Ada satu jebakan baru buat fresh graduate.
AI bikin lo kelihatan lebih jago daripada kemampuan asli lo.
Bisa bikin email rapi.
Bisa bikin deck.
Bisa bikin code.
Bisa bikin analisis.
Bisa bikin jawaban interview.
Bahkan bisa bantu ngobrol dengan bahasa yang terdengar senior.
Masalahnya, dunia kerja cepat atau lambat akan menemukan apakah kemampuan itu benar-benar punya lo atau hanya numpang lewat dari tool.
Ini bukan argumen untuk kembali ke zaman sebelum AI.
Justru kebalikannya.
Fresh graduate 2026 harus bisa bekerja dengan AI.
Kalau nggak, kalah cepat.
Tapi mereka juga harus punya skill dasar yang cukup kuat supaya tahu kapan AI salah, kapan output-nya dangkal, dan kapan keputusan masih harus datang dari manusia.
PwC pada 2026 menemukan role entry-level yang sangat terekspos AI makin sering meminta skill yang dulu identik dengan level senior, seperti judgement, creativity, leadership, dan face-to-face interaction.
Artinya junior sekarang bukan cuma diminta bisa “ngerjain”.
Mereka mulai diminta bisa menilai.
Ini tekanan baru.
Dan itu sebabnya skill dasar makin penting, bukan makin nggak relevan.
AI bisa menulis, tapi lo tetap harus ngerti tulisan bagus
Kalau lo kerja di marketing, communication, consulting, atau sales, AI bisa bantu draft.
Tapi apakah pesan itu tepat?
Apakah tone-nya cocok?
Apakah terlalu generik?
Apakah faktanya benar?
Apakah ada nuance yang hilang?
Kalau lo tidak pernah belajar menulis dan membaca dengan serius, semua output akan terlihat lumayan.
Ini bahaya.
AI sering membuat kalimat yang terlihat profesional.
Professionally wrong tetap salah.
Skill dasar writing memberi internal benchmark.
Lo tahu ritme.
Structure.
Argument.
Evidence.
Audience.
Dengan itu, AI jadi leverage.
Tanpa itu, AI jadi topeng.
Fresh graduate yang punya writing fundamental bisa menggunakan AI untuk mempercepat produksi.
Fresh graduate yang tidak punya fundamental cenderung menjadi operator copy-paste.
Perbedaannya baru kelihatan ketika client bertanya:
“Kenapa kita ngomong begini?”
Dan AI nggak ada di ruangan buat jawab.
Coding juga sama
Kalau AI bisa membuat aplikasi, apakah fresh graduate developer masih perlu belajar coding?
Iya.
Tapi mungkin cara belajarnya berubah.
Penelitian 2026 tentang AI coding assistants menunjukkan engineer semakin menghabiskan lebih sedikit waktu pada penulisan code manual dan lebih banyak pada verification, direction, correction, dan supervisory engineering work.
Itu bukan berarti coding fundamentals mati.
Justru untuk mengoreksi output AI, lo harus paham.
Logic.
Data structure.
Architecture.
Testing.
Security.
Debugging.
Kalau agent membuat 500 baris code dan ada satu bug halus, siapa yang bisa lihat?
Orang yang cuma bisa prompt belum tentu.
Engineer yang ngerti system bisa.
Jadi fresh graduate developer jangan bangga hanya karena bisa membuat app cepat.
Tanya:
Gue ngerti app ini nggak?
Kalau break, bisa perbaiki?
Kalau user 100 ribu, apa yang terjadi?
Kalau API gagal?
Kalau package-nya insecure?
AI bisa mengurangi typing.
Tidak menghapus engineering.
Numeracy dan data literacy makin penting
AI bisa bikin chart.
Bisa menghitung.
Bisa bikin insight.
Ini justru membuat kemampuan membaca angka makin krusial.
Kalau lo nggak paham persentase, average, correlation, denominator, sample, dan basic statistics, AI bisa membuat angka ngawur terlihat sangat convincing.
Fresh graduate di finance, marketing, operations, bahkan HR butuh data literacy.
Tidak harus data scientist.
Tapi tahu kapan chart misleading.
Tahu angka dibanding apa.
Tahu source.
Tahu apakah sample cukup.
Tahu apa yang tidak disebut.
AI menurunkan barrier membuat analisis.
Akibatnya lebih banyak analisis akan beredar.
Quality control jadi mahal.
Microsoft Work Trend Index 2026 untuk Indonesia menemukan advanced AI users justru menempatkan critical thinking dan quality control sebagai skill penting.
Ini masuk akal.
Semakin banyak mesin memproduksi jawaban, semakin mahal kemampuan manusia memeriksa.
Jangan outsource proses belajar terlalu cepat
Ada fase ketika struggling itu penting.
Belajar Excel.
Belajar coding.
Belajar nulis.
Belajar presentasi.
Belajar research.
Kalau AI selalu memberi jawaban sebelum otak sempat berusaha, skill dasar tidak sempat terbentuk.
Ini dilemma generasi sekarang.
Tool terbaik untuk belajar juga bisa menjadi jalan tercepat menghindari belajar.
Cara pakainya menentukan.
Misalnya lo lagi belajar SQL.
Jangan langsung:
“Buat query-nya.”
Coba sendiri.
Kalau stuck, minta hint.
Bandingkan.
Minta AI jelaskan kenapa.
Kemudian tulis ulang tanpa bantuan.
Ini lebih lambat daripada copy.
Tapi membangun skill.
Hal yang sama buat writing.
Draft sendiri.
Minta critique.
Bukan selalu generate dari nol.
AI bisa menjadi tutor.
Jangan jadikan ghostwriter permanen.
Fresh graduate perlu punya mode tanpa AI
Ini mungkin terdengar old-school.
Tapi sangat berguna.
Sesekali kerjakan task dasar tanpa tool.
Tulis satu halaman.
Buat analysis.
Code fungsi sederhana.
Hitung.
Present.
Kenapa?
Untuk tahu baseline kemampuan sendiri.
Kalau nggak pernah lepas dari AI, lo tidak tahu mana skill lo dan mana capability tool.
Interview juga bisa menuntut.
Live discussion.
Whiteboard.
Case.
Oral reasoning.
Saat itu tidak cukup bilang:
“Biasanya gue tanya AI.”
Perusahaan makin sadar take-home assignment mudah dibantu model.
Assessment bergerak ke real-time interaction dan higher-order task.
Fresh graduate harus siap.
Bukan anti-AI.
Justru menggunakan AI dengan dewasa berarti tahu kapan tidak menggunakannya.
Jangan jadi orang yang output-nya bagus tapi reasoning-nya kosong
Ini salah satu problem paling gampang terlihat di kantor.
Deck bagus.
Design rapi.
Bahasa professional.
Ketika ditanya:
“Kenapa?”
Diam.
Atau menjawab sesuatu yang tidak nyambung.
Manager cepat menangkap.
Fresh graduate sering ingin terlihat senior.
AI bisa membantu penampilan.
Lebih sehat terlihat junior tapi punya reasoning.
“Gue pilih ini karena A dan B. Yang gue belum yakin C.”
Itu credible.
Perusahaan tidak berharap junior tahu semuanya.
Mereka berharap bisa belajar, jujur, dan berpikir.
AI tidak perlu dipakai untuk menyembunyikan ketidaktahuan.
Pakai untuk mempercepat belajar.
Ada perbedaan besar.
Skill bertanya juga fundamental
Orang suka menyebut prompt engineering.
Sebenarnya skill yang lebih tahan adalah kemampuan bertanya.
Apa problem-nya?
Informasi apa kurang?
Apa assumption?
Apa trade-off?
Apa source?
Apa alternatif?
AI membuat kualitas pertanyaan terlihat jelas.
Prompt generik memberi jawaban generik.
Tapi kemampuan bertanya bukan hanya untuk chatbot.
Meeting.
Interview.
Customer.
Manager.
Research.
Semua butuh.
Fresh graduate yang bisa bertanya bagus sering belajar lebih cepat.
Mereka tidak pura-pura paham.
Mereka menggali.
AI menjadi practice partner.
Bukan pengganti rasa ingin tahu.
Communication interpersonal tidak boleh ketinggalan
Karena AI bekerja di layar, fresh graduate bisa terlalu fokus digital skill.
Padahal PwC 2026 menunjukkan role entry-level yang terekspos AI justru makin sering meminta human-intensive skill.
Leadership.
Creativity.
Face-to-face interaction.
Kenapa?
Karena routine work bisa dibantu AI.
Yang tersisa adalah bagian yang lebih manusia.
Menjelaskan.
Mendengar.
Negotiation.
Present.
Collaborate.
Manage conflict.
Lo bisa punya deck terbaik.
Kalau nggak bisa menyampaikan, tetap susah.
Di Jakarta, banyak kerja corporate sangat relational.
Client meeting.
Internal coordination.
WhatsApp.
Stakeholder.
AI bisa bikin preparation.
Manusia tetap harus hadir.
Fresh graduate yang hanya kuat di screen bisa punya ceiling.
Domain knowledge tetap jadi pembeda
AI tahu banyak hal.
Tapi perusahaan tidak mencari orang yang tahu semua.
Mereka mencari orang yang tahu sesuatu cukup dalam untuk mengambil keputusan.
Finance.
Marketing.
Legal.
Logistics.
Energy.
Healthcare.
Retail.
Tech.
Pick.
Domain memberi filter.
AI bilang satu hal.
Lo tahu apakah cocok.
Kalau tidak punya domain, semua jawaban model terlihat sama.
Ini alasan career strategy sebaiknya bukan “gue mau kerja di AI”.
Tanya:
AI plus apa?
AI plus finance.
AI plus supply chain.
AI plus legal.
AI plus design.
AI plus sales.
Combination.
Fresh graduate yang punya domain plus AI literacy lebih kuat daripada general AI enthusiast tanpa grounding.
Build project yang memaksa skill dasar muncul
Portfolio terbaik bukan hanya output AI.
Buat project yang membutuhkan judgement.
Misalnya anak marketing:
Ambil 500 review publik.
Gunakan AI untuk clustering.
Tapi cek sample manual.
Temukan pattern.
Buat recommendation.
Present.
Di situ ada data literacy.
Writing.
Marketing.
AI.
Verification.
Atau developer:
Buat app.
Gunakan coding agent.
Tapi tulis README architecture.
Testing.
Security consideration.
Explain trade-off.
Sekarang employer bisa lihat lo bukan sekadar “vibe coding”.
Lo mengerti system.
Project seperti ini juga membangun confidence.
Bukan confidence palsu dari output instan.
AI literacy seharusnya membuat skill dasar lebih tajam
Ada cara menggunakan AI yang membuat orang malas.
Ada cara yang membuat belajar 3x lebih cepat.
Minta feedback.
Alternative explanation.
Simulation.
Quiz.
Code review.
Argument challenge.
Language practice.
AI bisa menjadi personal tutor sangat powerful.
Fresh graduate punya advantage besar dibanding generasi sebelumnya.
Dulu kalau stuck jam satu pagi, tunggu besok.
Sekarang bisa tanya.
Tapi jangan hanya minta jawaban.
Minta proses.
Minta kritik.
Minta pertanyaan balik.
Gunakan AI untuk membuat practice lebih banyak.
Bukan practice lebih sedikit.
Ini mindset yang menentukan.
Perusahaan juga harus berhenti berharap junior sudah senior
Ada tension yang nggak fair.
AI mengambil routine task.
Lalu perusahaan bilang entry-level harus punya judgement senior.
Tapi judgement terbentuk dari experience.
Kalau junior tidak diberi ruang belajar, dari mana?
Perusahaan perlu apprenticeship baru.
Mentoring.
Simulation.
Review.
Rotasi.
Junior harus diberi decision kecil.
Bukan cuma menjadi operator AI.
PwC 2026 sendiri mengingatkan hubungan tradisional antara experience dan expertise sedang berubah karena AI mengambil sebagian task rutin yang dulu menjadi apprenticeship.
Ini bukan masalah yang bisa dibebankan ke fresh graduate saja.
Organization harus redesign learning.
Kalau tidak, mereka menikmati productivity gain sekarang dan kekurangan senior nanti.
Fresh graduate yang bagus bukan yang paling sedikit butuh bantuan
Ini juga perlu diubah.
Junior memang butuh bantuan.
AI bisa menjadi salah satu.
Yang dinilai adalah quality of learning.
Apakah setelah dibantu, lo ngerti?
Apakah kesalahan sama berulang?
Apakah bisa menjelaskan?
Apakah bisa mengambil task lebih besar bulan depan?
Growth.
Bukan independence palsu.
Di era AI, orang bisa terlihat mandiri karena output cepat.
Manager harus melihat learning curve.
Fresh graduate juga harus mengukur dirinya.
Tiga bulan lalu bisa apa?
Sekarang?
AI seharusnya mempercepat capability building.
Kalau cuma mempercepat submission, lo stagnan.
Jangan takut kelihatan lambat saat sedang belajar dasar
Dunia 2026 punya pressure speed.
Semua instant.
AI menjawab detik.
Fresh graduate bisa merasa kalau butuh waktu berarti nggak pintar.
Salah.
Deep skill tetap butuh reps.
Coding.
Writing.
Analysis.
Presentation.
Domain.
Tidak ada shortcut total.
AI menurunkan friction.
Bukan menghapus learning curve.
Kalau perlu dua jam memahami satu konsep, nggak masalah.
Besok lo punya internal model.
Itu asset.
Orang yang hanya copy jawaban mungkin lebih cepat hari ini.
Enam bulan lagi difference kelihatan.
Skill dasar punya compounding effect.
Semakin kuat, semakin powerful AI di tangan lo.
Jadi fresh graduate 2026 memang harus bisa bekerja dengan AI.
Tidak ada gunanya romantisasi kerja manual.
Perusahaan bergerak.
Tool sudah ada.
Baseline berubah.
Tapi jangan salah mengartikan “AI-native” sebagai “nggak perlu tahu apa-apa karena AI bisa”.
Justru pekerja yang paling berbahaya adalah yang sangat cepat menghasilkan sesuatu yang tidak dia pahami.
Pekerja yang paling valuable adalah yang bisa menggunakan AI untuk mempercepat dirinya, tanpa menyerahkan judgement, skill dasar, dan tanggung jawab ke mesin.
Karena kalau suatu hari tool berganti, model berubah, atau output salah, yang tersisa bukan prompt history.
Yang tersisa adalah apakah lo benar-benar belajar sesuatu selama ini.
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.