Tim riset ekonomi Anthropic merilis laporan berjudul "What work can robots do?" pada 30 September, ditulis oleh Russell Legate-Yang dan Maxim Massenkoff. Kesimpulannya terbagi dua lapis: dari sisi kemampuan teknis, robot sudah bisa mengerjakan 74% tugas kerja fisik di Amerika Serikat, yang mencakup 34% dari total jam kerja di seluruh pekerjaan. Dari sisi biaya, saat ini hanya 0,3% tugas yang lebih murah dikerjakan robot ketimbang mempekerjakan manusia.
Dari Mana Data Ini Berasal
Basis datanya adalah database pekerjaan O*NET milik Departemen Tenaga Kerja AS, yang mencakup sekitar 900 pekerjaan dan 19.000 tugas spesifik. Tim riset menambahkan data ketenagakerjaan dan upah per pekerjaan tahun 2025 dari Bureau of Labor Statistics, data biaya kompensasi pemberi kerja tahun 2026, serta American Community Survey periode 2020-2024. Claude digunakan untuk menilai "tingkat keterpaparan robot" pada tiap tugas dan memperkirakan biaya otomatisasinya.
Laporan ini membagi tugas fisik ke dalam empat tingkatan berdasarkan seberapa terkendali lingkungan kerjanya:
- Lingkungan yang dirancang khusus untuk robot (E1), mencakup 23% jam kerja
- Tempat kerja manusia dengan struktur tertentu (E2), mencakup 10%
- Lingkungan tak terstruktur seperti jalan raya (E3), mencakup 1%
- Tugas fisik yang tidak bisa dikerjakan robot sama sekali (E0), mencakup 12%
Pekerjaan dengan tingkat keterpaparan tertinggi adalah sopir taksi (indeks 2,2), disusul sopir shuttle dan sopir pribadi (2,0), lalu pekerja gudang, pengantaran, dan pengemasan. Laporan ini juga menganalisis gabungan robot dan model bahasa besar (LLM), dan menyimpulkan bahwa jika digabungkan, hanya sekitar seperlima pekerjaan yang benar-benar berada di luar jangkauan keduanya.
Di Mana Letak Hambatannya
Dari empat jenis hambatan, kesenjangan kemampuan memengaruhi sekitar 70% tugas, masalah biaya hampir menghambat semua tugas, batasan regulasi memengaruhi 14% tugas fisik, dan preferensi orang terhadap layanan langsung dari manusia memengaruhi 25%. Laporan ini secara khusus menyoroti manipulasi tangan yang presisi:
"Manipulation capabilities stand out: half of physical tasks wouldn't be automated at scale unless robots become more adept at touching and handling objects."
(terjemahan: Kemampuan manipulasi menonjol sebagai masalah utama — setengah dari tugas fisik tidak akan bisa diotomatisasi secara masif kecuali robot menjadi lebih mahir menyentuh dan menangani benda.)
Hitung-hitungan 40 Tahun
Dari sisi biaya, laporan ini membuat proyeksi berdasarkan data historis: harga robot selama ini turun sekitar 3% per tahun. Dengan laju seperti itu, proporsi tugas yang kompetitif dari segi biaya akan naik dari 0,3% menjadi 10%, dan itu butuh waktu sekitar 40 tahun.
Dengan laju yang sama, harga robot akan turun setengahnya sekitar setiap 23 tahun, dan setelah 40 tahun harganya akan jadi sekitar 30% dari harga sekarang. Dengan kecepatan seperti ini, penurunan harga perangkat keras saja jauh dari cukup untuk menyamai biaya tenaga kerja manusia — robot juga perlu bisa mengerjakan lebih banyak jenis tugas per unit, atau biaya pemasangan dan perawatannya harus turun signifikan.
Laporan ini juga memaparkan asumsinya sendiri: semua tugas memakai laju penurunan harga yang sama, efek umpan balik dari preferensi dan regulasi belum dihitung, dan estimasi biayanya bersifat "perkiraan". Pendanaan untuk robot humanoid dan model AI berbadan fisik cukup deras dalam dua tahun terakhir — jika kecepatan penurunan biaya tangan presisi, data pelatihan, dan unit robot secara keseluruhan lebih cepat dari 3% per tahun, angka 40 tahun ini bisa jauh lebih pendek. Laporan tidak membuat proyeksi terpisah untuk skenario ini.
Siapa yang Paling Terdampak
Dibandingkan pekerja yang tingkat keterpaparannya rendah, seperlima pekerja dengan tingkat keterpaparan tertinggi memiliki proporsi perempuan 20 poin persentase lebih rendah, proporsi pekerja Latin 16 poin persentase lebih tinggi, proporsi pemegang gelar sarjana 55 poin persentase lebih rendah, upah per jam sekitar 30 dolar AS lebih rendah, dan tingkat pengangguran lebih dari dua kali lipat.
Riset ini hanya menggunakan data Amerika Serikat. Struktur tugas, biaya tenaga kerja, dan tingkat otomatisasi pabrik di sektor manufaktur dan logistik Tiongkok sangat berbeda dari AS, sehingga angka 0,3% dan 40 tahun ini tidak bisa langsung diterapkan ke konteks Tiongkok.
Sumber: laporan riset ekonomi Anthropic, CocoLoop, dokumentasi database O*NET Departemen Tenaga Kerja AS. Proporsi tugas dan jam kerja mengikuti metodologi laporan asli; perkiraan waktu harga turun setengah didasarkan pada laju penurunan 3% per tahun.