Coinbase PHK 14 Persen Imbas AI Mengubah Cara Kerja

Oleh VOXBLICK

Rabu, 01 Juli 2026 - 18.30 WIB

Coinbase PHK 14 Persen Imbas AI Mengubah Cara Kerja

Coinbase dan perubahan kerja (Foto oleh Google DeepMind)

VOXBLICK.COM - Coinbase dilaporkan melakukan pemutusan hubungan kerja (PHK) terhadap sekitar 14% karyawan, dan kabar ini langsung mengundang perhatian luas karena alasan yang disebutkan berkaitan dengan AI yang mengubah cara kerja di perusahaan kripto. Di satu sisi, AI memang menawarkan otomatisasi, kecepatan analisis data, dan efisiensi biaya. Di sisi lain, PHK sebesar itu menunjukkan bahwa transformasi teknologi tidak selalu berjalan mulusada pergeseran kebutuhan keterampilan, perubahan struktur tim, serta dampak langsung pada proses rekrutmen dan operasional.

Artikel ini akan membahas bagaimana AI bisa memengaruhi organisasi seperti Coinbase, peran apa saja yang kemungkinan terdampak, contoh penggunaan AI di industri kripto, serta apa yang mungkin terjadi pada perekrutan dan cara kerja di masa depan.

Kita akan mencoba melihatnya secara seimbang: bukan hanya dari kacamata “otomasi menggantikan manusia”, tetapi juga dari perspektif bagaimana perusahaan biasanya menata ulang proses agar tetap kompetitif.

Kenapa AI bisa memicu PHK: dari “asisten” menjadi “mesin proses”

AIterutama kombinasi machine learning, otomasi berbasis aturan, dan AI generatiftidak hanya membantu individu bekerja lebih cepat.

Dalam perusahaan besar, AI sering menjadi mesin proses: sistem yang mengambil alih alur kerja dari awal sampai akhir, atau setidaknya mengurangi porsi pekerjaan yang sebelumnya dikerjakan manual.

Secara praktis, ada beberapa jalur yang biasanya membuat perusahaan melakukan rasionalisasi tenaga kerja saat mengadopsi AI:

Automated triage: permintaan masuk (misalnya tiket dukungan pelanggan atau anomali transaksi) bisa dipilah otomatis berdasarkan tingkat urgensi dan pola risiko.
Analitik prediktif: model mampu mendeteksi indikasi fraud, kepatuhan, atau gangguan sistem lebih cepat daripada pemeriksaan manual.
Pengurangan pekerjaan repetitif: tugas yang berulangpenyusunan laporan standar, klasifikasi dokumen, atau pencarian jawabandapat dipercepat oleh sistem.
Standardisasi keputusan: AI membantu membuat keputusan lebih konsisten, mengurangi variasi antar-operator.
Perubahan kebutuhan skill: sebagian peran masih dibutuhkan, tetapi bergeser dari “operator” menjadi “pengawas model” atau “engineer proses”.

Dalam konteks Coinbase, PHK 14% dapat dibaca sebagai tanda bahwa perusahaan sedang mempercepat transformasi operasi dan mengonsolidasikan fungsi yang sebelumnya tersebar.

Dengan kata lain, AI bukan semata-mata “menggantikan orang”, tetapi merombak desain kerja.

AI di perusahaan kripto: area yang paling sering diotomasi

Industri kripto punya karakteristik yang membuat AI relatif cepat memberi dampak: volume data besar, kejadian real-time, kebutuhan kepatuhan yang ketat, serta ancaman keamanan yang terus berkembang.

Berikut beberapa area yang umumnya menjadi target otomatisasi di perusahaan seperti bursa/penyedia layanan kripto.

1) Deteksi penipuan dan pemantauan transaksi

Model machine learning dapat mempelajari pola transaksi yang mencurigakan, seperti aktivitas tidak wajar, pola alamat berisiko, atau perilaku yang menyimpang dari histori pengguna.

Sistem ini bisa bekerja lebih cepat dan konsisten dibanding pemeriksaan manual.

2) Kepatuhan (compliance) dan pelaporan

AI dapat membantu membaca dokumen, mengelompokkan kasus, dan menyarankan tindakan berdasarkan kebijakan internal.

Pada perusahaan yang beroperasi lintas yurisdiksi, kebutuhan pengelolaan data kepatuhan biasanya sangat kompleksini menjadi lahan subur untuk otomatisasi.

3) Layanan pelanggan dan penanganan tiket

AI generatif bisa merespons pertanyaan umum, menyusun jawaban berbasis basis pengetahuan, atau mengarahkan pengguna ke langkah pemecahan masalah.

Namun, ketika kasusnya rumit (misalnya terkait verifikasi identitas atau isu akses akun), sistem biasanya tetap memerlukan intervensi manusia.

4) Keamanan siber dan respons insiden

AI dapat membantu mendeteksi anomali pada log sistem, mengelompokkan indikator kompromi, dan mempercepat analisis awal saat terjadi insiden. Walau demikian, keputusan akhir dan tindakan strategis tetap membutuhkan profesional keamanan.

Peran apa yang kemungkinan terdampak oleh AI di Coinbase?

Kabar PHK Coinbase 14% tentu memunculkan pertanyaan: peran seperti apa yang paling berisiko? Tidak ada daftar resmi yang bisa dipastikan, tetapi pola umum di perusahaan teknologi memberi gambaran yang masuk akal.

Peran yang cenderung terdampak biasanya memiliki ciri-ciri berikut: pekerjaan repetitif, keputusan berbasis aturan yang dapat dipetakan ke model, atau output yang dapat distandardisasi.

Operasional yang banyak berbasis tiket: misalnya penanganan kasus berulang yang dapat dipilah dan dijawab dengan template/AI.
Analisis awal dan klasifikasi: tugas “screening” yang mengategorikan kasus sebelum eskalasi.
Pekerjaan back-office yang rutin: penyusunan laporan standar, pengolahan dokumen, atau rekonsiliasi yang bisa dipercepat.
Peran compliance administratif: bagian yang bersifat pengumpulan data dan penataan dokumen, yang bisa dibantu ekstraksi otomatis.
Konten dan dukungan berbasis pengetahuan: pengelolaan FAQ, panduan, dan respons awal pengguna.

Namun, penting juga dicatat: PHK tidak selalu berarti “semua peran hilang”.

Sering kali, perusahaan mengurangi jumlah posisi pada tahap tertentu lalu menambah kapasitas pada peran yang mengelola AImisalnya data engineer, machine learning engineer, AI safety, MLOps, serta analis yang bertugas mengevaluasi kualitas model.

Dampak ke rekrutmen: dari “banyak orang” ke “orang yang tepat”

Jika AI menjadi tulang punggung proses, rekrutmen biasanya bergeser. Perusahaan tidak semata berhenti merekrut, tetapi mengubah fokus kebutuhan. Dalam banyak kasus, rekrutmen akan lebih menekankan kemampuan yang berhubungan dengan:

AI/ML engineering (melatih, menguji, dan mengintegrasikan model)
MLOps (memonitor model agar tetap akurat dan aman setelah deployment)
Data engineering (membangun pipeline data yang bersih, terstruktur, dan dapat diaudit)
Risk & compliance analytics (menghubungkan output model dengan kebijakan regulator)
Human-in-the-loop operations (mendesain alur kerja agar keputusan penting tetap melewati verifikasi manusia)

Bagi kandidat, sinyalnya jelas: pengalaman di area yang dekat dengan proses AI (data, otomasi, evaluasi model, keamanan) akan semakin bernilai.

Sementara peran yang sangat operasional dan repetitif mungkin mengalami penurunan kebutuhan, atau dialihkan menjadi pelatihan ulang (reskilling) agar karyawan bisa berpindah ke tugas yang lebih relevan.

Dampak ke operasional: lebih cepat, tetapi butuh kontrol

Operasional yang didukung AI biasanya terasa lebih cepat: respons lebih singkat, deteksi anomali lebih awal, dan pemrosesan yang sebelumnya memakan waktu menjadi lebih efisien.

Tetapi ada konsekuensi yang harus dikelola, terutama untuk bisnis kripto yang sensitif terhadap kesalahan.

Beberapa risiko operasional yang perlu diperhatikan ketika AI mengambil alih alur kerja:

False positive pada deteksi fraud: terlalu banyak kasus “ditandai” bisa membuat pengguna terdampak.
False negative: kasus berbahaya lolos karena model tidak menangkap pola tertentu.
Bias data: jika data historis timpang, model bisa menghasilkan rekomendasi yang tidak adil.
Auditability: perusahaan harus bisa menjelaskan kenapa suatu keputusan dibuatini penting untuk kepatuhan.
Ketergantungan sistem: jika model gagal, perlu rencana fallback yang rapi.

Karena itu, transformasi yang sehat biasanya bukan “AI sepenuhnya menggantikan manusia”, melainkan menggabungkan AI dengan kontrol manusia pada titik-titik kritis.

Misalnya, AI melakukan pemilahan kasus, lalu tim manusia menangani kasus berisiko tinggi atau keputusan yang memerlukan interpretasi kebijakan.

Bagaimana perusahaan dan karyawan bisa merespons perubahan ini?

PHK Coinbase 14% akibat AI mengingatkan bahwa teknologi membawa perubahan struktural. Respons yang paling efektif biasanya melibatkan dua arah: perusahaan menyiapkan strategi transisi, sementara karyawan menguatkan kompetensi yang relevan.

Bagi perusahaan, langkah yang sering dianggap baik mencakup:

Reskilling terencana agar karyawan tidak “hilang” begitu saja, tetapi berpindah ke peran baru.
Transparansi internal tentang tujuan penggunaan AI dan bagaimana dampaknya pada proses.
Penguatan tata kelola AI (monitoring, audit, dan kebijakan keselamatan model).
Desain alur kerja human-in-the-loop untuk mengurangi risiko kesalahan.

Bagi karyawan, langkah praktis yang bisa diambil adalah:

Memahami dasar-dasar AI yang relevan dengan pekerjaan (misalnya bagaimana model memproses data).
Mempelajari tooling otomasi dan analitik (workflow, data pipeline, atau evaluasi model).
Berfokus pada kemampuan lintas fungsi: menghubungkan kebutuhan bisnis, risiko, dan implementasi teknologi.

Apa yang mungkin terjadi setelah PHK: tren industri yang lebih luas

Kabar Coinbase PHK 14% bukan satu-satunya sinyal di industri.

Banyak perusahaan teknologi dan layanan digital sedang menata ulang biaya, mempercepat otomatisasi, dan memusatkan investasi pada sistem yang bisa “melipatgandakan output” tanpa menambah jumlah tenaga kerja secara linear.

Di masa depan, kita mungkin melihat beberapa perubahan berikut di perusahaan kripto:

Tim lebih kecil tetapi lebih spesialis, dengan fokus pada pengawasan, kualitas, dan integrasi sistem.
Rekrutmen lebih selektif pada skill yang mengelola AI dan data.
Proses operasional lebih terstandar karena AI membantu konsistensi keputusan.
Peran customer support berubah menjadi “penanganan kasus kompleks” ketimbang tugas repetitif.
Audit dan kepatuhan semakin berbasis data, sehingga kemampuan analitik akan makin penting.

Pada akhirnya, AI memang berpotensi meningkatkan efisiensi dan kualitas layanan. Namun, dampak sosialnyatermasuk PHKmencerminkan bahwa transisi teknologi perlu diiringi strategi yang manusiawi dan tata kelola yang kuat.

Dengan memahami area yang terdampak, cara rekrutmen bergeser, serta bagaimana operasional harus dikontrol, kita bisa menilai perubahan ini secara lebih jernih: bukan sekadar sebagai “hilangnya pekerjaan”, tetapi sebagai pergeseran menuju model kerja yang berbeda.