Di sebuah kelas karier, layar proyektor menampilkan daftar pekerjaan yang terdengar sangat baru.
AI product specialist.
Synthetic media producer.
AI governance analyst.
Automation designer.
Model evaluator.
Seorang siswa berbisik kepada temannya.
“Gue salah lahir. Kakakku dulu tinggal milih dokter, insinyur, akuntan.”
Guru yang mendengar ikut tertawa.
“Dulu juga pilihan kerja nggak cuma tiga.”
“Tapi sekarang namanya aneh-aneh, Bu.”
“Itu benar.”
“Berarti kita harus belajar semua yang baru?”
Guru menggeleng.
“Justru jangan.”
Ketika teknologi berubah cepat, nama profesi memang ikut berkembang. Ada pekerjaan yang beberapa tahun lalu belum umum dibicarakan. Ada pekerjaan lama yang mendapat lapisan AI. Ada orang yang sekarang melakukan kombinasi tugas yang tidak punya nama jelas ketika mereka masih sekolah.
Tetapi ada kesalahan kalau remaja melihat semua itu lalu menyimpulkan bahwa fondasi lama tidak lagi relevan.
Profesi baru tetap membutuhkan manusia yang bisa membaca, menulis, menghitung, memahami bidang, bekerja bersama orang lain, membuat keputusan, dan bertanggung jawab.
Teknologi berubah lebih cepat daripada fondasi.
Itulah sebabnya sekolah tidak harus mengejar setiap nama pekerjaan baru.
Sekolah perlu membangun kemampuan yang bisa dibawa anak dari satu gelombang teknologi ke gelombang berikutnya.
Nama pekerjaan bisa baru, masalah manusianya sering lama
Bayangkan pekerjaan bernama AI governance analyst.
Namanya terdengar sangat 2026.
Apa yang mungkin dilakukan?
Membaca kebijakan.
Menilai risiko.
Berkomunikasi dengan tim teknologi.
Memahami penggunaan data.
Membuat dokumentasi.
Menganalisis dampak.
Menjelaskan rekomendasi kepada orang lain.
Sebagian tugas membutuhkan pemahaman AI.
Tetapi banyak fondasinya bukan barang baru.
Membaca teliti.
Menulis jelas.
Berpikir sistematis.
Berargumentasi.
Memahami hukum atau kebijakan.
Mendengar perspektif berbeda.
Begitu juga synthetic media producer.
Tool-nya baru.
Tetapi storytelling, komposisi, ritme, audiens, etika, dan kemampuan mengarahkan karya tetap penting.
Profesi baru sering merupakan kombinasi antara domain lama dan teknologi baru.
Karena itu, anak tidak perlu mengejar label.
Lebih berguna mengejar kombinasi skill.
Fondasi pertama: bahasa
Ada remaja yang berpikir menulis tidak lagi penting karena AI bisa menulis.
Justru jika semua orang bisa menghasilkan teks, kemampuan menilai teks menjadi lebih berharga.
Apakah argumennya jelas?
Apakah ada klaim tanpa bukti?
Apakah kalimatnya sesuai audiens?
Apakah ada bagian yang manipulatif?
Apakah informasi penting tenggelam?
Apakah dokumen dapat dipertanggungjawabkan?
Orang yang tidak bisa menulis dan membaca secara baik akan sulit membedakan tulisan AI yang kuat dengan tulisan yang sekadar terdengar canggih.
Bahasa bukan skill jadul.
Bahasa adalah interface manusia terhadap ide.
Bahkan ketika AI membantu menulis, manusia tetap perlu tahu apa yang ingin dikatakan.
Fondasi kedua: matematika dan data
Tidak semua anak akan menjadi data scientist.
Tetapi dunia digital menghasilkan semakin banyak angka.
Persentase.
Grafik.
Probabilitas.
Metric.
Prediksi.
Dashboard.
Skor.
AI juga suka menghasilkan angka yang terlihat meyakinkan.
Remaja perlu kemampuan bertanya:
Angka ini dari mana?
Denominator-nya apa?
Sampelnya siapa?
Apakah grafiknya menyesatkan?
Apakah korelasi dianggap sebab?
Apakah model hanya memberi estimasi?
Matematika bukan cuma soal mengerjakan rumus di ujian.
Ia melatih cara melihat struktur dan ukuran.
Di profesi baru sekalipun, quantitative literacy membantu manusia tidak mudah ditipu oleh angka yang rapi.
Fondasi ketiga: domain knowledge
AI general-purpose dapat membantu banyak pekerjaan, tetapi konteks spesifik tetap penting.
Seorang profesional pendidikan yang menggunakan AI perlu memahami belajar.
Profesional hukum perlu memahami hukum.
Profesional keuangan perlu memahami akuntansi, risiko, dan regulasi.
Profesional kesehatan perlu memahami kesehatan.
Profesional kreatif perlu memahami medium, audiens, dan budaya.
Domain knowledge membuat seseorang bisa bertanya lebih baik dan menilai output lebih tajam.
Tanpa domain knowledge, AI dapat menghasilkan sesuatu yang terlihat masuk akal tetapi pengguna tidak punya dasar untuk mengkritiknya.
Remaja tidak perlu menentukan satu domain selamanya.
Tetapi mereka perlu merasakan apa artinya mempelajari sesuatu sampai cukup dalam.
Fondasi keempat: komunikasi dengan manusia
Pekerjaan masa depan tidak berarti manusia bekerja sendirian dengan mesin sepanjang hari.
Tim masih ada.
Klien masih ada.
Pengguna masih ada.
Pasien.
Siswa.
Atasan.
Masyarakat.
Mitra.
Kemampuan menjelaskan sesuatu kepada orang yang berbeda perspektif tetap penting.
AI mungkin bisa menulis email.
Tetapi manusia harus memutuskan apakah email itu tepat dikirim.
AI bisa merangkum rapat.
Tetapi manusia perlu menyelesaikan konflik.
AI bisa membuat presentasi.
Tetapi manusia tetap harus membaca ruangan.
Komunikasi bukan sekadar menghasilkan kata.
Komunikasi adalah memahami orang lain dan mencapai pemahaman bersama.
Fondasi kelima: rasa ingin tahu
Profesi baru muncul karena masalah dan teknologi baru muncul.
Anak yang hanya nyaman menjalankan instruksi akan kesulitan ketika instruksinya belum ada.
Curiosity membantu seseorang bertanya:
Kenapa proses ini seperti ini?
Bisa dibuat lebih baik?
Apa yang belum kita pahami?
Siapa yang belum terlayani?
Apa dampak sampingnya?
AI bisa membantu mencari jawaban.
Tetapi pertanyaan pertama tetap harus lahir dari seseorang.
Di sekolah, curiosity bisa dilatih dengan memberi ruang untuk pertanyaan yang tidak langsung dinilai.
Proyek.
Eksperimen.
Investigasi.
Diskusi.
Tidak setiap tugas harus punya satu jawaban final.
Fondasi keenam: membuat dan menyelesaikan
Punya ide berbeda dengan menyelesaikan sesuatu.
Profesi baru tetap membutuhkan orang yang dapat membawa pekerjaan dari konsep ke hasil.
Rencana.
Eksekusi.
Revisi.
Deadline.
Feedback.
Dokumentasi.
Serah terima.
AI dapat mempercepat beberapa langkah.
Tetapi proyek tetap membutuhkan ownership.
Anak sebaiknya mengalami tugas yang berlangsung lebih dari satu sesi.
Bukan hanya soal yang selesai dalam lima menit.
Buat majalah sekolah.
Bangun website sederhana.
Jalankan acara.
Buat penelitian kecil.
Desain kampanye.
Buat aplikasi.
Kelola bisnis mini.
Proyek mengajarkan sesuatu yang sulit didapat dari prompt: konsekuensi keputusan.
Fondasi ketujuh: etika
Semakin mudah teknologi melakukan sesuatu, semakin sering manusia harus bertanya apakah sesuatu layak dilakukan.
Bisa membuat clone suara bukan berarti boleh.
Bisa menghasilkan foto seseorang bukan berarti bebas memakainya.
Bisa mengumpulkan data bukan berarti semua data pantas dikumpulkan.
Bisa mengotomatisasi keputusan bukan berarti keputusan tersebut aman tanpa pengawasan.
Profesi baru di sekitar AI akan berhadapan dengan banyak pertanyaan seperti ini.
Etika tidak cukup diajarkan sebagai lima larangan.
Remaja perlu latihan melihat konflik kepentingan dan trade-off.
Misalnya:
Sebuah sekolah ingin memakai AI untuk mendeteksi siswa yang dianggap berisiko gagal. Data apa yang digunakan? Siapa yang boleh melihat? Bagaimana kalau model salah? Apakah siswa tahu? Apa manfaatnya? Apa kerugiannya?
Tidak ada tombol yang langsung memberi jawaban moral.
Itulah sebabnya judgment dibutuhkan.
Fondasi kedelapan: belajar ulang
World Economic Forum memperkirakan perubahan besar pada skill yang dibutuhkan dunia kerja sampai 2030. AI dan big data termasuk skill yang tumbuh cepat, tetapi skill manusia seperti analytical thinking, creative thinking, resilience, flexibility, leadership, dan collaboration juga tetap penting.
Ini menunjukkan satu pola:
teknologi dan human skills tidak saling menggantikan.
Mereka bertemu.
Anak perlu belajar menggunakan alat baru, lalu mungkin belajar lagi beberapa tahun kemudian.
Belajar ulang bukan tanda pendidikan sebelumnya sia-sia.
Justru fondasi yang bagus membuat reskilling lebih mudah.
Orang yang bisa membaca dokumentasi, memahami konsep, bertanya, mencoba, dan mengevaluasi akan lebih cepat mempelajari tool baru.
Jangan kejar sertifikat dari semua aplikasi
Ketika orang tua melihat perubahan kerja, respons yang mudah adalah memasukkan anak ke sebanyak mungkin kursus.
Tool A.
Tool B.
Prompting.
Automation.
Coding.
Video AI.
Agent.
Semua terlihat mendesak.
Masalahnya, waktu anak terbatas.
Tidak semua teknologi layak dipelajari mendalam.
Sebelum ikut kursus, tanyakan:
Skill apa yang sebenarnya dibangun?
Apakah anak membuat proyek?
Apakah ia memahami konsep atau hanya mengikuti langkah?
Apakah skill bisa dipindahkan ke tool lain?
Apakah ia tertarik?
Apakah ada kesempatan berlatih setelah kursus?
Sertifikat bukan musuh.
Tetapi sertifikat juga bukan bukti bahwa anak siap menghadapi perubahan.
Pengalaman menggunakan pengetahuan untuk memecahkan masalah biasanya lebih bernilai.
Buat peta “fondasi + lapisan”
Remaja bisa menggambar dua lingkaran.
Lingkaran dalam: fondasi.
Membaca.
Menulis.
Matematika.
Logika.
Komunikasi.
Kolaborasi.
Etika.
Curiosity.
Domain knowledge.
Lingkaran luar: lapisan teknologi.
AI generatif.
Data tool.
Coding assistant.
Automation.
Visual generator.
Agent.
Tool khusus bidang.
Lapisan luar bisa berubah.
Lingkaran dalam lebih stabil.
Tujuan belajar bukan memilih salah satu.
Tujuannya menghubungkan keduanya.
Misalnya anak suka biologi.
Fondasinya biologi, statistik dasar, komunikasi ilmiah, dan etika.
Lapisan teknologinya bisa berupa AI untuk analisis, visualisasi, pencarian literatur, atau pemodelan.
Anak suka desain.
Fondasinya visual, pengguna, komunikasi, storytelling, dan kritik.
Lapisan teknologinya mungkin generative image, video, 3D, atau prototyping AI.
Sekarang teknologi punya rumah.
Ia tidak mengambang sebagai skill tanpa konteks.
Profesi baru tidak selalu harus menjadi target
Kadang orang dewasa terlalu cepat mengubah tren menjadi target karier.
“Jadi AI engineer aja.”
“Jadi prompt engineer.”
“Jadi data scientist.”
Padahal anak mungkin tidak tertarik.
Lebih sehat mengenalkan berbagai kemungkinan tanpa menjadikannya kewajiban.
“Ini ada bidang baru. Mau lihat?”
Kalau tertarik, eksplorasi.
Kalau tidak, cari bagaimana AI memengaruhi bidang lain yang memang membuat anak penasaran.
Tidak semua remaja harus bekerja di industri AI.
Hampir semua remaja kemungkinan perlu bekerja di dunia yang menggunakan AI.
Itu perbedaan besar.
Kembali ke kelas karier
Guru tadi kembali ke daftar profesi baru.
“Menurut kalian, lima tahun lagi semua nama ini masih ada?”
Siswa menjawab campur-campur.
“Mungkin.”
“Enggak tahu.”
“Ganti nama kali.”
Guru mengangguk.
“Makanya saya nggak mau kalian hafal pekerjaan masa depan.”
“Terus ngapain ditulis?”
“Biar kalian lihat bahwa pekerjaan berubah.”
Ia lalu menambahkan di sebelah daftar:
Read.
Write.
Think.
Build.
Work with people.
Learn again.
Seorang siswa berkata, “Yang itu jadul banget, Bu.”
Guru tersenyum.
“Makanya masih hidup.”
Profesi baru akan terus muncul.
Sebagian akan besar.
Sebagian akan berubah nama.
Sebagian mungkin menghilang sebelum anak selesai kuliah.
Tidak masalah.
Sekolah tidak perlu berhasil meramalkan nama jabatan tahun 2035.
Sekolah perlu membantu remaja membawa fondasi yang kuat ke pekerjaan apa pun yang nanti ada.
Teknologi baru memberi lapisan baru.
Fondasi lama membuat lapisan itu benar-benar berguna.