Penuaan Menjadi Pendorong Teknologi Industri
Penuaan populasi tidak lagi hanya menjadi isu demografis atau sosial. Hal ini semakin menjadi isu teknologi industri, karena menyusutnya populasi usia kerja mengubah cara perusahaan mengevaluasi kapasitas produksi, biaya tenaga kerja, dan investasi.
Makalah kerja IMF terbaru, Ekonomi yang Menua dan Adopsi AI: Bukti Tingkat Perusahaan dari Survei Perusahaan Bank Dunia, memberikan bukti tingkat perusahaan mengenai hubungan ini. Studi tersebut mencakup 89.380 perusahaan di 144 negara yang disurvei antara tahun 2022 dan 2025.
Di antara perusahaan-perusahaan tersebut, 1.656 perusahaan, atau sekitar 1,9%, melaporkan inovasi proses yang melibatkan AI, otomasi, atau robotika. Hanya 221 perusahaan, yang mewakili 0,2%, secara eksplisit mengidentifikasi AI atau pembelajaran mesin sebagai bagian dari inovasi tersebut.
Angkanya masih relatif kecil, tetapi arahnya penting: ketika tenaga kerja semakin sulit ditemukan, teknologi menjadi pengganti tenaga manusia yang lebih praktis.
Sinyal Demografis di Balik Investasi Otomasi
Studi tersebut mengaitkan peningkatan 10 poin persentase pada rasio ketergantungan usia lanjut dengan peningkatan 0,6 poin persentase dalam adopsi teknologi proses, setelah memperhitungkan faktor-faktor seperti pendapatan, akses internet, ukuran perusahaan, sektor, wilayah, dan tahun survei.
Rasio ketergantungan usia lanjut mengukur jumlah penduduk berusia 65 tahun ke atas dibandingkan dengan setiap 100 orang usia kerja. Ketika rasio ini meningkat, perusahaan berpotensi menghadapi kumpulan pekerja yang tersedia dan lebih kecil.
Dari perspektif otomasi industri, hubungan ini masuk akal. Sebuah pabrik tidak dapat terus meningkatkan produksi tanpa batas hanya dengan mempekerjakan lebih banyak operator ketika pasar tenaga kerja setempat sudah terbatas.
Pada titik tersebut, pertanyaan rekayasa berubah dari “Berapa banyak pekerja yang dapat kita pekerjakan?” menjadi “Tugas produksi mana yang dapat dilakukan teknologi secara konsisten tanpa tenaga kerja tambahan?”
Pergeseran tersebut dapat secara langsung memengaruhi keputusan yang melibatkan sistem PLC, robot industri, visi mesin, penanganan material otomatis, pengendalian proses, dan perangkat lunak produksi cerdas.
Manufaktur dan Jasa Menempuh Jalur Teknologi yang Berbeda
Salah satu temuan yang paling berguna adalah bahwa “adopsi AI” tidak boleh diperlakukan sebagai satu kategori teknologi.
Ketika AI, otomasi, dan robotika dipertimbangkan bersama, dampak demografis sangat terlihat di sektor manufaktur. Hal ini dapat dipahami karena produksi industri mencakup banyak operasi yang repetitif, terukur, dan menuntut secara fisik yang dapat diotomatisasi.
Robotika, inspeksi otomatis, kendali gerak, visi mesin, dan kendali lini produksi dapat menggantikan atau mengurangi intervensi manual dalam proses yang didefinisikan dengan jelas.
AI berbasis perangkat lunak mengikuti pola yang berbeda. Ketika studi berfokus secara khusus pada perusahaan yang menyebut AI atau pembelajaran mesin, bisnis jasa menjadi lebih menonjol.
Perbedaan ini penting bagi pembuat kebijakan dan pemasok otomasi. AI manufaktur sering memerlukan peralatan modal, sensor, pengendali, drive, sistem keselamatan, jaringan, dan integrasi rekayasa. AI sektor jasa mungkin memerlukan investasi yang relatif lebih besar dalam data, platform perangkat lunak, infrastruktur komputasi, dan keterampilan karyawan.
Oleh karena itu, strategi nasional “adopsi AI” yang memperlakukan kedua sektor secara identik akan mengabaikan perbedaan penting dalam penerapan teknologi.
Perusahaan Besar Memiliki Keunggulan Struktural
Dampak demografis paling kuat terlihat pada perusahaan dengan sedikitnya 100 karyawan. Perusahaan yang lebih kecil menunjukkan respons yang jauh lebih lemah, sementara analisis utama tidak menemukan hasil yang signifikan secara statistik untuk perusahaan berukuran menengah.
Ini adalah salah satu temuan terpenting dari perspektif rekayasa industri.
Otomasi tidak dimulai dengan membeli robot atau PLC. Biasanya, otomasi memerlukan analisis proses, pemilihan peralatan, rekayasa kelistrikan, integrasi sistem kendali, validasi keselamatan, pemrograman, komisioning, pelatihan operator, dan pemeliharaan jangka panjang.
Perusahaan besar dapat membagi biaya tetap ini ke volume produksi yang lebih tinggi. Produsen yang lebih kecil sering kali tidak mampu melakukannya.
Akibatnya, kekurangan tenaga kerja dapat menciptakan insentif otomasi terkuat justru ketika perusahaan yang lebih kecil memiliki kapasitas keuangan dan rekayasa paling terbatas untuk meresponsnya.
Menurut saya, hal ini menciptakan potensi “kesenjangan otomasi”. Perekonomian yang menua dapat menyaksikan produsen berteknologi maju meningkatkan produktivitas, sementara pemasok yang lebih kecil terus beroperasi dengan proses yang padat karya.
Kekurangan Tenaga Kerja Dapat Mengubah Justifikasi Bisnis Rekayasa
Proyek otomasi tradisional sering dibenarkan melalui penghematan tenaga kerja, peningkatan throughput, pengendalian kualitas, keselamatan, atau konsistensi produksi.
Populasi yang menua menambah faktor lain: ketersediaan tenaga kerja itu sendiri menjadi kendala terhadap kapasitas produksi.
Perbedaan ini penting. Robot mungkin tidak menarik ketika operator tersedia dengan mudah dan murah. Robot yang sama dapat menjadi menarik secara ekonomi ketika perekrutan operator berkualifikasi membutuhkan waktu berbulan-bulan dan perluasan produksi bergantung pada penemuan pekerja tambahan.
Prinsip yang sama berlaku untuk inspeksi otomatis, sistem pergudangan, pemeliharaan prediktif, pemantauan produksi digital, dan pengendalian proses terpusat.
Oleh karena itu, otomasi tidak hanya menjadi investasi produktivitas, tetapi juga strategi untuk mempertahankan kapasitas.
Kedua Saluran Otomasi Ini Layak Mendapatkan Perhatian Lebih Besar
Studi IMF mengidentifikasi saluran proses dan saluran produk.
Saluran proses terjadi ketika perusahaan menggunakan AI, otomasi, atau robotika secara internal untuk mengurangi kebutuhan tenaga kerja atau meningkatkan proses produksi.
Saluran produk terjadi ketika perusahaan mengembangkan produk atau layanan berbasis AI yang membantu pelanggan mengatasi kendala tenaga kerja.
Hanya 82 perusahaan dalam studi ini yang diklasifikasikan sebagai pengadopsi melalui kedua saluran tersebut. Hal ini menunjukkan bahwa penuaan dapat memengaruhi perusahaan melalui dua cara yang relatif berbeda.
Bagi pemasok otomasi industri, saluran produk mungkin sangat signifikan. Produsen yang menghadapi kekurangan tenaga kerja dapat menjadi pelanggan otomasi sekaligus penyedia teknologi otomasi.
Hal ini menciptakan peluang bagi perusahaan yang mengembangkan sistem robotik, visi industri, penanganan material otonom, sensor cerdas, komputasi edge, dan aplikasi kontrol berbasis AI.
India Menyediakan Gambaran Historis yang Luas tetapi Penting
India menyumbang 9.111 perusahaan dalam studi ini, menjadikannya sampel nasional terbesar.
Namun, waktu pengumpulan data perlu dipertimbangkan dengan saksama. Data dari India dikumpulkan pada 2022, sebelum AI generatif terintegrasi secara luas ke dalam proses bisnis.
Oleh karena itu, studi ini tidak boleh ditafsirkan sebagai pengukuran terkini atas adopsi AI di seluruh industri India.
Untuk otomasi industri, keterbatasan ini sangat relevan. Lanskap teknologi telah berubah pesat sejak 2022, dengan adopsi yang lebih luas terhadap komputasi edge industri, inspeksi berbasis AI, pembelajaran mesin, robotika kolaboratif, kembaran digital, dan sistem produksi yang terhubung.
Oleh karena itu, arah otomasi India di masa depan mungkin terlihat sangat berbeda dari tingkat adopsi yang tercatat dalam survei awal.
Asia Selatan Menunjukkan Tantangan Adopsi
Asia Selatan hanya mencatat adopsi proses sebesar 0,16% dan adopsi produk sebesar 0,04% dalam studi tersebut.
Angka-angka ini rendah dibandingkan dengan beberapa perekonomian yang lebih maju, termasuk Denmark sebesar 15,5%, Swiss sebesar 10,6%, dan Belgia sebesar 9,4%. Tiongkok mencatat 7,9%.
Namun, perbandingan regional ini tidak boleh ditafsirkan begitu saja sebagai bukti bahwa satu perekonomian secara teknologi "lebih baik" daripada perekonomian lainnya.
Adopsi otomasi bergantung pada ketersediaan modal, struktur industri, tingkat upah, kapabilitas rekayasa, infrastruktur, kematangan rantai pasok, keandalan pasokan listrik, biaya teknologi, dan ketersediaan integrator terampil.
Tekanan demografis menciptakan insentif untuk melakukan otomasi, tetapi insentif saja tidak menciptakan kapabilitas otomasi.
Hambatan Utama yang Sebenarnya Mungkin Adalah Kapabilitas Rekayasa
Di sinilah saya yakin pembahasan perlu melampaui studi IMF.
Kekurangan tenaga kerja tidak otomatis menghasilkan pabrik otomatis.
Perusahaan tetap membutuhkan teknisi yang mampu merancang arsitektur kontrol, memilih sensor yang sesuai, mengonfigurasi platform PLC dan DCS, mengintegrasikan robot, membangun jaringan komunikasi industri, memvalidasi fungsi keselamatan, dan memelihara sistem yang dihasilkan.
Di banyak pasar industri berkembang, kekurangan tenaga kerja mungkin secara bertahap bergeser dari operator produksi ke teknisi otomasi, integrator sistem, pemrogram, spesialis pemeliharaan, dan teknisi data.
Artinya, kebijakan ketenagakerjaan tidak boleh hanya berfokus pada pelatihan ulang pekerja untuk pekerjaan digital umum. Kebijakan tersebut juga harus membangun keterampilan industri praktis dalam bidang sistem kontrol, instrumentasi, robotika, sistem kelistrikan, jaringan industri, keamanan siber, dan data mesin.
Otomasi Tidak Akan Menghilangkan Masalah Ketenagakerjaan
Otomasi dapat mengurangi jumlah pekerja yang diperlukan untuk tugas tertentu, tetapi tidak menghilangkan kebutuhan akan manusia.
Lini produksi otomatis tetap membutuhkan teknisi commissioning, teknisi pemeliharaan, teknisi kontrol, spesialis proses, personel keselamatan, dan operator yang mampu mengawasi sistem yang semakin kompleks.
Oleh karena itu, pasar tenaga kerja berubah, bukan sekadar menghilang.
Tugas manual rutin mungkin berkurang, sementara permintaan terhadap peran teknis dengan keterampilan lebih tinggi meningkat. Perusahaan yang melakukan otomasi tanpa berinvestasi dalam pengembangan tenaga kerja pada akhirnya dapat menciptakan kendala yang berbeda: kekurangan orang yang mampu memelihara dan meningkatkan infrastruktur otomasi.
Maknanya bagi Otomasi Industri
Riset IMF mengarah pada tren industri yang lebih luas: perubahan demografis dapat memengaruhi adopsi teknologi dengan mengubah ekonomi tenaga kerja.
Bagi produsen, implikasinya jelas. Penuaan populasi dan kelangkaan tenaga kerja harus dimasukkan ke dalam perencanaan otomasi jangka panjang, bukan diperlakukan sebagai isu tenaga kerja yang terpisah.
Bagi penyedia otomasi, hal ini menciptakan permintaan akan solusi yang lebih mudah diterapkan, diskalakan, dipelihara, dan diintegrasikan ke fasilitas brownfield yang sudah ada.
Bagi produsen yang lebih kecil, akses ke pembiayaan, sumber daya rekayasa bersama, platform otomasi modular, dan pelatihan teknis praktis mungkin lebih penting daripada sekadar menawarkan insentif keuangan untuk adopsi AI.
Yang terpenting, otomasi industri harus dievaluasi sebagai bagian dari strategi produksi yang menyeluruh. Robot, PLC, drive, sensor, sistem visi, jaringan industri, edge computing, dan perangkat lunak AI hanya menciptakan nilai yang terukur ketika semuanya mengatasi kendala produksi yang didefinisikan dengan jelas.
Tahap Berikutnya Akan Lebih Berbasis Data
Keterbatasan terpenting dari bukti saat ini adalah waktu pengumpulan data. Sebagian besar informasi survei yang menjadi dasar analisis ini berasal dari periode sebelum adopsi komersial AI generatif berkembang pesat.
Oleh karena itu, survei perusahaan di masa mendatang harus membedakan antara otomasi konvensional, robotika, pembelajaran mesin, AI generatif, rekayasa berbantuan AI, sistem otonom, dan pengendalian industri berbasis AI.
Mereka juga harus mengukur hasil praktisnya: perubahan kebutuhan tenaga kerja, kapasitas produksi, produktivitas, upah, waktu henti, kualitas, dan belanja modal.
Dari sudut pandang rekayasa, itulah data yang diperlukan untuk menentukan apakah tekanan demografis hanya berkaitan dengan adopsi otomasi atau secara fundamental membentuk kembali produksi industri.
Kesimpulan jangka panjangnya cukup jelas: ketika tenaga kerja terampil semakin sulit diperoleh, otomasi bergeser dari sekadar pilihan untuk meningkatkan efisiensi menjadi kebutuhan kapasitas produksi. Perusahaan yang paling siap merespons adalah perusahaan yang memadukan investasi teknologi dengan kemampuan rekayasa dan pengembangan tenaga kerja.
