Dampak Kecerdasan Buatan terhadap Teori Efisiensi Pasar dan Tenaga Kerja

ilustrasi gambar dari ai

Dalam teori ekonomi, pasar yang efisien adalah pasar yang harganya selalu mencerminkan seluruh informasi yang tersedia. Gagasan ini dipopulerkan Eugene Fama pada 1970 dan lama menjadi fondasi pemikiran keuangan modern. Kini kecerdasan buatan (AI) hadir sebagai pemroses informasi yang jauh lebih cepat dan luas daripada manusia mana pun. Pertanyaannya menarik sekaligus mengkhawatirkan: apakah AI akan membuat pasar benar-benar efisien, dan apa artinya bagi orang-orang yang bekerja di dalamnya?

Teori efisiensi pasar berangkat dari anggapan bahwa informasi cepat tercermin dalam harga, sehingga sulit bagi investor mana pun untuk secara konsisten mengalahkan pasar. Dalam praktiknya, selalu ada jeda antara munculnya informasi dan penyesuaian harga. Di sinilah AI berperan. Algoritma mampu membaca laporan keuangan, berita, hingga sentimen media sosial dalam hitungan detik, lalu bertransaksi secara otomatis. Jeda yang dulu menjadi ruang keuntungan bagi analis manusia kini menyempit drastis.

Efisien dalam Kecepatan, Belum Tentu dalam Keadilan

Namun, pasar yang sempurna efisien sebenarnya mengandung paradoks. Ekonom Sanford Grossman dan Joseph Stiglitz pada 1980 menunjukkan bahwa jika harga sudah mencerminkan semua informasi, tidak ada lagi insentif untuk mencari informasi. Paradoks ini relevan di era AI: ketika semua pelaku memakai model serupa dengan data serupa, keragaman pandangan yang menjadi bahan bakar pembentukan harga bisa menipis. Akibatnya muncul risiko perilaku massal, di mana banyak algoritma bereaksi searah pada saat yang sama dan memperbesar gejolak pasar, seperti yang pernah terlihat pada peristiwa flash crash 2010.

Bagi tenaga kerja, perubahan ini juga terasa nyata. Pekerjaan yang bertumpu pada pengolahan informasi rutin, seperti analisis dasar, penyusunan laporan, hingga pemeriksaan kepatuhan, semakin bisa dikerjakan AI. Berbeda dengan gelombang otomatisasi sebelumnya yang banyak menyasar pekerjaan fisik, kali ini pekerja kerah putih ikut berada di garis depan. Meski begitu, sejarah menunjukkan teknologi lebih sering mengubah komposisi pekerjaan daripada sekadar menghapusnya. Peran yang bergeser ke arah penilaian, pengawasan model, komunikasi dengan klien, dan pengambilan keputusan etis justru bisa menjadi lebih bernilai.

Masalahnya, penyesuaian itu tidak mulus. Teori kerap mengasumsikan upah dan keterampilan akan menyesuaikan secara wajar, padahal pekerja membutuhkan waktu dan biaya untuk belajar ulang, sementara AI bergerak jauh lebih cepat daripada sistem pendidikan. Penggunaan AI dalam seleksi karyawan dan penilaian kinerja pun membawa risiko bias dan ketimpangan informasi baru antara perusahaan dan pekerja. Tanpa transparansi, teknologi yang dimaksudkan membuat pasar lebih adil justru dapat mempertebal ketidakadilan.

Pada akhirnya, AI memang membuat pasar bekerja lebih cepat, tetapi kecepatan bukan satu-satunya ukuran keberhasilan. Pasar yang sehat membutuhkan keragaman pandangan, pengawasan yang memadai, dan perlindungan bagi mereka yang terdampak transisi. Bagi pekerja, kuncinya adalah mengembangkan kemampuan yang melengkapi AI, bukan bersaing dengannya dalam hal kecepatan. Bagi pembuat kebijakan, tantangannya adalah memastikan efisiensi yang dihasilkan teknologi tidak hanya dinikmati segelintir pihak. Teori memberi kita gambaran ideal, tetapi manusialah yang menentukan seperti apa pasar dan dunia kerja yang ingin dibangun.