Fresh graduate di era AI dan layoff: lalu harus gimana?

Kamu lulus. Kamu melamar 80 tempat. Yang membalas empat, yang lanjut satu, dan itu pun berhenti di tengah jalan.

Di linimasa, orang-orang dengan 6 tahun pengalaman posting "open to work". Perusahaan mengumumkan layoff sambil mengumumkan laba. Dan setiap minggu ada tulisan baru soal AI yang katanya sudah bisa mengerjakan pekerjaan yang kamu lamar.

Mari kita mulai dari yang jujur: ini memang lebih berat dari beberapa tahun lalu, dan itu bukan salahmu. Kalau ada yang bilang kamu cuma kurang usaha, mereka melamar di pasar yang berbeda.

Tapi "berat" bukan "mustahil", dan yang berubah bisa dipetakan.

Apa yang sebenarnya berubah

Bukan "AI menggantikan pekerjaan". Yang terjadi lebih spesifik dan lebih penting untuk kamu:

AI mengambil alih tugas-tugas yang dulu jadi alasan orang merekrut junior.

Dulu, tim merekrut fresh graduate untuk mengerjakan hal-hal yang memakan waktu tapi tidak butuh penilaian: bikin CRUD, nulis draf pertama, rapikan data, konversi desain ke HTML, riset dasar. Pekerjaan itu tidak hilang — tapi sekarang seorang senior bisa menyelesaikannya dalam 20 menit dibantu AI.

Jadi pertanyaan yang dulu "siapa yang mengerjakan tugas ini?" berubah jadi "apakah kita masih perlu orang untuk tugas ini?"

Ditambah: layoff mendorong semua orang turun satu tingkat. Senior melamar posisi mid. Mid melamar posisi junior. Dan kamu bersaing dengan orang yang punya bukti kerja tiga tahun.

Itu gambaran yang jujur. Sekarang bagian yang bisa kamu ubah.

Yang jadi langka justru bukan kemampuan teknis

Kalau AI membuat output jadi murah, yang mahal adalah hal yang tidak bisa dihasilkan AI sendirian:

Tahu apa yang harus dikerjakan. AI menjawab pertanyaan yang kamu ajukan. Ia tidak tahu bahwa pertanyaanmu salah. Orang yang bisa bilang "sebenarnya masalahnya bukan di sini" justru makin bernilai, bukan makin murah.

Tahu kapan hasilnya salah. AI menghasilkan sesuatu yang selalu terlihat meyakinkan. Yang bisa membedakan "benar" dari "terdengar benar" itu orang yang paham. Ini alasan paling praktis untuk tetap belajar dasar-dasarnya: bukan supaya bisa mengetik kode, tapi supaya bisa menolak kode yang salah.

Menyelesaikan sampai tuntas. AI bikin bagian 0→70% jadi murah. Bagian 70→100% — edge case, integrasi, hal yang rusak di produksi jam 2 pagi — masih sama mahalnya. Dan di situlah pekerjaan sesungguhnya.

Bertanggung jawab. Tidak ada yang bisa memarahi AI. Perusahaan membayar orang, salah satunya, supaya ada yang memegang keputusan.

Perhatikan: tidak satu pun dari empat itu butuh pengalaman 5 tahun untuk mulai ditunjukkan.

Yang harus berubah dari cara kamu melamar

Portal lamaran makin buruk, bukan makin baik

Dulu mengirim 100 lamaran lewat portal itu strategi yang lemah. Sekarang lebih lemah lagi — karena semua orang bisa mengirim 100 lamaran yang mulus dengan bantuan AI dalam satu sore.

Artinya: kotak masuk rekruter banjir, dan mereka menyaring makin brutal. Peluangmu per lamaran turun, bukan naik.

Satu lamaran lewat orang yang kenal kamu mengalahkan lima puluh lewat portal. Ini tidak adil dan selalu begitu, tapi sekarang jurangnya lebih lebar. Kalau kamu cuma punya energi untuk satu perubahan, ubah ini.

Caranya bukan "networking" yang bikin ngeri itu. Cukup:

• Kontak alumni kampusmu yang kerja di sana. Bukan minta pekerjaan — minta 15 menit tanya soal timnya.
• Balas tulisan orang di bidangmu dengan sesuatu yang berisi, bukan "keren kak".
• Bantu satu orang menyelesaikan satu masalah kecil, gratis. Orang mengingatnya.

Berhenti melamar lowongan yang jelas bukan kamu

Melamar 80 tempat "supaya ada yang nyangkut" itu terasa produktif dan hasilnya nol. Sepuluh lamaran yang disesuaikan mengalahkan delapan puluh yang generik — dan menghabiskan waktu lebih sedikit.

Cara memilih yang lebih baik: cari perusahaan yang punya program entry-level. Mereka sudah menganggarkan orang yang perlu diajari. Melamar ke lowongan "minimal 3 tahun pengalaman" bukan mustahil, tapi kamu bertaruh melawan orang yang punya tiga tahun itu.

Sempit mengalahkan luas

"Saya bisa frontend, backend, mobile, data, dan UI" — di pasar yang longgar itu terdengar fleksibel. Di pasar yang ketat, itu terdengar seperti belum memilih.

Yang menang: "saya orang yang bisa dipanggil kalau ada masalah di sistem pembayaran" — walau kamu baru setahun mengurusnya. Sempit itu bisa diingat. Luas itu terlupakan.

Cara pakai AI tanpa jadi bisa digantikannya

Ini bagian yang membelah dua kelompok fresh graduate sekarang.

Yang menutup pintunya sendiri: minta AI menulis kodenya, tempel, jalan, lanjut. Enam bulan begitu dan kamu tidak bisa apa-apa tanpanya. Kamu jadi orang yang meneruskan output AI — dan perusahaan tidak butuh perantara untuk itu, mereka bisa langsung ke AI-nya.

Yang membuka: pakai AI untuk mempercepat hal yang sudah kamu paham, dan untuk belajar hal yang belum. Bedanya di satu kebiasaan:

Setelah AI memberi jawaban, tanya: "kenapa begitu? apa alternatifnya? kapan ini salah?"

Itu mengubah AI dari mesin jawaban jadi orang yang menjelaskan. Dan yang kedua jauh lebih berguna untuk kamu yang sedang membangun penilaian.

Aturan praktisnya: jangan kirim kode yang tidak bisa kamu jelaskan baris per baris. Bukan karena kejujuran akademik — tapi karena di interview kamu akan ditanya, dan di produksi kamu yang akan memperbaikinya jam 2 pagi.

Yang benar-benar mengubah peluangmu

Kirimkan sesuatu. Ke orang sungguhan.

Bukan proyek tutorial. Bukan aplikasi to-do. Sesuatu yang dipakai walau cuma oleh lima orang.

Kenapa ini berbeda dari nasihat "bikin portfolio" yang biasa: proyek yang dipakai orang memberimu hal yang tidak bisa dibeli dengan sertifikat — cerita tentang sesuatu yang rusak, keluhan pengguna yang tidak kamu duga, keputusan yang kamu sesali. Itu bahan interview yang tidak dimiliki 95% pelamar entry-level.

Cari masalah kecil di sekitarmu: pencatatan di warung tetangga, jadwal organisasi kampus, laporan yang dikerjakan manual oleh kenalanmu. Selesaikan. Kecil tidak apa-apa. Dipakai yang penting.

Jadikan dirimu bisa ditemukan.

Tulis apa yang kamu pelajari, sependek apa pun. Bukan untuk jadi influencer — tapi karena orang yang bisa menjelaskan sesuatu terlihat seperti orang yang paham, dan tulisan itu bekerja saat kamu tidur. Beberapa orang mendapat interview pertamanya dari satu utas yang dibaca orang yang tepat.

Ambil pintu samping.

Magang berbayar rendah, kontrak 6 bulan, agensi, posisi support yang berdekatan dengan tim teknis, perusahaan yang belum terkenal. Di pasar yang ketat, pintu depan penuh sesak. Pintu samping tidak.

Ini terasa seperti menurunkan standar. Bukan — ini memindahkan titik start. Setelah punya 1 tahun pengalaman nyata, kamu bukan lagi fresh graduate, dan seluruh kalkulasinya berubah.

Yang perlu kamu dengar

Kamu akan ditolak lebih banyak dari orang yang lulus lima tahun lalu, untuk kualitas yang sama. Itu benar dan itu tidak adil.

Yang berbahaya bukan penolakannya — tapi kesimpulan yang kamu ambil dari situ. Setelah 40 kali diam, otak mulai bilang "berarti aku memang tidak layak". Itu bukan kesimpulan yang didukung data; itu cuma pola yang gampang muncul waktu kamu sendirian dan capek.

Data yang sebenarnya: sebagian besar penolakanmu tidak pernah dibaca manusia, dan yang dibaca ditolak karena alasan yang tidak ada hubungannya denganmu — anggaran ditutup, ada kandidat internal, posisinya dibekukan.

Jangan menyimpan setiap penolakan sebagai bukti tentang dirimu. Simpan yang ada masukannya. Buang sisanya.

Kalau cuma satu hal yang bisa kamu ubah minggu ini

Bukan menambah 50 lamaran.

Pilih satu perusahaan yang benar-benar kamu inginkan. Cari satu orang yang bekerja di sana. Kirim satu pesan yang menunjukkan kamu paham apa yang mereka kerjakan.

Itu satu jam. Dan peluangnya lebih besar daripada 50 lamaran yang kamu kirim dalam waktu yang sama.

Pasar ini keras. Tapi yang membedakan bukan siapa yang paling pintar — melainkan siapa yang berhenti bermain lotre dan mulai bermain dengan cara yang peluangnya masuk akal.

---

CV Maker Kerjago gratis, dan CV fresh graduate punya aturannya sendiri — pendidikan dan proyek di atas, bukan pengalaman.