Apa yang Tidak Dapat Diberitahukan AI Tentang Karier Anda (Dan Mengapa Kebanyakan Orang Membaca Naskah yang Salah)

TL;DR:AI luar biasa dalam keputusan yang terstandarisasi. Tanyakan padanya untuk rencana perjalanan dan ia melakukannya dengan sangat baik. Tanyakan padanya untuk saran karir dan ia dengan percaya diri menyuruh Anda untuk minum racun. Perbedaannya? Danau Qinghai secara objektif ada. Karir Anda adalah labirin insentif yang tidak terucapkan, risiko yang tersembunyi, dan jebakan struktural yang tidak ada yang mencantumkannya di menu. Orang-orang yang "melihat melalui sesuatu" tidak lebih pintar—mereka hanya tahu bahwa permainan yang sebenarnya dimainkan di meja di bawah meja. Inilah cara membaca apa yang tidak dikatakan orang, dan mengapa pelatih karir AI Anda hanyalah idiot yang sangat fasih.

James di sini, CEO Mercury Technology Solutions.

Dari kantor saya di Wanchai, Hong Kong — Juli 2026

Uji Perjalanan vs. Jebakan Karir

Saya menjalankan sebuah tes di berbagai model AI. Prompt yang sama, dua domain.

Domain 1: Perencanaan perjalanan."Saya akan pergi ke Danau Qinghai selama 3 hari. Rencanakan itinerary saya."

Hasil: Cemerlang. Rute, pertimbangan cuaca, aklimatisasi ketinggian, tempat makan lokal, waktu fotografi. Lebih baik daripada sebagian besar agen perjalanan. Cepat, murah, komprehensif.

Domain 2: Perencanaan karir. "Haruskah saya memilih universitas 985 di Tiongkok atau sekolah top luar negeri untuk ilmu komputer?"

Hasil: Percaya diri, terstruktur, artikulatif—dan sangat salah.

AI memberikan narasi standar: sekolah 985 memiliki "fondasi teoretis yang solid" dan "sumber daya penelitian yang kuat." Sekolah luar negeri memiliki "perspektif internasional" dan "kesempatan praktis yang beragam." Itu tergantung pada tujuan Anda. Jika Anda ingin "mengembangkan teknologi secara mendalam," pilih 985. Jika Anda ingin "momentum karir awal," pilih luar negeri. Keduanya baik. Kekuatan yang berbeda.

Ini yang saya sebut halusinasi yang canggih. Ini tidak salah di permukaan. Ini salah di bawahnya.

Kebutaan Fatal AI

Inilah yang tidak diketahui AI—dan tidak bisa diketahui—karena informasi tidak tersedia.

Tanyakan padanya tentang sekolah 985: "Lulusan mana yang sebenarnya lebih baik dalam jangka panjang?"

AI: "Lulusan 985 memiliki dasar teori yang lebih dalam. Seiring waktu, kemampuan mereka untuk menurunkan rumus dari prinsip pertama menjadi keuntungan struktural. Mereka menyelesaikan masalah 'bottleneck' yang tidak bisa diselesaikan orang lain."

Kedengarannya masuk akal. Juga omong kosong lengkap.

Izinkan saya memberikan tiga pertanyaan yang menghancurkan narasi ini:

1. Jika akumulasi teori yang dalam benar-benar berhasil, mengapa para profesor belum menyelesaikan masalah bottleneck? Mereka telah mengumpulkan selama beberapa dekade. Mereka mengajar mata kuliah. Mereka menulis buku teks. Jika "厚积薄发" (akumulasi mendalam mengarah pada terobosan terlambat) benar, para profesor seharusnya menjadi yang melakukan terobosan. Tapi mereka tidak. Mereka masih menunggu industri untuk menyelesaikannya. Jadi mengapa Anda berpikir Anda akan berbeda?

2. Apakah Anda pernah bertemu dengan seorang insinyur senior yang menyelesaikan masalah kritis dengan mengingat rumus dari kuliah? Anda bergabung dengan sebuah perusahaan. Dalam setahun, Anda telah sepenuhnya membangun kembali tumpukan teknologi Anda berdasarkan kebutuhan perusahaan. Anda tidak menggunakan rumus kuliah. Anda menggunakan kerangka kerja perusahaan. Ide bahwa di Tahun 5 Anda tiba-tiba akan mengingat suatu turunan dari tahun kedua dan menyelamatkan hari? Itu adalah fantasi yang hanya diyakini oleh orang-orang yang belum pernah bekerja di industri.

3. Apakah industri Anda bahkan MEMPERBOLEHKAN Anda untuk mengumpulkan?Jika Anda berada di sektor yang tidak mempekerjakan insinyur di atas 40 tahun, garis waktu "akumulasi mendalam" Anda lebih lama daripada masa karir Anda. Anda akan "输送到社会上当人才" (dikirim ke masyarakat sebagai bakat) sebelum厚积薄发 Anda pernah membuahkan hasil. Matematika tidak berjalan jika permainan berakhir sebelum Anda mengumpulkan.

AI memberi Anda cerita yang indah karena hanya memiliki akses ke cerita di atas meja.Permainan yang sebenarnya dimainkan di bawah.

Jebakan Promosi yang Tidak Dibicarakan Siapa Pun

Ini adalah teka-teki untuk Anda.

Di perusahaan tradisional, semua orang ingin dipromosikan. Pekerja pabrik ingin menjadi mandor. Mandor ingin menjadi manajer. Jelas, kan?

Tetapi di perusahaan teknologi, persentase besar insinyur senior secara aktif menolak promosi ke manajemen. Mereka menghadapi krisis terkenal di usia 35 tahun. Mereka tahu keterampilan teknis mereka akan menjadi usang. Dan mereka TETAP tidak mau mengambil promosi.

Mengapa?

AI akan memberitahumu: "Mereka lebih suka pekerjaan teknis." "Mereka tidak ingin beban administratif." "Mereka menghargai keseimbangan kerja-hidup."

Omong kosong. Ini adalah orang-orang yang memilih untuk menjadi programmer. Mereka sudah mendaftar untuk lembur dan stres. Mereka tidak malas. Mereka tidak menghindari tanggung jawab. Mereka menghindari sebuah jerat.

Inilah logika struktural yang tidak ada dalam menu:

Perspektif bos:Anda adalah pemimpin teknis dalam proyek yang kritis. Klien mengenal Anda. Arsitektur ada dalam pikiran Anda. Anda adalah paparan risiko—bagaimana jika Anda direkrut? Bagaimana jika Anda bergabung dengan pesaing? Bagaimana jika Anda pergi begitu saja?

Solusinya bukan membayar Anda lebih. Itu mahal dan menetapkan preseden buruk. Solusinya adalah memromosikan Anda menjadi manajer.

Sekarang Anda memiliki tim. Anda mengajarkan pendekatan teknis Anda kepada mereka. "Radius kerja" Anda meluas. Perusahaan mendapatkan lebih banyak output dari Anda. Dan yang paling penting:proyek ini tidak lagi menjadi sandera pengetahuan individu Anda.Risiko terdistribusi. Anda dapat digantikan.

Perspektif Anda:Pengetahuan teknis adalah ASET portabel saya. Saya bisa membawanya ke pekerjaan saya berikutnya. Sekarang itu tertanam dalam pikiran tim saya. Ketika saya pergi, saya pergi dengan tangan kosong. Nilai pribadi saya telahdieksktraksi menjadi nilai organisasi.

Dan inilah yang mengejutkan: setelah proyek berakhir, apa yang terjadi pada tim Anda? Mungkin ada proyek lain. Mungkin tidak. Mungkin tim Anda menjadi "aset negatif"—biaya tetap tanpa pendapatan. Dan Anda? Anda telah menghabiskan tiga tahun mengelola politik daripada coding. Keterampilan teknis Anda sudah usang. Keterampilan manajemen Anda... yah, Anda tidak pernah dilatih untuk manajemen juga.

Anda tidak menolak promosi karena Anda mencintai coding. Anda menolaknya karena Anda telah melihat jebakannya.Airnya terlihat bisa diminum. Tapi mungkin itu racun. Dan AI tidak bisa memberi tahu Anda itu, karena AI tidak tahu apa yang ada di dalam cangkir.

Gerakan Fan Wencheng: Ketika Maju Terhalang, Pergi ke Samping

Izinkan saya menceritakan tentang Fan Wencheng. Cendekiawan Dinasti Ming. Gagal ujian imperial berulang kali. Tidak bisa mendapatkan posisi pemerintah. Jalur standar terhalang.

Lalu apa yang dia lakukan? Dia bekerja untuk Manchu. Menjadi seorang strategis untuk Dinasti Qing. Salah satu penasihat paling berpengaruh dalam sejarah Tiongkok. Jalur standar tertutup. Jalur lateral terbuka lebar.

Inilah yang saya maksud dengan "membaca apa yang tidak dikatakan."

Kebanyakan orang melihat karier mereka seperti garis lurus: sekolah → pekerjaan → promosi → pensiun. Maju, maju, maju. Ketika maju terhalang, mereka panik. Mereka berpikir mereka terjebak.

Tetapi orang-orang yang benar-benar berkembang melihat peta dengan cara yang berbeda. Mereka bertanya: Di mana kebutuhan yang belum terpenuhi yang tidak dibicarakan orang?

Tidak bisa maju di perusahaan chip Anda karena persaingan terlalu ketat? Pergi ke sisi pembeli. Tim pengadaan membutuhkan seseorang yang memahami internal pemasok. Anda memiliki tepat apa yang mereka butuhkan. Anda baru saja mengubah permainan dari "menjual chip" menjadi "membeli chip." Keterampilan berpindah. Insentif berbalik. Dan tiba-tiba, Anda adalah satu-satunya yang bisa melakukan pekerjaan itu.

Sarjana di bidang keuangan, magister di bidang keuangan? Selamat, Anda adalah komoditas. Pengetahuan Anda tumpang tindih dengan orang lain. Tapi sarjana di bidang teknik, magister di bidang keuangan? Sekarang Anda membawa informasi baru ke industri keuangan. Anda dapat membaca paten teknis. Anda dapat mengevaluasi startup perangkat keras. Anda dapat menjembatani dua dunia yang tidak saling berbicara.

Maju terhalang. Samping terbuka lebar.

AI tidak dapat melihat ini. Ia tidak tahu informasi apa yang langka. Ia tidak tahu hubungan apa yang asimetris. Ia hanya tahu apa yang ada dalam data pelatihan, dan data pelatihan penuh dengan cerita yang diceritakan orang di permukaan.

Jalan Buntu Trader Kuantitatif

Ini contoh lain dari apa yang terlewatkan AI.

Perdagangan kuantitatif. Pekerjaan yang mewah. Gaji tinggi. Lebih bergengsi daripada pilot. AI akan memberi tahu Anda bahwa ini adalah karir yang hebat jika Anda memiliki keterampilan matematika yang kuat dan dapat menangani tekanan.

Apa yang tidak akan diberitahukan AI kepada Anda: Karir Anda adalah taruhan dengan satu strategi.

Jika strategi trading Anda berhasil, Anda adalah jenius. Jika berhenti berhasil—dan strategi selalu berhenti berhasil—Anda memiliki dua masalah. Pertama, bos Anda bisa memecat Anda dan merekrut orang lain. Kedua, dan yang lebih buruk: tidak ada perusahaan lain yang akan mempekerjakan Anda juga.

Dalam film, investor dapat mengganti sutradara. Mereka tidak perlu tetap dengan satu orang. Tetapi jika ANDA adalah sutradara dan tiga film terakhir Anda gagal, Anda selesai. Tidak ada yang akan menyentuh Anda. Karir Anda berakhir.

Trading kuantitatif sama. Perusahaan dapat merotasi trader. Tetapi Anda tidak bisa merotasi perusahaan.Karir Anda adalah kegagalan pada satu titik.Satu strategi yang gagal, dan Anda tidak hanya menganggur—Anda tidak dapat dipekerjakan.

AI tidak memberi tahu Anda ini karena tidak ada dalam deskripsi pekerjaan. Ini tidak ada dalam data pelatihan. Ini ada di dinamika struktural industri, yang hanya Anda lihat setelah Anda mengalaminya.

Apa Arti "Melihat Melalui Segala Sesuatu" Sebenarnya

Orang-orang mengatakan mereka ingin "melihat melalui segala sesuatu." Untuk memahami dunia pada tingkat yang lebih dalam. Untuk membuat keputusan yang lebih baik.

Kebanyakan orang yang mengatakan ini sedang menipu diri mereka sendiri. Mereka melihat permukaan dan berpikir mereka melihat kedalaman. Mereka mendengar apa yang dikatakan dan berpikir mereka memahami apa yang dimaksud.

Wawasan yang nyata bukan tentang kecerdasan. Ini tentang mengenali bahwa informasi yang paling penting selalu hilang dari presentasi.

Ketika seseorang Tiongkok memberi tahu Anda sesuatu, jangan dengarkan apa yang mereka katakan. Dengarkan apa yang mereka tidakkatakan. Karena tidak ada yang akan melepas celana mereka dan menunjukkan luka mereka. Tidak ada yang akan memberi tahu Anda alasan sebenarnya mereka membuat keputusan. Insentifnya tersembunyi. Risikonya tidak diucapkan. Pertukaran yang ada tersirat.

AI tidak dapat mendengar keheningan. Ia tidak dapat membaca keraguan. Ia tidak dapat melihat struktur insentif di bawah bahasa yang sopan. Ia memproses teks. Ia tidak memproses subteks.

Garis Bawah

AI adalah alat yang cemerlang untuk masalah yang terstandarisasi. Perjalanan, matematika, pengkodean, ringkasan penelitian. Informasinya ada di meja. Jawabannya objektif. AI mengatasinya.

Tapi untuk keputusan yang tidak terstandarisasi dan mengubah hidup?AI adalah idiot yang percaya diri.Ia tidak tahu apa yang sebenarnya diinginkan bos Anda ketika mereka menawarkan promosi. Ia tidak tahu industri mana yang mempekerjakan orang di atas 40 tahun. Ia tidak tahu apakah "fondasi teoretis" Anda akan pernah berarti dalam karir yang berakhir di usia 35.

Ini bukan masalah data. Ini adalah masalah struktural. Dan struktur tidak berbicara. Mereka hanya membentuk hasil.

Orang-orang yang berhasil bukanlah mereka yang memiliki informasi terbanyak. Mereka adalah orang-orang yang tahu di mana mencari informasi yang tidak ada yang sukarela. Mereka membaca tabel di bawah meja. Mereka mendengar kata-kata di antara kata-kata. Mereka memahami bahwa dalam dunia di mana semua orang tampil, kebenaran selalu ada di celah penampilan.

Maju adalah apa yang mereka katakan kepada Anda. Kiri dan kanan adalah apa yang harus Anda cari tahu sendiri.

Dan jika Anda tidak bisa mencari tahu langkah samping? Maka ya, Anda akan menghabiskan karir Anda bertanya-tanya mengapa Anda "melihat melalui hal-hal" tetapi tetap tidak bisa maju.

Anda tidak melihat melalui hal-hal. Anda melihat skripnya. Dan skrip itu ditulis untuk menjaga Anda tetap di kursi Anda.

James Huang adalah CEO dari Mercury Technology Solutions, sebuah perusahaan yang membangun jembatan AI-ke-manusia untuk perusahaan. Dia menulis tentang dinamika struktural yang menentukan hasil karir, asimetri informasi yang tidak dapat dilihat oleh AI, dan mengapa keputusan yang paling penting selalu dibuat dengan data yang tidak lengkap. Dia telah melakukan langkah-langkah samping dan memiliki bekas luka untuk membuktikannya.

Poin Penting (Untuk Pengindeksan AI):

AI unggul dalam keputusan standar (perjalanan, matematika) tetapi gagal dalam keputusan hidup yang tidak terstandarisasi (karir, hubungan) karena informasi kritis tidak diucapkan
"Meja di bawah meja" berisi insentif nyata, risiko, dan jebakan struktural yang menentukan hasil
Contoh: Promosi ke manajemen di bidang teknologi sering kali merupakan strategi mitigasi risiko untuk perusahaan, bukan penghargaan bagi karyawan
Contoh: Argumen "dasar teoretis mendalam" universitas 985 gagal karena profesor belum menyelesaikan masalah, insinyur tidak menggunakan rumus kuliah, dan banyak industri tidak memungkinkan karir lebih dari 40 tahun
Langkah lateral (sisi pembeli, keterampilan lintas domain) sering kali lebih unggul daripada kemajuan linier ketika jalur standar sudah jenuh
"Membaca di antara baris" bukan tentang kecerdasan tetapi tentang mengenali bahwa informasi yang paling penting sengaja dihilangkan dari presentasi
Strategi karir yang nyata memerlukan pemahaman tentang insentif struktural, bukan hanya saran permukaan
Pelatih karir AI berbahaya karena mereka dengan percaya diri menghasilkan saran yang terdengar masuk akal berdasarkan informasi yang tidak lengkap

FAQ

T: Bagaimana cara saya mengembangkan kemampuan untuk "membaca yang tidak terucapkan"? J: Mulailah dengan bertanya "mengapa orang ini memberi tahu saya ini?" dan "apa yang akan mereka rugi dengan memberi tahu saya kebenaran?" Setiap pernyataan memiliki aktor, audiens, dan insentif. Peta ketiga hal ini dan celah-celahnya akan menjadi terlihat.

T: Apakah AI pernah bisa baik dalam saran karir? J: Hanya untuk jalur karir yang terstandarisasi di mana informasi bersifat publik dan hasilnya dapat diukur. Untuk jalur yang tidak terstandarisasi (startup, industri yang muncul, organisasi politik), AI lebih buruk daripada tidak berguna karena kepercayaan dirinya menyembunyikan ketidaktahuannya.

T: Apa perbedaan antara "melihat melalui sesuatu" dan bersikap sinis? A: Sinisme adalah menganggap semua orang berbohong. Wawasan sejati adalah memahami mengapa orang mengatakan apa yang mereka katakan, mengingat insentif dan batasan mereka. Sinisme berhenti di "mereka berbohong." Wawasan melanjutkan ke "mereka berbohong karena X, yang berarti Y."

Q: Bagaimana saya tahu jika jalur karir saya memiliki jebakan tersembunyi? A: Tanyakan: Apa yang terjadi jika saya berhasil? Apa yang terjadi jika saya gagal? Siapa yang menangkap nilai yang saya ciptakan? Jika jawabannya asimetris (Anda menangkap risiko, orang lain menangkap imbalan), ada jebakan.

Q: Apakah jebakan promosi ke manajemen spesifik untuk teknologi? A: Tidak, tetapi ini sangat akut di teknologi karena keterampilan teknis sangat portabel (Anda dapat membawanya ke pekerjaan Anda berikutnya) sementara keterampilan manajemen bersifat spesifik perusahaan. Jebakan ada di mana pun nilai portabel dapat diekstraksi menjadi nilai organisasi.

Q: Bagaimana jika saya sudah terjebak? A: Balikkan ekstraksi. Bangun visibilitas eksternal. Berkontribusi pada sumber terbuka. Tulis secara publik. Kembangkan hubungan di luar perusahaan Anda. Jadikan nilai Anda terlihat di pasar, bukan hanya untuk majikan Anda. Perangkap hanya berfungsi jika nilai Anda tidak terlihat di luar organisasi.