Runtuhnya posisi junior: Bagaimana AI mengubah jalur karier di Jerman

Perubahan peluang karier: Penurunan drastis posisi junior di Jerman

Pekerjaan tingkat pemula berisiko: Bagaimana AI merusak jenjang karier di Jerman

Pasar tenaga kerja Jerman sedang mengalami perubahan mendalam, yang menimbulkan tantangan signifikan bagi banyak profesional muda. Sementara perusahaan terus mengeluhkan kekurangan pekerja terampil, tren yang mengkhawatirkan mulai muncul: jumlah posisi tingkat pemula telah menurun lebih dari dua pertiga sejak musim panas 2022. Penurunan ini sangat terasa di bidang aplikasi TI, pemasaran, dan manajemen proyek, di mana kecerdasan buatan dan alat digital semakin mengambil alih tugas. Namun, asumsi yang jelas bahwa AI menghancurkan tangga karier tingkat pertama adalah penyederhanaan yang berlebihan. Penurunan posisi junior dimulai bahkan sebelum diperkenalkannya ChatGPT dan merupakan bagian dari penurunan ekonomi yang lebih besar, yang juga ditandai dengan meningkatnya biaya pembiayaan dan menurunnya kemauan perusahaan untuk berinvestasi.

Erosi lapangan kerja tingkat pemula memiliki konsekuensi yang luas: hal ini tidak hanya membahayakan pelatihan talenta muda tetapi juga mengancam kapasitas inovasi jangka panjang dan daya saing perusahaan. Data terkini menunjukkan bahwa peluang kerja tingkat pemula telah menurun di hampir semua kelompok pekerjaan yang diteliti, menyoroti perlunya mengambil langkah-langkah yang tepat untuk memfasilitasi transisi dari pendidikan ke pekerjaan. Pada saat nilai pengalaman praktis dan keterampilan khusus meningkat, sangat penting bagi perusahaan dan lembaga pendidikan untuk bersama-sama mengembangkan strategi guna mengatasi tantangan masa depan di pasar tenaga kerja.

Jenjang karier yang lenyap di Jerman: Mengapa pekerjaan tingkat pemula runtuh di era AI?

Kekurangan tenaga kerja terampil di masa depan dimulai dengan penghapusan posisi junior hari ini

Pasar tenaga kerja Jerman mengirimkan dua pesan yang, sekilas, tampaknya tidak selaras. Perusahaan terus mengeluh tentang kekurangan pekerja terampil, sementara pada saat yang sama jumlah posisi tingkat pemula telah anjlok lebih dari dua pertiga sejak puncaknya pada musim panas 2022. Bidang pekerjaan di mana alat digital dan kecerdasan buatan generatif dapat mendukung atau sebagian mengambil alih banyak tugas mengalami penyusutan yang sangat tajam. Aplikasi TI, pemasaran, dan manajemen proyek merupakan contoh tren ini. Sebaliknya, keperawatan, kedokteran, farmasi, gastronomi, dan perhotelan berkembang jauh lebih pesat.

Penjelasan yang paling jelas adalah bahwa kecerdasan buatan menghancurkan langkah pertama dalam jenjang karier. Tesis ini masuk akal, tetapi dalam bentuknya yang sederhana, tidak dapat dipertahankan. Penurunan dimulai sejak musim semi 2022, beberapa bulan sebelum peluncuran ChatGPT. Pada saat yang sama, ekonomi Jerman melemah, pembiayaan menjadi lebih mahal, kecenderungan untuk berinvestasi menurun, perusahaan mengoreksi kelebihan staf dari tahun-tahun booming, dan memusatkan perekrutan baru pada spesialis yang langsung produktif. Oleh karena itu, AI harus dipahami bukan sebagai satu-satunya penyebab, melainkan sebagai akselerator, filter seleksi, dan guncangan ekspektasi di pasar tenaga kerja yang sudah lemah.

Jumlah posisi junior yang saat ini tidak tersedia bukanlah satu-satunya faktor yang signifikan secara ekonomi. Yang terpenting, pekerjaan tingkat pemula memenuhi fungsi produksi: pekerjaan tersebut memberikan pengalaman praktis kepada karyawan muda, mengajarkan mereka proses operasional, mengembangkan penilaian mereka, dan mematangkan mereka menjadi spesialis dan manajer yang dibutuhkan perusahaan beberapa tahun kemudian. Jika posisi-posisi ini dihilangkan secara permanen, perusahaan menghemat biaya pelatihan dalam jangka pendek, tetapi menciptakan kesenjangan jangka panjang dalam jalur pengembangan bakatnya sendiri. Di sinilah letak risiko strategisnya. Penghematan langsung terlihat, sementara hilangnya keterampilan, kapasitas inovatif, dan potensi suksesi baru akan terlihat seiring waktu.

Dari lonjakan perekrutan hingga krisis

Titik awal perkembangan ini sangat luar biasa. Pada Juli 2022, jumlah posisi yang secara eksplisit ditetapkan sebagai posisi junior, magang, lulusan, atau tingkat pemula sekitar 75 persen lebih tinggi daripada rata-rata tahun 2019. Lonjakan ini mencerminkan efek pemulihan pasca-pandemi, pasar tenaga kerja yang ketat, investasi besar dalam digitalisasi, dan persaingan untuk mendapatkan talenta. Perusahaan memperluas tim, membiayai pertumbuhan, dan secara proaktif mengisi lowongan karena mereka mengantisipasi permintaan yang tinggi secara berkelanjutan.

Pada Juli 2026, pasokan ini telah turun menjadi 46 persen di bawah level tahun 2019. Dari puncaknya, ini menunjukkan penurunan lebih dari dua pertiga. Pasar secara keseluruhan juga mendingin secara signifikan, meskipun tetap delapan persen di atas nilai referensi tahun 2019 pada saat keruntuhannya. Sejak puncaknya pada tahun 2022, pasar telah turun sekitar 38 persen. Dengan demikian, posisi tingkat pemula menurun tidak hanya sejalan dengan permintaan tenaga kerja secara umum, tetapi juga dengan laju yang jauh lebih cepat. Kesempatan memasuki dunia kerja semakin menyempit di dalam pasar yang menyusut.

Posisi magang dan kerja praktik mahasiswa juga sekitar 24 persen di bawah level tahun 2019 pada Juli 2026. Penurunan sejak tahun 2022 tidak terlalu tajam karena puncaknya pada saat itu lebih rendah. Meskipun demikian, perkembangan ini bermasalah: magang dan kerja praktik mahasiswa seringkali menjadi jembatan antara universitas dan pekerjaan tetap. Jika perusahaan mengurangi tahap awal ini dan posisi junior selanjutnya, transisi dari sistem pendidikan ke tempat kerja menjadi kurang lancar.

Besarnya masalah ini terlihat jelas dalam data pasar tenaga kerja yang lebih luas. Pada kuartal kedua tahun 2026, terdapat sekitar 1,02 juta lowongan pekerjaan di Jerman. Angka ini sekitar 130.000, atau sebelas persen, lebih rendah daripada kuartal sebelumnya dan sekitar tiga persen lebih rendah daripada tahun sebelumnya. Terlepas dari pembatasan wilayah terkait pandemi, permintaan tenaga kerja belum pernah serendah ini sejak tahun 2016. Secara statistik, terdapat 291 orang yang terdaftar sebagai pengangguran untuk setiap 100 lowongan pekerjaan. Dengan demikian, pasar telah bergeser dari pasar yang sangat bergantung pada kandidat menjadi pasar yang lebih selektif dan bergantung pada pemberi kerja.

Kinerja ekonomi Jerman memberikan latar belakang siklus. Setelah dua tahun resesi, produk domestik bruto riil hanya tumbuh sebesar 0,2 persen pada tahun 2025. Meskipun terjadi peningkatan moderat pada dua kuartal pertama tahun 2026, investasi dan permintaan swasta tetap lemah. Lingkungan seperti itu tidak menguntungkan bagi keputusan pertumbuhan yang padat karya. Perusahaan tidak selalu melakukan PHK massal, tetapi mereka mengurangi lowongan, menunda pengisian posisi, dan meningkatkan persyaratan untuk setiap peran baru.

Pencurian berdampak pada hampir semua orang

Dari 28 kelompok pekerjaan yang diteliti, 26 kelompok mengalami penurunan peluang kerja tingkat pemula sejak tahun 2022. Di 23 kelompok, posisi junior berkinerja lebih buruk daripada pasar secara keseluruhan. Oleh karena itu, ini bukan masalah terisolasi yang memengaruhi perusahaan teknologi individual, melainkan penurunan akses ke pasar tenaga kerja yang meluas. Namun, perbedaan antar bidang pekerjaan menunjukkan kekuatan ekonomi mana yang sangat berpengaruh.

Aplikasi dan solusi TI paling terpukul, dengan penurunan 77 persen dibandingkan puncaknya. Di bidang pemasaran, jumlah posisi yang tersedia turun 75 persen, dan di bidang manajemen proyek turun 60 persen. Untuk magang dan posisi mahasiswa yang bekerja paruh waktu, penurunan di bidang-bidang ini masing-masing sebesar 54 persen, 55 persen, dan 56 persen. Aktivitas-aktivitas ini memiliki beberapa karakteristik yang sama: sebagian besar pekerjaan bersifat digital, dapat distandarisasi, dipecah menjadi paket kerja, dan dipantau menggunakan hasil kerja elektronik. Karakteristik inilah yang memfasilitasi otomatisasi, sentralisasi, outsourcing, dan peningkatan produktivitas melalui perangkat lunak.

Hanya dua sektor utama yang mengalami perkembangan positif dalam posisi tingkat pemula. Keperawatan, kedokteran, dan farmasi meningkat sebesar 18 persen, sementara makanan, gastronomi, dan perhotelan naik sebesar sepuluh persen. Sektor-sektor ini mengalami kekurangan staf struktural yang disertai dengan pekerjaan yang membutuhkan kehadiran fisik, kesadaran situasional, interaksi manusia, atau tanggung jawab langsung. Banyak dari profesi ini juga membutuhkan pelatihan kejuruan daripada gelar universitas. Oleh karena itu, stabilitas relatif mereka bukan hanya antitesis dari kualifikasi akademis yang dianggap tidak berharga, tetapi lebih merupakan ekspresi dari kondisi produksi yang berbeda.

Di sektor sosial, serta di bidang pengasuhan anak dan pendidikan, jumlah magang dan posisi mahasiswa yang bekerja meningkat sebesar 18 persen. Faktor kelembagaan berperan di sini, karena magang wajib telah mapan di banyak program gelar dan pelatihan kejuruan. Ini menyoroti perbedaan penting: Di mana pengalaman praktis diwajibkan karena peraturan, persyaratan kurikulum, atau kebijakan perusahaan, kemungkinan besar tidak akan sepenuhnya dihilangkan, bahkan selama ekonomi yang lemah. Sebaliknya, di mana pengalaman praktis diperlakukan sebagai investasi opsional, kemungkinan besar akan menjadi korban langkah-langkah penghematan.

Namun, data tersebut hanya menggambarkan lowongan pekerjaan yang judulnya mengandung istilah umum seperti Junior, Trainee, Graduate, atau Young Professional. Perusahaan juga dapat menemukan kandidat tingkat pemula yang sesuai melalui lowongan pekerjaan yang lebih umum, promosi internal, atau perekrutan langsung dari program magang dan kemitraan universitas. Oleh karena itu, pengukuran ini berpotensi meremehkan jalur masuk tersembunyi. Sebaliknya, lowongan pekerjaan dengan judul "Junior" mungkin memerlukan pengalaman profesional dan oleh karena itu tidak secara otomatis merupakan posisi tingkat pemula yang sebenarnya. Terlepas dari itu, tren ini signifikan karena kekuatan dan cakupannya, tetapi tidak boleh disamakan dengan jumlah pasti semua profesional tingkat pemula yang baru direkrut.

AI tidak menjelaskan segalanya

Korelasi yang mencolok antara paparan AI dan hilangnya pekerjaan adalah nyata. Pada kelompok pekerjaan di mana lebih dari 60 persen keterampilan dan tugas dapat diambil alih atau didukung oleh AI, hanya ada sekitar setengah dari jumlah posisi tingkat pemula, magang, dan mahasiswa yang bekerja paruh waktu pada Juli 2026 dibandingkan tahun 2019. Di sisi lain, kelompok pekerjaan dengan potensi transformasi kurang dari 40 persen tetap berada pada atau di atas tingkat sebelumnya. Kesenjangan antara pekerjaan berbasis pengetahuan yang mudah diotomatisasi secara digital dan pekerjaan yang lebih bersifat fisik atau sosial telah melebar secara signifikan.

Namun, korelasi tidak selalu berarti sebab-akibat. Tren yang berbeda mulai muncul sejak musim semi 2022, sementara ChatGPT baru tersedia untuk umum pada November tahun yang sama. Pada saat itu, bank sentral menaikkan suku bunga, perusahaan-perusahaan yang sedang berkembang kehilangan akses ke pembiayaan murah, perusahaan teknologi mengoreksi kelebihan kapasitas terkait pandemi, dan krisis energi melanda Jerman dengan sangat parah. Layanan yang intensif pengetahuan juga sensitif terhadap siklus investasi: ketika lebih sedikit proyek digital, kampanye, keterlibatan konsultasi, atau proyek perangkat lunak yang diluncurkan, permintaan personel di sektor-sektor ini menurun lebih cepat daripada di bidang keperawatan atau perhotelan.

Oleh karena itu, paparan AI tumpang tindih dengan sensitivitas ekonomi. Profesi yang sangat terdigitalisasi seringkali merupakan profesi yang berkembang sangat pesat selama pandemi dan kemudian harus melakukan penyesuaian yang signifikan. Profesi-profesi ini juga lebih sering cocok untuk pekerjaan yang tidak terikat lokasi. Kerja jarak jauh dapat mempersulit perekrutan profesional tingkat pemula karena pengawasan, pembelajaran informal, dan pertanyaan spontan menjadi lebih memakan waktu. Pemberi kerja kemudian lebih menyukai individu berpengalaman yang dapat bekerja secara produktif tanpa dukungan intensif. Jika efek kerja dari rumah dan struktur pekerjaan diperhitungkan secara statistik, korelasi yang tampaknya jelas dengan AI dapat menjadi jauh lebih lemah.

Temuan internasional juga beragam. Di Amerika Serikat, beberapa analisis menunjukkan penurunan relatif dalam perekrutan kaum muda di bidang pekerjaan yang sangat terpapar AI, sementara karyawan yang lebih tua di posisi yang sama menunjukkan kinerja yang lebih konsisten. Studi lain, pada tingkat perusahaan atau industri secara keseluruhan, sejauh ini belum menemukan penurunan umum dalam lowongan pekerjaan akibat penggunaan AI yang tinggi. Kedua hasil tersebut dapat terjadi secara bersamaan: Sebuah perusahaan dapat mempertahankan jumlah karyawan secara keseluruhan tetap stabil tetapi mencari lebih sedikit staf junior dan lebih banyak spesialis berpengalaman, insinyur AI, atau personel yang berorientasi pada penjualan.

Oleh karena itu, interpretasi yang paling tepat adalah sebagai berikut: Pergerakan keseluruhan yang diamati sejauh ini sebagian besar bersifat siklik dan struktural, sementara AI mengubah komposisi internal permintaan. AI mengurangi kebutuhan akan tugas-tugas rutin tertentu, meningkatkan produktivitas tim yang ada, dan menggeser nilai dari eksekusi ke kontrol, integrasi, dan akuntabilitas. Membuktikan secara statistik dampak besar dan terisolasi dari AI pada jumlah total pekerjaan masih sulit. Namun, pada tingkat tugas individu, tingkat hierarki, dan keputusan perekrutan, pengaruhnya sudah signifikan secara ekonomi.

Otomatisasi senyap pada pengisian kekosongan properti

Dampak pertama teknologi baru terhadap pasar tenaga kerja seringkali tidak muncul sebagai PHK. Dampaknya berupa posisi yang tidak lagi diiklankan. Jika tim yang didukung AI dapat menangani beban kerja yang sama dengan lebih sedikit karyawan tambahan, perusahaan tidak perlu melakukan PHK. Perusahaan cukup tidak mengisi posisi junior yang direncanakan atau menggabungkan dua rangkaian tugas. Proses ini tetap tidak terlihat dalam angka ketenagakerjaan agregat untuk waktu yang lama, sementara para pencari kerja merasakan dampaknya secara langsung.

Mekanisme ini dapat digambarkan sebagai otomatisasi lowongan kerja secara diam-diam. Hal ini kurang berisiko bagi perusahaan dibandingkan PHK karena tidak ada pesangon, negosiasi, atau kerusakan reputasi. Pada saat yang sama, hal ini memungkinkan mereka untuk menunggu dan melihat seberapa efektif alat-alat baru tersebut. Jika peningkatan produktivitas yang diharapkan gagal terwujud, perekrutan dapat dilanjutkan kemudian. Jika teknologi tersebut berhasil, jumlah tenaga kerja yang lebih kecil secara permanen akan menjadi hal yang normal.

AI generatif memperkuat opsi menunggu ini. Kemampuannya berkembang pesat, harganya turun, dan aplikasinya diintegrasikan ke dalam perangkat lunak standar. Perusahaan yang mempekerjakan seorang pemula hari ini membuat komitmen pengembangan dan gaji selama bertahun-tahun. Perusahaan yang membiarkan posisi tersebut terbuka pada awalnya dan menguji perangkat lunak terlebih dahulu mempertahankan fleksibilitas. Dalam iklim ketidakpastian yang tinggi, opsi menunggu ini menjadi menarik secara ekonomi, bahkan jika teknologinya belum cukup andal untuk menggantikan karyawan penuh waktu.

Ditambah lagi dengan fenomena seniorisasi. Perusahaan mencari kandidat dengan pengalaman lebih banyak, keahlian yang lebih luas, dan ketersediaan segera untuk posisi yang sebelumnya berada di level lebih rendah. Peran junior sebelumnya tidak selalu hilang sepenuhnya; peran tersebut hanya diiklankan kembali dengan persyaratan yang lebih tinggi. Pengalaman profesional, pengetahuan industri, kontak pelanggan, literasi data, dan penggunaan AI yang percaya diri kini diharapkan dapat digabungkan dalam satu orang. Hal ini mengurangi jumlah peluang kerja tingkat pemula yang sebenarnya, meskipun judul pekerjaan yang serupa mungkin masih ada.

Bagi karyawan berpengalaman, AI seringkali bersifat komplementer. Mereka dapat memeriksa hasil, mengidentifikasi kesalahan, menetapkan prioritas, dan bertanggung jawab. Bagi pemula, teknologi yang sama dapat bertindak sebagai pengganti karena mengotomatiskan tugas-tugas yang sebelumnya mereka pelajari: riset awal, analisis sederhana, teks standar, kasus uji, dokumentasi, penyusunan presentasi, persiapan data, dan koordinasi organisasi. Oleh karena itu, masalahnya bukanlah AI menghilangkan seluruh profesi sekaligus. AI menghilangkan tugas-tugas individual dari tingkat bawah kurva pembelajaran organisasi.

Produktivitas dengan efek samping

Logika ekonomi di balik perubahan ini sangat meyakinkan. Dalam sebuah studi terhadap lebih dari 5.000 karyawan layanan pelanggan, asisten AI meningkatkan jumlah kasus yang diselesaikan per jam rata-rata sekitar 14 persen. Untuk karyawan yang kurang berpengalaman dan berkinerja rendah, peningkatannya sekitar 34 persen, sementara staf yang sangat berpengalaman hampir tidak mendapatkan manfaat. Teknologi tersebut mentransfer sebagian pengetahuan berdasarkan pengalaman yang tersimpan dalam data kepada pendatang baru, secara signifikan mempercepat kurva pembelajaran mereka.

Dari perspektif bisnis, hal ini membuka dua strategi yang berlawanan. Sebuah perusahaan dapat mencapai lebih banyak dengan jumlah rekrutan baru yang sama, meningkatkan kualitas mereka lebih cepat, dan mengurangi kekurangan keterampilan. Atau, perusahaan dapat menghasilkan output yang sama dengan jumlah rekrutan baru yang lebih sedikit. Pilihan mana yang dipilih bergantung pada permintaan, persaingan, ekspektasi pertumbuhan, dan tujuan manajemen. Dalam ekonomi yang berkembang, peningkatan produktivitas cenderung mengarah pada peningkatan produksi; dalam ekonomi yang stagnan, hal itu cenderung mengarah pada pengurangan biaya dan perekrutan yang lebih hati-hati.

Selain itu, efek produktivitas tidak bersifat universal. Untuk tugas-tugas yang didefinisikan dengan jelas, sering berulang, dan mudah diverifikasi, AI generatif sering memberikan keuntungan yang signifikan. Namun, untuk masalah kompleks di luar jangkauan kompetensinya, AI generatif dapat menghasilkan kesalahan yang sangat keliru. Dalam eksperimen dengan konsultan manajemen, kinerja meningkat secara signifikan pada tugas-tugas kreatif yang sesuai, sementara menurun pada tugas-tugas pemecahan masalah yang tidak sesuai meskipun telah diberikan peringatan. Oleh karena itu, produktivitas tidak hanya muncul dari akses ke model, tetapi lebih dari desain tugas yang tepat, kontrol kualitas, dan penilaian yang baik.

Di sinilah dilema pelatihan menjadi jelas. Perusahaan membutuhkan orang-orang yang dapat mengevaluasi hasil AI secara kritis. Namun, keterampilan ini berkembang dari keahlian dan pengalaman, yang secara tradisional diperoleh melalui tugas-tugas yang lebih sederhana. Jika semua pekerjaan dasar diotomatisasi dan posisi junior dihilangkan, kelompok yang mampu meninjau hasil kompleks secara profesional akan hilang. Organisasi kemudian bergantung pada kumpulan karyawan berpengalaman tetapi gagal untuk memperbarui kumpulan ini secara memadai.

Dalam jangka pendek, model ini dapat tampak sangat menguntungkan. Karyawan senior dengan dukungan AI menyelesaikan lebih banyak pekerjaan, tim menjadi lebih kecil, dan biaya personel menurun. Namun, dalam jangka panjang, risiko konsentrasi meningkat. Pengetahuan terkonsentrasi di tangan beberapa individu kunci, mencari pengganti menjadi lebih sulit, suksesi internal gagal, dan merekrut spesialis eksternal menjadi lebih mahal. Dividen produktivitas saat ini dapat menjadi hutang kompetensi di masa depan.

Keahlian kami di Uni Eropa dan Jerman dalam pengembangan bisnis, penjualan, dan pemasaran - Gambar: Xpert.Digital

Bidang fokus industri: B2B, digitalisasi (dari AI hingga XR), teknik mesin, logistik, energi terbarukan, dan industri

Informasi selengkapnya di sini:

• Pusat Bisnis Pakar

Pusat tematik yang menawarkan wawasan dan keahlian:

• Platform pengetahuan yang mencakup ekonomi global dan regional, inovasi, dan tren spesifik industri
• Kumpulan analisis, wawasan, dan informasi latar belakang dari area fokus utama kami
• Sebuah tempat untuk mendapatkan keahlian dan informasi tentang perkembangan terkini di bidang bisnis dan teknologi
• Sebuah pusat informasi bagi perusahaan yang mencari informasi tentang pasar, digitalisasi, dan inovasi industri

Kekurangan tenaga terampil meskipun jumlah pelamar berlebih

Kekurangan tenaga kerja terampil dan posisi tingkat pemula secara bersamaan bukanlah sebuah kontradiksi, melainkan masalah kualifikasi dan pengalaman. Perusahaan seringkali tidak mencari tambahan tenaga kerja dalam arti abstrak, melainkan seorang spesialis yang dapat langsung ditempatkan, memiliki pengetahuan industri spesifik, pemahaman pelanggan, keterampilan teknis, dan pengalaman dalam memikul tanggung jawab. Lulusan baru tentu saja belum memenuhi profil ini. Jika perusahaan kurang bersedia berinvestasi dalam pelatihan dan pengembangan, posisi spesialis yang terbuka akan tetap ada bersamaan dengan para pencari kerja pemula.

Paradoks ini sangat terlihat di sektor TI. Meskipun lowongan pekerjaan menurun, diperkirakan 109.000 posisi TI tetap tidak terisi di Jerman pada tahun 2025. Pada saat yang sama, lowongan pekerjaan tingkat pemula di bidang aplikasi TI dan solusi TI telah anjlok sebesar 77 persen sejak tahun 2022. Pasar terus membutuhkan keahlian digital, tetapi semakin jarang dalam bentuk profil tingkat pemula tradisional. Pengalaman, spesialisasi, dan semakin meningkat, kemampuan untuk menggunakan AI secara produktif dan bertanggung jawab sangat dibutuhkan.

Tingkat pengangguran di kalangan lulusan universitas meningkat menjadi 3,3 persen pada tahun 2025, melampaui ambang batas yang biasanya dikaitkan dengan lapangan kerja penuh untuk pertama kalinya sejak tahun 2007. Jumlah lulusan yang menganggur meningkat secara signifikan lebih besar daripada pengangguran secara keseluruhan. Meskipun demikian, jumlah orang dengan gelar universitas yang bekerja di sektor yang dikenakan iuran jaminan sosial terus meningkat, mencapai sekitar 7,2 juta. Ini bukan merupakan krisis lapangan kerja akademis yang komprehensif, melainkan penurunan yang nyata dalam transisi antar profesi dan kesenjangan yang lebih luas antara disiplin ilmu, tingkat pengalaman, dan profil keterampilan.

Perusahaan menanggapi situasi ini dalam beberapa kasus dengan merekrut orang yang beralih karier. Sekitar satu dari empat profesional TI yang baru direkrut berasal dari jalur kualifikasi alternatif; proporsi ini mirip dengan lulusan universitas. Hal ini menunjukkan bahwa gelar formal saja kehilangan signifikansinya, sementara pengalaman praktis yang terbukti semakin penting. Persaingan semakin ketat bagi mereka yang memasuki dunia kerja, karena mereka bersaing tidak hanya dengan lulusan lain tetapi juga dengan orang yang beralih karier yang berpengalaman dan spesialis yang tersedia secara internasional.

Dengan demikian, pasar tenaga kerja Jerman lebih menderita akibat beberapa kekurangan paralel daripada kekurangan yang seragam. Terdapat kekurangan perawat, tenaga kerja terampil, teknisi listrik, dan spesialis IT berpengalaman. Pada saat yang sama, terlalu sedikit posisi tingkat pemula yang sesuai untuk banyak lulusan baru. Perbedaan regional, kualifikasi yang tidak sesuai, ekspektasi gaji, kurangnya perumahan, dan mobilitas yang terbatas memperburuk ketidaksesuaian ini. Oleh karena itu, pernyataan bahwa Jerman mengalami kekurangan pekerja terampil tidak banyak menjelaskan tentang peluang seseorang untuk memasuki dunia kerja.

Pelatihan sebagai jangkar stabilitas

Meskipun lowongan pekerjaan tingkat pemula tradisional menurun, jumlah posisi pelatihan kejuruan yang diiklankan, termasuk program studi ganda, tetap relatif stabil. Pada periode Agustus 2025 hingga Juli 2026, rata-rata jumlah posisi yang diiklankan sekitar 50 persen lebih tinggi daripada tahun 2019. Dalam 20 dari 23 kelompok pekerjaan yang sebanding, ketersediaan program pelatihan menunjukkan kinerja yang lebih baik daripada ketersediaan posisi tingkat pemula. Pengembangan perangkat lunak sangat menunjukkan hal ini: posisi junior sekitar 70 persen lebih rendah dari level tahun 2019, sementara peluang pelatihan, terutama untuk spesialis TI dalam pengembangan aplikasi, 27 persen lebih tinggi.

Salah satu alasannya terletak pada struktur pekerjaan. Hanya sekitar 15 persen program magang berada di bidang profesi di mana lebih dari 60 persen keterampilan yang disebutkan dapat diambil alih atau didukung oleh AI. Untuk posisi tingkat pemula, angka ini adalah 42 persen, dan untuk magang dan posisi mahasiswa yang bekerja, angkanya adalah 33 persen. Sebaliknya, 37 persen program magang memiliki potensi transformasi AI yang rendah, yaitu kurang dari 40 persen. Untuk pekerjaan tingkat pemula, angka ini hanya sembilan persen, dan untuk magang dan posisi mahasiswa yang bekerja, angkanya adalah sepuluh persen.

Bagi perusahaan, pelatihan juga merupakan instrumen ekonomi yang berbeda dibandingkan dengan merekrut lulusan universitas. Peserta pelatihan menerima gaji lebih rendah, secara bertahap diperkenalkan pada persyaratan perusahaan selama beberapa tahun, dan dapat mengkhususkan diri dalam proses spesifik perusahaan sejak dini. Hal ini mengurangi risiko perekrutan dan memungkinkan perencanaan personel jangka panjang. Oleh karena itu, di masa-masa yang tidak pasti, mengembangkan talenta dari dalam perusahaan bisa lebih menarik daripada merekrut lulusan dengan gaji lebih tinggi yang produktivitas dan retensinya pada awalnya tidak pasti.

Namun, sistem ganda ini tidak boleh diidealkan. Pada tahun 2025, jumlah program magang yang ditawarkan turun sebesar 4,6 persen menjadi sekitar 530.300. Sekitar 476.700 kontrak baru ditandatangani, 2,1 persen lebih sedikit daripada tahun sebelumnya. Pada saat yang sama, 84.400 anak muda masih mencari program magang pada akhir September, sementara 54.400 posisi tetap kosong. Fakta bahwa ada pelamar dan lowongan secara bersamaan menunjukkan ketidaksesuaian regional, pekerjaan, dan kualifikasi.

Oleh karena itu, banyaknya lowongan pekerjaan daring tidak berarti bahwa setiap anak muda dapat dengan mudah menemukan pelatihan yang sesuai. Beberapa tawaran berlokasi di daerah dengan biaya hidup tinggi atau aksesibilitas yang buruk, sementara yang lain berkaitan dengan profesi dengan jam kerja yang tidak nyaman, gaji rendah, atau status sosial rendah. Sebaliknya, pelamar tidak selalu memenuhi harapan akademis atau pribadi dari perusahaan. Sistem ganda merupakan faktor penstabil yang penting, tetapi bukan kompensasi otomatis untuk penurunan posisi akademis junior.

Jika anak tangga pertama hilang

Awal karier yang buruk dapat membentuk seluruh biografi profesional seseorang. Mereka yang tetap menganggur dalam jangka waktu lama setelah lulus kuliah memperoleh pengalaman praktis yang lebih sedikit, kehilangan pengetahuan khusus pekerjaan, dan dapat mengirimkan sinyal negatif kepada calon pemberi kerja. Hal ini seringkali menyebabkan pergeseran ke posisi yang tidak terkait, bergaji lebih rendah, atau sementara. Lebih jauh lagi, gaji pertama seringkali menjadi dasar negosiasi gaji selanjutnya, yang berarti bahwa gaji awal yang rendah dapat berdampak selama bertahun-tahun mendatang.

Studi jangka panjang di Jerman menunjukkan bahwa pengangguran dini dapat dikaitkan dengan kerugian pendapatan yang signifikan di kemudian hari. Hal ini sangat berdampak pada individu dengan potensi penghasilan yang lebih rendah, sementara karyawan berkinerja tinggi lebih cenderung mengimbangi kerugian tersebut melalui perubahan pekerjaan dan peningkatan karier. Studi lain terhadap kelompok yang terdampak resesi menyimpulkan bahwa kerugian upah dapat berkurang setelah beberapa tahun. Faktor-faktor penting meliputi durasi pengangguran, kualitas pekerjaan pertama, mobilitas, dan kemampuan untuk beralih dengan cepat ke perusahaan yang lebih produktif.

Penurunan saat ini dapat memperburuk ketidaksetaraan dalam satu generasi. Lulusan dengan dukungan finansial, koneksi, mobilitas, dan magang yang relevan dapat melewati periode pencarian kerja yang lebih lama dan memperoleh kualifikasi tambahan. Yang lain terpaksa menerima tawaran yang tidak sesuai sejak awal atau meninggalkan bidang studi mereka. Seleksi kemudian tidak hanya didasarkan pada kemampuan, tetapi juga pada sumber daya keluarga dan toleransi risiko.

Masalah kolektif muncul bagi perusahaan. Setiap bisnis memiliki insentif untuk menghemat biaya pelatihan dan merekrut pekerja berpengalaman dari perusahaan lain. Jika banyak perusahaan bertindak seperti ini, maka terlalu sedikit modal manusia yang dikembangkan secara keseluruhan. Pasar kemudian menghasilkan lebih sedikit talenta muda daripada yang dibutuhkan di kemudian hari. Para ekonom menyebut ini sebagai eksternalitas positif dari pelatihan internal perusahaan: Perusahaan menanggung biayanya, tetapi beberapa manfaatnya mungkin akan diperoleh oleh perusahaan lain atau perekonomian secara keseluruhan di kemudian hari.

Tren demografis memperburuk kesalahan manajemen ini. Dengan pensiunnya generasi baby boomer, bukan hanya tenaga kerja yang hilang, tetapi juga pengalaman berharga. Jika karyawan yang lebih muda tidak dapat memperoleh pengetahuan ini tepat waktu, maka akan muncul kesenjangan ganda. AI dapat meningkatkan dokumentasi, fungsi pencarian, dan akses pengetahuan, tetapi tidak dapat begitu saja menggantikan penilaian situasional, kepercayaan pelanggan, rasa tanggung jawab, dan pengetahuan tentang proses operasional informal.

Ekonomi baru berbasis kompetensi

Di masa depan, nilai seorang profesional baru akan diukur bukan lagi berdasarkan kemampuan mereka untuk melakukan tugas-tugas standar dari awal. Yang lebih penting adalah kemampuan mereka untuk secara efektif menyusun proses kerja menggunakan AI, memverifikasi hasil, mengidentifikasi kesalahan, dan menerjemahkan keahlian menjadi keputusan yang tepat. Ini bukan berarti pengetahuan dasar menjadi usang. Sebaliknya: mereka yang kurang memiliki keahlian untuk mengevaluasi hasil bergantung pada kualitas model dan menanggung risiko yang tak terhitung.

Hal ini menghasilkan profil kompetensi baru yang terdiri dari tiga tingkatan. Tingkat pertama adalah pengetahuan domain yang solid, misalnya di bidang ilmu komputer, pemasaran, keuangan, logistik, atau hukum. Tingkat kedua adalah kompetensi AI: memecah tugas, memilih alat yang tepat, melindungi data, memvalidasi pengeluaran, dan mengotomatiskan alur kerja. Tingkat ketiga mencakup keterampilan manusia yang sulit distandarisasi: tanggung jawab, komunikasi, negosiasi, pemahaman kontekstual, kreativitas, dan penanganan situasi yang ambigu.

Para pemberi kerja akan semakin membedakan antara sekadar penggunaan alat dan keahlian sistem yang produktif. Kandidat yang hanya merumuskan perintah tidak menawarkan keuntungan jangka panjang. Yang berharga adalah seseorang yang menguasai suatu proses dari masalah hingga data dan model hingga keputusan yang terverifikasi. Ini menjelaskan mengapa, meskipun AI sudah tersedia, perusahaan terus mencari spesialis sambil mengurangi jumlah profil junior umum.

Pada saat yang sama, AI juga dapat mempermudah proses memulai. AI menurunkan hambatan pengetahuan, membantu dalam pemrograman, mendukung keterampilan bahasa, dan membuat alat analisis berkualitas tinggi lebih mudah diakses secara luas. Dalam lingkungan pembelajaran yang dirancang dengan baik, pemula mendapatkan manfaat yang jauh lebih besar karena sistem memberikan umpan balik dan bantuan yang sesuai dengan konteks. Oleh karena itu, pertanyaan krusialnya bukanlah apakah kaum muda harus menggunakan AI, tetapi apakah perusahaan menerjemahkan peningkatan produktivitas tersebut menjadi peningkatan kinerja dan pelatihan yang dipercepat, atau hanya menjadi pengurangan lapangan kerja.

Profesi petugas pajak menunjukkan bahwa profil pekerjaan dapat diubah. Setelah adanya regulasi pelatihan yang dimodernisasi, potensi otomatisasi yang teridentifikasi menurun dari 100 menjadi 50 persen karena konsultasi, layanan pelanggan, dan tugas-tugas yang lebih menuntut lebih terintegrasi ke dalam deskripsi pekerjaan. Contoh ini tidak membuktikan bahwa risiko otomatisasi hilang hanya dengan mengubah judul pekerjaan. Namun, hal ini menunjukkan bahwa lembaga dapat merancang pelatihan sedemikian rupa sehingga orang mengembangkan sejak dini keterampilan pelengkap yang tidak dapat digantikan secara andal oleh teknologi.

Risiko apa yang dihadapi perusahaan saat ini?

Pengurangan posisi junior dapat meningkatkan rasio biaya dan pemanfaatan kapasitas dalam jangka pendek. Hal ini bahkan mungkin diperlukan selama perekonomian yang lemah. Namun, hal ini menjadi bermasalah ketika reaksi siklus berkembang menjadi strategi personalia permanen. Kemudian, setelah beberapa tahun, terjadi kekurangan karyawan dengan pengalaman menengah, dari mana manajer proyek, arsitek, manajer akun, dan eksekutif dapat muncul.

Perusahaan dengan tenaga kerja yang menua dan proporsi pengetahuan tacit yang tinggi sangat rentan. Dalam kasus seperti itu, keahlian tidak dapat diperoleh dengan cepat di pasar terbuka. Ketika karyawan berpengalaman pensiun secara bersamaan, kesenjangan yang dihasilkan dapat menyebabkan risiko operasional, masalah kualitas, dan penundaan proyek. Memulai kembali upaya perekrutan di kemudian hari membutuhkan waktu bertahun-tahun karena merekrut talenta baru tidak secara otomatis menjamin produktivitas penuh.

Alternatif yang layak adalah mendesain ulang, bukan menghilangkan, peran tingkat pemula. Staf junior harus menghabiskan lebih sedikit waktu untuk tugas-tugas yang murni mekanis, tetapi tetap memikul tanggung jawab yang terkendali. AI dapat mengurangi pekerjaan rutin, sementara mentor dapat memfokuskan waktu mereka pada diskusi kasus, kontrol kualitas, kontak pelanggan, dan pemahaman sistem. Dengan cara ini, kurva pembelajaran tidak dihilangkan, tetapi justru dipercepat.

Untuk mencapai hal ini, perusahaan perlu menggunakan metrik baru. Faktor-faktor penting bukan hanya penghematan waktu jangka pendek dan jumlah tugas yang diselesaikan, tetapi juga waktu untuk mencapai kinerja mandiri, tingkat kesalahan, kualitas keputusan, luasnya pengetahuan, tingkat kepegawaian internal, dan retensi setelah dua atau tiga tahun. Mereka yang hanya mengukur produktivitas langsung meremehkan nilai pembelajaran dan modal suksesi.

Usaha kecil dan menengah (UKM) juga dapat memperoleh manfaat. Mereka seringkali tidak bersaing dalam hal gaji awal tertinggi, tetapi dapat menawarkan tanggung jawab yang lebih cepat, kontak langsung dengan pelanggan, dan tugas yang lebih luas. Karakteristik ini menjadi sangat berharga ketika organisasi besar sangat menstandarisasi pekerjaan junior. Pendampingan profesional sangat penting; sekadar membebani staf junior dengan tanggung jawab awal tidak akan menumbuhkan kompetensi maupun komitmen.

Kebijakan pendidikan di bawah tekanan waktu

Universitas dan sekolah kejuruan harus lebih cepat menyesuaikan kurikulum mereka dengan perubahan distribusi tugas. Pengetahuan faktual murni kehilangan nilainya jika mudah diakses. Pada saat yang sama, pemahaman metodologis, kritik sumber, literasi data, dan pengawasan profesional menjadi semakin penting. Oleh karena itu, ujian tidak hanya harus menilai produksi teks, program, atau desain, tetapi juga proses kerja, validasi, dan justifikasi keputusan.

Tahapan praktik perlu diprioritaskan lebih tinggi. Jika perusahaan mengurangi magang sukarela, program wajib atau yang didanai bersama dapat menstabilkan transisi. Program studi ganda, semester praktik, model mahasiswa yang bekerja, dan proyek universitas bersama menggabungkan teori dengan persyaratan praktik. Namun, pendanaan publik tidak boleh secara permanen menggantikan biaya pelatihan swasta; dukungan harus dikaitkan dengan konten pembelajaran yang dapat dibuktikan, bimbingan, dan prospek pekerjaan.

Kebijakan pasar tenaga kerja seharusnya tidak berupaya mempertahankan setiap pekerjaan yang ada. Peningkatan keterampilan yang cepat, kualifikasi modular, dan penilaian kompetensi yang transparan lebih efektif. Mereka yang sudah memiliki pengetahuan khusus seringkali tidak membutuhkan program gelar yang sepenuhnya baru, melainkan modul-modul yang ditargetkan dalam analisis data, otomatisasi, keamanan siber, desain proses, atau aplikasi AI yang diatur. Program-program tersebut harus dapat diakses baik oleh individu yang bekerja maupun pencari kerja dari segi waktu dan biaya.

Selain itu, Jerman membutuhkan data yang lebih baik tentang praktik perekrutan aktual, profil pekerjaan, dan jalur karier. Pengumuman lowongan pekerjaan merupakan indikator cepat, tetapi hanya sebagian yang menangkap perekrutan terselubung dan transfer internal. Data yang terhubung dapat mengungkapkan apakah posisi junior hanya diganti namanya, dialihkan ke program magang, dialihdayakan, atau benar-benar diotomatisasi. Tanpa diferensiasi ini, ada risiko meremehkan perubahan teknologi atau secara prematur mengaitkan setiap penurunan ekonomi dengan AI.

Pada akhirnya, kebijakan pertumbuhan harus menjadi bagian dari solusi. Pelatihan lanjutan saja tidak akan menciptakan lapangan kerja jika perusahaan tidak mengantisipasi peningkatan permintaan. Investasi dalam infrastruktur digital, energi, perumahan, pertahanan, perawatan kesehatan, dan modernisasi industri dapat menghasilkan lapangan kerja tambahan. Semakin dinamis pertumbuhan ekonomi, semakin besar kemungkinan peningkatan produktivitas akan diterjemahkan menjadi peningkatan produksi dan lapangan kerja baru, daripada hanya mengurangi kebutuhan tenaga kerja.

Tiga jalur pengembangan yang mungkin

Dalam skenario yang menguntungkan, permintaan pulih, perusahaan menggunakan AI untuk ekspansi dan mengembangkan model tingkat pemula yang baru. Karyawan junior mengambil tugas yang lebih menantang lebih awal karena pekerjaan rutin diotomatisasi. Produktivitas meningkat, waktu belajar dipersingkat, dan tim yang lebih kecil menghasilkan nilai lebih tanpa menghilangkan jalur menuju talenta muda. Program magang, program studi ganda, dan jalur masuk akademis menjadi lebih terintegrasi.

Dalam skenario menengah, lapangan kerja secara keseluruhan tetap relatif stabil, tetapi jumlah peran junior tradisional secara permanen lebih rendah. Masuk ke dunia kerja semakin banyak melalui magang, proyek, pelatihan kerja, perubahan karier, dan program sementara. Persyaratan meningkat, dan para profesional baru membutuhkan pengalaman praktis dan keterampilan AI lebih awal. Perusahaan memperoleh efisiensi tetapi harus mengatasi berkurangnya jumlah manajemen menengah.

Dalam skenario terburuk, pertumbuhan yang lemah dan otomatisasi yang agresif bergabung untuk menciptakan pembekuan perekrutan yang berkelanjutan. Lebih sedikit anak muda yang memperoleh pengalaman yang relevan, pengangguran dan pekerjaan non-spesialis meningkat, dan beberapa tahun kemudian kekurangan pekerja berpengalaman semakin intensif. Perusahaan kemudian bereaksi dengan pembajakan karyawan yang mahal, perekrutan internasional, dan alih daya. Ekonomi kehilangan modal manusia, kapasitas inovatif, dan peluang untuk mobilitas sosial.

Jalur mana yang akan terbentang tidak ditentukan sebelumnya oleh teknologi. Itu bergantung pada permintaan, investasi, strategi sumber daya manusia, reformasi pendidikan, dan distribusi peningkatan produktivitas. AI dapat menggantikan tahap karier pertama, tetapi juga dapat membuatnya lebih efisien. Keputusan terletak pada desain pekerjaan, bukan hanya pada modelnya saja.

Tidak ada PHK, tetapi ada peringatan dari sistem

Penurunan jumlah pekerjaan tingkat pemula memang serius, tetapi hal itu tidak membuktikan kehancuran umum lapangan kerja akibat kecerdasan buatan. Data menunjukkan kombinasi beberapa faktor: lonjakan perekrutan yang luar biasa pada tahun 2022, kelemahan ekonomi, biaya pembiayaan yang lebih tinggi, koreksi sektoral, kerja jarak jauh, peningkatan permintaan, dan awal reorganisasi yang didorong oleh AI. Mereka yang hanya menyalahkan teknologi salah memahami urutan kejadian. Mereka yang sepenuhnya menyangkal pengaruhnya mengabaikan kinerja yang sangat lemah dari tugas-tugas digital, berbasis pengetahuan, dan mudah diotomatisasi.

Bahaya ekonomi utama terletak pada terkikisnya jenjang karier. Pasar tenaga kerja dapat secara bersamaan membutuhkan banyak profesional berpengalaman dan mempekerjakan terlalu sedikit pemula. Strategi ini berhasil dalam jangka pendek selama perusahaan mengandalkan kumpulan keahlian yang ada atau merekrut staf dari perusahaan lain. Namun, strategi ini tidak berkelanjutan karena pengalaman harus diperoleh terlebih dahulu sebelum dapat direkrut.

Bagi kaum muda, memasuki dunia kerja menjadi semakin selektif, lebih berorientasi praktis, dan lebih didorong oleh teknologi. Gelar sarjana tetap berharga, tetapi semakin jarang cukup sebagai satu-satunya kualifikasi. Bagi perusahaan, tantangannya bukanlah untuk mempertahankan peran junior secara nostalgia, tetapi untuk mendesain ulang peran tersebut secara produktif. Bagi kebijakan pendidikan dan universitas, tantangannya terletak pada pengintegrasian pengetahuan bidang tertentu, aplikasi AI, kontrol kualitas, dan pengalaman praktis di dunia nyata.

Oleh karena itu, penurunan lebih dari dua pertiga bukanlah sekadar koreksi pasar normal atau bukti pengangguran massal yang akan segera terjadi akibat AI. Ini adalah sinyal peringatan dini bagi perekonomian yang dapat menyelesaikan masalahnya saat ini dengan kurang berinvestasi pada tenaga kerja terampil di masa depan. Jika Jerman menghilangkan jenjang karier terendah, jangan heran jika tidak ada yang mencapai puncak di kemudian hari.

Solusi semi-internal: Bagaimana Xpert.Digital menutup kesenjangan operasional dalam pemasaran dan penjualan B2B – Bisnis Cerdas Berbasis Konten - Gambar: Xpert.Digital

Xpert.Digital adalah pusat industri B2B berbasis data yang dipimpin oleh Konrad Wolfenstein . Perusahaan ini bertindak sebagai solusi eksternal, yang hampir bersifat internal, bagi mitra industri, menutup kesenjangan operasional dalam pemasaran, konten, dan penjualan – tanpa memerlukan sumber daya tambahan di pihak klien.

Informasi selengkapnya di sini:

• Solusi semi-internal: Bagaimana Xpert.Digital menutup kesenjangan operasional dalam pemasaran dan penjualan B2B – Bisnis Cerdas Berbasis Konten

☑️ Bahasa bisnis kami adalah bahasa Inggris atau Jerman

☑️ BARU: Korespondensi dalam bahasa ibu Anda!

Konrad Wolfenstein

Saya dan tim saya dengan senang hati siap membantu Anda sebagai penasihat pribadi Anda.

Anda dapat menghubungi saya dengan mengisi formulir kontak di sini [email protected]:atau cukup hubungi saya di +49 7348 4088 965. Alamat email saya adalah

Saya sangat menantikan proyek bersama kita.

☑️ Dukungan UKM dalam strategi, konsultasi, perencanaan, dan implementasi

☑️ Pembuatan atau penyesuaian kembali strategi digital dan digitalisasi

☑️ Perluasan dan optimalisasi proses penjualan internasional

☑️ Platform perdagangan B2B global & digital

☑️ Pelopor Pengembangan Bisnis / Pemasaran / Humas / Pameran Dagang