficiency.
Kalau employee selalu mengambil scope lebih besar, role harus diakui.
Promotion.
Compensation.
Atau set boundary.
Kalau tidak, top performer pergi.
Manager perlu melihat scope creep.
“Dia memang cepat” bukan alasan terus mengisi.
AI productivity bisa tidak kelihatan jika metric buruk.
Manager harus observe.
Employee juga perlu document impact.
Jangan berharap company tahu otomatis.
Career self-advocacy penting.
Negotiation harus berbasis evidence
Kalau minta raise karena AI:
Jangan:
“Gue pakai tool baru.”
Bawa:
Before.
After.
Quality.
Scope.
Team impact.
Revenue/cost if real.
New responsibility.
Market data.
Ini professional.
AI skill premium dari PwC bisa jadi context, tapi jangan copy angka 62 persen lalu minta raise segitu.
Itu global average across job postings, bukan personal entitlement.
Industry berbeda.
Role.
Location.
Experience.
Company.
Use responsibly.
Market research lokal lebih relevant.
Compensation negotiation harus grounded.
Overclaim merusak trust.
Perusahaan juga perlu transparansi soal productivity expectation
Jika AI tool diberikan, employee perlu tahu:
Apakah target berubah?
Bagaimana?
Apakah time saving dianggap capacity?
Apakah quality standard naik?
Apakah role berubah?
Ambiguity menciptakan anxiety.
“Kalau gue kasih tahu hemat waktu, nanti target naik.”
Maka employee hide.
Company kehilangan data productivity.
Trust rendah.
Lebih baik clear policy.
Pilot.
Measure.
Discuss.
Share gains.
Tidak harus formal complicated.
Manager conversation cukup.
“Kalau workflow ini save time, kita pakai sebagian untuk X, bukan otomatis double target.”
Signal.
Employee lebih berani eksperimen.
Fairness drives adoption.
Skill scarcity menentukan premium
Kalau hanya sedikit orang bisa mengelola agent complex, premium tinggi.
Kalau semua orang bisa dalam dua tahun, turun.
Market dynamic.
Pekerja perlu fokus pada skill yang tidak cepat commodity.
Evaluation.
Governance.
Domain.
System design.
Management.
AI economics.
Combination.
Perusahaan perlu benchmark talent market.
Jangan underpay critical capability karena job title lama.
Tapi jangan panic-pay setiap AI buzzword.
Specific skill.
Specific value.
This is normal workforce planning.
AI labor market masih evolving.
Flexibility important.
Ada juga non-monetary value yang pekerja mungkin lebih pilih
High productivity bisa memberi:
Remote flexibility.
4-day arrangement.
Learning budget.
Autonomy.
Better project.
Promotion.
Time.
Tidak semua orang ingin maximum salary.
Perusahaan bisa design total reward.
Jika AI benar-benar menghasilkan efficiency, mungkin sebagian dibayar dengan waktu.
Research Korea 2026 menunjukkan time saving dari GenAI tidak selalu seluruhnya dikonversi menjadi output tambahan.
Human welfare juga benefit.
Ini mungkin future compensation discussion yang menarik.
Produktif bukan berarti harus selalu melakukan lebih banyak.
Bisa berarti hidup lebih baik dengan output sama.
Company dan employee perlu negotiate.
Jadi apakah karyawan yang sangat produktif dengan AI harus dibayar lebih?
Sering kali iya, jika produktivitas itu nyata, berkualitas, menghasilkan business value, dan skill-nya cukup scarce atau membuat scope role berubah.
Tapi bukan karena AI itu sendiri.
Bukan karena subscription.
Bukan karena prompt.
Dibayar lebih karena value per orang naik.
Itu prinsip lama.
AI hanya membuat perbedaan value antarorang bisa melebar lebih cepat.
Satu orang menggunakan AI untuk menulis email.
Orang lain mengubah cara satu departemen bekerja.
Keduanya sama-sama “pakai AI”.
Compensation yang sehat harus bisa melihat bedanya.
Karena kalau perusahaan gagal, high-leverage employee akan cepat memahami satu hal:
AI membuat mereka lebih mudah membuktikan bahwa mereka bisa menghasilkan value besar dengan team kecil.
Dan market lain mungkin bersedia membayar untuk itu.
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.