Artikel ini telah diterjemahkan secara otomatis. Versi aslinya tersedia dalam bahasa Inggris.
“Era komputer bisa Anda lihat di mana-mana, kecuali dalam statistik produktivitas.” Robert Solow menulis kalimat itu pada 1987, nyaris sambil lalu, terselip jauh di dalam sebuah resensi buku untuk New York Times Book Review. Kalimat itu menjadi salah satu yang paling sering dikutip dalam ilmu ekonomi, kalimat yang melahirkan apa yang hingga kini disebut paradoks produktivitas Solow.
Pada Agustus 2024, tiga peneliti di Fed Richmond membuka sebuah kajian ringkas tentang AI dan angkatan kerja dengan mengutip kalimat Solow kata demi kata dan menerapkannya pada kecerdasan buatan. Pada awal 2026, kepala ekonom Apollo, Torsten Slok, mengatakannya dengan lebih blak-blakan lagi: “AI ada di mana-mana, kecuali dalam data makroekonomi terbaru.” Hampir empat dekade berselang, kalimat yang sama didaur ulang untuk teknologi yang sama sekali berbeda.
Paradoks aslinya, apa pun penyebabnya, tidak pernah terpecahkan. Era komputer memang akhirnya muncul dalam statistik, sebentar saja, antara 1996 dan 2004, lalu menghilang lagi darinya. Kini sebuah teknologi baru melakukan hal serupa: mengubah kehidupan sehari-hari secara kasatmata, sementara angka produktivitas tak mau bergerak.
Sudah dua kali sebuah teknologi transformatif membuka celah yang sama antara apa yang bisa Anda lihat dan apa yang tercatat dalam data. Celah itu bersumber dari satu kerancuan yang spesifik, yakni antara kecanggihan teknologi dan reorganisasi struktural yang mendorong pertumbuhan agregat. Kerancuan ini terus kita ulangi karena kita tidak pernah mendiagnosisnya dengan benar.
Angka-angkanya
Skala perlambatan ini mudah dianggap remeh karena persentase menyamarkan efek majemuk. Produktivitas sektor bisnis swasta nonpertanian AS, atau output per jam kerja, tumbuh sekitar 2,9% per tahun dari 1948 hingga 1973. Setelah 1973, rata-ratanya lebih mendekati 1,8%, dan di luar satu lonjakan antara pertengahan 1990-an dan 2004, laju lama itu tak pernah kembali. Seandainya laju sebelum 1973 bertahan, output per jam di AS hari ini akan sekitar 75% lebih tinggi daripada sekarang, selisih yang setara dengan output bernilai triliunan dolar setiap tahun.
Robert Gordon membingkai hal ini sebagai berakhirnya sebuah “abad istimewa”: output per jam tumbuh 2,82% per tahun dari 1920 hingga 1970, dibandingkan dengan sekitar 1,5% pada dekade-dekade sebelum 1920 dan sekitar 1,6% setelah 1970. Pertumbuhan TFP, ukuran yang lebih mendasar karena menyisihkan akumulasi modal, selama periode tengah itu mencapai hampir tiga kali lipat lajunya sebelum 1920 dan setelah 1970. Dengan cara baca ini, dekade-dekade sejak 1970 menandai kembalinya laju lama yang lebih lambat.
Data terbaru tidak banyak mengubah gambaran ini. Produktivitas tenaga kerja sektor bisnis swasta nonpertanian AS tumbuh 3,0% pada 2024, sebuah pemulihan siklikal, lalu 2,2% pada 2025, dan produktivitas sektor bisnis nonpertanian masih tumbuh 2,2% secara tahunan pada pertengahan 2026: cukup baik, tetapi tetap di bawah laju pascaperang. Di seluruh OECD, produktivitas tenaga kerja tumbuh sekitar 1,2% pada 2024, lebih baik daripada tahun sebelumnya.
Penjelasan yang paling mudah terlintas cepat gugur. Masalahnya tidak khas AS; perlambatan ini terlihat di seluruh negara maju. Ini juga bukan gempa susulan krisis keuangan 2008: perlambatan dimulai pada 1973, dan deselerasi pasca-2004 terjadi empat tahun sebelum krisis.
Perlambatan ini juga tidak bersifat sementara, karena lima puluh tahun jauh lebih panjang daripada satu siklus bisnis. Ini pun bukan sekadar efek komposisi akibat pergeseran ke sektor jasa, karena perlambatan menghantam manufaktur dan jasa sekaligus.
Produktivitas tenaga kerja versus produktivitas faktor total
Produktivitas tenaga kerja, atau output per jam kerja, bisa naik semata-mata karena perusahaan berinvestasi pada peralatan yang lebih banyak atau lebih baik per pekerja. Pabrik yang membelikan setiap pekerjanya mesin yang lebih cepat menaikkan output per jam tanpa menjadi lebih efisien sedikit pun. Produktivitas faktor total menyisihkan pendalaman modal ini dan mengisolasi residunya: seberapa banyak output tambahan yang dihasilkan perekonomian dari input yang sama. Para ekonom memperlakukan TFP sebagai ukuran fundamental potensi pertumbuhan jangka panjang, karena ketika TFP mandek, akumulasi modal saja tidak dapat menopang pertumbuhan tanpa batas.Pintu darurat pengukuran
Penjelasan yang paling menenangkan adalah bahwa perlambatan ini hanyalah ilusi statistik. PDB mengukur transaksi pasar. Barang digital gratis seperti Google Maps, Wikipedia, dan media sosial yang gratis dipakai memberi penggunanya nilai yang jauh melampaui apa pun yang mereka bayar, dan PDB, yang menghitung apa yang dibayar, melewatkan sebagian besar nilai itu. Menurut pandangan ini, kita lebih kaya daripada yang dikatakan PDB, dan krisis produktivitas sebenarnya adalah krisis pengukuran yang menyamar.
Erik Brynjolfsson dan rekan-rekannya mencoba memberi angka pada nilai yang hilang itu. Mereka menyusun kerangka bernama GDP-B untuk memperkirakan surplus konsumen dari barang digital gratis dengan menanyai orang berapa uang yang mau mereka terima untuk melepaskan sebuah layanan.
Mereka mendapati bahwa pengguna Facebook median di AS akan meminta sekitar $42 per bulan untuk melepaskan aksesnya. Tak sepeser pun dari surplus itu muncul dalam PDB.
Chad Syverson telah menunjukkan bahwa kesalahan pengukuran tidak mungkin menjadi penjelasan yang memadai. Argumen empirisnya terdiri atas empat bagian. Mulailah dari geografi: perlambatan produktivitas adalah fenomena lintas negara, dan besarnya tidak berkaitan dengan seberapa intensif suatu negara menggunakan teknologi informasi dan komunikasi (TIK). Jika perlambatan itu artefak pengukuran dari ekonomi digital, ia mestinya paling parah di negara-negara yang paling digital, padahal tidak demikian. Pertumbuhan produktivitas tenaga kerja melambat di 29 dari 30 negara OECD yang ia teliti, rata-rata sebesar 1,2 poin persentase per tahun, terlepas dari apakah negara itu pengguna atau produsen besar teknologi digital.
Lalu ada soal skala. Total “output yang hilang” akibat perlambatan produktivitas pasca-2004, yaitu selisih antara PDB seandainya tren 1995–2004 berlanjut dan PDB yang sebenarnya terwujud, mencapai sekitar $3 triliun per tahun pada 2015. Setiap perkiraan surplus konsumen dari barang digital era internet yang diperiksa Syverson hanya menutup sebagian kecil celah itu. Penelitian yang lebih baru justru mempertajam poin ini: menurut perkiraan GDP-B, memperhitungkan nilai Facebook yang tak terukur menambah 0,05 hingga 0,11 poin persentase per tahun pada pertumbuhan, sementara perlambatan itu sendiri memangkas sekitar 1,5 poin persentase per tahun dari pertumbuhan produktivitas tenaga kerja.
Data industri juga tidak mendukung. Agar kesalahan pengukuran dapat menjelaskan bahkan sebagian kecil saja dari output yang hilang, industri penghasil TIK dan industri yang padat TIK harus memiliki laju pertumbuhan produktivitas tak terukur yang berlipat-lipat dari laju terukurnya. Data antarindustri tidak mendukung hal ini. Sektor-sektor yang paling mungkin menghasilkan nilai digital tak terukur tidak menunjukkan celah ganjil semacam itu antara produktivitas terukur dan produktivitas tersiratnya.
Dan dalam dekade setelah 2004, pendapatan domestik bruto sedikit melampaui produk domestik bruto — pola yang memang diharapkan jika pekerja dibayar untuk membuat barang yang dibagikan cuma-cuma. Namun, pendapatan domestik bruto mulai melampaui PDB pada 1998, di tengah ledakan produktivitas, dan pendapatan tambahannya mengalir ke laba, bukan upah. Baik waktunya maupun distribusinya tidak cocok dengan kisah output tersembunyi.
Syverson tidak menyangkal bahwa barang digital mengandung nilai yang tak terukur. Yang ia tekankan, nilai itu satu orde besaran terlalu kecil untuk menjelaskan apa yang terjadi. Dan hipotesis kesalahan pengukuran tidak punya jawaban atas bukti lintas negara.
Cara kerja GDP-B
Untuk memperkirakan surplus konsumen, GDP-B menggunakan eksperimen pilihan diskret yang kompatibel dengan insentif: responden memilih antara mempertahankan sebuah layanan dan menerima pembayaran tunai, dengan uang sungguhan sebagai taruhannya. Perkiraannya bermakna tetapi kurang presisi, karena yang ditangkap adalah apa yang orang katakan akan mereka terima, dalam kondisi yang dirancang untuk memancing jawaban jujur. Keuntungan kesejahteraan sekitar $42 per bulan per pengguna Facebook, bahkan jika dijumlahkan untuk setiap orang Amerika di platform itu, tidak mendekati $3 triliun output tahunan yang hilang.Apa yang membuat abad istimewa itu istimewa
Jika kisah pengukuran tidak menjelaskan perlambatan ini, pertanyaannya bergeser: apa yang mendorong lima puluh tahun pertumbuhan yang tak mampu kita ulangi? Ringkasan umum argumen Gordon, “TI dinilai terlalu tinggi”, melewatkan klaim struktural di baliknya.
Penemuan-penemuan tahun 1870–1940 menghapus pekerjaan rumah tangga secara utuh. Sebelum ada air ledeng, rata-rata rumah tangga Amerika mengangkut sekitar 9.000 galon air per tahun: memikulnya masuk, memanaskannya di atas kompor, lalu membawanya keluar lagi; pipa air di dalam rumah mengakhiri pekerjaan itu sepenuhnya. Pendinginan membuat satu kategori utuh kerja domestik tak lagi diperlukan: kotak es sudah mengurangi pembusukan, tetapi lemari pendingin mekanis menghapus belanja harian yang dituntut oleh bahan makanan yang cepat busuk. Elektrifikasi mengubah urusan mencuci. Bagi seorang istri petani yang disurvei pada 1945–46, cucian seberat 38 pon yang memakan waktu sekitar empat jam dengan cara lama hanya butuh 41 menit setelah rumah tangganya memiliki mesin cuci listrik, pengering, air ledeng, dan pemanas air.
Setiap penemuan menyingkirkan, sekali dan untuk selamanya, suatu kegiatan yang telah menyita porsi besar waktu rumah tangga. Perempuan memasuki dunia kerja berbayar dalam jumlah besar sebagian karena kerja domestik yang dulu menghalangi mereka telah diambil alih mesin.
Perbandingan Gordon dengan TI bertumpu pada perbedaan antara memperbaiki tugas yang masih bisa ditoleransi dan menghapus tugas yang tak tertanggungkan. Surel mempercepat surat-menyurat, tetapi surat-menyurat tidak pernah menjadi hambatan bagi seluruh perekonomian: tak seorang pun menghabiskan berjam-jam sehari untuk berkorespondensi seperti rumah tangga dulu menghabiskannya untuk mengangkut air dan mengucek cucian dengan tangan. Mesin pencari mempercepat penelusuran informasi di pinggiran kerja pengetahuan, dan mencari informasi tidak pernah membatasi perekonomian seperti pengawetan makanan dan transportasi.
Tyler Cowen memperlebar bingkainya. Menurut uraiannya, pertumbuhan 1880–1970 bertumpu pada tiga bentuk buah yang menggantung rendah. Yang pertama adalah tanah gratis: perbatasan kontinental, yang diambil dari bangsa-bangsa pribumi yang mendiaminya, dan sebagian besar diserahkan kepada para pemukim hanya dengan biaya pendaftaran, asalkan mereka tinggal di tanah itu, membangun rumah, dan menggarapnya. Yang kedua adalah penerjemahan cepat sains abad ke-18 dan ke-19 menjadi teknologi yang benar-benar berfungsi: ilmu dasar termodinamika, elektromagnetisme, dan teori kuman, yang terkumpul selama berabad-abad, diubah menjadi tenaga listrik, mesin pembakaran dalam, dan sanitasi modern dalam satu ledakan padat antara 1880 dan 1940. Yang ketiga adalah imbal hasil besar dari mendidik populasi yang sebelumnya tak berpendidikan, yang mengubah tamat sekolah menengah atas dari sesuatu yang langka menjadi norma yang nyaris universal, dengan setiap tambahan satu tahun sekolah menghasilkan imbal hasil marginal yang besar karena titik awalnya begitu rendah.
Ketiganya adalah kondisi yang hanya terjadi sekali, bukan ciri ekonomi industri yang bisa diperbarui: Anda tidak bisa menemukan tanah gratis dua kali, atau melakukan peralihan dari buta huruf massal ke melek huruf massal untuk kedua kalinya. Internet, Cowen berargumen, memberikan kesenangan yang luar biasa besar, sebagian besar gratis, tetapi “dari segi pendapatan dan lapangan kerja, internet belum menambahkan nilai sebanyak yang dikira kebanyakan orang.” Saat ia menulisnya, Twitter mempekerjakan sekitar 300 orang dan Google sekitar 20.000, jumlah karyawan yang di era mobil hanya akan menjadi selisih pembulatan.
Gordon dan Cowen berbeda pendapat tentang seberapa tertutup masa depan — Gordon lebih pesimistis bahwa inovasi transformatif akan kembali, Cowen membiarkan pintunya terbuka. Namun, keduanya sepakat soal diagnosis: perlambatan pasca-1970 bersifat struktural, berakar pada perekonomian itu sendiri, bukan pada siklus bisnis atau statistik.
Kesepakatan mereka memunculkan pertanyaan yang lebih luas daripada mengapa TI mengecewakan: apa yang harus dilakukan sebuah teknologi, teknologi apa pun, untuk menyamai abad istimewa itu?
Angin sakal menurut Gordon
Terlepas dari soal inovasi, Gordon mengidentifikasi empat hambatan struktural yang menekan pertumbuhan: ketimpangan yang kian lebar, yang memusatkan hasil produktivitas pada segelintir elite alih-alih menaikkan pendapatan median; capaian pendidikan yang mendatar setelah puluhan tahun ekspansi; penuaan demografis yang mengurangi porsi penduduk usia kerja; dan rasio utang pemerintah terhadap PDB yang terus naik sehingga membatasi kapasitas fiskal. Bersama-sama, keempatnya akan menahan pertumbuhan standar hidup orang kebanyakan bahkan jika inovasi kembali bergairah. Pertanyaan teknologinya adalah apakah produktivitas bisa dipercepat sama sekali.Lonjakan 1996–2004
Antara 1996 dan 2004, perlambatan itu tampak berbalik: output per jam sektor bisnis nonpertanian tumbuh sekitar 3% per tahun, menyamai laju sebelum 1970. Kaum optimis TI menyebut ini sebagai bukti bahwa teknologi dapat mendorong pertumbuhan, dan dalam hal itu mereka benar. Pertanyaan yang masih terbuka adalah teknologi mana yang mendorong kenaikan itu, dan melalui sektor apa.
Percepatan itu terkonsentrasi di segelintir sektor: pada 1995–2000, enam dari 59 sektor, dipimpin oleh perdagangan besar dan eceran, semikonduktor, serta manufaktur komputer, menyumbang hampir seluruhnya. Ada dua mekanisme yang menonjol. Yang satu adalah manufaktur semikonduktor, tempat Hukum Moore mendorong deflasi harga perangkat keras komputasi yang cepat dan terus-menerus, membuat setiap unit daya komputasi lebih murah dengan laju yang langsung menggelembungkan output per jam terukur di sektor semikonduktor. Yang lain adalah logistik di perdagangan besar dan eceran. Revolusi manajemen inventaris Walmart, yang dibangun di atas pemindaian kode batang, pertukaran data elektronik, dan koordinasi rantai pasok waktu nyata, menghasilkan kenaikan efisiensi terukur yang besar dalam distribusi, dan para pesaingnya menghabiskan tahun-tahun berikutnya untuk menirunya. Internet konsumen berupa situs web, niaga elektronik, dan surel ikut menyumbang, tetapi jauh lebih kecil daripada perangkat keras dan logistik.
Lonjakan itu berakhir sekitar 2004. Penurunan harga semikonduktor yang terukur melambat tajam dalam statistik resmi, sebagian karena Intel mengubah cara menetapkan harga cipnya. Cip itu sendiri terus membaik dengan cepat; statistik harga resmi hanya menangkap sebagian kecilnya. Sektor penghasil TI tak lagi banyak menambah pertumbuhan terukur.
Lalu datanglah Facebook pada 2004, YouTube pada 2005, dan iPhone pada 2007. Komputasi awan berkembang pesat sepanjang akhir 2000-an, pita lebar menyebar, dan media sosial menyebar dalam kehidupan sehari-hari. Perubahan teknologi yang kasatmata melaju tajam tepat ketika pertumbuhan produktivitas terukur kembali merosot, dan sejak itu keduanya berjalan sendiri-sendiri.
Masalah dinamo
Pemisahan itu memberi cara untuk menilai AI. Apakah AI seperti semikonduktor, yang transformatif secara struktural dengan cara yang tampak dalam output, atau seperti internet konsumen, mengesankan dan dominan tetapi marginal secara ekonomi? Argumen terkuat untuk pemulihan yang digerakkan AI adalah argumen yang merinci secara persis syarat apa saja yang harus dipenuhi.
Sejarawan ekonomi Paul David menemukan pola itu pada listrik. Pembangkit listrik sentral pertama dibuka pada awal 1880-an, tetapi penggerak listrik menyebar di pabrik-pabrik AS dengan lambat, dan produktivitas manufaktur baru melaju pada 1920-an, sekitar empat puluh tahun kemudian. Para manajer pabrik yang mengganti mesin uap dengan dinamo mempertahankan tata letak fisik yang ada: satu sumber tenaga sentral yang menggerakkan mesin-mesin melalui poros dan sabuk. Keunggulan efisiensi motor listrik individual sebagian besar terbuang karena pabrik ditata menurut keterbatasan penyaluran tenaga mekanis.
Terobosan datang ketika pabrik-pabrik lama aus dan pabrik baru, banyak di antaranya dibangun dalam ledakan investasi 1920-an, dirancang dari nol dengan sistem penggerak unit sebagai porosnya, dengan satu motor tersendiri pada setiap mesin. Cara itu memungkinkan denah satu lantai yang mengikuti aliran bahan dan tenaga kerja, dengan urutan produksi yang disusun menurut logika, bukan menurut kedekatan dengan poros tenaga. Reorganisasi itulah, lebih daripada motor-motornya sendiri, yang menghasilkan lonjakan produktivitas 1920-an.
Para ekonom menyebut versi modernnya kurva J produktivitas: teknologi serbaguna menuntut investasi takberwujud pelengkap yang besar, seperti perancangan ulang alur kerja, pelatihan ulang tenaga kerja, dan restrukturisasi organisasi, sebelum kenaikan produktivitas terwujud, dan fase investasi itu menekan TFP terukur sebelum hasilnya tampak. Untuk AI, pertanyaannya adalah apakah perusahaan masih menjalankan motor baru dari poros transmisi lama, dengan menjejalkan AI ke dalam alur kerja yang tak berubah, atau sudah mulai membangun organisasi baru yang bertumpu padanya.
Di tingkat tugas tunggal, buktinya kuat. Di antara lebih dari 5.000 agen layanan pelanggan di satu perusahaan, akses ke sebuah alat AI menaikkan jumlah masalah yang terselesaikan per jam sekitar 15% secara rata-rata, dengan kenaikan yang jauh lebih besar bagi pekerja pemula. Pengembang yang memakai GitHub Copilot menyelesaikan tugas pemrograman standar sekitar 56% lebih cepat daripada kelompok kontrol.
Apakah kenaikan itu terakumulasi di seluruh perekonomian adalah pertanyaan lain. Kenaikan 15% di meja layanan satu perusahaan, atau percepatan 56% pada tugas pemrograman terkontrol, tidak dengan sendirinya menggerakkan PDB. Untuk membalikkan stagnasi, waktu yang dihemat harus berubah menjadi lebih banyak output dari jam yang sama, atau output yang sama dari lebih sedikit jam berbayar, di seluruh perekonomian.
Perubahan itu bergantung pada letak hambatannya. Menghemat beberapa jam kerja seorang pengembang setiap minggu hanya menaikkan output perusahaan jika waktu pengembanglah yang menghambat perusahaan. Jika keputusan produk, infrastruktur pengujian, atau jalur penerapan menentukan laju kerja, penghematan itu lenyap menjadi waktu luang: makan siang yang lebih lama dan sore yang lebih santai dengan jam berbayar yang sama, yang tak dicatat statistik mana pun sebagai produktivitas. Logika yang sama berlaku di setiap sektor: penelaah klaim asuransi yang lebih cepat menghasilkan output lebih banyak hanya jika kapasitas penelaahan yang menjadi hambatan, bukan arus klaim atau persetujuan regulator. Peneliti hukum yang lebih cepat menghasilkan lebih banyak pekerjaan yang bisa ditagihkan hanya jika firmanya menagih berdasarkan kecepatan, bukan jam. Analogi dinamo memberi tahu apa yang perlu dicari: perusahaan yang menata ulang dirinya dengan teknologi itu sebagai poros.
Teknologi serbaguna
Definisi baku teknologi serbaguna memiliki tiga kriteria: merasuk ke berbagai sektor, terus mengalami perbaikan teknis, dan melahirkan inovasi pelengkap. Tenaga uap, listrik, dan komputasi semuanya memenuhi syarat. Apakah AI saat ini memenuhi ketiganya, atau hanya dua yang pertama, masih terbuka. Daya rasuknya nyata dan perbaikan teknisnya cepat. Pertanyaan yang tersisa adalah kriteria ketiga: apakah kemajuan AI menaikkan produktivitas inovasi di sektor-sektor yang memakainya, melahirkan proses dan produk baru yang dibangun di atasnya. Bukti untuk hal itu masih bersifat anekdotal, belum sistematis.Apa yang ditunjukkan bukti
Bukti sejauh ini datang dalam tiga jenis, dan ketiganya tidak menunjuk ke arah yang sama.
Angka yang paling kokoh adalah angka resmi. Pertumbuhan produktivitas tenaga kerja AS tetap cukup baik sejak pemulihan siklikalnya pada 2024, sementara pertumbuhan produktivitas faktor total di sektor bisnis swasta nonpertanian melambat menjadi 0,8% pada 2025 dari 1,5% pada 2024. Tidak ada satu pun deret data agregat hingga pertengahan 2026 yang menunjukkan patahan struktural yang sejalan dengan percepatan berbasis AI di seluruh perekonomian.
Survei terhadap pekerja lebih menggembirakan. Pada akhir 2024, waktu yang menurut pengguna AI berhasil mereka hemat berjumlah 1,4% dari seluruh jam kerja angkatan kerja, cukup untuk menaikkan produktivitas agregat sekitar 1,1% jika waktu yang dihemat itu menjadi output tambahan, bukan waktu luang yang terserap. Pada musim panas 2025, lebih dari sepertiga pekerja AS menggunakan AI generatif dalam pekerjaannya, adopsi yang lebih cepat daripada yang dicapai komputer pribadi pada titik yang sama dalam penyebarannya, dan AI generatif mencakup 5,7% dari seluruh jam kerja di AS.
Waktu yang dihemat dan waktu yang dipakai adalah dua ukuran yang berbeda, dan tak satu pun mengukur output secara langsung. Para ekonom yang menjalankan survei itu memang melihat isyarat awal dalam angka agregat: antara peluncuran ChatGPT dan pertengahan 2025, pertumbuhan produktivitas kumulatif berada sekitar 1,9 poin persentase di atas tren sebelum pandemi, dan industri yang melaporkan penghematan waktu lebih besar cenderung tumbuh lebih cepat daripada trennya. Mereka menegaskan bahwa kaitan itu tidak bisa dibaca sebagai hubungan sebab-akibat, dan statistik resmi hingga pertengahan 2026 belum memastikan adanya patahan struktural yang digerakkan AI.
Proyeksi adalah yang paling tidak pasti. Penn Wharton Budget Model memperkirakan kontribusi AI terhadap pertumbuhan TFP sekitar 0,01 poin persentase pada 2025, sangat kecil karena sebagian besar perusahaan belum menerapkan alat AI dalam skala besar. Model itu memproyeksikan kontribusi yang meningkat sepanjang akhir 2020-an dan memuncak pada awal 2030-an, tetapi ini adalah keluaran model dengan asumsi-asumsi tertentu, bukan hasil pengamatan.
Ada dua cara membaca pola ini. Yang pertama adalah kurva J: biaya menerapkan AI dan menata ulang organisasi agar bertumpu padanya menahan produktivitas untuk sementara, seperti yang terjadi pada elektrifikasi, dan imbalannya datang belakangan. Yang kedua, waktu yang dibebaskan terserap sebagai waktu luang, sehingga teknologi itu membantu pekerja secara individual sementara perekonomian tak pernah mengubah penghematan mereka menjadi produksi.
Data belum bisa membedakan keduanya. Pekerja yang menyelesaikan tugas lebih cepat dan responden survei yang melaporkan penghematan waktu tidak akan menuntaskan perdebatan ini, karena keduanya akan muncul baik dalam skenario optimistis, yakni kurva J sebelum lepas landas, maupun dalam skenario pesimistis, ketika kenaikan di tingkat tugas tak pernah terakumulasi.
Kisah elektrifikasi memberi tahu seperti apa wujud “berhasil”. Kenaikan TFP akan bertahan di sektor-sektor yang adopsi AI-nya sudah matang tiga tahun atau lebih. Perbaikan produktivitas akan bertahan melintasi beberapa fase siklus bisnis, bukan sekadar mencerminkan variasi siklikal. Dan perusahaan akan merancang ulang pekerjaan, tim, dan produk dengan AI sebagai porosnya dalam skala besar, alih-alih menumpuk alat di atas struktur yang tak berubah. Dalam bahasa dinamo, perusahaan akan membangun pabrik satu lantai, bukan membautkan motor listrik ke poros yang sudah ada. Studi kasus tentang perusahaan yang melakukan hal ini kian banyak, tetapi semuanya masih contoh individual, dan pola di tingkat perekonomian belum muncul.
Lingkaran itu
Abad istimewa itu tidak pernah memunculkan teka-teki Solow. Abad itu merombak kehidupan ekonomi sehari-hari begitu menyeluruh sehingga seorang penjelajah waktu dari 1870 tidak akan mengenali 1940, dan tak seorang pun memerlukan pengukuran canggih untuk melihatnya. Komputer memunculkan teka-teki itu, dan AI memunculkannya lagi.
Agar AI bisa memutus lingkaran itu, perusahaan harus melakukan apa yang dilakukan para pembangun pabrik pada 1920-an: membangun ulang dengan bertumpu pada teknologi tersebut dan menghapus seluruh kategori pekerjaan, alih-alih mengerjakan pekerjaan yang ada sedikit lebih cepat. Ketika reorganisasi semacam itu terjadi, pada abad istimewa dan lagi pada lonjakan 1996–2004, hasilnya tampak jelas dalam angka. Jika giliran AI tiba, tak seorang pun perlu mengutip Solow.
Penafian AI Generatif
Sebagian konten halaman ini dihasilkan dan/atau disunting dengan bantuan AI Generatif.
Media
Sumber dan Referensi Utama
Robert Solow, “We’d Better Watch Out,” New York Times Book Review, July 12, 1987, p. 36.
Erin Henry, Pierre-Daniel Sarte, and Jack Taylor, “The Productivity Puzzle: AI, Technology Adoption and the Workforce,” Federal Reserve Bank of Richmond Economic Brief No. 24-25, August 2024. https://www.richmondfed.org/publications/research/economic_brief/2024/eb_24-25
Sasha Rogelberg, “Thousands of CEOs admit AI had no impact on employment or productivity—and it has economists resurrecting a paradox from 40 years ago,” Fortune, February 17, 2026. https://fortune.com/2026/02/17/ai-productivity-paradox-ceo-study-robert-solow-information-technology-age/
Robert J. Gordon, The Rise and Fall of American Growth: The U.S. Standard of Living Since the Civil War, Princeton University Press, 2016.
Tyler Cowen, The Great Stagnation: How America Ate All the Low-Hanging Fruit of Modern History, Got Sick, and Will (Eventually) Feel Better, Dutton/Penguin, 2011.
U.S. Bureau of Labor Statistics, Productivity and Costs news releases, 2024–2026, including “Total Factor Productivity — 2025” (March 19, 2026) and “Productivity and Costs, Second Quarter 2026, Revised” (September 3, 2026). https://www.bls.gov/productivity/ · https://www.bls.gov/news.release/prod3.nr0.htm · https://www.bls.gov/news.release/prod2.nr0.htm
OECD, Compendium of Productivity Indicators 2026, June 2026. https://www.oecd.org/en/publications/2026/06/oecd-compendium-of-productivity-indicators-2026_04e21c23.html
Erik Brynjolfsson, Avinash Collis, W. Erwin Diewert, Felix Eggers, and Kevin J. Fox, “GDP-B: Accounting for the Value of New and Free Goods in the Digital Economy,” NBER Working Paper 25695, 2019. https://www.nber.org/papers/w25695
Chad Syverson, “Challenges to Mismeasurement Explanations for the US Productivity Slowdown,” Journal of Economic Perspectives, vol. 31, no. 2, Spring 2017, pp. 165–186. https://www.aeaweb.org/articles?id=10.1257/jep.31.2.165 · https://www.nber.org/system/files/working_papers/w21974/w21974.pdf
Paul A. David, “The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox,” American Economic Review: Papers and Proceedings, vol. 80, no. 2, May 1990, pp. 355–361.
Erik Brynjolfsson, Daniel Rock, and Chad Syverson, “The Productivity J-Curve: How Intangibles Complement General Purpose Technologies,” American Economic Journal: Macroeconomics, vol. 13, no. 1, January 2021, pp. 333–372. https://www.aeaweb.org/articles?id=10.1257/mac.20180386
Erik Brynjolfsson, Danielle Li, and Lindsey Raymond, “Generative AI at Work,” Quarterly Journal of Economics, vol. 140, no. 2, 2025, pp. 889–942. https://academic.oup.com/qje/article/140/2/889/7990658
Sida Peng, Eirini Kalliamvakou, Peter Cihon, and Mert Demirer, “The Impact of AI on Developer Productivity: Evidence from GitHub Copilot,” arXiv:2302.06590, February 2023. https://arxiv.org/abs/2302.06590
Alexander Bick, Adam Blandin, and David Deming, “The Impact of Generative AI on Work Productivity,” Federal Reserve Bank of St. Louis, On the Economy blog, February 27, 2025. https://www.stlouisfed.org/on-the-economy/2025/feb/impact-generative-ai-work-productivity
Alexander Bick, Adam Blandin, and David Deming, “The State of Generative AI Adoption in 2025,” Federal Reserve Bank of St. Louis, On the Economy blog, November 13, 2025. https://www.stlouisfed.org/on-the-economy/2025/nov/state-generative-ai-adoption-2025
Penn Wharton Budget Model, “The Projected Impact of Generative AI on Future Productivity Growth,” September 8, 2025. https://budgetmodel.wharton.upenn.edu/issues/2025/9/8/projected-impact-of-generative-ai-on-future-productivity-growth
Congressional Budget Office, “Labor Productivity: Developments Since 1995,” March 2007. https://www.cbo.gov/sites/default/files/110th-congress-2007-2008/reports/03-26-labor.pdf
Timothy F. Bresnahan and M. Trajtenberg, “General Purpose Technologies: ‘Engines of Growth’?” Journal of Econometrics, vol. 65, no. 1, January 1995, pp. 83–108. https://doi.org/10.1016/0304-4076(94)01598-T
Robert J. Gordon, “Off Its Pinnacle,” Finance & Development, IMF, vol. 53, no. 2, June 2016. https://www.imf.org/external/pubs/ft/fandd/2016/06/gordon.htm
“The Great Stagnation: Why Hasn’t Recent Technology Created More Jobs?” (interview with Tyler Cowen), PBS NewsHour, 2011. https://www.pbs.org/newshour/show/the-great-stagnation-why-hasn-t-recent-technology-created-more-jobs
Jeremy Greenwood, Ananth Seshadri, and Mehmet Yorukoglu, “Engines of Liberation,” Review of Economic Studies, vol. 72, no. 1, 2005, pp. 109–133. https://users.ssc.wisc.edu/~aseshadr/Publications/engines.pdf
Brink Lindsey, “Not So Stagnant,” Reason, April 15, 2011. https://reason.com/2011/04/15/not-so-stagnant/
Shawn Sprague, “Contributions to labor productivity growth, private nonfarm business, 1948–2018,” Monthly Labor Review, U.S. Bureau of Labor Statistics, 2021. https://www.bls.gov/opub/mlr/2021/highcharts/data/sprague-fig2.stm
McKinsey Global Institute, “US Productivity Growth 1995–2000,” October 2001. https://www.mckinsey.com/featured-insights/americas/us-productivity-growth-1995-2000
David M. Byrne, Stephen D. Oliner, and Daniel E. Sichel, “How Fast Are Semiconductor Prices Falling?” NBER Working Paper 21074, 2015. https://www.nber.org/papers/w21074
National Park Service, “About the Homestead Act,” Homestead National Historical Park. https://www.nps.gov/home/learn/historyculture/abouthomesteadactlaw.htm
