a16z: Lowongan Pengembang Perangkat Lunak Naik 14,6% Setelah Peluncuran Claude Code, AI Meningkatkan Nilai Manusia

Penulis: a16z

Diterjemahkan oleh Deep潮 TechFlow

Ringkasan Shenchao: Saat seluruh industri teknologi memangkas 7% tenaga kerja, posisi pengembangan perangkat lunak justru meningkat 14,6%—alasannya, alat AI memungkinkan pemula menulis kode tingkat produksi. Ini bukan cerita "AI merebut pekerjaan", melainkan bukti bahwa alat membuat orang menjadi lebih berharga. Dari lonjakan lowongan magang hingga laju kenaikan gaji remaja yang tercepat, sinyal pasar tenaga kerja sangat jelas: orang yang mampu menggunakan AI kini menjadi buruan.

Grafik: Jumlah lowongan pekerjaan pengembangan perangkat lunak memulai pemulihan menjadi 114,6 sejak peluncuran Claude Code, sementara pasar secara keseluruhan turun menjadi 93. Sumber: a16z

Kesulitan perusahaan perangkat lunak perdagangan publik masih berlanjut, tetapi seperti yang telah kami sampaikan sebelumnya, situasi saat ini bukanlah "pembantaian" yang seragam.

Penjualan saham perangkat lunak bukan mencerminkan kinerja saat ini atau dalam waktu dekat, melainkan keraguan kolektif pasar apakah perusahaan-perusahaan ini dapat mempertahankan kinerjanya dalam jangka panjang:

Kelipatan arus kas bebas periode Desember berikutnya berada di tingkat atau di bawah level tahun 2014. Dengan kata lain, premi yang diberikan investor terhadap kemampuan perusahaan perangkat lunak dalam menciptakan kas adalah yang terendah dalam lebih dari sepuluh tahun.

Intinya adalah, meskipun bukti bahwa "SaaS sudah mati" saat ini masih lemah, kewajiban investor adalah memiliki pandangan terhadap masa depan, dan masa depan tampak agak suram menurut mereka.

Namun, tidak semua perusahaan perangkat lunak memiliki prospek suram. Diferensiasi dan kemampuan membedakan semakin menjadi aturan main. Anda dapat melihat hal ini dari beberapa sudut pandang yang berbeda.

Pertama, lihat perbedaan kinerja antara median indeks IGV, kuartil atas, dan kuartil bawah:

Dalam 30 perdagangan terakhir, kuartil atas dan median saham IGV mengungguli ETF keseluruhan—kuartil bawah (termasuk beberapa perusahaan terbesar) menarik turun kinerja keseluruhan.

Dibandingkan dengan tinjauan tahunan, situasinya sangat berbeda:

Dalam setahun terakhir, median lebih dekat mengikuti kinerja keseluruhan ETF—hingga sekitar awal tahun, kuartil kinerja baru mulai berbeda (sekarang ada selisih sekitar 50 poin persentase antara atas dan bawah).

Kembali ke tampilan 30 hari, jelas bahwa fundamental tidak menjadi pendorong ketat dari kinerja harga saham baru-baru ini:

Dari sudut pandang pertumbuhan pendapatan, tidak ada korelasi signifikan antara pertumbuhan dan kinerja terkini (meskipun secara adil, banyak hal dapat dijelaskan oleh perubahan pertumbuhan, bukan tingkat pertumbuhan). Berdasarkan kuartil kinerja, pola yang sama muncul: banyak perusahaan perangkat lunak berkumpul di kisaran pertumbuhan pendapatan sekitar 10-20%, tetapi kinerjanya hampir terdistribusi secara vertikal, dengan beberapa perusahaan yang memiliki pertumbuhan pendapatan tercepat (sekaligus terbesar di ETF) berada di kuartil bawah kinerja.

Lebih penting daripada pertumbuhan adalah persepsi daya tahan jangka panjang. Berikut adalah grafik yang sama berdasarkan industri:

Meskipun sulit untuk mengklasifikasikan setiap perusahaan secara jelas, kinerja kelompok atas dan kuartil kedua umumnya didominasi oleh (1) keamanan siber/observabilitas; dan (2) SaaS vertikal. Sebaliknya, dua kuartil bawah merupakan kombinasi dari SaaS horizontal, cloud/infrastruktur, dan kategori "lainnya", yang mencakup platform pasar, teknologi periklanan, dan solusi titik (serta perusahaan seperti MicroStrategy yang sulit diklasifikasikan).

Fokusnya jelas. Terlepas benar atau salah, pasar telah merasakan perbedaan jelas di antara perusahaan perangkat lunak—perusahaan yang tampaknya memiliki daya tahan AI dan/atau manfaat dari tren (dan yang tidak).

Untuk keamanan siber dan observabilitas, AI diperkirakan akan meningkatkan urgensi pembeli (dan vendor yang ada memiliki premi kepercayaan yang lebih sulit digoyahkan oleh pemain baru AI).

Untuk SaaS vertikal, informasi spesialisasi seputar alur kerja, data, dan hubungan pelanggan dianggap sebagai hambatan masuk bagi para pesaing AI (hal ini tidak berlaku untuk platform horizontal).

Tetapi bagi semua orang lain, pesannya jelas: perangkat lunak itu sendiri bukanlah moat.

ARR yang kaku dan terus menumpuk selama bertahun-tahun, fitur yang luas, dan adopsi yang meluas hanyalah berita kemarin. Kemungkinan besar pertumbuhan yang stabil dan/atau membaik selama beberapa kuartal akan membalikkan situasi, tetapi saat ini pasar tidak percaya dan tidak yakin.

Anda mungkin baru-baru ini mendengar perubahan persepsi dari token-maxxing ke token-optimizing, yang merupakan hal besar.

Meskipun biaya pelatihan model terkini terus meningkat, manfaat tambahan dari perbaikan terkini mungkin tidak cukup untuk meyakinkan pelanggan menanggung biaya tambahan tersebut. Pelanggan mungkin tidak memaksimalkan penggunaan token terbaru dan terkuat, melainkan akan menurunkan ke model yang lebih murah dan berfungsi lebih rendah (termasuk model dengan bobot terbuka) di mana pun memungkinkan.

Bagi sebagian orang, mereka berpendapat bahwa perubahan ini mempertanyakan keberlanjutan pengembangan model canggih—jika pelanggan tidak mendukung biaya model terbaru dan terkuat, lalu apa yang harus dilakukan laboratorium? Wajar, meskipun keberatan ini agak ironis, karena obsoletesinya model non-canggih yang sebelumnya dianggap mengancam keberlanjutan pengembangan model canggih... kini model non-canggih semakin tidak cepat usang, yang jelas tetap merupakan hal buruk. Baiklah.

Tanpa membahas secara mendalam kebenaran atau kesalahan debat tersebut, kami hanya mengamati bahwa biaya cerdas memang sedang turun dengan cepat, yang tampaknya memiliki dampak positif terhadap permintaan AI. Dengan kata lain, dinamika Jevons tetap berlaku: semakin murah AI, semakin banyak orang/perusahaan yang ingin menggunakannya (untuk lebih banyak hal).

Memperluas permintaan adalah hal yang ingin Anda lihat.

Mari kita mulai dari contoh inovatif lain yang awalnya terpusat dan mahal, lalu menjadi terdesentralisasi dan murah: komputer. Dibandingkan dengan lonjakan teknologi sebelumnya yang didorong oleh PC, biaya kecerdasan dalam AI turun lebih cepat:

PC membutuhkan hampir dua dekade untuk mencapai peningkatan keterjangkauan yang dicapai AI dalam waktu sekitar tiga tahun.

Ini adalah jalur luar biasa, dan seperti komputer, penurunan biaya tampaknya membantu mendorong permintaan AI ke kanan atas (masih ada ruang yang sangat besar).

Di sisi konsumen, berdasarkan data PNC Bank, tingkat penetrasi berbayar masih kecil, tetapi benar-benar meningkat:

Porsi keluarga untuk AI berbayar dan pengeluaran bulanan rata-rata mereka terus meningkat—pengeluaran bulanan meningkat lebih tajam, naik sekitar 25% sejak awal tahun.

Ini jelas bukan perbandingan yang sempurna, tetapi sebagai beberapa perspektif, pada tahun 1997 hanya sekitar 45% dewasa berusia 35-54 tahun yang melaporkan memiliki PC (setelah puluhan tahun peluncuran komputer komersial, terutama di sektor perusahaan). Saat ini, proporsi rumah tangga yang memiliki komputer sekitar 90%, dan jika termasuk smartphone mendekati 97%—intinya adalah adopsi pasar massal membutuhkan waktu, dan berkembang seiring dengan utilitas dan biaya.

Data lain juga menunjukkan bahwa permintaan AI meningkat seiring dengan efisiensi biaya.

Berdasarkan analisis YipitData terhadap data OpenRouter (hanya mengukur sebagian dari total konsumsi token), penggunaan token canggih terus meningkat, sementara token open weights terus memperoleh pangsa dengan cepat:

Pangsa penyedia Asia terhadap total token (sebagai proxy untuk alternatif bobot terbuka) telah meningkat menjadi sekitar 60%, tiga kali lipat sejak awal tahun. Sampel OpenRouter mungkin setidaknya dalam beberapa tingkat cenderung ke pengguna bobot terbuka, tetapi ini konsisten dengan cerita diferensiasi harga, serta cerita Jevons.

Demikian pula, menurut OpenRouter, meskipun jumlah token per pengguna dan pengeluaran per pengguna sama-sama tumbuh pesat, pertumbuhan yang pertama jauh lebih cepat daripada yang kedua sejak awal tahun ini:

Ingat kembali, OpenRouter hanya dapat melihat apa yang dapat dilihatnya, dan pola ini sangat konsisten dengan Jevons (permintaan tumbuh sejalan dengan peningkatan efisiensi biaya AI yang cepat).

Setidaknya saat ini, jelas bahwa seiring kecerdasan menjadi lebih murah, ia mendorong kurva permintaan lebih jauh ke kanan atas. Token yang lebih murah dari model sub-terdepan memang memperoleh pangsa, tetapi efek bersihnya adalah mendorong pengeluaran keseluruhan naik secara eksponensial. Ini sulit disebut sebagai kisah pesimistis.

Pessimis mungkin masih mengklaim bahwa model dengan bobot terbuka sedang menggerogoti frontier, tetapi skenario alternatif di mana peningkatan efisiensi tidak memiliki dampak jelas pada permintaan dan/atau mendorong penurunan pengeluaran total, sebenarnya akan lebih mendekati skenario kiamat. Sebaliknya, Jevons justru sesuai dengan harapan para bullish.

Mengenai permintaan AI, meskipun AI dikatakan tidak cukup berguna untuk menghasilkan ROI yang bermakna, namun cukup berguna hingga dapat menghilangkan semua pekerjaan, kami dengan senang hati melaporkan bahwa saat ini hampir tidak ada bukti bahwa AI benar-benar sedang menghasilkan efek penghancuran pekerjaan.

Sebenarnya, bahkan kelemahan di pasar tenaga kerja—yaitu rekrutmen tingkat pemula—baru-baru ini juga mendapat dorongan; jika ada perbedaan, AI tampaknya membantu, bukan merugikan.

Pertama, menurut data Revelio, pelacakan magang musim panas 2026 jauh lebih tinggi dibandingkan tahun-tahun sebelumnya:

Magang tidak sama dengan pekerjaan, tetapi setidaknya merupakan sinyal permintaan tertentu bagi kaum muda, siklus 2026 jauh melebihi '25 dan '24 (meskipun tidak sebesar '23).

Yang lebih baik lagi, pertumbuhan gaji remaja dan dewasa muda tampaknya juga meningkat:

Menurut data ADP, kenaikan gaji pekerja muda (16-24 tahun) telah pulih dari titik terendah pada 2025. Kenaikan gaji hampir pasti merupakan sinyal permintaan; jika gaji naik, dapat diasumsikan bahwa prospek pekerjaan tingkat pemula juga membaik.

Mengenai dampak AI (jika ada), situasinya bahkan lebih baik. AI tampaknya sedang mempercepat secara signifikan rekrutmen tingkat pemula:

Berdasarkan analisis data lowongan Revelio dan data pengeluaran Ramp, "adopsi AI intensitas tinggi" berkorelasi dengan peningkatan sekitar 6 poin persentase dalam jumlah karyawan tingkat pemula setelah dua tahun adopsi. Sebaliknya, "adopsi AI intensitas rendah" berkorelasi dengan penurunan sekitar 0,5 poin persentase.

Grafik: Perusahaan yang mengadopsi AI intensif rata-rata meningkatkan persentase karyawan tingkat pemula sebesar 1,15 poin persentase setelah dua tahun, sementara perusahaan yang mengadopsi AI rendah justru menurun 0,52 poin persentase, menunjukkan bahwa AI 'menciptakan' bukan 'mengambil' pekerjaan tingkat pemula. Sumber: a16z

Ada beberapa cara untuk menafsirkannya, mulai dari "AI sedang menciptakan lowongan pekerjaan tingkat pemula", hingga "Pengguna AI adalah perusahaan pertumbuhan, jadi wajar saja mereka merekrut", hingga "Data Ramp mungkin tidak mewakili perekonomian secara keseluruhan, sehingga sulit untuk menarik kesimpulan apa pun". Semua penafsiran ini masuk akal, tetapi hampir pasti tidak benar adalah penafsiran bahwa "AI sedang mematikan pekerjaan tingkat pemula".

Mungkin suatu hari nanti akan (meskipun ada alasan yang cukup untuk menganggap tidak), tapi bukan hari ini.

Secara keseluruhan, meskipun penurunan pekerjaan dengan "eksposur AI" di era pasca-suku bunga nol banyak dibahas, diskusi mengenai fakta bahwa pekerjaan dengan "eksposur AI" baru-baru ini memimpin pemulihan relatif sedikit:

Menurut data dari Indeed Hiring Lab, sejak Mei 2025, semakin tinggi tingkat paparan AI, semakin besar pemulihan dalam hal lowongan pekerjaan. Hal ini terutama jelas bagi insinyur perangkat lunak, dengan peningkatan sekitar 15% dalam jumlah lowongan, sementara secara keseluruhan turun sekitar 7% (sejak peluncuran Claude Code).

Dari perspektif yang lebih luas, masih terlalu dini untuk menyimpulkan, tetapi data sama sekali tidak mendukung klaim bahwa "AI sedang membuat manusia menjadi usang". Jika ada sesuatu, situasinya justru sebaliknya—tingkat paparan terhadap AI tampaknya berkorelasi positif dengan pertumbuhan lapangan kerja.

Grafik: Posisi pekerjaan dengan tingkat paparan AI lebih tinggi mengalami pemulihan lebih besar sejak Mei 2025, dengan peningkatan posisi pengembangan perangkat lunak mendekati 15%, memimpin pasar secara keseluruhan. Sumber: a16z

Secara adil, saat ini belum jelas seberapa bermakna kategori "paparan AI", karena hampir tidak ada kesepakatan mengenai apa atau siapa yang terpapar AI (serta sejauh mana paparan tersebut):

Bukti menunjukkan bahwa semakin tinggi tingkat "eksposur AI" rata-rata pada suatu profesi tertentu, semakin besar perbedaan mengenai tingkat eksposur tersebut.

Grafik: Semakin tinggi skor eksposur AI rata-rata profesional, semakin besar perbedaan pendapat di kalangan akademisi mengenai tingkat eksposurnya, menunjukkan bahwa konsep ini masih belum ada kesepakatan. Sumber: a16z

Tidak terduga, ketika memprediksi dampak masa depan dari teknologi baru, orang-orang rasional mungkin memiliki pandangan yang berbeda.

Tentu saja ada beberapa pengecualian. Semua orang tampaknya setuju bahwa proofreader, underwriter asuransi, statistisi, dan yang menarik, ekonom, sangat terpapar terhadap AI. Jika AI akhirnya menggantikan ekonom manusia, apakah ia akan mengakui kejahatan ini, atau apakah tidak akan ada ekonom yang tersisa untuk menceritakan kisah ini?

Awal pekan ini, Gubernur New York Hochul mengumumkan penangguhan selama satu tahun terhadap pengembangan pusat data. Selain hal-hal lain, tujuan yang ditetapkan dari penangguhan tersebut adalah "melindungi pengguna listrik... karena pengembangan pusat data mengancam meningkatkan biaya listrik dan air." Tanpa bermaksud merendahkan, Gubernur memberikan penjelasan lebih lanjut tentang alasan-alasannya di podcast Odd Lots, yang bisa Anda dengarkan.

Meskipun demikian, ini tetap merupakan pernyataan yang membingungkan.

Meskipun pusat data memang meningkatkan permintaan listrik, bukti menunjukkan bahwa pusat data sebenarnya membantu menurunkan biaya pengguna:

Berdasarkan penelitian dari Laboratorium Nasional Berkeley dan The Brattle Group, di tingkat negara bagian, kenaikan harga listrik berhubungan negatif dengan peningkatan permintaan. Semakin banyak dikonsumsi, semakin sedikit yang dibayar—aneh tapi nyata.

Memang, selama enam tahun terakhir, beberapa negara bagian dengan pertumbuhan beban tercepat (paling banyak mengembangkan pusat data), seperti Texas dan Virginia, hampir tidak mengalami kenaikan harga. Di sisi lain, negara bagian dengan kenaikan harga terbesar (sangat sedikit pusat data baru), seperti California dan New York, mengalami penurunan pertumbuhan beban—permintaan listrik California berkurang sekitar 5%, sementara kenaikan harganya melebihi mana pun di negara ini, sekitar 33% lebih tinggi daripada negara bagian dengan kenaikan harga tertinggi kedua.

Grafik: Pertumbuhan beban listrik di berbagai negara bagian AS antara 2019-2025 berhubungan negatif dengan perubahan harga listrik; permintaan di California dan New York menurun, tetapi kenaikan harga listrik paling tinggi. Sumber: a16z

Selain itu, hubungan terbalik antara permintaan energi dan harga energi juga berlaku di Eropa:

Menurut data EIA, negara UE dengan kenaikan harga terbesar, selain Irlandia, juga mengalami penurunan permintaan listrik terbesar.

Grafik: Permintaan listrik dan perubahan harga listrik di ekonomi utama Eropa dan Amerika Serikat antara 2019-2024 juga menunjukkan korelasi negatif, sementara permintaan di Texas dan Virginia meningkat tetapi harga tetap stabil. Sumber: a16z

Demikian pula, menghabiskan lebih banyak, membayar lebih sedikit. Ini bertentangan dengan intuisi, kan?

Kita semua tahu bahwa, dalam kondisi lain yang sama, permintaan yang lebih tinggi seharusnya mendorong harga naik, bukan sebaliknya (seperti yang dinyatakan Gubernur Hochul). Namun, dalam hal jaringan listrik, situasinya justru sebaliknya. Alasan mengapa permintaan berhubungan terbalik dengan biaya adalah karena jaringan listrik sering kali mendapat manfaat dari ekonomi skala: semakin besar permintaan listrik, semakin tersebar biaya infrastruktur tetap, sehingga harga keseluruhan bagi pengguna turun.

Dengan kata lain, larangan operasi pusat data oleh Hochul mungkin tidak hanya gagal "melindungi pengguna listrik," tetapi justru menghasilkan efek sebaliknya: kenaikan tarif listrik mungkin jauh lebih tinggi dibandingkan jika pusat data membantu membagi biaya tetap jaringan. Mungkin hubungan ini tidak akan terus berlanjut, tetapi inilah situasi hingga saat ini.

Di luar biaya energi, ada dampak ekonomi yang lebih luas yang perlu dipertimbangkan. Kenyataannya adalah, tanpa investasi infrastruktur terkait AI, hampir tidak ada pertumbuhan investasi:

Investasi terkait teknologi adalah satu-satunya kategori investasi yang tumbuh, sehingga larangan ini tepat mengenai titik paling kritis.

Grafik: Sejak 2022, investasi terkait teknologi (perangkat lunak, R&D, peralatan TI, dan pusat data) hampir menjadi satu-satunya kontribusi positif terhadap pertumbuhan investasi tetap swasta. Sumber: a16z

Gubernur tentu punya alasan sendiri, tetapi kebijakan yang berpotensi (a) meningkatkan tarif listrik (sebagai bagian dari upaya "melindungi pengguna listrik"); dan (b) mencabut manfaat investasi terpenting di negara bagian New York, memang sulit dipahami.