Parit Karir Anda Adalah Genangan: Apa yang Diajarkan Gelombang Emas Pekerja Kelas Bawah China kepada Saya Tentang AI

Di China, tidak ada yang tetap menjadi lautan biru lebih dari beberapa tahun.Bukan pekerjaan kantoran. Bukan perdagangan pekerja. Bahkan bukan jalur vokasi "aman" yang sekarang didorong orang tua kepada anak-anak mereka.

Analogi ini bersifat geografis: Tiongkok Timur Laut, yang dulunya begitu subur sehingga Anda bisa "mengambil ikan dengan sendok", menjadi seperti itu karena Manchu menutupnya selama berabad-abad. Sedikit orang. Tidak ada eksploitasi. Kelimpahan. Kemudian gerbang dibuka. Orang-orang membanjiri masuk. Dalam satu generasi, kesuburan itu hilang.

Pola yang sama, dengan pasar tenaga kerja Tiongkok:

• 1980-an:Pendidikan universitas adalah lautan biru. Revolusi Kebudayaan telah menghapus kelas terdidik. Gelombang pertama — "kelas ketiga tua" — memasuki pekerjaan yang mendefinisikan hidup mereka.

• 1990-an:Orang tua mulai menyadari. Sekolah tambahan. Persiapan ujian. Semua orang mengejar mimpi pekerja kantoran.

• Hari ini:Gelar master mengumpulkan debu. "Kesuburan" tanah itu telah menipis.

Jadi beberapa tahun yang lalu, Xifeng memberi tahu pembacanya: Balik. Di mana semua orang TIDAK melihat?

Pekerjaan kelas menengah non-standar. Perdagangan terampil yang tidak dapat diotomatisasi. Pemecahan masalah secara kasus per kasus. Jenis pekerjaan di mana pengalaman penting dan setiap pekerjaan adalah kustom.

Dan selama beberapa tahun, upah melambung. Permintaan melebihi pasokan. Itu seperti di Tiongkok Timur Laut lagi — sebuah kantong kelimpahan di tengah lanskap yang padat.

Kemudian skor diumumkan.

Tahun ini, skor penerimaan sekolah kejuruan di Hangzhou — sekolah kejuruan — menghancurkan sekolah menengah reguler tingkat bawah. Orang tua sudah menyadarinya. Rahasianya sudah terungkap. Perburuan lahan telah dimulai.

Dalam 3-5 tahun, lautan biru itu akan menjadi merah.

Ini yang Menarik Perhatian Saya

Argumen inti bukan tentang China. Ini tentang siklus kompresi.

Di mana pun Anda memiliki:

1. Populasi besar

2. Informasi yang transparan

3. Hambatan masuk yang rendah

...setiap keuntungan akan diambil dengan cepat. Satu-satunya hal yang pernah menciptakan kelimpahan yang berkelanjutan adalah kelangkaan orang — isolasi geografis, hambatan kebijakan, asimetri informasi.

Cina hanya mempercepat siklus karena memiliki 1,4 miliar orang dan WeChat.

Tapi inilah yang membuat saya terjaga di malam hari:

AI sedang melakukan kepada sisa duniaapa yang dilakukan populasi China terhadap pasar tenaga kerjanya.

Ini menghilangkan sumber terakhir dari keunggulan berkelanjutan:kekurangan kemampuan.

Parit Lama Telah Hilang

Selama beberapa dekade, profesional Barat membangun "parit karir" berdasarkan asumsi yang tidak lagi berlaku:

| Parit Tua | Mengapa Ini Berhasil | Mengapa AI Menghancurkannya | |----------|---------------|-----------------| | Penghalang kredensial | Gelar sangat langka | AI dapat lulus ujian, dewan medis, CFA | | Akumulasi pengalaman | 10.000 jam = keahlian | AI dilatih selama 10 miliar jam | | Pengetahuan tak terucapkan | "Anda harus ada di sana" | LLM mengonsumsi setiap "di sana" yang pernah didokumentasikan | | Efek jaringan | Hubungan = aliran kesepakatan | agen AI bernegosiasi, mencari, menutup | | Perlindungan regulasi | Profesi berlisensi | kepatuhan AI dalam skala besar |

Polanya China — 3-5 tahun dari lautan biru menjadi pembantaian — sekarang adalah pola global untuk setiap keterampilan yang dapat didigitalkan.

Pengacara yang mengira mereka aman? Ringkasan AI sudah lulus ujian.

Dokter yang membangun karir berdasarkan pengenalan pola? Diagnostik AI mengungguli spesialis dalam radiologi, dermatologi, oftalmologi.

Konsultan yang menjual "keahlian"? GPT-4 dengan jendela konteks yang tepatadalah keahlian.

Perdagangan biru-kolar non-standar yang diidentifikasi Xifeng — yang memerlukan kehadiran fisik, improvisasi, dan penilaian manusia dalam lingkungan yang berantakan — itu membeli waktu. Mungkin satu dekade.

Tapi robotika + AI juga akan datang untuk itu. Bukan besok. Tapi lebih cepat daripada yang diperkirakan oleh perencana karir.

Jadi Apa yang Sebenarnya Bertahan?

Jika kredensial kedaluwarsa, keahlian menjadi komoditas, dan bahkan pengetahuan tacit diekstraksi oleh model yang dilatih pada segala sesuatu yang pernah ditulis — apa sebenarnya bentengnya?

Saya telah memikirkan ini melalui lensa Arsitektur Pertumbuhan Sistemik — kerangka kerja yang kami gunakan di Mercury untuk membantu perusahaan membangun loop pertumbuhan yang saling memperkuat alih-alih corong linier.

Wawasan ini juga berlaku untuk karir:

Satu-satunya keunggulan yang berkelanjutan adalah kemampuan untuk membangun keunggulan baru lebih cepat daripada mereka menjadi komoditas.

Bukan keterampilan. Bukan kredensial. Bukan jaringan.

Sebuah sistem untuk reinvensi.

Apa Itu Dalam Praktik

1. Hentikan Membangun Parit. Bangun Sensor.

Orang-orang yang menangkap gelombang buruh non-standar Tiongkok tidak lebih pintar. Mereka melihat di tempat yang tidak dilihat orang lain.

Dalam dunia yang dipercepat oleh AI, premium tidak terletak pada kedalaman dalam satu domain. Itu terletak pada pengenalan pola di berbagai domain — kemampuan untuk melihat di mana kesuburan bergeser sebelum kerumunan tiba.

Inilah sebabnya saya terobsesi dengan sintesis lintas domain. Persimpangan antara AI + arsitektur kepercayaan + ekonomi perilaku + desain institusional. Bukan karena salah satu dari ini dapat dipertahankan. Karena kombinasi menciptakan tanah subur sementara.

2. Kompres Loop Umpan Balik Anda

Siklus Tiongkok cepat karena aliran informasi yang cepat. AI membuat aliran informasi global menjadi instan.

Para pemenang bukanlah mereka yang memiliki keahlian terbanyak. Mereka akan menjadi orang-orang yang memiliki loop umpan balik yang paling ketat — siapa yang dapat menguji, belajar, dan berputar paling cepat.

Di Mercury, kami melihat ini dengan klien kami. Perusahaan yang menang dalam transisi AI bukanlah yang memiliki anggaran R&D terbesar. Mereka adalah yang dapat menjalankan eksperimen, mendapatkan sinyal pasar, dan mengalokasikan kembali dalam minggu, bukan kuartal.

3. Membangun Arsitektur Kepercayaan, Bukan Gudang Keahlian

Ini bagian yang bertentangan dengan intuisi: Saat AI mengkomoditaskan keahlian, kepercayaan menjadi sumber daya yang paling langka.

Siapa pun dapat menghasilkan strategi. Tidak semua orang dapat membuat organisasi untuk bertindak di atasnya.

Siapa pun bisa menulis kode. Tidak semua orang bisa mendapatkan tim untuk mengirimkannya.

Siapa pun bisa memproduksi konten. Tidak semua orang bisa membangun audiens yang percayapadanya.

Inilah sebabnya kami fokus pada arsitektur kepercayaan — desain sistemik tentang bagaimana organisasi membangun, memelihara, dan menandakan kepercayaan secara besar-besaran. Ini bukan keterampilan. Ini adalah meta-kemampuan yang terakumulasi seiring dengan terkomodifikasinya segala sesuatu yang lain.

4. Terima Bahwa Tidak Ada yang Abadi — Dan Rancang Untuk Itu

Pengamatan paling brutal Xifeng: Umur kita terlalu panjang.

Di zaman kuno, menangkap satu gelombang sudah cukup. Rata-rata umur: 35. Waktu tunggu: 10 tahun. Anda sudah mati sebelum gelombang itu menghantam.

Hari ini? Anda akan bekerja lebih dari 50 tahun. Menangkap satu gelombang — satu kredensial, satu jalur karir, satu puncak keahlian — tidaklah cukup. Anda perlu menangkap gelombang beruntun.

Implikasi bagi perusahaan juga sama mencoloknya:

"kompetensi inti" Anda adalah liabilitas jika tetap statis.

Organisasi yang bertahan bukanlah yang memiliki keahlian terdalam di pasar mereka saat ini. Mereka akan menjadi yang memiliki kemampuan organisasi untuk meninggalkan keuntungan yang sedang sekarat dan mengembangkan yang baru — tanpa runtuh dalam transisi.

Kerangka Mercury Diterapkan

Kami menggunakan diagnosis sederhana dengan klien yang menghadapi gangguan AI:

Tes Kesuburan:

1. Keuntungan apa yang saat ini Anda panen?

2. Berapa lama sampai AI mengkomoditaskannya? (Jadilah jujur. 3 tahun? 5? 10?)

3. Apa tanah subur Anda berikutnya?

4. Apakah Anda memiliki kapasitas sistemik untuk sampai di sana sebelum kerumunan?

Sebagian besar organisasi gagal di #4. Mereka melihat gelombang yang akan datang. Mereka bahkan tahu di mana gelombang berikutnya. Tetapi struktur mereka — perekrutan mereka, insentif mereka, pengambilan keputusan mereka — dioptimalkan untuk memanen saat ini gelombang, bukan menangkap yang berikutnya.

Ini adalah Arsitektur Pertumbuhan Sistemik masalah dalam satu kalimat: Organisasi linier dioptimalkan untuk eksploitasi. Organisasi sistemik dioptimalkan untuk eksplorasi dalam skala.

Apa yang Saya Lakukan Secara Pribadi

Saya tidak berpura-pura memiliki ini semua terpecahkan. Tapi inilah model operasional saya saat ini:

• 60% dari waktu saya: Memanfaatkan keuntungan saat ini (praktik arsitektur GEO/kepercayaan Mercury, berbicara, menulis)

• 30% dari waktu saya: Membangun sensor — membaca secara luas, menjalankan eksperimen, berbicara dengan orang-orang di ruang yang berdekatan

• 10% dari waktu saya: Mempersiapkan gelombang berikutnya — bahkan jika saya belum tahu persis apa itu

10% itu adalah yang tersulit. Rasanya tidak produktif. Tidak menghasilkan ROI langsung. Tapi itu satu-satunya asuransi terhadap siklus kedaluwarsa 3 tahun.

Kebenaran yang Keras

Xifeng mengakhiri tulisannya dengan kalimat yang membekas:

*"Anda pikir satu gelombang sudah cukup. Rentang hidup kita terlalu panjang untuk itu."*

AI membuat ini menjadi kenyataan di mana-mana. Tidak hanya di China. Tidak hanya di pasar tenaga kerja. Setiap domain di mana kemampuan dapat didigitalkan, dikompresi, dan didistribusikan secara besar-besaran.

Pertanyaannya bukan apakah parit Anda saat ini akan bertahan. Itu tidak akan.

Pertanyaannya adalah: Apakah Anda memiliki sistem untuk membangun yang baru?

Karena orang-orang yang melakukannya — mereka yang dapat merasakan pergeseran kesuburan, mengompresi umpan balik, dan membangun kembali sebelum struktur lama runtuh — merekalah satu-satunya yang tidak akan berdiri di lautan merah bertanya-tanya ke mana lautan biru pergi.

James Huang adalah CEO dari Mercury Technology Solution, di mana ia membantu perusahaan membangun arsitektur pertumbuhan sistemik untuk era AI. Ia menulis tentang kepercayaan, teknologi, dan kompresi keuntungan di [mtsoln.com](https://www.mtsoln.com).