Langkau ke kandungan
First
Move
by Mereka
First Move laman utama
  • Kit aktiviti
  • Fasilitator
  • Pelajar
  • Bina dan Kejuruteraan
  • Reka dan Cipta
  • Manusia dan Masyarakat
  • Sains dan Penemuan
  • Bahasa Malaysia

Kit Aktiviti B: X-ray Pekerjaan (Job X-ray)

Lihat bahagian dalam satu pekerjaan tugas demi tugas: labelkan setiap tugas, sokong satu label, cabar satu andaian dengan AI, kemudian buat semakan semula selepas dibetulkan oleh pengamal industri. Contoh draf disertakan.

Disemak oleh kakitangan Mereka

Diterbitkan pada 24 Okt 2026Semakan seterusnya pada 24 Okt 2027Bacaan 6 minit9 daripada 9 fakta disahkan dengan sumbernya

Angka sepintas lalu

Disahkan
Stanford Digital Economy Lab (12 Ogos 2026): guna tenaga bagi pekerja AS berumur 22-25 tahun dalam pekerjaan yang terdedah tinggi kepada AI adalah kira-kira 19% di bawah tahap yang sepatutnya dicapai jika ia seiring dengan pekerjaan yang kurang terdedah.
022 tahun25 tahun

Tujuan aktiviti ini diadakan

Aktiviti B, iaitu X-ray Pekerjaan (Job X-ray), ialah cara murid melihat masa depan alam pekerjaan tanpa berpura-pura bahawa sesiapa pun boleh meramal kerjaya yang benar-benar selamat. Mereka mengambil satu pekerjaan, membahagikannya kepada tugasan-tugasan khusus, dan melabelkan bagaimana AI mungkin mempengaruhi setiap tugasan tersebut. Kemudian, mereka menyokong satu label dengan bukti, mencabar salah satu andaian sendiri, dan membenarkan seorang pengamal industri membetulkannya. Hasilnya akan dimasukkan ke bahagian "Masa depan" dalam Peta Masa Depan (Future Map): pandangan berasas tentang bagaimana tugasan dalam sesuatu pilihan kerjaya mungkin berubah, berserta catatan ketidakpastian yang wujud.

Templat perjalanan aktiviti ini menggunakannya sebanyak dua kali:

  • Hari 1, "Tugasan, bukan gelaran jawatan" (30 minit): sesi latihan ringkas. Murid menyenaraikan kira-kira lapan tugasan bagi pekerjaan yang mereka pilih, melabelkannya, dan melihat label mana yang berubah apabila fasilitator menukar keadaan persekitaran (contohnya, ramai pelanggan terdiri daripada warga emas, bertutur dalam bahasa berbeza, atau tidak mempunyai telefon pintar).
  • Hari 2, X-ray Pekerjaan (75 minit): versi penuh, bermula daripada senarai tugasan yang telah disemak oleh pengamal industri, dengan pengamal industri membetulkan label-label murid.

Empat label tersebut

LabelMaksudnyaTag lama pada sesetengah helaian
AI boleh membantuSeseorang masih melaksanakannya dan membuat keputusan; AI mendraf, menyemak atau mempercepatkannya.augmented
Mungkin diautomasikanPerisian boleh melakukan sebahagian besar tugasan dengan sedikit campur tangan manusia, sekurang-kurangnya di sesetengah tempat kerja.automated
Memerlukan persekitaran fizikal atau sosialIa memerlukan sentuhan tangan, kehadiran diri, kepercayaan atau pertimbangan secara bersemuka di dalam bilik.left alone
Kerja baharu yang mungkin munculKerja yang wujud disebabkan penggunaan AI pada masa kini, seperti menyemak output AI.new

Dua label pada satu tugasan boleh diterima. Setiap label memerlukan sebab, bukti (dilihat, dibaca atau diberitahu) dan tahap keyakinan murid: rendah, sederhana atau tinggi.

Mengapa tugasan, bukan gelaran jawatan

Pekerjaan ialah gabungan pelbagai tugasan, dan AI cenderung mengubah sesetengah tugasan dalam sesuatu pekerjaan jauh lebih awal sebelum ia mengubah keseluruhan pekerjaan tersebut. Kajian terkini menunjukkan arah yang sama, dengan ketidakpastian yang nyata:

  • Pertubuhan Buruh Antarabangsa (International Labour Organization) menganggarkan pada Mei 2025 bahawa kira-kira seorang daripada empat pekerja di seluruh dunia (25%) berada dalam pekerjaan yang mempunyai sedikit pendedahan kepada AI generatif, meningkat kepada 34% di negara-negara berpendapatan tinggi, manakala hanya 3.3% daripada guna tenaga global tergolong dalam kategori pendedahan tertinggi[1]. Penulis kajian menjangkakan kebanyakan pekerjaan akan berubah bentuk dan bukannya dihapuskan, kerana kebanyakan pekerjaan masih memerlukan penglibatan manusia[1]. Itu merupakan anggaran pendedahan, bukan kiraan kehilangan pekerjaan.
  • Laporan Masa Depan Pekerjaan (Future of Jobs Report) 2025 oleh Forum Ekonomi Dunia (World Economic Forum), berdasarkan tinjauan terhadap lebih 1,000 majikan besar merentasi 55 ekonomi, mengunjurkan kira-kira 170 juta peranan baharu dan 92 juta peranan yang tersingkir menjelang 2030, iaitu peningkatan bersih sekitar 78 juta, dan majikan menjangkakan kira-kira 39% daripada set kemahiran semasa akan berubah menjelang 2030[2]. Ini merupakan jangkaan majikan, bukan hasil dapatan yang telah diperhatikan.
  • Satu corak yang diperhatikan di AS: Digital Economy Lab di Stanford melaporkan pada Ogos 2026 bahawa guna tenaga bagi pekerja berumur 22 hingga 25 tahun dalam pekerjaan yang terdedah tinggi kepada AI adalah kira-kira 19% di bawah tahap yang sepatutnya dicapai jika ia seiring dengan pekerja serupa dalam pekerjaan yang kurang terdedah[3]. Penulis menekankan bahawa ini ialah corak deskriptif, bukan anggaran sebab-akibat, dan penurunan tersebut tertumpu di tempat AI digunakan untuk mengautomasikan tugasan; di tempat AI melengkapi pekerja, guna tenaga adalah mendatar atau meningkat[3]. Ini merupakan data gaji AS, bukan data Malaysia.

Beritahu murid secara jelas: tiada sesiapa tahu dengan tepat bagaimana rupa sesuatu pekerjaan pada tahun 2030. Pemikiran yang baik menyatakan apa yang diunjurkan, apa yang telah diperhatikan, oleh siapa, dan sejauh mana tahap kepastian sesiapa mengenainya.

Andaian berbeza, masa depan berbeza

Econ Scenario Explorer oleh Anthropic (versi 1.0, September 2026) membolehkan pengguna menetapkan lima andaian, mengenai keupayaan AI, sejauh mana ia diguna pakai secara meluas, berapa banyak ia bertindak secara bersendirian, berapa banyak ia meningkatkan produktiviti, dan berapa lama masa yang diambil oleh orang ramai untuk mencari pekerjaan baharu, serta melihat ekonomi AS pada tahun 2030 yang terhasil daripada andaian-andaian tersebut[4]. Halaman tersebut menggelar modelnya sebagai "permudahan ketara daripada realiti yang kompleks"[4]. Jika anda menggunakannya, tunjukkan pada satu skrin fasilitator sahaja, bagi menyampaikan mesej bahawa perubahan andaian akan mengubah masa depan. Jangan sekali-kali menggunakan outputnya sebagai ramalan gaji atau pekerjaan di Malaysia.

Jadual pelaksanaan Hari 2 (75 minit)

MinitApa yang berlakuBukti yang dirakam
0-5Pilih satu pekerjaan yang ditemui hari ini dan ambil senarai tugasannya yang telah disemak oleh pengamal industri (kira-kira sepuluh tugasan, setiap satunya mengandungi kata kerja dan objek). Tulis tugasan mana yang anda jangkakan akan diambil alih oleh AI.Andaian awal
5-25Labelkan setiap tugasan dengan sebab, bukti dan tahap keyakinan anda. Tandakan apa-apa perkara yang anda teka.Senarai tugasan pertama yang berlabel
25-40Sokong label yang paling anda yakini dengan bukti terbaik anda. Minta pembantu AI untuk memberikan hujah bertentangan dengan label yang paling kurang anda yakini dan tentukan sama ada ia mengubah pandangan anda.Label yang disokong dan rekod cabaran terhadap sesuatu andaian
40-50Pengamal industri bergerak antara kumpulan kecil (pod) dan membetulkan senarai tugasan serta label: apa yang tertinggal, apa yang mengambil sebahagian besar minggu kerja mereka, tugasan mana yang tidak akan sesekali mereka serahkan kepada AI.Maklum balas pengamal industri
50-60Semak semula label-label tersebut berdasarkan pembetulan yang diterima.Senarai tugasan yang disemak semula berserta sebab bagi setiap perubahan
60-70Secara berpasangan, setiap murid menerangkan satu label dalam masa dua minit: sejauh mana mereka yakin dan apakah yang boleh mengubah fikiran mereka.Penerangan dua minit
70-75Implikasi kepada diri saya: tugasan manakah yang saya gemari, dan tugasan manakah yang saya ingin mahir melakukannya?Soalan seterusnya untuk pengamal industri, disimpan ke "Masa depan"

Sekiranya pengamal industri tidak dapat pergi ke setiap kumpulan kecil, murid membandingkan label mereka dengan senarai sepuluh tugasan pengamal industri itu sendiri yang telah ditag lebih awal daripada minggu kerjanya. Lembaran kerja boleh didapati dalam job-x-ray-worksheet.md.

Satu contoh huraian (draf, untuk disahkan oleh pengamal industri)

example-community-centre-officer.csv membahagikan pekerjaan pegawai pusat perkhidmatan komuniti, iaitu peranan di sebalik cubaan tugasan Hari 2, kepada sepuluh tugasan dengan draf label. Sebagai contoh, menyambut pelawat dan menyedari apabila seseorang mungkin berada dalam risiko dilabelkan sebagai "memerlukan persekitaran fizikal atau sosial"; menghantar peringatan "mungkin diautomasikan"; menterjemah notis "AI boleh membantu", kerana AI mendraf dengan pantas tetapi individu yang fasih perlu menyemaknya; dan menyemak ralat mesej yang didraf oleh AI sebagai "kerja baharu".

Contoh ini belum disahkan. Ia didraf untuk kegunaan bilik darjah. Sebelum murid melihatnya selain sebagai sekadar draf, seorang pengamal industri yang melakukan kerja ini membetulkan senarai tugasan dan label-label tersebut, dan anda merekodkan peranan serta tarikhnya. Sehinggalah masa itu tiba, bentangkan ia sebagai "draf kami, yang akan dicabar oleh seorang pengamal industri".

Perkara yang diperhatikan oleh fasilitator

Kriteria utama di sini ialah "menggunakan dan mengesahkan AI dengan wajar" (adakah murid menimbang hujah balas AI, atau sekadar menerimanya secara bulat-bulat?) dan "menerangkan langkah seterusnya yang berasas". Rekodkan sama ada ia baru muncul (emerging), ditunjukkan dengan bantuan (demonstrated with support), atau ditunjukkan secara berdikari (demonstrated independently), berserta contoh. Hasil kerja yang mantap:

  • menyenaraikan tugasan yang benar-benar dilakukan oleh seseorang individu, bukan kualiti umum seperti "komunikasi";
  • memberikan sebab dan bukti bagi setiap label, serta menandakan tekaan;
  • menyatakan "tahap keyakinan" secara jujur, dengan sesetengahnya berada pada tahap rendah;
  • menukar sekurang-kurangnya satu label selepas maklum balas pengamal industri, atau menerangkan dengan jelas mengapa tidak berbuat demikian.

Kaedah berasaskan kertas

Cetak senarai tugasan sebagai kad. Murid mengisih kad-kad tersebut kepada empat timbunan berlabel di atas kertas A3 dan menulis sebab serta tahap keyakinan mereka pada setiap kad. Mereka mengisi ruangan "sokong satu label" dan "cabar satu andaian" pada lembaran kerja; jika AI tidak tersedia, rakan sepasang akan memberikan hujah yang bertentangan sebagai ganti. Pengamal industri membetulkan lembaran tersebut menggunakan pen, murid menerangkan satu label secara lisan, dan fasilitator mengambil gambar helaian tersebut sebaik sahaja peranti boleh digunakan.

Perkara yang perlu dilakukan seterusnya

  1. Pengamal industri: sebelum Hari 2, semak senarai tugasan untuk bidang anda (kira-kira sepuluh tugasan) dan tag sepuluh tugasan daripada minggu kerja anda sendiri, supaya murid dapat membandingkan X-ray mereka dengan X-ray anda.
  2. Fasilitator: kumpulkan satu X-ray yang mantap bagi setiap kumpulan kecil, dengan kebenaran murid, sebagai sampel untuk menyelaraskan penilaian merentasi semua kumpulan kecil.
  3. Murid: dalam Peta Masa Depan anda, tambahkan satu tugasan yang anda ingin perbaiki dan satu soalan mengenainya untuk perbualan anda yang seterusnya bersama pengamal industri.

Sejauh manakah kita pasti?

Setiap fakta atau angka dalam panduan ini dan sejauh mana ia disokong sumber. Menyemak bukti ialah satu kemahiran: buka sumber dan lihat sama ada anda bersetuju.

9 daripada 9 fakta disahkan dengan sumbernya

  • Disahkan · Sumbernya menyatakan perkara ini.

    ILO (Mei 2025): kira-kira seorang daripada empat pekerja di seluruh dunia (25%) berada dalam pekerjaan dengan sedikit pendedahan kepada AI generatif; 34% di negara berpendapatan tinggi.

    Sumber:[1]

  • Disahkan · Sumbernya menyatakan perkara ini.

    ILO (Mei 2025): 3.3% daripada guna tenaga global tergolong dalam kategori pendedahan tertinggi.

    Sumber:[1]

  • Disahkan · Sumbernya menyatakan perkara ini.

    Penulis ILO menjangkakan AI generatif sebahagian besarnya akan mengubah pekerjaan dan bukannya menghapuskannya.

    Sumber:[1]

  • Disahkan · Sumbernya menyatakan perkara ini.

    Laporan Masa Depan Pekerjaan WEF 2025 mengunjurkan kira-kira 170 juta peranan baharu dan 92 juta tersingkir menjelang 2030, iaitu pertambahan bersih kira-kira 78 juta.

    Sumber:[2]

  • Disahkan · Sumbernya menyatakan perkara ini.

    Majikan dalam tinjauan WEF 2025 menjangkakan kira-kira 39% daripada set kemahiran semasa akan berubah menjelang 2030.

    Sumber:[2]

  • Disahkan · Sumbernya menyatakan perkara ini.

    Tinjauan WEF 2025 merangkumi lebih daripada 1,000 majikan besar merentasi 22 industri dan 55 ekonomi.

    Sumber:[2]

  • Disahkan · Sumbernya menyatakan perkara ini.

    Stanford Digital Economy Lab (12 Ogos 2026): guna tenaga bagi pekerja AS berumur 22-25 tahun dalam pekerjaan yang terdedah tinggi kepada AI adalah kira-kira 19% di bawah tahap yang sepatutnya dicapai jika ia seiring dengan pekerjaan yang kurang terdedah.

    Sumber:[3]

  • Disahkan · Sumbernya menyatakan perkara ini.

    Penurunan dapatan Stanford tertumpu di tempat AI mengautomasikan tugasan; di tempat AI melengkapi pekerja, guna tenaga adalah mendatar atau meningkat.

    Sumber:[3]

  • Disahkan · Sumbernya menyatakan perkara ini.

    Econ Scenario Explorer oleh Anthropic (v1.0, September 2026) memodelkan ekonomi AS pada tahun 2030 daripada lima andaian pengguna dan menggelar modelnya 'permudahan ketara daripada realiti yang kompleks'.

    Sumber:[4]

Sumber

Nombor dalam teks, seperti [1], membawa anda ke sini.

  1. [1]
    International Labour OrganizationGenerative AI and Jobs: A Refined Global Index of Occupational Exposure (ILO Working Paper 140) (dibuka dalam tab baharu)Diterbitkan pada 20 Mei 2025 · Disemak pada 22 Okt 2026
  2. [2]
    World Economic Forum (via European Commission platform)Future of Jobs Report 2025 (summary on the EU Digital Skills and Jobs Platform) (dibuka dalam tab baharu)Diterbitkan pada 8 Jan 2025 · Disemak pada 22 Okt 2026
  3. [3]
    Stanford Digital Economy LabCanaries in the Coal Mine: August 2026 update (dibuka dalam tab baharu)Diterbitkan pada 12 Ogo 2026 · Disemak pada 22 Okt 2026
  4. [4]
Terokai programSemak tarikh dan tempat