Apakah semakin lama karyawan menggunakan AI, semakin tinggi keterampilan dan efisiensi kerjanya? Ruang lingkup aplikasi Claude dari pengguna awal teknologi hingga pengguna utama sedang berkembang, dan sifat pekerjaan yang didukung kecerdasan buatan sedang berubah. Dampaknya terhadap pasar tenaga kerja dan ketidaksetaraan ekonomi juga berubah. Artikel ini disusun berdasarkan laporan terbaru Anthropic, Anthropic Economic Index, yang menyediakan studi tentang integrasi kecerdasan buatan ke dalam pasar tenaga kerja modern. Laporan ini didasarkan pada data dari 5 hingga 12 Februari 2026, dengan satu juta sampel percakapan dari pengguna Claude.ai dan pengembang API, melacak perubahan penggunaan dan tren penyebaran geografis, serta menganalisis tren penggunaan AI dan prediksi imbal hasil ekonomi di masa depan.
Penggunaan utama dalam pemrograman dan peningkatan percakapan harian kelompok pribadi
Sinyal paling mencolok dari data adalah bahwa pengguna Claude sedang berkembang dari kelompok inti yang berfokus pada teknologi awal ke khalayak yang lebih luas. Pemrograman tetap menjadi penggunaan utama, dengan pekerjaan terkait komputer dan matematika menyumbang 35% dari percakapan Claude.ai, tetapi konsentrasi penggunaan untuk tugas tertentu menunjukkan penurunan yang signifikan.
Perubahan ini sebagian berasal dari migrasi pekerjaan pengkodean ke API, terutama melalui Claude Code, yang memecah tugas pemrograman menjadi beberapa panggilan API yang lebih kecil. Namun, diversifikasi ini juga mencerminkan perluasan nyata dari basis pengguna: percakapan terkait penggunaan pribadi meningkat dari 35% menjadi 42% dari lalu lintas Claude.ai, terutama karena konsultasi terkait olahraga, perbandingan produk, dan masalah perawatan rumah, sementara percakapan terkait tugas kursus menurun dari 19% menjadi 12%, sebagian karena liburan musim dingin di beberapa negara.
Rata-rata jam kerja pengguna Claude sedikit menurun, tetapi tetap di atas upah rata-rata
Semakin banyak pengguna umum mulai menggunakan Claude, dan nilai rata-rata tugas (diukur berdasarkan upah per jam rata-rata pekerja di AS yang melakukan tugas tersebut) di platform Claude.ai sedikit menurun dari $49,30 menjadi $47,90 per jam. Ini sesuai dengan kurva adopsi teknologi klasik: pengguna awal lebih memprioritaskan tugas bernilai tinggi (seperti pengembangan perangkat lunak), sementara pengguna akhir menerapkannya untuk penggunaan sehari-hari yang lebih luas dan sederhana. Meskipun sedikit menurun, pengguna Claude tetap mengerjakan tugas yang membutuhkan pendidikan dan upah lebih tinggi dari rata-rata tenaga kerja AS, menyoroti bahwa adopsi AI masih terkonsentrasi di kalangan pekerja pengetahuan.
Indikator lain juga menunjukkan bahwa kompleksitas penggunaan Claude.ai sedikit menurun: rata-rata tahun pendidikan yang diperlukan untuk input pengguna turun dari 12,2 tahun menjadi 11,9 tahun; pengguna memberi AI otonomi lebih besar, dan waktu yang diperkirakan untuk menyelesaikan tugas secara manual berkurang sekitar 2 menit.
Tingkat otomatisasi API terus meningkat
Meskipun tren pengembangan Claude.ai lebih berfokus pada aplikasi peningkatan (yaitu, didukung AI, bukan menggantikan pekerjaan manusia), arah pengembangan API justru berlawanan. Dibandingkan November 2025, Februari 2026, penggunaan API untuk dua kategori alur kerja tertentu meningkat lebih dari dua kali lipat.
Automasi penjualan dan pengembangan: pembuatan data penjualan, penyaringan prospek B2B, pengisian data pelanggan, dan penulisan email pengembangan prospek.
Monitoring pasar, saran investasi, dan pengingat transaksi real-time, otomatisasi perdagangan dan operasi pasar.
Hasil studi ini menunjukkan bahwa penggunaan berbasis otomatisasi berkembang lebih cepat di ekosistem pengembang daripada di lingkungan konsumen, dan pola ini berdampak besar pada pekerjaan di industri penjualan, keuangan, dan layanan pelanggan. Laporan menyatakan bahwa seiring migrasi tugas pengkodean dari Claude.ai ke API, pekerjaan ini mungkin menghadapi transformasi yang lebih mendesak. Peningkatan otomatisasi API dianggap sebagai indikator awal perubahan pekerjaan.
Kesenjangan regional di AS mengecil, kesenjangan global membesar
Tren penggunaan di dalam AS mendekatkan kesenjangan regional: tingkat penggunaan Claude per kapita di dalam AS terus menyempit, dengan proporsi penggunaan di lima negara bagian teratas menurun dari 30% pada Agustus 2025 menjadi 24% pada Februari 2026. Basis penggunaan di berbagai negara bagian juga menurun, menunjukkan bahwa negara bagian dengan tingkat adopsi rendah mulai mengejar. Namun, kecepatan ini melambat; dengan kecepatan saat ini, dibutuhkan 5 hingga 9 tahun agar tingkat penggunaan per kapita di semua negara bagian mencapai keseimbangan, bukan 2 hingga 5 tahun seperti perkiraan sebelumnya.
Kesenjangan global semakin melebar: dari perspektif internasional, tren ini tidak optimis. Ketidaksetaraan penggunaan AI secara global semakin memburuk, dengan 20 negara teratas menyumbang 48% dari penggunaan per kapita, meningkat dari 45%. Kesenjangan antara negara berpenghasilan tinggi dan negara dengan koneksi internet tinggi semakin besar, menimbulkan kekhawatiran tentang semakin melebarya kesenjangan AI global.
Perbedaan aplikasi AI secara global mencerminkan pola “ketidaksetaraan ekonomi AI” yang lebih luas: jika adopsi awal di negara berpenghasilan tinggi mendapatkan manfaat produktivitas yang tidak proporsional, ini dapat memperburuk kesenjangan ekonomi yang sudah ada.
Pengalaman membuat Anda lebih mahir dalam AI
Temuan paling mencolok dan relevan kebijakan dalam laporan ini adalah hubungan erat antara pengalaman pengguna dan efektivitas AI. Tim peneliti menganalisis pola penggunaan dari berbagai kelompok pengguna (berdasarkan durasi penggunaan platform) dan membandingkan “pengguna berpengalaman” (yang terdaftar minimal enam bulan) dengan pengguna baru.
Pengguna berpengalaman bekerja secara berbeda
Pengguna jangka panjang tidak hanya menggunakan Claude lebih sering, tetapi juga lebih efektif. Mereka cenderung berkolaborasi secara iteratif dengan Claude, mengajukan tugas yang lebih kompleks, dan membutuhkan lebih sedikit komunikasi bolak-balik untuk mendapatkan informasi yang dibutuhkan.
Tugas utama meliputi penelitian AI, operasi Git, revisi dokumen, dan pendanaan startup
Laporan menemukan bahwa setiap tahun pengalaman pengguna dalam menggunakan Claude meningkatkan kompleksitas pendidikan input mereka hampir setara dengan satu tahun pembelajaran. Ini menunjukkan bahwa pengguna secara nyata meningkatkan keterampilan prompt AI mereka seiring waktu, bukan sekadar mengajukan pertanyaan yang sama dengan pengalaman lebih banyak.
Setelah mengendalikan faktor jenis tugas, bahasa, model yang digunakan, dan asal negara pengguna, tingkat keberhasilan pengguna berpengalaman dalam percakapan tetap 4 poin persentase lebih tinggi daripada pemula. Ini membuktikan bahwa praktik membuat sempurna, dan pengalaman dalam menggunakan AI dapat diterjemahkan menjadi aplikasi AI yang lebih efektif.
Data juga menunjukkan bahwa pengguna berpengalaman cenderung memilih aktivitas tertentu di platform. Rata-rata waktu yang dihabiskan pengguna paling lama untuk tugas seperti penelitian AI, operasi Git, revisi dokumen, dan pendanaan startup. Sebaliknya, waktu terpendek dihabiskan untuk membuat haiku, melihat skor olahraga, dan rekomendasi makanan—ciri khas penggunaan rekreasi dan eksplorasi.
Pengembang API menggunakan Opus untuk proyek komputer dan matematika
Laporan juga menunjukkan bahwa pengguna, terutama pengembang API, menjadi semakin berhati-hati dalam memilih model yang digunakan. Untuk pengguna Claude.ai, Opus (model paling kuat) dipilih dalam 55% tugas komputer dan matematika, tetapi hanya 45% untuk tugas pendidikan. Setiap kenaikan $10 per jam dalam nilai tugas meningkatkan proporsi pengguna Claude yang menggunakan Opus sebesar 1,5 poin persentase, dan pengguna API meningkat 2,8 poin persentase.
Dalam pengembangan API, tingkat penyesuaian model dan tugas adalah dua kali lipat dari produk konsumen, menunjukkan bahwa pengguna profesional mengoptimalkan biaya dan fungsi secara bersamaan.
Pengalaman penggunaan AI dapat membangun keunggulan kompetitif di tempat kerja
Temuan tentang kurva pembelajaran ini sangat berpengaruh: jika pengguna AI berpengalaman selalu tampil lebih baik dalam menyelesaikan tugas yang sama dibandingkan pengguna kurang pengalaman, maka alat AI mungkin memperbesar, bukan memperkecil, kesenjangan keterampilan tenaga kerja. Mereka yang mengadopsi AI lebih awal dan telah menggunakannya selama berbulan-bulan atau bertahun-tahun mungkin telah membangun keunggulan produktivitas yang langgeng.
Ini adalah jalur langsung menuju apa yang disebut ekonom sebagai “transformasi teknologi yang berorientasi keterampilan,” di mana teknologi baru meningkatkan gaji pekerja berkeahlian tinggi sekaligus berpotensi menghilangkan pekerjaan berkeahlian rendah. Pekerja yang paling rentan terhadap disrupsi AI mungkin juga merupakan yang paling diuntungkan dari perubahan ini.
Perkembangan otomatisasi API secara diam-diam mempercepat
Lonjakan dua kali lipat dalam otomatisasi penjualan dan alur kerja perdagangan di API adalah sinyal penting. Ini bukan sekadar hipotesis, melainkan kasus nyata yang sudah diterapkan secara massal di lingkungan produksi. Laporan sebelumnya menunjukkan bahwa posisi penjualan dan layanan pelanggan sangat bergantung pada AI, dan saat ini posisi tersebut mulai mengotomatisasi alur kerja secara konkret. Pembuat kebijakan dan perencana tenaga kerja harus memperhatikan tren ini.
Adopsi AI semakin merata di seluruh dunia, menuju kelompok kaya dan berpenghasilan tinggi di AS
Meskipun di AS tren ini menuju kesetaraan, tren global justru memburuk. Proporsi penggunaan Claude per kapita di negara berpenghasilan tinggi terus meningkat. Jika peningkatan produktivitas AI terkonsentrasi di ekonomi yang sudah makmur, dampak ketidaksetaraan internasional yang dihasilkan bisa sangat serius, terutama bagi negara yang belum siap memanfaatkan alat AI secara besar-besaran.
Perusahaan harus mulai pelatihan literasi AI
Langkah paling praktis bagi perusahaan adalah memanfaatkan waktu dan praktik penggunaan AI secara konsisten. Jika pengalaman dan keberhasilan sangat terkait, menyediakan proyek terstruktur berkelanjutan untuk karyawan, serta pelatihan strategi prompt dan penggunaan kasus, dapat secara signifikan meningkatkan produktivitas. Data menunjukkan bahwa keahlian AI bukan bawaan lahir, melainkan kemampuan yang harus diasah melalui penggunaan berkelanjutan.
Apa arti indeks ekonomi ini bagi pekerjaan dan ekonomi?
Dengan semakin meluasnya adopsi AI dan berkurangnya keuntungan awal pengembang, para pelopor teknologi awal biasanya menguasai aplikasi bernilai tinggi dan berkeahlian tinggi. Seiring teknologi menyebar ke lebih banyak orang, AI juga semakin menjadi bagian dari kehidupan sehari-hari. Ini adalah tanda bahwa adopsi teknologi semakin matang, tetapi juga peringatan bahwa peluang besar bagi pengembang awal untuk mendapatkan keunggulan mungkin mulai menutup.
Siapa yang paling diuntungkan dari AI? Kapan?
Manfaat ekonomi dari AI tidak tersebar merata. Mereka yang berpengalaman, terampil, dan terus berinvestasi mendapatkan manfaat paling besar. Seiring AI menjadi alat umum bagi pekerja pengetahuan, meningkatkan kemampuan penerapan AI di organisasi bisa menjadi kebijakan ekonomi terpenting dalam dekade mendatang.
Pengguna awal alat AI tidak hanya yang pertama kali menggunakannya, tetapi juga yang paling efektif. Dalam dunia di mana AI secara signifikan meningkatkan produktivitas mereka yang tahu memanfaatkannya, “pengalaman AI” menjadi keunggulan kompetitif baru. Laporan “Human Economic Index” yang dirilis Maret 2026 menggambarkan gambaran kompleks tentang transformasi ekonomi berbasis AI, di mana alat seperti Claude semakin banyak digunakan di tempat kerja.
Sumber data: Laporan Indeks Ekonomi Manusia – Kurva Pembelajaran (24 Maret 2026)
Laporan asli: anthropic.com/research/economic-index-march-2026-report
Penulis: Maxim Massenkoff, Eva Lyubich, Peter McCrory, Ruth Appel, Ryan Heller
