Dua Tipe Orang Sukses di Era AI Menurut CEO Teknologi

Oleh VOXBLICK

Sabtu, 28 Maret 2026 - 15.30 WIB

Dua Tipe Orang Sukses di Era AI Menurut CEO Teknologi

Dua tipe sukses era AI (Foto oleh Werner Pfennig)

VOXBLICK.COM - CEO teknologi Alex Karp pernah menyampaikan pandangan yang cukup menantang: di era AI, hanya ada dua tipe orang yang benar-benar berpeluang sukses. Pernyataannya sering dipahami sebagai kritik halus terhadap cara banyak orang mempersiapkan karierapakah kita hanya mengejar “skill teknis” atau justru membangun kemampuan untuk hidup dalam perubahan yang cepat.

Yang menarik, dua tipe ini bukan sekadar soal siapa yang jago coding dan siapa yang tidak.

Karp menyoroti perbedaan fundamental: apakah kamu punya fondasi teknis untuk membangun dan memahami sistem AI, atau kamu punya kemampuan adaptif untuk mengubah cara kerja, cara berpikir, dan cara berkolaborasi saat teknologi baru datang.

Kenapa AI tidak cukup “dipelajari sekali”, tapi harus “dipakai”

AI berkembang bukan hanya dari sisi fitur, tetapi juga cara orang bekerja dengannya. Dulu, kita cukup belajar aplikasi tertentu lalu mengandalkannya. Sekarang, model AI bisa berubah, workflow bisa bergeser, dan standar kualitas pun meningkat.

Akibatnya, orang yang sukses biasanya bukan yang paling cepat menghafalmelainkan yang paling cepat membentuk kebiasaan adaptif.

Di sinilah dua tipe yang dimaksud Alex Karp menjadi relevan. Mereka yang sukses biasanya punya jalur yang jelas: membangun sistem (dengan kemampuan teknis) atau memaksimalkan dampak sistem (dengan kemampuan adaptif).

Tipe pertama: orang dengan kemampuan teknis yang “mengerti mesin”

Tipe pertama adalah orang yang punya kompetensi teknis untuk memahami cara kerja AI, membangun solusi, atau minimal menguasai fondasi yang diperlukan untuk bekerja bersama tim AI. Ini bukan berarti semua orang harus jadi engineer.

Namun, kamu perlu kemampuan untuk “menerjemahkan” ide menjadi sistem yang bisa diuji, diukur, dan diperbaiki.

Biasanya, orang tipe ini memiliki ciri-ciri berikut:

Memahami konsep dasar seperti data, model, evaluasi, dan bias.
Terbiasa dengan eksperimen: mencoba, mengukur hasil, lalu iterasi.
Bisa berkomunikasi teknis dengan tim lintas disiplin (produk, riset, engineering, legal).
Tidak takut pada ketidakpastian karena mereka tahu proses validasi ilmiah.

Kalau kamu ingin masuk ke tipe ini, langkah praktis yang bisa kamu mulai:

Bangun fondasi: pelajari dasar machine learning (supervised/unsupervised), metrik evaluasi, dan konsep data train-test.
Latih dengan proyek kecil: misalnya membuat klasifikasi sederhana, chatbot berbasis aturan lalu beralih ke model, atau otomasi ekstraksi informasi.
Biasakan membaca dokumentasi dan release note: AI bergerak cepat, jadi “update literacy” itu wajib.
Gunakan template kerja: buat catatan eksperimen (tujuan, dataset, parameter, hasil, pelajaran).

Tipe kedua: orang adaptif yang “mengubah cara kerja” saat AI datang

Tipe kedua adalah orang yang mungkin tidak mendalami teknis sampai level membangun model, tapi punya kemampuan adaptif yang kuat.

Mereka bisa melihat peluang, memahami dampak AI terhadap pekerjaan mereka, lalu mengubah workflow agar lebih cepat, lebih akurat, dan lebih bernilai.

Orang adaptif biasanya memiliki ciri:

Peka terhadap konteks: tahu masalah apa yang layak diotomasi dan mana yang tetap butuh manusia.
Terampil dalam problem framing: mampu merumuskan kebutuhan jadi instruksi yang jelas untuk AI.
Memegang kendali kualitas: melakukan verifikasi, cek konsistensi, dan menyadari batas kemampuan model.
Kolaboratif: tahu kapan harus bekerja dengan tim teknis, produk, atau data.

Kalau kamu ingin masuk ke tipe ini (atau memperkuatnya), coba langkah praktis berikut:

Audit tugas harianmu: tulis 10 aktivitas yang kamu lakukan tiap minggu. Tandai mana yang repetitif, mana yang butuh penilaian manusia.
Uji AI sebagai “asisten kerja”: gunakan AI untuk draft, ringkasan, ide, atau penyusunan strukturlalu kamu tetap yang finalisasi dan validasi.
Latih kemampuan prompt yang baik: jelaskan tujuan, format output, batasan, dan contoh. Prompt yang jelas = hasil yang lebih bisa dipakai.
Buat checklist kualitas: misalnya cek fakta, cek angka, cek kesesuaian konteks, dan pastikan tidak ada informasi yang “terlihat benar tapi salah”.
Dokumentasikan proses: catat apa yang berhasil, apa yang gagal, dan kapan AI cocok dipakai.

Perbedaan teknis vs adaptif: bukan “pilih salah satu”, tapi pahami peranmu

Sering terjadi miskonsepsi: orang menganggap tipe pertama dan kedua itu seperti dua kubu. Padahal, dalam praktik, banyak profesional sukses justru menggabungkan keduanya dalam kadar berbeda.

Bayangkan seperti ini:

Teknis fokus pada “membangun kemampuan” (model, sistem, evaluasi).
Adaptif fokus pada “menggunakan kemampuan” (workflow, keputusan, kualitas, integrasi dengan pekerjaan nyata).

Jadi, jika kamu bukan engineer, kamu tetap bisa sukses. Kamu hanya perlu memastikan bahwa AI benar-benar meningkatkan hasil kerja kamubukan sekadar jadi alat coba-coba.

Skill yang sebenarnya dicari di era AI (untuk kedua tipe)

Terlepas dari kamu condong ke tipe teknis atau adaptif, ada beberapa keterampilan yang hampir selalu relevan:

Literasi data: memahami perbedaan fakta vs asumsi, dan mengerti bagaimana data memengaruhi output.
Penilaian kualitas: kemampuan memverifikasi, membandingkan, dan menghindari kepercayaan buta pada output.
Komunikasi: menyampaikan kebutuhan secara spesifik dan bisa menjelaskan trade-off.
Etika dan keamanan: sadar risiko privasi, bias, serta dampak penggunaan AI.
Konsistensi belajar: tidak berhenti di satu kursus terus update sesuai perkembangan.

Rencana 30 hari agar kamu siap menghadapi perubahan AI

Agar tidak berhenti pada teori, berikut rencana praktis yang bisa kamu jalankan selama 30 hari. Tujuannya bukan “langsung ahli”, tapi membangun momentum kebiasaan.

Minggu 1 (Pahami kebutuhan): pilih satu area kerja (misalnya laporan, presentasi, analisis, customer support). Catat proses yang ada dan identifikasi titik repetitif.
Minggu 2 (Eksperimen terarah): gunakan AI untuk 2–3 tugas nyata. Buat template prompt dan checklist kualitas. Bandingkan hasil sebelum dan sesudah.
Minggu 3 (Perbaiki workflow): rapikan proses. Tentukan kapan AI digunakan, kapan manusia memutuskan, dan bagaimana alur reviewnya.
Minggu 4 (Buat portofolio mini): dokumentasikan eksperimenmu: masalah, pendekatan, hasil, dan pelajaran. Ini bisa jadi bahan diskusi saat kamu kolaborasi dengan tim teknis.

Kalau kamu condong ke tipe teknis, kamu bisa menambah satu eksperimen mini berbasis data (misalnya klasifikasi sederhana atau analisis teks).

Jika kamu condong ke tipe adaptif, fokuskan pada peningkatan kualitas output dan kecepatan eksekusi di pekerjaanmu.

Bagaimana mengenali kamu sedang berada di tipe yang mana?

Jawaban paling jujur biasanya terlihat dari responsmu terhadap pertanyaan ini:

Kalau ada masalah baru, kamu lebih ingin membangun sistem atau mencari cara penerapan?
Kamu lebih nyaman dengan eksperimen dan metrik atau dengan perubahan workflow dan validasi hasil?
Kamu lebih sering bertanya “bagaimana modelnya bekerja?” atau “bagaimana ini bisa dipakai dengan benar di konteks kerja?”

Terlepas dari jawabanmu, kabar baiknya: keterampilan adaptif bisa dilatih, dan fondasi teknis juga bisa ditumbuhkan. Dua tipe itu bukan label permanenlebih seperti peta arah.

Era AI akan memberi keuntungan besar bagi orang yang siap berubah.

Menurut Alex Karp, peluang sukses datang dari dua jalur: menjadi seseorang yang punya kemampuan teknis untuk memahami dan membangun AI, atau menjadi seseorang yang adaptif dalam mengubah cara kerja agar AI benar-benar menghasilkan nilai. Mulai dari tugas kecil, uji dengan disiplin, dan bangun kebiasaan belajar yang konsisten. Jika kamu melakukannya, kamu tidak hanya “mengikuti tren”kamu sedang mempersiapkan diri untuk masa depan karier yang lebih relevan.