Kebanyakan orang meremehkan berapa lama pekerjaan pengetahuan tingkat tinggi akan bertahan.

Mereka melihat AI menghancurkan tugas tingkat menengah dan menganggap kurva akan terus naik dengan lancar.

Itu tidak akan.

Karena “tugas yang lebih sulit” bukan hanya tugas yang sama yang membutuhkan IQ lebih tinggi.

AI sudah unggul dalam:

1. Pencocokan pola
2. Pengambilan kembali
3. Sintesis tingkat pertama
4. Kefasihan
5. Kecepatan

Itu menghapus sebagian besar pekerjaan tingkat junior dan menengah.

Apa pun yang terlihat seperti “mengubah input menjadi output” menjadi murah, cepat, dan melimpah.

Tapi pekerjaan pengetahuan tingkat tinggi beroperasi dalam rezim yang berbeda.

Ini bukan “menghasilkan jawaban.”
Ini “memutuskan apa yang harus dilakukan selanjutnya.”

Di tingkat atas, pekerjaan berhenti menjadi eksekusi dan menjadi pengambilan keputusan di bawah ketidakpastian — tujuan tidak jelas, data tidak lengkap, umpan balik lambat, dan kesalahan mahal.

Apa yang kita sebut “penilaian” bukanlah sesuatu yang mistis.

Ini adalah sekumpulan operasi konkret yang dilakukan manusia, secara implisit, yang sistem saat ini masih kesulitan lakukan secara andal tanpa kerangka kerja yang berat:

1. Konstruk tujuan —
Mengubah tujuan samar menjadi target yang dapat diuji (“apa yang kita optimalkan?”)

2. Pemodelan sebab-akibat —
Memisahkan korelasi dari tuas
(“apa yang mengubah apa?”)

3. Nilai informasi —
Memutuskan apa yang tidak perlu dipelajari karena terlalu lambat atau mahal

4. Berpikir batas kesalahan —
Beroperasi pada rentang, bukan estimasi titik
(“seberapa salah saya bisa?”)

5. Analisis reversibilitas —
Memilih tindakan yang dapat dipulihkan jika salah

6. Realisme insentif —
Memodelkan bagaimana orang dan institusi akan merespons, bukan bagaimana mereka seharusnya merespons

7. Waktu dan urutan —
Memilih urutan langkah agar tidak kolapsnya optionalitas terlalu dini

8. Akuntabilitas —
Memiliki tanggung jawab atas konsekuensi hilir, bukan hanya output

Inilah mengapa Anda bisa mendapatkan “output hebat dari AI” yang tetap gagal di dunia nyata.

Model bisa tetap fasih sambil kehilangan kendala tersembunyi.

Mereka bisa meyakinkan sambil mengoptimalkan target yang salah.

Mereka bisa percaya diri sementara situasi menuntut keraguan yang terkalibrasi.

Tentu, alat membantu. Memori membantu. Alur kerja multi-agen mengurangi kesalahan bodoh.

Tapi mereka tidak menyelesaikan masalah inti: mengambil dunia yang berantakan, memilih kerangka, dan berkomitmen pada jalur saat data tidak akan pernah lengkap.

Jadi hasilnya bukan penggantian massal di seluruh tangga.

Ini adalah tangga yang kolaps di tengah.

> Dasar menjadi output komoditas yang dibantu AI.

> Tengah menjadi kosong karena sebagian besar adalah transformasi dan throughput.

> Puncak menjadi lebih berharga karena menetapkan tujuan, mengelola risiko, dan mengalokasikan perhatian di bawah ketidakpastian.

AI tidak akan menghilangkan penilaian tingkat tinggi.

Ini akan membuat segala sesuatu di sekitar penilaian menjadi lebih murah — sehingga hambatan, dan nilainya, terkonsentrasi bahkan lebih keras di titik di mana keputusan dibuat.