Penurunan Pekerjaan Bersih Akibat AI Turun Menjadi 11.000 per Bulan. Konstruksi Menyembunyikan Kebenaran

Angka yang mengatakan AI semakin sedikit merusak pasar kerja adalah angka yang paling tidak perlu Anda percayai saat ini.

Menurut laporan Fortune tanggal 1 Juni tentang penelitian Goldman Sachs terbaru, penurunan bersih AI pada pertumbuhan gaji bulanan AS telah mereda menjadi sekitar 11.000 pekerjaan, turun dari sekitar 16.000 lebih awal tahun ini. Secara sepintas, itu terbaca sebagai tanda bahwa yang terburuk sudah berlalu. Belum. Perbaikan itu hampir seluruhnya berasal dari helm proyek, bukan dari pemulihan pekerjaan kerah putih.

Jika Anda menjalankan perusahaan dan menetapkan rencana jumlah karyawan 2026 berdasarkan angka utama itu, Anda akan merencanakan untuk pasar tenaga kerja yang sedang stabil. Data di baliknya mengatakan sesuatu yang lebih tidak nyaman, dan itu mengubah tempat Anda seharusnya membelanjakan anggaran AI.

Apa yang Sebenarnya Dikatakan Angka Goldman

Para ekonom Goldman memisah-misahkan efek AI pada pasar tenaga kerja menjadi dua kekuatan yang berlawanan. Satu adalah substitusi: peran di mana AI melakukan pekerjaan sebagai pengganti manusia. Yang lain adalah augmentasi: peran di mana AI membuat seseorang lebih produktif dan perusahaan terus merekrut.

Selama setahun terakhir, substitusi menghapus sekitar 25.000 pekerjaan AS per bulan. Augmentasi menambahkan kembali sekitar 9.000. Hasilkan bersihnya dan Anda mendapatkan penurunan sekitar 16.000 per bulan yang berjalan sepanjang sebagian besar tahun ini. Pekerjaan ini dipimpin oleh ekonom Goldman Elsie Peng, yang menilai pekerjaan berdasarkan ukuran perpindahan yang dipasangkan dengan indeks komplementaritas internasional, kemudian mempertimbangkan paradoks Jevons: ketika AI membuat tugas menjadi lebih murah, total permintaan untuk hasilnya bisa naik dan menarik kembali beberapa pekerjaan.

Dekomposisi itulah yang layak dipertahankan. Angka bersih tunggal menyembunyikannya. Dua perusahaan dapat memposting jumlah karyawan yang sama persis namun berada dalam posisi yang sepenuhnya berbeda, satu diam-diam mengalami pendarahan peran yang disubstitusi, yang lain menambahkan peran yang diaugmentasi. Angka bersih tidak memberi tahu Anda yang mana Anda.

Fakta Utama

• Substitusi AI memotong sekitar 25.000 pekerjaan AS per bulan selama setahun terakhir, sementara augmentasi menambahkan kembali sekitar 9.000, untuk penurunan bersih sekitar 16.000 (penelitian Goldman Sachs, melalui Fortune, 1 Juni 2026)
• AI Adoption Tracker terbaru Goldman menempatkan penurunan bersih pada sekitar 11.000 pekerjaan per bulan, namun konstruksi pusat data telah menambahkan 212.000 pekerjaan sejak 2022, sekitar 9.000 per bulan (Fortune, 1 Juni 2026)
• Goldman memperkirakan AI telah menaikkan tingkat pengangguran AS sekitar 0,1 poin persentase sejauh ini, dengan tingkat yang bergerak menuju 4,5% pada 2026 dari 4,3% pada Januari (penelitian Goldman Sachs)

Mengapa Angka yang Lebih Baik Itu adalah Fatamorgana

Inilah masalah dalam perbaikan dari 16.000 menjadi 11.000. Kesenjangan itu tidak menutup karena AI berhenti mensubstitusi peran white-collar. Itu menutup karena pembangunan infrastruktur AI sedang mempekerjakan tim konstruksi.

Konstruksi pusat data telah menambahkan sekitar 212.000 pekerjaan sejak 2022, dan saat ini menghasilkan sekitar 9.000 posisi baru per bulan. Itu adalah jenis pekerjaan fisik, di lokasi, dengan penilaian manusia yang berada di sisi augmentasi buku besar Goldman. Jadi ledakan yang mengotomatisasi staf klaim dan karyawan entri data, pada saat yang sama, menuangkan beton dan menarik kabel conduit. Baris item konstruksi menutupi baris item kantor.

Bagi CEO, pembacaan praktisnya tegas. Substitusi white-collar yang menghantam fungsi administratif, dukungan, dan entry-level Anda belum berbalik. Itu telah dinetralkan dengan lonjakan konstruksi yang tidak ada hubungannya dengan bagan organisasi Anda. Singkirkan helm proyek dan penurunan pekerjaan kantor terlihat lebih buruk dari 11.000, bukan lebih baik.

Substitusi vs Augmentasi adalah Sinyal Nyata

Hal paling berguna dalam penelitian Goldman bukan hitungan makro. Ini adalah peta peran mana yang jatuh di sisi mana, karena peta itu adalah alat perencanaan yang bisa Anda terapkan pada perusahaan Anda sendiri kuartal ini.

Di sisi substitusi, peran berisiko tertinggi adalah yang rutin dan berbasis aturan: operator telepon, staf klaim asuransi, penagih utang, perwakilan layanan pelanggan, dan staf entri data. Di sisi augmentasi, peran yang mendapat pekerjaan berbagi benang yang tidak bisa dipalsukan spreadsheet: kehadiran fisik, penilaian manusia, atau pekerjaan interpersonal nyata. Contoh Goldman mencakup pekerja pendidikan, hakim, dan manajer konstruksi.

Pembagian itu memberi Anda instrumen sederhana. Sebut saja ledger substitusi-augmentasi. Ambil setiap fungsi di bisnis Anda dan ajukan satu pertanyaan: apakah Anda menyebarkan AI di sini untuk menghapus orang, atau untuk membuat orang yang Anda pertahankan menghasilkan lebih banyak? Nilai setiap peran. Pola yang muncul dalam ledger Anda sendiri memberi tahu Anda di mana Anda memanen penghematan biaya satu kali dan di mana Anda menggabungkan output.

Alasan ini penting melampaui kerangka yang rapi adalah bahwa substitusi murni terus berbalik arah. Kami telah membahas bagaimana lebih dari setengah PHK yang didorong AI sudah berbalik pada perusahaan yang melakukannya dalam analisis pajak pengawasan AI, di mana biaya tersembunyi dari mengawasi dan mengoreksi AI menghabiskan penghematan. Angka augmentasi Goldman, nyata dan positif 9.000 pekerjaan per bulan, adalah sinyal yang lebih tenang: perusahaan yang bersandar pada augmentasi masih menambah orang dan mendapatkan lebih banyak dari mereka.

Ada kerutan jalur bakat dalam data tersebut juga. Goldman menemukan bahwa kenaikan satu standar deviasi dalam paparan suatu pekerjaan terhadap substitusi AI memperlebar kesenjangan upah antara pekerja entry-level dan berpengalaman sekitar 3,3 poin persentase. Rekrutmen entry-level di layanan profesional sudah mendingin tajam, yang sejalan dengan runtuhnya posisi entry-level yang kami soroti sebelumnya. Jika Anda berhenti merekrut junior karena AI mencakup tingkat bawah hari ini, Anda juga berhenti membangun senior yang akan Anda butuhkan dalam tiga tahun.

Apa yang Ini Ubah untuk Rencana Jumlah Karyawan 2026 Anda

Anda tidak perlu bereaksi terhadap angka makro. Anda perlu menjalankan versi Anda sendiri. Tiga langkah.

Langkah 1: Bangun ledger substitusi-augmentasi Anda sebelum siklus perencanaan berikutnya. Daftarkan fungsi Anda. Tandai masing-masing sebagai AI-mensubstitusi (jumlah karyawan turun) atau AI-mengaugmentasi (jumlah karyawan stabil atau naik, output meningkat). Jangan rata-ratakan menjadi satu angka, seperti yang dilakukan statistik makro. Campurannya adalah wawasannya. Jika ledger Anda hampir semuanya substitusi, Anda mengoptimalkan untuk penghematan satu kali dan Anda harus mengharapkan pajak pengawasan muncul berikutnya.

Langkah 2: Lindungi tingkat junior yang akan Anda potong pertama. Peran yang dimakan AI paling awal adalah peran entry-level, dan data upah mengatakan justru di situlah tekanannya paling tajam. Putuskan secara sengaja apakah akan mempertahankan jalur bakat junior daripada membiarkan AI menghapusnya secara diam-diam melalui atrisi. Program federal dapat mengimbangi biayanya, itulah mengapa kami membahas apakah magang AI mengalahkan rekrutmen dari segi harga.

Langkah 3: Uji stres rencana tenaga kerja Anda terhadap lebih dari satu masa depan. Kasus dasar Goldman adalah kurva adopsi sekitar 10 tahun dengan 6 hingga 7 persen pekerja dipindahkan selama transisi dan pengangguran naik sekitar 0,6 poin persentase jangka panjang. Itu adalah kerucut hasil yang lebar. Prakiraan satu titik akan salah; rencana yang bertahan di berbagai skenario tidak akan. Kami menjabarkan latihan itu dalam pos pemeriksaan empat masa depan untuk pekerjaan.

Angka utama akan terus bergerak dari bulan ke bulan, dan akan terus berisik karena rekrutmen konstruksi dan otomatisasi kantor menarik ke arah yang berlawanan di dalamnya. Sinyal yang stabil adalah yang bisa Anda tindaklanjuti: substitusi dan Anda memotong sekali, augmentasi dan Anda menggabungkan. Bangun ledger yang memberi tahu Anda mana yang sebenarnya Anda lakukan.

Pelajari Lebih Lanjut

• Mengapa 55% PHK AI Berbalik pada Para CEO
• AI Merusak Pekerjaan Entry-Level
• Empat Masa Depan untuk Pekerjaan pada 2030: Pos Pemeriksaan Pertengahan 2026 untuk Para CEO
• Bisakah Magang AI Federal Mengatasi Kesenjangan Keterampilan Anda Lebih Murah daripada Merekrut?
• Perencanaan Skenario

FAQ

Berapa banyak pekerjaan yang dipotong AI per bulan pada 2026?

Goldman Sachs memperkirakan AI telah menjadi penurunan bersih sekitar 11.000 pekerjaan AS per bulan belakangan ini, turun dari sekitar 16.000 lebih awal tahun ini. Di balik angka itu, substitusi menghapus sekitar 25.000 pekerjaan per bulan sementara augmentasi menambahkan kembali sekitar 9.000. Perbaikan dalam angka bersih sebagian besar berasal dari rekrutmen konstruksi pusat data, bukan dari perlambatan otomatisasi white-collar.

Apakah efek AI pada pasar kerja sebenarnya membaik?

Tidak di bagian yang penting bagi sebagian besar perusahaan berbasis kantor. Angka bersih Goldman membaik terutama karena konstruksi pusat data telah menambahkan sekitar 212.000 pekerjaan sejak 2022, sekitar 9.000 per bulan. Pekerjaan fisik di lokasi itu mengimbangi substitusi peran administratif dan dukungan yang berkelanjutan dalam rata-rata, sehingga penurunan white-collar tampak lebih ringan dari sebenarnya.

Pekerjaan mana yang paling berisiko dari AI, dan mana yang paling terlindungi?

Penelitian Goldman menempatkan peran rutin dan berbasis aturan pada risiko substitusi tertinggi: operator telepon, staf klaim asuransi, penagih utang, perwakilan layanan pelanggan, dan staf entri data. Peran yang paling terlindungi dan mendapat pekerjaan melibatkan kehadiran fisik, penilaian manusia, atau pekerjaan interpersonal, seperti pekerja pendidikan, hakim, dan manajer konstruksi.

Sumber: Fortune (1 Juni 2026), melaporkan penelitian Goldman Sachs. Latar belakang: Goldman Sachs Insights.