Pada suatu pagi di pertengahan 2019, sebuah laporan setebal puluhan halaman diluncurkan di Jakarta dan, dalam hitungan jam, angka-angkanya beredar di hampir seluruh ruang redaksi ekonomi negeri ini. Laporan itu—*Automation and the Future of Work in Indonesia*, disusun oleh firma konsultan McKinsey & Company—menyatakan bahwa otomatisasi berpotensi menggusur sebanyak 23 juta pekerjaan di Indonesia pada 2030, tetapi pada saat yang sama akan menciptakan antara 27 juta hingga 46 juta pekerjaan baru (McKinsey & Company, 2019). Selisihnya disajikan dengan nada lega: bila semua berjalan sebagaimana skenario optimistis, Indonesia akan memiliki hingga 23 juta lapangan kerja *lebih banyak*, bukan lebih sedikit. Media menyebutnya “ramalan yang cerah” (Jakarta Post, 2019). Pesan moralnya seolah jelas: gelombang mesin sedang datang, tetapi ia membawa lebih banyak rezeki ketimbang kehancuran, asalkan kita bergegas membekali diri dengan keterampilan baru.

Tujuh tahun kemudian, ada baiknya kita menengok kembali ramalan itu—bukan untuk mengejeknya, melainkan untuk menanyakan sesuatu yang lebih mendasar. Bukan apakah angkanya benar (kita belum sampai pada 2030, dan tidak ada cara untuk memverifikasinya hari ini), melainkan dari mana keyakinan semacam itu berasal, asumsi apa yang ia pendam, dan apakah struktur ekonomi-politik Indonesia memang bergerak ke arah yang diandaikan oleh narasi besar tentang “revolusi industri keempat”. Pertanyaan yang akan kita telusuri di sini sederhana dalam rumusan tetapi rumit dalam jawaban: sejauh mana otomatisasi, kecerdasan buatan (*artificial intelligence*, AI), dan digitalisasi sungguh-sungguh akan mengubah struktur pekerjaan industri Indonesia dalam dua dekade ke depan?

Mari kita mulai dengan mengakui kekuatan argumen yang hendak kita timbang. Posisi yang paling layak dipertaruhkan—dan karenanya layak disajikan dalam bentuknya yang paling kuat sebelum digugat—bukanlah klaim naif bahwa robot akan menyapu seluruh pekerjaan. Versi yang serius jauh lebih canggih. Ia berangkat dari apa yang dalam literatur ekonomi disebut pendekatan berbasis-tugas (*task-based approach*), yang dikembangkan terutama oleh Daron Acemoglu dan Pascual Restrepo (2018, 2019). Gagasan intinya: sebuah pekerjaan bukanlah satu entitas tunggal yang bisa “diotomatisasi” atau “tidak”, melainkan seperangkat tugas (*tasks*) yang sebagian bisa digantikan mesin dan sebagian tidak. Otomatisasi, dalam kerangka ini, tidak serta-merta menghapus pekerjaan; ia menggeser komposisi tugas di dalamnya. Seorang kasir mungkin tetap bekerja, tetapi tugas memindai barang digantikan mesin *self-checkout*, sementara tugas membantu pelanggan justru menuntut pengetahuan produk yang lebih dalam (McKinsey & Company, 2019). Dari logika inilah lahir kesimpulan optimistis: mesin menggusur tugas, bukan manusia, dan ekonomi yang sehat akan menciptakan tugas-tugas baru lebih cepat daripada laju penggusuran.

Argumen ini diperkuat oleh dua pilar empiris yang harus diakui kekuatannya. Pertama, sejarah panjang teknologi memang menunjukkan bahwa ketakutan akan pengangguran teknologis kerap berlebihan. David Autor (2015), dalam esainya yang berpengaruh, mengingatkan bahwa para komentator—termasuk para ahli—cenderung melebih-lebihkan sejauh mana mesin menggantikan tenaga manusia dan mengabaikan kekuatan-kekuatan pengimbang yang menciptakan permintaan tenaga kerja baru. Kedua, dan ini yang paling relevan bagi Indonesia, terdapat bukti empiris kuat bahwa di negara-negara yang masih berada pada tahap awal adopsi otomatisasi, dampak robot terhadap tenaga kerja justru bisa *positif*. Inilah temuan studi Calì dan Presidente (2022, 2025) yang menggunakan data tingkat-pabrik di Indonesia: adopsi robot di Indonesia menunjukkan efek lapangan kerja yang positif, dengan keuntungan terbesar justru pada pabrik-pabrik yang semula paling sedikit menggunakan robot. Logikanya bersandar pada gagasan *diminishing returns*—ketika sebuah ekonomi baru mulai mengotomatisasi dari basis yang rendah, mesin lebih sering melengkapi tenaga kerja ketimbang menggantikannya, sehingga produktivitas yang meningkat justru memperluas, bukan menyusutkan, permintaan tenaga kerja (Graetz & Michaels, 2018; Calì & Presidente, 2025). Jika benar, maka kekhawatiran tentang “robot mencuri pekerjaan” adalah ketakutan negara kaya yang keliru ditransplantasikan ke negara berkembang.

Itulah versi terkuat dari narasi dominan: bukan utopia teknologis yang dangkal, melainkan argumen berbasis-tugas yang didukung bukti bahwa Indonesia, justru karena tertinggal, mungkin akan diuntungkan. Dan di sinilah kita harus mulai membongkar.

Persoalan pertama bukan terletak pada angka, melainkan pada siapa yang menghasilkannya dan untuk apa. Sebagian besar ramalan paling sering dikutip tentang masa depan kerja Indonesia—termasuk angka 23 juta tergusur dan 46 juta tercipta—berasal dari firma konsultan komersial, bukan dari jurnal yang ditelaah sejawat (*peer-reviewed*) atau lembaga statistik resmi. Ini bukan tuduhan kecurangan. Tetapi ada perbedaan epistemik penting antara estimasi yang dibangun di atas skenario (*scenario-based projections*) dengan asumsi yang dapat dipilih, dan temuan yang diuji secara kausal terhadap data observasional. Angka-angka McKinsey adalah proyeksi bersyarat—”bisa”, “berpotensi”, “dalam skenario tertentu”—yang dalam pemberitaan publik kerap mengeras menjadi prediksi. Lebih jauh, laporan semacam itu lahir dalam konteks politik tertentu: ia diluncurkan ketika pemerintahan Joko Widodo tengah mempromosikan peta jalan *Making Indonesia 4.0* (Jakarta Post, 2019). Narasi “otomatisasi menciptakan lebih banyak pekerjaan daripada yang dihancurkan” bukan sekadar temuan; ia juga berfungsi sebagai legitimasi bagi agenda kebijakan yang sudah berjalan. Membedakan klaim promosional-politis dari temuan empiris adalah langkah pertama kejujuran intelektual di sini.

Persoalan kedua lebih substantif. Andaikan kita menerima kerangka berbasis-tugas dan bukti positif dari studi tingkat-pabrik, satu pertanyaan tetap menggantung: seberapa cepat dan seberapa luas otomatisasi sebenarnya datang ke industri Indonesia? Di sinilah data justru menggugat narasi tentang gelombang yang dahsyat. Indikator paling lazim untuk mengukur intensitas otomatisasi manufaktur adalah kepadatan robot (*robot density*)—jumlah robot industri operasional per 10.000 pekerja manufaktur, yang dipublikasikan tahunan oleh International Federation of Robotics (IFR). Angka-angka terbaru menunjukkan jurang yang lebar antara negara-negara terdepan dan posisi Asia secara umum, dan posisi Indonesia bahkan tidak cukup signifikan untuk masuk dalam sepuluh besar kawasannya.

<table>
<tr><th>Wilayah/Negara</th><th>Kepadatan robot (unit per 10.000 pekerja manufaktur)</th><th>Tahun</th></tr>
<tr><td>Republik Korea (tertinggi dunia)</td><td>1.220</td><td>2024</td></tr>
<tr><td>Eropa Barat (rata-rata)</td><td>267</td><td>2024</td></tr>
<tr><td>Amerika Serikat</td><td>307</td><td>2024</td></tr>
<tr><td>Amerika Utara (rata-rata)</td><td>204</td><td>2024</td></tr>
<tr><td>Tiongkok</td><td>166</td><td>2024</td></tr>
<tr><td>Asia (rata-rata)</td><td>131</td><td>2024</td></tr>
<tr><td>Rata-rata global</td><td>132</td><td>2024</td></tr>
</table>

*Sumber: International Federation of Robotics, World Robotics 2025 (IFR, 2026).*

Yang patut dicatat dari tabel ini bukan angka-angka yang ada, melainkan angka yang absen. Dalam laporan IFR, ekonomi-ekonomi Asia yang masuk sepuluh besar dunia adalah Korea Selatan, Singapura, Jepang, dan Taiwan (IFR, 2026); Indonesia tidak termasuk, dan datanya bahkan tidak cukup menonjol untuk dirinci dalam ringkasan pers utama. Tiongkok, yang sering disebut sebagai pendorong otomatisasi global dan menyerap 54 persen dari seluruh instalasi robot dunia pada 2024 (IFR, 2026), pun baru mencapai 166 unit per 10.000 pekerja—jauh di bawah Korea. Dengan kata lain, bahkan raksasa manufaktur Asia masih jauh dari kejenuhan robotik. Posisi Indonesia, yang basis manufakturnya jauh lebih kecil dan padat-karya, mengisyaratkan bahwa “gelombang otomatisasi” yang dibayangkan dalam ramalan-ramalan dramatis sebagian besar masih berupa potensi, bukan realitas yang sedang berlangsung. Perlu ditegaskan: data kepadatan robot khusus Indonesia tidak tersedia secara konsisten dalam ringkasan publik IFR, sehingga pernyataan ini bersifat inferensial—disimpulkan dari ketiadaan Indonesia dalam peringkat, bukan dari angka yang dipublikasikan langsung. Ini adalah celah data yang harus diakui terbuka, bukan ditutupi.

Persoalan ketiga adalah yang paling sering luput dari perdebatan: struktur ketenagakerjaan Indonesia sendiri. Seluruh kerangka berbasis-tugas, baik dalam versi optimistis maupun pesimistisnya, dibangun dengan latar pekerjaan formal di sektor manufaktur dan jasa modern—pekerjaan dengan kontrak, upah tetap, dan tugas yang dapat dipetakan. Tetapi inilah realitas Indonesia: manufaktur hanya menyerap sekitar 13,86 persen dari total tenaga kerja per Agustus 2025 (Badan Pusat Statistik, dikutip dalam Human Resources Online, 2025), dan yang jauh lebih menentukan, sekitar 57,8 persen dari seluruh orang yang bekerja—sekitar 84,7 juta orang—berada dalam pekerjaan informal (BPS, dikutip dalam Human Resources Online, 2025). Pekerja informal di sini mencakup pekerja mandiri, pekerja keluarga tak dibayar, dan pekerja serabutan—mereka yang, menurut definisi BPS, umumnya tidak memiliki perlindungan sosial, dasar hukum kerja, atau upah yang layak (BPS, dikutip dalam Databoks, 2023).

<table>
<tr><th>Indikator ketenagakerjaan Indonesia</th><th>Nilai</th><th>Periode</th></tr>
<tr><td>Total penduduk bekerja</td><td>146,54 juta</td><td>Agustus 2025</td></tr>
<tr><td>Pekerja informal</td><td>57,8% (≈84,7 juta)</td><td>Agustus 2025</td></tr>
<tr><td>Pekerja formal</td><td>42,2% (≈61,84 juta)</td><td>Agustus 2025</td></tr>
<tr><td>Pangsa tenaga kerja di manufaktur</td><td>13,86%</td><td>Agustus 2025</td></tr>
<tr><td>Pekerja berpendidikan SD ke bawah</td><td>34,75%</td><td>Agustus 2025</td></tr>
<tr><td>Pekerja informal lulusan SD (per tingkat pendidikan)</td><td>80,32%</td><td>2022</td></tr>
</table>

*Sumber: Badan Pusat Statistik, dikutip dalam Human Resources Online (2025) dan Databoks/Katadata (2023).*

Angka-angka ini mengubah seluruh pertanyaan. Ketika hampir enam dari sepuluh pekerja Indonesia berada di luar relasi kerja formal—mengayuh becak, berdagang di pasar, bertani di lahan kurang dari satu hektare, mengantar makanan lewat aplikasi—konsep “otomatisasi tugas” yang dikembangkan untuk lini perakitan otomotif Jerman menjadi sebagian besar tidak relevan, atau setidaknya relevan dengan cara yang sama sekali berbeda. Otomatisasi yang membayangi sebagian besar tenaga kerja Indonesia bukanlah lengan robot di pabrik, melainkan platform digital yang mengubah relasi kerja itu sendiri—sebagaimana terlihat pada ekonomi gig yang didorong oleh Gojek dan Grab, yang McKinsey sendiri sebut sebagai contoh utama penciptaan kerja baru (McKinsey & Company, 2019). Tetapi apakah jutaan pengemudi ojek daring itu adalah cerita tentang “pekerjaan baru yang diciptakan teknologi”, ataukah cerita tentang formalisasi semu (*pseudo-formalization*) yang memindahkan kerentanan lama ke dalam wadah algoritmik baru? Literatur belum memberikan jawaban tegas, dan setiap klaim percaya diri ke arah mana pun patut dicurigai.

Di sinilah ironi terbesar dari narasi dominan tampak. Ancaman paling serius bagi struktur kerja industri Indonesia dalam dua dekade ke depan mungkin bukan otomatisasi domestik—jumlah robot di pabrik-pabrik Indonesia—melainkan otomatisasi di tempat lain. Inilah yang oleh Dani Rodrik (2016) disebut deindustrialisasi prematur (*premature deindustrialization*): fenomena ketika negara-negara berkembang kehilangan pangsa tenaga kerja dan nilai tambah manufaktur pada tingkat pendapatan yang jauh lebih rendah daripada yang dialami negara-negara industri awal. Logikanya berkebalikan dengan kekhawatiran lazim. Ketika robot menjadi semakin murah di negara-negara maju, menjadi lebih menguntungkan bagi perusahaan di sana untuk memindahkan kembali (*reshoring*) fasilitas produksi yang dulu mereka tempatkan di negara-negara berupah rendah seperti Indonesia. Studi tentang Brasil oleh Krenz, Prettner, dan Strulik—yang menunjukkan bahwa otomatisasi asing dapat mendorong deindustrialisasi prematur di ekonomi berkembang sambil pada saat yang sama menemukan bahwa otomatisasi *domestik* menguntungkan pekerja berketerampilan lebih tinggi dan pekerja perempuan—mengilustrasikan ketegangan ini secara empiris (Krenz, Prettner, & Strulik, 2021). Dengan kata lain, bahaya bagi pekerja Indonesia mungkin bukan robot yang masuk ke pabrik mereka, melainkan robot di Ohio dan Bavaria yang membuat pabrik mereka tak pernah dibangun—atau menutup pintu jalur industrialisasi padat-karya yang dulu mengangkat Korea dan Tiongkok.

Klaim ini pun harus disajikan dengan kehati-hatian. Bukti tentang reshoring sebagai kekuatan dominan masih diperdebatkan; sebagian ekonom berpendapat bahwa keunggulan biaya tenaga kerja, kedekatan dengan pasar, dan ekosistem pemasok tetap menahan produksi di negara berkembang. Yang dapat dikatakan dengan jujur adalah bahwa kerangka analitik yang memusatkan perhatian pada otomatisasi *di dalam* Indonesia kemungkinan besar salah meletakkan titik berat persoalan. Pertanyaan yang lebih tepat bukanlah “berapa banyak pekerjaan pabrik di Indonesia yang akan digantikan robot”, melainkan “apakah Indonesia masih akan memiliki cukup pabrik untuk menyerap angkatan kerjanya yang terus bertambah, dalam dunia di mana keunggulan komparatif tenaga kerja murah terus tergerus oleh mesin yang semakin murah”.

Ada pula dimensi yang nyaris sepenuhnya absen dari literatur arus utama, dan ketiadaannya sendiri adalah temuan: bias geografis dan struktural. Sebagian besar studi kausal yang paling dihormati tentang otomatisasi—Acemoglu dan Restrepo tentang Amerika Serikat, Dauth dan rekan tentang Jerman—berbasis pada ekonomi Atlantik Utara dengan pasar kerja formal yang dalam dan data administratif yang kaya. Kerangka konseptualnya, betapapun canggih, lahir dari realitas itu. Ketika kerangka ini ditransplantasikan ke Indonesia, ia membawa serta asumsi-asumsi yang tak terucap: bahwa pekerjaan dapat dipetakan menjadi tugas-tugas terstandar, bahwa pekerja bergerak dalam pasar kerja yang relatif terintegrasi, bahwa “pekerjaan” berarti relasi formal yang tercatat. Pekerja agraris transisional, pekerja informal perkotaan, dan ekonomi gotong royong yang menopang sebagian besar masyarakat Indonesia—justru mereka yang paling banyak jumlahnya—paling sedikit terwakili dalam basis pengetahuan yang menjadi sandaran ramalan. Maka ketika sebuah laporan dengan percaya diri menyebut angka 23 juta pekerjaan yang tergusur, kita patut bertanya: pekerjaan yang mana, terdefinisi dalam kerangka siapa, dan dengan mengabaikan siapa?

Apa yang tersisa, bila kita menanggalkan baik tekno-optimisme promosional maupun tekno-pesimisme yang sama dangkalnya? Yang tersisa adalah gambaran yang jauh lebih sederhana sekaligus lebih sulit. Otomatisasi, AI, dan digitalisasi hampir pasti akan mengubah struktur kerja industri Indonesia dalam dua dekade ke depan—tetapi kemungkinan besar tidak melalui mekanisme yang paling sering diberitakan, tidak dengan kecepatan yang paling sering diramalkan, dan tidak terutama menimpa pekerja yang paling sering dibayangkan. Perubahan yang paling mungkin terjadi bersifat bertahap dan tidak merata: terkonsentrasi pada segmen formal manufaktur yang relatif kecil, dimediasi lebih kuat oleh keputusan investasi global dan dinamika reshoring daripada oleh adopsi robot domestik, dan berlangsung di atas fondasi tenaga kerja yang mayoritasnya informal—di mana teknologi tidak sebanyak menggusur kerja melainkan membentuk ulang relasi-relasi kerja yang sudah rapuh. Bukti yang ada (Calì & Presidente, 2025) bahkan mengisyaratkan bahwa, untuk saat ini dan pada margin saat ini, robotisasi di Indonesia lebih melengkapi daripada menggantikan tenaga kerja—sebuah temuan yang seharusnya membuat kita curiga terhadap setiap narasi kiamat, sekaligus tidak boleh dibaca sebagai jaminan untuk masa depan, karena efek positif tahap-awal dapat berbalik pada tahap adopsi yang lebih lanjut (Acemoglu & Restrepo, 2019).

Penting untuk menutup dengan menyebut secara terbuka apa yang tidak dapat dijawab oleh tinjauan ini. Pertama, horizon dua dekade jauh melampaui jangkauan prediksi yang dapat dipertanggungjawabkan; tidak ada model yang andal untuk meramalkan adopsi teknologi, respons kebijakan, dan dinamika geopolitik sejauh itu, dan setiap angka spesifik untuk 2046 sebaiknya dibaca sebagai latihan imajinasi, bukan ramalan. Kedua, data kepadatan robot dan adopsi AI yang spesifik untuk Indonesia masih sangat tipis; banyak kesimpulan di atas bersifat inferensial, disandarkan pada perbandingan regional dan studi negara lain, bukan pada pengukuran langsung yang memadai atas kondisi Indonesia. Ketiga, dampak generasi terbaru AI generatif—yang sebagian besar menyasar pekerjaan kerah-putih dan jasa kognitif, bukan manufaktur fisik—nyaris belum tersentuh dalam analisis ini, padahal justru di situ letak ketidakpastian terbesar untuk negara dengan sektor jasa yang berkembang pesat. Keempat, dan paling mendasar, sebagian besar kerangka teoretis yang kita gunakan untuk berpikir tentang persoalan ini dibangun dari dan untuk ekonomi maju; sejauh mana ia sungguh menangkap realitas ekonomi yang separuh lebih tenaga kerjanya bergerak di sektor informal, masih merupakan pertanyaan terbuka yang belum terjawab oleh literatur mana pun. Mungkin tugas paling mendesak bukanlah meramal kapan mesin akan datang, melainkan memeriksa apakah peta yang kita gunakan untuk menyambutnya sungguh menggambarkan wilayah yang hendak kita lewati—atau wilayah orang lain, yang kebetulan kita pinjam petanya.

—

## Daftar Referensi

Acemoglu, D., & Restrepo, P. (2018). The race between man and machine: Implications of technology for growth, factor shares, and employment. *American Economic Review, 108*(6), 1488–1542.

Acemoglu, D., & Restrepo, P. (2019). Automation and new tasks: How technology displaces and reinstates labor. *Journal of Economic Perspectives, 33*(2), 3–30.

Autor, D. H. (2015). Why are there still so many jobs? The history and future of workplace automation. *Journal of Economic Perspectives, 29*(3), 3–30.

Badan Pusat Statistik. (2023). *Proporsi penduduk bekerja pada kegiatan informal* [Data]. Dikutip dalam Databoks/Katadata. https://databoks.katadata.co.id

Badan Pusat Statistik. (2025). *Keadaan ketenagakerjaan Indonesia Agustus 2025* [Data]. Dikutip dalam Human Resources Online (2025). https://www.humanresourcesonline.net

Calì, M., & Presidente, G. (2025). Robots for economic development. *Journal of Public Economics* (versi daring lanjutan dari kertas kerja ZBW 2022). https://www.sciencedirect.com/science/article/abs/pii/S0927537125000557

Graetz, G., & Michaels, G. (2018). Robots at work. *Review of Economics and Statistics, 100*(5), 753–768.

International Federation of Robotics. (2026, 8 April). *Robot density surges in Europe, Asia, and the Americas* (World Robotics 2025). https://ifr.org/ifr-press-releases/news/robot-density-surges-in-europe-asia-and-americas

Krenz, A., Prettner, K., & Strulik, H. (2021). Robots, reshoring, and the lot of low-skilled workers. *European Economic Review, 136*, 103744. [Studi terkait deindustrialisasi terotomatisasi pada ekonomi berkembang; lihat juga bukti kasus Brasil dalam *World Development*, 2023, https://www.sciencedirect.com/science/article/abs/pii/S0305750X23001675 — atribusi penulis spesifik untuk studi Brasil tidak dapat diverifikasi penuh dari sumber yang diakses dan ditandai di sini sebagai keterbatasan sitasi.]

McKinsey & Company. (2019). *Automation and the future of work in Indonesia*. https://www.mckinsey.com/featured-insights/asia-pacific/automation-and-the-future-of-work-in-indonesia

Rodrik, D. (2016). Premature deindustrialization. *Journal of Economic Growth, 21*(1), 1–33.

*The Jakarta Post.* (2019, 25 September). Jobs lost or gained? Report paints rosy outlook of Indonesia amid rising automation. https://www.thejakartapost.com/news/2019/09/25/jobs-lost-or-gained-study-paints-rosy-outlook-of-indonesia-amid-rising-automation.html