Peningkatan Produktivitas Berkat AI: Hal yang Perlu Dicermati Investor

Kecerdasan buatan dapat membantu perusahaan menghasilkan lebih banyak dengan sumber daya yang sudah mereka miliki. Apakah peningkatan itu akan menghasilkan upah yang lebih tinggi, laba yang lebih besar, atau harga yang lebih rendah bergantung pada berbagai keputusan yang jauh melampaui teknologi itu sendiri.

Sebuah studi global oleh ekonom Swapnanil SenGupta, yang diterbitkan dalam Technological Forecasting and Social Change, mengkaji hubungan yang tidak merata tersebut.¹ Di antara 69.783 perusahaan tercatat di 83 negara pada 2004 hingga 2023, perhatian publik yang lebih besar terhadap AI berkaitan dengan produktivitas yang lebih tinggi. Namun, dampaknya terhadap upah berbeda antara negara maju dan negara berkembang.

Bagi investor, temuan ini membuka pembahasan yang bermanfaat tentang bagaimana kemajuan teknologi menghasilkan nilai bisnis. Produktivitas menciptakan peluang. Persaingan, biaya penerapan, kemampuan tenaga kerja, dan permintaan pelanggan turut menentukan pihak yang pada akhirnya memperoleh manfaat.

Hal yang Diukur Studi tentang AI dan Upah

Makalah tersebut mengukur perhatian terhadap AI menggunakan data penelusuran Google Trends untuk kecerdasan buatan sebagai bidang kajian. Ukuran ini menunjukkan seberapa menonjol AI dalam lingkungan informasi suatu negara. Namun, ukuran tersebut tidak memastikan apakah perusahaan tertentu telah memasang sistem AI atau seberapa intensif karyawan menggunakannya.

Perbedaan itu sangat penting. Manajer mungkin mempertimbangkan kembali perekrutan, pelatihan, atau investasi ketika ekspektasi terhadap suatu teknologi berubah. Pekerja mungkin menilai ulang keterampilan yang perlu mereka kembangkan. Respons ini dapat terjadi bersamaan dengan penerapan teknologi, sehingga kontribusi masing-masing sulit dipisahkan.

Ukuran upah yang digunakan juga perlu dicermati. Ukuran ini menunjukkan rata-rata pengeluaran perusahaan untuk upah dan gaji per karyawan. Perubahannya dapat mencerminkan komposisi tenaga kerja maupun tingkat kompensasi. Misalnya, peningkatan perekrutan karyawan junior dapat menurunkan rata-rata pengeluaran tanpa adanya pemotongan gaji bagi karyawan yang sudah bekerja di perusahaan.

Karena itu, analisis tersebut menggambarkan hubungan antara perhatian terhadap AI dan hasil perusahaan. Analisis ini tidak dapat menunjukkan bahwa meningkatnya minat penelusuran secara mandiri menyebabkan perubahan pada upah pekerja.

Dampak AI terhadap Produktivitas dan Upah Berbeda di Berbagai Negara

Di antara perusahaan tercatat di negara maju, perhatian yang lebih besar terhadap AI berkaitan dengan rata-rata upah yang lebih rendah, produktivitas tenaga kerja yang lebih tinggi, dan produktivitas faktor total yang lebih tinggi. Produktivitas tenaga kerja menggambarkan jumlah keluaran dibandingkan dengan masukan tenaga kerja. Produktivitas faktor total berupaya mengukur efisiensi di luar perubahan masukan terukur seperti tenaga kerja dan modal.

Perusahaan tercatat di negara berkembang dan pasar negara berkembang menunjukkan pola upah yang berbeda: kenaikan pada tahap awal yang kemudian memudar, bersamaan dengan respons produktivitas yang positif.

Salah satu penafsirannya adalah bahwa perusahaan di negara maju menghadapi ekspektasi yang lebih kuat terkait otomatisasi dan pengendalian biaya. Perusahaan tercatat di negara berkembang mungkin pada awalnya membutuhkan keterampilan tambahan, pelatihan, dan kapasitas organisasi. Makalah tersebut membahas penjelasan ini, tetapi tidak mengidentifikasinya sebagai mekanisme yang telah terbukti.

Sampel negara berkembang dalam studi tersebut juga bersifat selektif. Perusahaan tercatat sangat berbeda dari bisnis informal dan usaha kecil yang tidak tercatat. Hasil mereka tidak seharusnya dianggap mewakili seluruh tenaga kerja suatu negara.

Mengapa Produktivitas yang Lebih Tinggi Tidak Menjamin Laba yang Lebih Besar

Implikasi investasi bermula dari perbedaan antara menciptakan nilai ekonomi dan mempertahankan nilai tersebut.

Bayangkan sebuah perusahaan hipotetis yang menggunakan AI untuk mengurangi waktu pemrosesan pesanan pelanggan. Pemrosesan yang lebih cepat menciptakan kapasitas. Laba hanya meningkat jika perusahaan memanfaatkan kapasitas itu secara produktif dan manfaatnya melebihi biaya perangkat lunak, integrasi, pengawasan, dan pelatihan.

Persaingan dapat mengalihkan manfaat tersebut. Jika perusahaan pesaing mengadopsi perangkat serupa, pelanggan mungkin menuntut harga yang lebih rendah. Industri menjadi lebih efisien, sementara masing-masing perusahaan hanya memperoleh sedikit tambahan laba. Sebaliknya, kelangkaan tenaga ahli teknis atau dominasi pemasok perangkat lunak dapat membuat sebagian manfaat terserap dalam bentuk kompensasi atau biaya yang lebih tinggi.

Semua itu merupakan kemungkinan ekonomi, bukan hasil yang dibuktikan oleh studi ini. Kemungkinan tersebut menjelaskan mengapa investor perlu menelaah cara perusahaan bersaing sebelum menerjemahkan pengumuman tentang peningkatan produktivitas berkat AI menjadi proyeksi laba.

Perusahaan yang memiliki produk dengan keunggulan khas, hubungan pelanggan yang tepercaya, atau proses yang sulit ditiru mungkin memiliki peluang lebih besar untuk mempertahankan nilai. Meski demikian, harga sahamnya mungkin sudah mencerminkan ekspektasi yang tinggi.

Mengubah Penghematan Waktu Berkat AI Menjadi Imbal Hasil Finansial

Tantangan lainnya adalah mengubah waktu yang dihemat menjadi hasil komersial yang terukur.

Sebuah perangkat mungkin menghemat satu jam kerja karyawan setiap hari, sementara total biaya gaji tetap sama. Hal itu tetap bisa bernilai jika karyawan menyelesaikan lebih banyak masalah pelanggan, menyempurnakan produk, atau mendukung peningkatan permintaan. Manfaat finansialnya bergantung pada apa yang terjadi selanjutnya.

Studi tahun 2026 terhadap para eksekutif perusahaan memberikan konteks yang relevan. Berdasarkan masukan dari hampir 750 eksekutif, studi tersebut melaporkan bahwa peningkatan produktivitas yang dirasakan lebih besar daripada peningkatan yang terukur, yang mungkin mencerminkan jeda waktu sebelum manfaatnya terlihat dalam pendapatan. Studi itu juga menemukan sedikit bukti adanya penurunan jumlah tenaga kerja secara agregat dalam waktu dekat, meskipun ekspektasi perusahaan mengenai tenaga kerja berbeda-beda.

Hal ini menunjukkan bahwa investor perlu membedakan perbaikan pada tugas dari perbaikan pada bisnis. Penyusunan draf atau analisis yang lebih cepat merupakan hasil antara. Retensi pelanggan yang lebih baik, penjualan tambahan, atau penurunan biaya setelah penerapan memberikan bukti nilai ekonomi yang lebih kuat.

Liputan terbaru Securities.io tentang AI dan efisiensi perekrutan mengulas peluang terkait, yaitu menyelaraskan jumlah tenaga kerja dengan permintaan. Peningkatan efisiensi dapat mencakup penambahan kapasitas di bidang yang dibutuhkan pelanggan, sekaligus pengendalian pengeluaran yang tidak perlu.

Investasi pada Tenaga Kerja Dapat Mendukung Imbal Hasil AI yang Berkelanjutan

Perbedaan upah dalam makalah SenGupta juga memunculkan pertanyaan tentang keberlanjutan. Pengeluaran tenaga kerja rata-rata yang lebih rendah dapat memperbaiki hasil keuangan jangka pendek, tetapi hal itu tidak membuktikan bahwa perusahaan telah membangun model operasional yang lebih tangguh.

Karyawan sering memahami pengecualian, preferensi pelanggan, dan kendala operasional yang sulit dituangkan ke dalam perangkat lunak. Perusahaan membutuhkan pengetahuan tersebut untuk menentukan kapan otomatisasi efektif dan kapan penilaian manusia tetap diperlukan.

Pelatihan dapat membantu karyawan memanfaatkan kapasitas tambahan secara efektif. Pembagian tanggung jawab yang jelas dan prosedur eskalasi yang andal dapat mencegah proses yang lebih cepat menimbulkan kesalahan mahal. Pertimbangan ini berkaitan dengan kajian Securities.io tentang kepercayaan karyawan dan imbal hasil otomatisasi.

Bagi investor, pertanyaan yang berguna antara lain:

• Apakah penghematan yang dilaporkan dihitung setelah memperhitungkan biaya penerapan dan operasional?
• Apakah kualitas layanan tetap stabil ketika hasil kerja per karyawan meningkat?
• Dapatkah manajemen menjelaskan bagaimana waktu yang dihemat mendukung pendapatan atau arus kas?

Jawaban yang didukung metrik operasional yang konsisten lebih informatif daripada janji umum tentang transformasi.

Accenture Memberi Eksposur pada Penerapan AI di Perusahaan

Kebutuhan untuk menghubungkan teknologi dengan proses bisnis praktis membuka peluang bagi perusahaan yang membantu bisnis menerapkan AI. Accenture menjadi contoh yang relevan melalui kiprahnya di bidang integrasi teknologi, data, perubahan organisasi, dan operasional bisnis.

Peran Accenture berkaitan langsung dengan investasi pelengkap yang dibahas dalam makalah tersebut. Perusahaan mungkin perlu menyiapkan data, merancang ulang alur kerja, melatih karyawan, dan mengintegrasikan sistem sebelum AI memberikan manfaat yang andal. Kebutuhan tersebut menciptakan permintaan di luar model AI itu sendiri.

Hasil tahun fiskal 2026 Accenture melaporkan pendapatan sebesar $74.2 miliar dan pemesanan baru sebesar $84.5 miliar. Angka-angka ini mencakup seluruh perusahaan, bukan ukuran pendapatan dari AI atau bukti bahwa penerapan oleh klien telah menghasilkan imbal hasil positif.

Kasus investasinya juga menghadapi tekanan yang saling bersaing. AI dapat meningkatkan permintaan akan layanan penerapan sekaligus mengurangi tenaga kerja yang dibutuhkan untuk sebagian pekerjaan yang sudah ada. Investor perlu mencermati apakah proyek baru, model penetapan harga, dan efisiensi pelaksanaan mendukung pertumbuhan yang menguntungkan setelah memperhitungkan biaya restrukturisasi dan investasi.

Studi SenGupta tidak secara khusus mengevaluasi Accenture. Perusahaan ini relevan sebagai pelaku dalam penerapan AI di perusahaan, sementara daya tarik investasinya bergantung pada pelaksanaan, persaingan, dan valuasi.

Berita dan Perkembangan Terkini Accenture (ACN)

Menilai Keuntungan AI di Luar Tajuk Berita

Cakupan historis makalah tersebut berakhir pada 2023, sehingga membatasi kesimpulan tentang sistem AI generatif saat ini. Pendekatan statistik yang digunakan juga menghasilkan besaran efek yang sangat berbeda, dan penulis mengingatkan agar estimasi variabel instrumental yang luar biasa besar tidak terlalu diandalkan.

Meski demikian, pertanyaan utamanya tetap berguna: bagaimana peningkatan produktivitas berinteraksi dengan kompensasi dan penyesuaian organisasi?

Bagi investor, langkah berikutnya adalah mencari bukti spesifik di tingkat perusahaan. Perusahaan yang mengubah kapasitas tambahan menjadi produk bernilai dan layanan andal memiliki jalur yang lebih jelas menuju imbal hasil berkelanjutan. AI memperluas hal-hal yang dapat dicapai perusahaan; keputusan manajemen dan kondisi pasar menentukan seberapa besar peluang tersebut memberi manfaat bagi pemegang saham, pekerja, dan pelanggan.

Referensi:

¹ SenGupta, S. (2027). Dampak perhatian terhadap AI di tingkat perusahaan terhadap upah dan produktivitas: studi perbandingan global. Technological Forecasting and Social Change, 235, 124913. https://doi.org/10.1016/j.techfore.2026.124913