AI Boomerang Effect Terjadi, Banyak Perusahaan Kini Rekrut Kembali Karyawan yang Sempat Di-PHK
Ule.co.id – Gelombang pemutusan hubungan kerja yang melanda berbagai sektor industri dalam beberapa tahun terakhir sering dikaitkan dengan perkembangan pesat kecerdasan buatan atau AI generatif. Banyak perusahaan teknologi, lembaga keuangan, hingga organisasi besar lainnya mengurangi jumlah tenaga kerja dengan alasan efisiensi dan otomatisasi. Namun memasuki pertengahan 2026, muncul fenomena baru yang mulai menarik perhatian para analis pasar tenaga kerja global.
Fenomena tersebut dikenal sebagai AI Boomerang Effect, sebuah kondisi ketika perusahaan yang sebelumnya melakukan PHK karena AI justru kembali membuka lowongan dan merekrut mantan karyawan mereka untuk posisi yang pernah dihapus. Tren ini menunjukkan bahwa ekspektasi terhadap kemampuan AI dalam menggantikan pekerjaan manusia ternyata tidak selalu sesuai dengan realitas di lapangan.
Sejumlah laporan riset terbaru mengindikasikan bahwa banyak organisasi mulai menyadari pentingnya peran tenaga kerja manusia dalam menjaga kualitas pekerjaan, memahami proses bisnis, hingga memastikan hasil kerja tetap sesuai standar perusahaan.
AI Boomerang Effect Muncul Setelah Gelombang PHK Besar-Besaran
Istilah AI Boomerang Effect mulai digunakan untuk menggambarkan efek balik dari keputusan perusahaan yang terlalu agresif dalam menerapkan otomatisasi.
Ketika teknologi AI berkembang sangat cepat, banyak manajemen perusahaan meyakini bahwa berbagai tugas administratif, operasional, hingga analitis dapat sepenuhnya digantikan oleh sistem berbasis kecerdasan buatan.
Keyakinan tersebut memicu gelombang PHK karena AI di berbagai sektor, terutama pada kategori pekerjaan white-collar atau pekerjaan kantoran yang sebelumnya dianggap rentan terhadap otomatisasi.
Namun setelah implementasi berjalan selama beberapa waktu, banyak perusahaan menemukan bahwa penggunaan AI tidak selalu menghasilkan efisiensi yang sesuai dengan proyeksi awal. Dalam sejumlah kasus, organisasi justru menghadapi tantangan baru berupa penurunan kualitas hasil kerja, meningkatnya kebutuhan pengawasan, serta biaya operasional yang lebih tinggi dari perkiraan.
Akibatnya, sebagian perusahaan mulai melakukan evaluasi dan memutuskan untuk rekrut kembali karyawan yang sebelumnya diberhentikan.
Data Menunjukkan Tren Rekrutmen Ulang Semakin Meningkat
Laporan terbaru dari Robert Half mengungkapkan bahwa sekitar 29 persen perusahaan yang menjadi responden survei telah melakukan langkah rekrut kembali karyawan untuk posisi yang sebelumnya dihapus.
Angka tersebut menunjukkan bahwa hampir sepertiga perusahaan mulai mengoreksi keputusan yang mereka ambil saat gelombang otomatisasi berlangsung.
Beberapa sektor mencatat tingkat perekrutan ulang yang cukup tinggi, di antaranya:
- Sektor keuangan: 44 persen
- Sumber daya manusia (HR): 35 persen
- Teknologi: 32 persen
- Pemasaran
- Layanan hukum
- Administrasi
- Customer support
Data tersebut memperlihatkan bahwa fenomena AI Boomerang Effect tidak hanya terjadi di satu industri, melainkan meluas ke berbagai bidang yang sebelumnya dianggap paling mudah diotomatisasi.
Pengetahuan Institusional Sulit Digantikan AI
Salah satu alasan utama munculnya AI Boomerang Effect adalah ketidakmampuan AI dalam menggantikan pengetahuan institusional yang dimiliki pekerja berpengalaman.
Dalam survei yang melibatkan 2.000 manajer perekrutan, sekitar 40 persen responden menyebut bahwa AI tidak mampu memahami konteks bisnis internal sebagaimana yang dilakukan karyawan manusia.
Pengetahuan institusional mencakup berbagai hal yang sering kali tidak terdokumentasi secara formal, seperti:
- Pemahaman budaya perusahaan
- Hubungan dengan klien
- Pengalaman menangani masalah khusus
- Proses kerja yang berkembang dari pengalaman bertahun-tahun
- Pengambilan keputusan berbasis konteks
Meski AI generatif mampu menghasilkan informasi dengan cepat, sistem tersebut masih bergantung pada data yang tersedia dan tidak selalu mampu memahami dinamika organisasi secara menyeluruh.
Inilah salah satu faktor yang membuat banyak perusahaan kembali mengandalkan tenaga kerja manusia untuk menjalankan fungsi-fungsi penting.
Pengawasan Manusia Tetap Menjadi Kebutuhan Utama
Temuan lain yang memperkuat fenomena AI Boomerang Effect adalah pentingnya peran manusia dalam proses kontrol kualitas.
Sebanyak 38 persen responden dalam survei mengaku meremehkan kebutuhan terhadap pengawasan manusia ketika pertama kali mengadopsi AI secara luas.
Pada praktiknya, hasil yang diberikan AI sering kali memerlukan proses verifikasi sebelum dapat digunakan untuk kebutuhan bisnis.
Kesalahan data, informasi yang tidak akurat, hingga jawaban yang tidak sesuai konteks masih menjadi tantangan yang cukup sering ditemukan dalam penggunaan AI generatif.
Akibatnya, perusahaan tetap membutuhkan karyawan yang bertugas memeriksa, memperbaiki, dan memvalidasi hasil kerja AI.
Kondisi ini membuat harapan untuk mengurangi jumlah pekerja secara drastis menjadi sulit direalisasikan.
Produktivitas AI Tidak Selalu Sesuai Ekspektasi
Alasan berikutnya yang mendorong munculnya AI Boomerang Effect adalah kekecewaan terhadap tingkat produktivitas yang dihasilkan teknologi AI.
Sekitar 35 persen perusahaan dalam survei mengaku bahwa keuntungan produktivitas yang mereka harapkan ternyata berada di bawah ekspektasi.
Pada tahap awal implementasi, banyak organisasi memperkirakan bahwa AI akan mempercepat hampir seluruh proses kerja secara signifikan.
Namun dalam praktiknya, proses adaptasi teknologi memerlukan waktu, pelatihan, serta perubahan alur kerja yang tidak sederhana.
Beberapa tugas memang dapat diselesaikan lebih cepat, tetapi tidak semua pekerjaan dapat diotomatisasi secara penuh.
Khusus untuk aktivitas yang membutuhkan kreativitas, penilaian subjektif, komunikasi interpersonal, dan pengambilan keputusan strategis, peran manusia masih menjadi faktor dominan.
Biaya Implementasi AI Ternyata Tidak Murah
Selain persoalan kualitas kerja, faktor ekonomi juga menjadi pemicu kuat di balik AI Boomerang Effect.
Banyak perusahaan awalnya menganggap penggunaan AI akan menurunkan biaya operasional secara signifikan. Namun setelah implementasi berjalan, biaya penggunaan berbagai platform AI justru meningkat tajam.
Langganan perangkat lunak AI, infrastruktur komputasi, integrasi sistem, pelatihan karyawan, hingga kebutuhan keamanan data menjadi komponen pengeluaran yang tidak kecil.
Dalam beberapa kasus, perusahaan mengalami apa yang disebut sebagai “sticker shock”, yaitu kondisi ketika biaya aktual jauh lebih tinggi dibanding estimasi awal.
Hal ini membuat sebagian perusahaan mulai mempertimbangkan kembali strategi otomatisasi yang terlalu agresif.
Kasus Uber Jadi Sorotan
Salah satu contoh yang banyak dibahas dalam industri adalah pengalaman Uber.
Laporan yang beredar menyebutkan bahwa perusahaan tersebut menghabiskan anggaran penggunaan alat bantu pemrograman berbasis AI jauh lebih cepat dari perkiraan.
Anggaran yang disiapkan untuk satu tahun dilaporkan habis hanya dalam beberapa bulan akibat tingginya penggunaan platform AI seperti Claude Code dan Cursor.
Manajemen Uber mengakui bahwa mereka menghadapi kesulitan dalam mengukur hubungan langsung antara biaya penggunaan AI dengan peningkatan performa bisnis.
Akibatnya, perusahaan mulai menerapkan batas penggunaan bulanan bagi karyawan untuk mengendalikan pengeluaran.
Kasus ini menjadi contoh nyata bahwa implementasi AI tidak selalu identik dengan penghematan biaya.
Otomatisasi Lebih Efektif Sebagai Pendukung, Bukan Pengganti
Seiring meningkatnya pengalaman perusahaan dalam mengadopsi AI, muncul pemahaman baru bahwa teknologi tersebut lebih efektif digunakan sebagai alat pendukung dibanding pengganti penuh manusia.
Banyak organisasi kini memandang AI sebagai sarana untuk meningkatkan kemampuan pekerja, bukan untuk menghilangkan pekerjaan mereka sepenuhnya.
Pendekatan ini dikenal sebagai augmentasi, yaitu penggunaan teknologi untuk membantu pekerja menyelesaikan tugas dengan lebih cepat dan efisien.
Dalam model ini, AI berfungsi menangani pekerjaan repetitif dan administratif, sementara manusia tetap bertanggung jawab terhadap analisis, pengambilan keputusan, kreativitas, dan hubungan dengan pelanggan.
Perubahan cara pandang inilah yang menjadi salah satu pendorong utama AI Boomerang Effect di berbagai sektor industri.
Dampak AI di Dunia Kerja Tidak Merata
Meskipun fenomena AI Boomerang Effect memberikan peluang baru bagi pekerja berpengalaman, manfaatnya belum dirasakan secara merata oleh seluruh kelompok pencari kerja.
Para profesional yang sebelumnya memiliki pengalaman panjang cenderung lebih mudah memperoleh kesempatan untuk kembali bekerja.
Sebaliknya, lulusan baru dan pencari kerja tingkat pemula masih menghadapi tantangan yang cukup besar.
Banyak perusahaan memilih merekrut kembali mantan karyawan yang telah memahami proses bisnis dibanding memberikan pelatihan kepada tenaga kerja baru.
Kondisi ini membuat akses terhadap pekerjaan entry-level menjadi semakin kompetitif.
Masa Depan Pekerjaan Masih Akan Berubah
Para analis memperkirakan bahwa masa depan pekerjaan akan terus mengalami perubahan seiring perkembangan teknologi AI.
Namun pengalaman beberapa tahun terakhir menunjukkan bahwa otomatisasi penuh bukanlah solusi universal untuk seluruh jenis pekerjaan.
Perusahaan kini semakin menyadari bahwa kombinasi antara AI dan manusia memberikan hasil yang lebih optimal dibanding mengandalkan salah satu secara eksklusif.
Dalam banyak kasus, keberhasilan transformasi digital justru bergantung pada kemampuan organisasi dalam menyeimbangkan teknologi dengan keahlian manusia.
Fenomena AI Boomerang Effect menjadi bukti bahwa nilai seorang pekerja tidak hanya diukur dari kemampuannya menyelesaikan tugas teknis, tetapi juga dari pengalaman, pemahaman konteks, kemampuan beradaptasi, serta pengetahuan yang dibangun selama bertahun-tahun. Di tengah pesatnya perkembangan AI generatif, peran tenaga kerja manusia tetap menjadi elemen penting yang sulit digantikan sepenuhnya oleh mesin. Fenomena ini sekaligus memperlihatkan bahwa dampak AI di dunia kerja jauh lebih kompleks daripada sekadar menggantikan manusia, dan akan terus membentuk masa depan pekerjaan dalam berbagai bentuk yang tidak selalu sesuai dengan prediksi awal industri.
