Sebagian besar prakiraan tentang AI dan pekerjaan memberi Anda satu angka dan banyak keyakinan. Pada September Anthropic menerbitkan sesuatu yang lebih berguna: tiga skenario, lengkap dengan asumsi yang dituliskan. Pemasaran adalah pekerjaan berbasis pengetahuan, jadi saya membacanya sebagai prakiraan tentang bidang saya sendiri dan orang-orang yang saya ajar.
Apa yang terjadi
Tim Ekonomi Anthropic merilis Scenarios for our Economic Future, penjelajah interaktif berdasarkan laporan teknis Economic Scenarios for Transformative AI (Korinek et al., 2026). Alat ini memodelkan bagaimana AI dapat memengaruhi pekerjaan, pertumbuhan, dan pengangguran di Amerika Serikat hingga 2030, dengan memperlakukan perekonomian sebagai kumpulan tugas yang dapat diperkuat, diotomatiskan, atau diciptakan oleh AI.
Ada tiga skenario. Dalam skenario moderat, dampak AI menyerupai dampak internet, dengan PDB AS mencapai US$34,1 triliun pada 2030. Dalam skenario substansial, AI dapat mengerjakan separuh pekerjaan berbasis pengetahuan pada 2030 tetapi sebagian besar pekerjaan itu masih dilakukan tanpa AI; pertumbuhan berjalan sekitar dua kali laju normal, PDB mencapai US$36,3 triliun, dan upah pekerja pengetahuan kurang lebih stagnan sementara pekerja lain mengalami kenaikan. Dalam skenario ekstrem, AI mengungguli manusia dalam sebagian besar tugas berbasis pengetahuan, pertumbuhan mencapai 15% per tahun, PDB mencapai US$44,4 triliun, pengangguran dapat naik melampaui tingkat resesi pada umumnya, dan upah pekerja pengetahuan turun lebih dari 10%.
Di semua skenario, porsi tenaga kerja terhadap PDB turun seiring naiknya porsi modal. Anthropic juga menyurvei 10.980 anggota masyarakat. Anthropic menyatakan bahwa "tantangan utamanya bukanlah mencapai pertumbuhan ekonomi, melainkan memastikan manfaatnya dinikmati secara luas", dan menyebut alat ini versi 1.0 yang hasil aktualnya bisa berbeda secara material.
Mengapa ini penting
Perhatikan di mana tekanannya jatuh. Dalam skenario substansial dan ekstrem, pekerjaan berbasis pengetahuanlah yang menghadapi penggantian, sementara permintaan naik di pekerjaan lain. Pemasaran berada tepat di kolom pengetahuan: riset, penulisan, analisis, perencanaan, pelaporan.
Skenario substansial adalah yang menurut saya paling realistis sebagai dasar perencanaan, dan detailnya yang paling menarik adalah kesenjangannya: AI dapat mengerjakan separuh pekerjaan berbasis pengetahuan, tetapi sebagian besar masih dilakukan tanpa AI. Kesenjangan itulah tempat karier akan dibangun atau hilang dalam beberapa tahun ke depan. Pertanyaan bagi pemasar bukanlah apakah AI dapat mengerjakan sebagian pekerjaannya. Melainkan apakah Anda adalah orang yang tahu cara menerapkannya pada bagian-bagian yang penting.
Apa kata riset saya
Saya telah berargumen dalam kolom Forbes saya bahwa pemasar perlu berevolusi dari pembuat konten manual menjadi kurator alat AI otonom, dan saya mengajukan pertanyaan terkait dalam Will AI Make Agencies Obsolete? Skenario-skenario ini mempertajam argumen tersebut. Jika yang diotomatiskan adalah tugas, maka pekerjaan yang hanya terdiri dari tugas-tugas yang dapat diotomatiskan itu rapuh, sedangkan pekerjaan yang dibangun di sekitar penilaian, konteks, dan akuntabilitas itu tangguh.
Riset saya menunjukkan di mana nilai yang bertahan berada. Dalam MindFuse (ACM Multimedia 2025) kami membingkai AI sebagai rekan pencipta strategi pemasaran, menggabungkan penilaian kinerja kreatif dengan LLM, dengan manusia sebagai pengarah. Dalam Fusing Predictive and Large Language Models (ACM TOIS 2025) keluarannya adalah rekomendasi yang tetap harus dipilih pemasar untuk ditindaklanjuti. Sistem-sistem ini menghilangkan banyak pekerjaan analisis. Sistem ini meningkatkan nilai orang yang merumuskan pertanyaan, menimbang kompromi, dan bertanggung jawab atas keputusan.
Makalah SIGIR 2026 kami tentang melawan homogenisasi konten menambahkan poin di tingkat pasar. Ketika semua orang menggunakan alat yang sama untuk tugas yang sama, keluarannya menyatu. Kekhasan menjadi langka, dan hal yang langka bernilai premium. Pemasar yang mampu membuat pekerjaan berbantuan AI terdengar dan berkinerja tidak seperti milik orang lain akan dicari di setiap skenario.
Apa yang sebaiknya dilakukan pemasar sekarang
- Petakan pekerjaan Anda menjadi tugas-tugas. Tandai mana yang sudah dikerjakan AI dengan baik, mana yang dibantunya, dan mana yang masih membutuhkan Anda. Alihkan waktu Anda secara sengaja ke kelompok terakhir.
- Belajarlah mengevaluasi, bukan hanya menulis prompt. Kemampuan menilai keluaran AI terhadap data nyata adalah keterampilan yang dihargai oleh skenario-skenario ini.
- Kuasai hasil, bukan keluaran. Peran yang didefinisikan oleh deliverable lebih mudah diotomatiskan daripada peran yang didefinisikan oleh hasil.
- Bangun kedalaman domain. Konteks tentang suatu pasar, kategori, atau pelanggan sulit ditiru oleh model umum.
- Perjuangkan manfaat bersama. Jika AI meningkatkan produktivitas tim Anda, perjuangkan pelatihan, jenjang karier, dan peran baru, bukan hanya pemangkasan biaya.
Skenario bukanlah prediksi. Nilainya terletak pada kemampuannya membuat asumsi dapat didiskusikan. Bagi pemasaran, asumsi yang layak didiskusikan sederhana: tugas akan berubah lebih cepat daripada jabatan. Rencanakan untuk itu.
FAQ
Apa saja tiga skenario ekonomi AI dari Anthropic?
Moderat, ketika dampak AI menyerupai dampak internet; substansial, ketika AI dapat mengerjakan separuh pekerjaan berbasis pengetahuan pada 2030 dan pertumbuhan berjalan sekitar dua kali laju normal; dan ekstrem, ketika AI mengungguli manusia dalam sebagian besar tugas berbasis pengetahuan dan pertumbuhan mencapai 15% per tahun, dengan kemungkinan pengangguran yang lebih tinggi.
Apa kata skenario-skenario itu tentang pekerja pengetahuan?
Dalam skenario substansial, upah pekerja pengetahuan kurang lebih stagnan sementara pekerja lain mengalami kenaikan. Dalam skenario ekstrem, upah pekerja pengetahuan turun lebih dari 10% dan pekerjaan berbasis pengetahuan menghadapi penggantian.
Bagaimana pemasar sebaiknya bersiap menghadapi dampak AI terhadap pekerjaan?
Pecah pekerjaan menjadi tugas-tugas, alihkan waktu ke penilaian dan akuntabilitas, belajar mengevaluasi keluaran AI terhadap data nyata, bangun kedalaman domain, dan fokus pada hasil, bukan deliverable.
Sumber
- Scenarios for our Economic Future — Anthropic, 9 September 2026