Pada Februari 2026, sebuah laporan riset berjudul "Krisis Kecerdasan Global 2028" menarik perhatian luas di pasar keuangan. Dirilis oleh Citrini Research, simulasi skenario makro ini membayangkan lintasan ekonomi dari sekarang hingga 2028: pengangguran di AS melonjak melewati 10%, S&P 500 turun 38% dari puncaknya, dan krisis struktural yang dipicu oleh AI berkembang secara diam-diam.
Laporan ini menggambarkan situasi yang mengkhawatirkan: ketika agen AI mampu menjalankan tugas-tugas kerah putih yang kompleks dengan biaya marginal nyaris nol, model bisnis di layanan perangkat lunak, intermediasi keuangan, dan konsultasi profesional tergerus secara sistematis. Perusahaan menggunakan dana hasil PHK untuk membeli lebih banyak daya komputasi AI, yang pada akhirnya memicu PHK lanjutan—sebuah "lingkaran umpan balik tanpa rem alami." Walaupun output ekonomi terus tumbuh, pertumbuhan tersebut tidak lagi mengalir ke sektor konsumsi manusia—fenomena ini disebut dalam laporan sebagai "Ghost GDP."
Yang membuat laporan ini begitu berdampak bukanlah ketepatan prediksinya, melainkan fokusnya pada pertanyaan mendasar: ketika kecerdasan mesin secara bertahap menggantikan kecerdasan manusia—yang sebelumnya merupakan faktor produksi paling langka—apakah teori ekonomi yang ada masih relevan? Seperti yang ditekankan oleh salah satu penulis, Arup Shah, dalam sebuah wawancara, "Ini bukan prediksi, melainkan uji stres berbasis model jangka panjang—jika AI benar-benar terus berkembang seperti yang diharapkan semua orang, logika bisnis mana yang akan runtuh lebih dulu?"
Berdasarkan titik tolak tersebut, artikel ini membangun kerangka analisis "Tantangan–Tren–Dampak–Respons", dengan fokus pada "periode transisi antargenerasi" dari 2025 hingga 2075. Kami mengeksplorasi bagaimana struktur kelangkaan faktor produksi bergeser ketika biaya "eksekusi" mendekati nol, serta bagaimana distribusi kekayaan dan kontrak sosial dapat berkembang.
Menilai Ulang Kelangkaan: Pergeseran Kelangkaan Faktor Produksi
Tren Menuju Nol pada Biaya Eksekusi
"Eksekusi" merujuk pada tugas-tugas intelektual dan manual yang berulang dan dapat dialgoritmakan serta dirutinkan—seperti pemrograman dasar, akuntansi keuangan, pembuatan konten, dan sebagainya. AI mendorong biaya marginal eksekusi semacam itu menuju nol. Skenario yang digambarkan dalam "Krisis Kecerdasan Global 2028": industri jasa TI India, dengan pendapatan ekspor tahunan lebih dari USD 200 miliar, menghadapi disrupsi ketika klien global beralih ke agen pemrograman AI yang biayanya pada dasarnya hanya listrik. Laporan tersebut mencatat, "Seluruh model dibangun di atas satu proposisi nilai—pengembang India biayanya hanya sebagian kecil dari pengembang AS. Namun, biaya marginal agen pemrograman AI telah runtuh menjadi, pada dasarnya, harga listrik."
Tren ini sudah didukung oleh data. Lapangan kerja sektor TI AS turun 8% dari puncaknya pada 2022 hingga awal 2026. Sektor ini berada di garis depan penetrasi AI. Shah menyoroti, "Semakin mudah sebuah industri menyerahkan tugas ke AI, semakin nyata kehilangan pekerjaan. Dan pekerjaan yang paling mudah tergantikan adalah pekerjaan kerah putih." Pemrosesan informasi, analisis data, persetujuan alur kerja—tugas-tugas yang sebelumnya memerlukan tenaga kerja berpendidikan tinggi dan bergaji besar—kini dapat dilakukan AI dengan biaya minimal.
Dari perspektif ekonomi, ini pada dasarnya adalah penyesuaian struktural dalam kelangkaan relatif faktor produksi. Dalam sebuah makalah di Financial Review, Zhang Xiaojing dan Li Jingjing berpendapat bahwa AI mendorong terjadinya "pergeseran kelangkaan"—perubahan struktur kelangkaan relatif sumber daya dominan di tengah transformasi teknologi. Ini berarti modal tak berwujud (data, algoritma, daya komputasi, dan sebagainya) semakin bernilai, sementara status kelangkaan beberapa faktor tenaga kerja terkikis.
Nilai Kelangkaan pada Pengambilan Keputusan Meningkat
Seiring turunnya biaya eksekusi, nilai "kekuasaan pengambilan keputusan" meningkat. Pengambilan keputusan meliputi: menanggung risiko dalam kondisi informasi tidak lengkap, mengalokasikan sumber daya, menetapkan tujuan, menangani dilema etika, serta secara kritis mengevaluasi dan mengambil keputusan akhir atas output AI.
Teori ekonomi tentang kewirausahaan telah lama menunjukkan bahwa pengambilan keputusan dan pengambilan risiko adalah sumber utama keuntungan. Ketika pasokan eksekusi tidak terbatas, harganya (upah) cenderung menuju nol, sehingga "pengambilan keputusan" menjadi faktor penghambat, dan nilainya (rente/keuntungan) tak terelakkan meningkat. Inilah sisi lain dari "pergeseran kelangkaan"—sistem AI mengotomasi tugas kognitif kompleks, mengurangi kelangkaan tenaga kerja manusia dalam pemrosesan informasi, namun secara bersamaan menciptakan sumber kelangkaan baru.
Pada tingkat organisasi, AI membentuk ulang mekanisme pengambilan keputusan. Keputusan yang berbasis aturan, kaya data, dan berulang paling mudah digantikan oleh AI. Untuk keputusan berisiko tinggi dan penuh tanggung jawab, AI lebih berperan sebagai "mitra berpikir." Studi simulasi Monte Carlo menunjukkan bahwa dalam skenario kompleks, kolaborasi manusia–AI menghasilkan utilitas ekonomi tertinggi, tetapi hanya jika tercapai "augmentasi" yang nyata; tanpa sinergi, kolaborasi manusia–AI bisa lebih buruk daripada strategi murni mesin atau murni manusia.
Perubahan Fase Struktural: Evolusi Distribusi Pendapatan
Dari Pendapatan Tenaga Kerja ke Pendapatan Modal dan Pengambilan Keputusan
AI mengubah struktur dasar distribusi pendapatan. Analisis IPPR menunjukkan bahwa pekerjaan di Inggris yang berpotensi otomatisasi mencakup upah sebesar £290 miliar—sekitar sepertiga dari total upah nasional. Jika otomatisasi menyebabkan rata-rata upah turun atau jam kerja berkurang, porsi pendapatan nasional yang signifikan akan bergeser dari tenaga kerja ke modal.
Laporan "Krisis Kecerdasan Global 2028" memproyeksikan hasil ekstrem dari tren ini: porsi tenaga kerja dalam PDB anjlok dari 56% pada 2024 menjadi 46% dalam skenario 2028. Kekayaan semakin terkonsentrasi di tangan "pemilik daya komputasi dan modal," sementara pendapatan tenaga kerja terus menyusut. Ini bukan sekadar gelombang pengangguran teknologi berikutnya—ini adalah pemisahan antara penciptaan nilai dan distribusi nilai. "Mesin tidak perlu membelanjakan uang untuk konsumsi." Ketika pertumbuhan output tidak lagi diterjemahkan menjadi daya beli, fondasi siklus ekonomi mulai goyah.
Polarisasi distribusi di era AI berakar pada kelangkaan modal tak berwujud baru, yang nilai marginalnya terus meningkat dan kepemilikannya terkonsentrasi, mengubah logika alokasi faktor ekonomi modern. Ketika kepemilikan modal sangat timpang, kenaikan porsi pendapatan modal tak terelakkan memperparah ketimpangan—"siapa yang memiliki robot, akan memiliki porsi kekayaan nasional yang semakin besar."
Dampak ini menyebar dari industri tertentu ke perekonomian secara luas. Shah mencatat bahwa 20% kelompok berpendapatan tertinggi menyumbang sekitar 65% pengeluaran konsumen AS. Jika pendapatan kerah putih melemah, arus kas seluruh rantai konsumsi akan tertekan. Laporan tersebut memodelkan sebuah skenario: kenaikan 5% pengangguran kerah putih bisa memicu penurunan konsumsi jauh lebih besar dari 5%—seorang manajer produk dengan gaji USD 150.000 per tahun yang kehilangan pekerjaan dan beralih ke pekerjaan lepas bisa mengalami penurunan pendapatan lebih dari 70%.
Perdebatan Kebijakan tentang Sosialisasi Keuntungan AI
Ketika AI menjadi kekuatan produktif inti masyarakat, haruskah keuntungannya yang besar didistribusikan ulang melalui mekanisme tertentu? Pertanyaan ini semakin mendapat sorotan. Para ahli di Baker Tilly menegaskan, "Agar ekonomi berbasis AI dapat tumbuh, masyarakat harus memastikan konsumen tetap memiliki daya beli. Beberapa bentuk pendapatan dasar universal atau variannya dapat menjadi jaring pengaman ini."
Raksasa teknologi juga mengusulkan hal serupa. CEO OpenAI, Sam Altman, mengajukan "American Equity Fund," yang akan mengenakan pajak 2,5% pada korporasi besar dan tanah pribadi untuk membayar dividen tahunan kepada setiap orang dewasa Amerika. Mustafa Suleyman, kepala bisnis AI konsumen Microsoft, mendorong "Universal Basic Services," dengan menempatkan akses ke sistem AI kuat sebagai hak dasar.
Namun, usulan-usulan ini menghadapi skeptisisme besar. Jika ditelaah lebih dalam, rencana Altman tidak mendorong kontrol pekerja atas OpenAI, maupun kepemilikan publik atas infrastruktur AI—ia hanya berharap pemerintah mensosialisasikan keuntungan, sementara chip, algoritma, dan platform yang menghasilkan kekayaan tetap dikuasai segelintir individu superkaya. Media Jepang mengangkat pertanyaan mendasar: ketika begitu banyak nilai telah dikonversi menjadi ekuitas dan warisan kekayaan, benarkah dividen bisa menguntungkan masyarakat luas?
Selain itu, bagi sebagian besar negara yang tidak memiliki perusahaan AI terkemuka, jika pekerjaan lokal tergantikan otomatisasi dan keuntungan terkonsentrasi di luar negeri, siapa yang akan membayar pendapatan warga mereka? Salah satu solusi yang mungkin adalah membentuk "Dana Dividen AI Internasional," yang akan mengenakan pajak moderat pada laba perusahaan AI terbesar untuk mendukung negara-negara yang paling terdampak.
Strategi Adaptif: Menambatkan Nilai Selama Masa Transisi
Tingkat Individu: Dari Kompetisi Keterampilan ke Literasi Pengambilan Keputusan
Ketika retensi pengetahuan dan memori menjadi keunggulan absolut AI, pendidikan harus berubah. Daya saing inti individu dan organisasi di masa depan bukan lagi seberapa banyak yang diingat, melainkan seberapa cepat mereka dapat belajar hal baru dan beradaptasi dengan perubahan.
Ini berarti pendidikan harus bergeser dari "transmisi pengetahuan" ke "literasi pengambilan keputusan"—termasuk berpikir kritis, penilaian risiko sistemik, analisis dilema etika, serta kemampuan "mengkalibrasi" dan "memveto" output AI. Forrester memprediksi bahwa pada 2026, 30% perusahaan besar akan mewajibkan pelatihan AI untuk meningkatkan "AIQ" karyawan dan mengurangi risiko tanggung jawab hukum.
Fenomena "pembekuan pekerjaan" yang diungkapkan dalam "Krisis Kecerdasan Global 2028" patut dicermati: perusahaan mengambil pendekatan lebih halus—bisnis tumbuh, tetapi semua tugas baru dialihkan ke AI, tanpa perekrutan baru. Ini mungkin tampak tidak bermasalah, namun sangat memengaruhi kemampuan pasar tenaga kerja untuk beregenerasi. Shah menekankan bahwa bahkan perusahaan dengan keuangan sehat saat ini mengalami penurunan harga saham—dengan alasan sederhana: "Jika setiap perusahaan menggunakan AI untuk menggantikan manusia demi menjaga margin, maka tiga tahun lagi, siapa yang akan membeli produk mereka?"
Tingkat Sosial: Menjelajahi Kontrak Sosial Baru
Pada tingkat kelembagaan, masa transisi menuntut kontrak sosial baru. Arah kebijakan potensial meliputi: membangun rekening pembelajaran seumur hidup, memperkuat jaring pengaman sosial, dan mengeksplorasi mekanisme pencatatan serta pengembalian nilai atas "data sebagai tenaga kerja."
UNDP menyoroti bahwa lintasan AI tidak ditentukan oleh kecepatan kemajuan teknologi, melainkan oleh "siapa yang mendapatkan manfaatnya." Jalur ini tidak ditetapkan pada saat penemuan, melainkan dibentuk oleh pilihan-pilihan cermat tentang bagaimana, di mana, dan untuk siapa AI digunakan. Dalam praktiknya, penyebaran AI sering kali terjadi bukan melalui strategi nasional, melainkan lewat keputusan pengadaan, platform, dan operasional sehari-hari.
Kerangka kebijakan makro juga perlu diperbarui. Model tradisional mengasumsikan kelangkaan faktor dan kenaikan biaya marginal, tetapi dengan AI yang menekan biaya marginal menuju nol, pengukuran inflasi menjadi tidak akurat dan pasar kerja menghadapi ketidakcocokan "keterampilan–aturan." Beberapa ahli menyarankan memasukkan metrik seperti "tingkat substitusi algoritmik" dan "koefisien Gini digital" ke dalam perangkat kebijakan, beralih dari kontrol agregat ke keseimbangan dinamis antara biaya tata kelola dan hasil inovasi.
Tingkat Aset: Analisis dari Perspektif Kepemilikan
Berdasarkan kesimpulan sebelumnya bahwa "kekayaan bergeser ke arah modal dan pengambilan keputusan," selama transisi antargenerasi, inti penambatan kekayaan pribadi bisa beralih dari "menjual tenaga kerja untuk uang" menjadi "memiliki aset produktif." Dalam pengertian luas, "aset produktif" tidak hanya mencakup ekuitas korporasi dan properti tradisional, tetapi juga infrastruktur ekonomi AI baru—daya komputasi, kepemilikan data, dan token tata kelola untuk platform.
IPPR mengusulkan perluasan alokasi modal dan diversifikasi model kepemilikan untuk mendemokratisasi "siapa yang berhak atas dividen ekonomi otomatisasi." Strategi spesifik meliputi dana kekayaan warga, trust kepemilikan karyawan, dan model bagi hasil baru. Keyakinan utamanya: model kepemilikan baru yang beragam sangat penting untuk memastikan otomatisasi menciptakan kemakmuran bersama.
Analisis ini bukan nasihat investasi, melainkan penilaian objektif terhadap tren makro—untuk membantu pembaca memahami logika ekonomi di balik perubahan nilai aset. Seperti dicatat UNDP, keputusan tentang bagaimana data dihasilkan, dibagikan, disimpan, dan digunakan kembali menentukan apakah organisasi dapat memahami cara sistem AI menciptakan dampak, melakukan intervensi saat masalah muncul, dan meningkatkan kinerja dari waktu ke waktu.
Kesimpulan: Pilihan Sosial Setelah Pergeseran Kelangkaan
Transformasi mendasar era AI adalah pergeseran nilai dari "eksekusi" ke "pengambilan keputusan" dan "kepemilikan." Selama "transisi antargenerasi" dari 2025 hingga 2075, tantangannya adalah bagaimana mengelola transformasi struktural ini secara mulus.
Para penulis "Krisis Kecerdasan Global 2028" menekankan sebagai respons atas gejolak pasar: "Jika Anda mengambil sudut pandang paling optimis terhadap dampak disrupsi AI, apa yang terjadi selanjutnya? Sebagai masyarakat, kita harus menghadapi dan mempertimbangkan kenyataan ini secara serius." Nilai laporan ini bukan pada ketepatan prediksinya, melainkan pada kemampuannya memaksa kita menghadapi pertanyaan-pertanyaan yang mungkin selama ini diabaikan.
Bentuk masyarakat masa depan—apakah akan mengarah pada "sentralisasi algoritmik" yang semakin terkonsentrasi atau "masyarakat kepemilikan" yang lebih adil—tidak akan ditentukan oleh teknologi semata. Isu kunci saat ini bukan "apakah AI perlu dikembangkan," melainkan "bagaimana mengembangkan AI," dan "siapa yang mendapat manfaat dari AI." Tanpa tata kelola sumber daya kunci yang efektif, penyesuaian struktur distribusi yang visioner, serta perencanaan bertanggung jawab bagi generasi mendatang, bahkan kemajuan teknologi yang eksponensial pun dapat membuat manfaat kesejahteraannya terimbangi oleh risiko struktural. Pada akhirnya, tujuan akhir dari seluruh teknologi adalah kesejahteraan manusia. Berpegang pada prinsip "berpusat pada manusia"—dengan tujuan menciptakan masyarakat yang sejahtera bersama—harus menjadi tujuan utama pengembangan AI.
