Panduan Transisi Karier AI Non IT untuk Lulusan IPS

Karier AI non-IT membuka peluang luas bagi lulusan IPS dan soshum. Kamu tetap bisa berkontribusi dalam ekosistem teknologi tanpa latar belakang coding berat.

Artikel ini membahas jalur transisi, keterampilan penting, pilihan peran, serta langkah praktis membangun portofolio. Selain itu, kamu juga akan menemukan strategi mencari kerja secara realistis.

“Kalau Aku Jurusan Non-IT (IPS/Soshum), Bisa Gak Sih Berkarier di Bidang AI? Mulainya dari Mana?”

💻 Mulai Belajar Pemrograman

Belajar pemrograman di Dicoding Academy dan mulai perjalanan Anda sebagai developer profesional.

Daftar Sekarang

Pertanyaan ini sangat wajar. Banyak mahasiswa dan fresh graduate merasa AI hanya untuk lulusan teknik.

Namun sebenarnya, AI bukan hanya soal coding dan matematika berat. Di balik setiap sistem AI, ada kebutuhan memahami manusia, konteks sosial, serta komunikasi yang efektif.

Karena itu, lulusan soshum justru memiliki fondasi penting. Mereka terbiasa menganalisis perilaku, memahami kebijakan, dan berpikir kritis.

Mulainya dari mana? Pertama, pahami dulu peta peran yang tersedia. Setelah itu, tentukan jalur yang sesuai dengan minat dan kekuatanmu.

Mengapa AI Jadi Pilihan Prospek Karier untuk Lulusan Soshum

Perusahaan semakin serius mengadopsi otomatisasi dan data-driven decision making. Akibatnya, kebutuhan talenta AI meningkat. Namun, tidak semua posisi tersebut bersifat teknis.

Banyak peran membutuhkan kemampuan menjembatani bisnis dan teknologi. Misalnya, product manager AI bertugas menerjemahkan kebutuhan bisnis dan pengguna menjadi fitur yang realistis. Ia tidak selalu menulis kode. Namun, ia harus memahami cara kerja sistem dan dampaknya.

Sementara itu, business analyst membantu mengidentifikasi proses yang bisa dioptimalkan dengan AI. Ia juga mengukur dampak implementasinya terhadap efisiensi atau pendapatan.

Di sisi lain, UX researcher memastikan sistem AI mudah dipahami. Ia melakukan riset pengguna agar antarmuka tidak terasa menakutkan atau membingungkan.

Lalu, ada AI trainer. Peran ini melibatkan pelabelan data, penulisan prompt, dan evaluasi jawaban model. Tujuannya agar sistem belajar lebih akurat.

Selain itu, AI ethics officer mengkaji potensi bias, isu privasi, serta dampak sosial. Ia menyusun pedoman agar AI digunakan secara bertanggung jawab.

Peran-peran ini sangat cocok bagi lulusan soshum. Mereka terbiasa memahami perilaku manusia dan konteks sosial.

Baik sektor swasta maupun publik membuka peluang tersebut. Bank, perusahaan fintech, e-commerce, dan startup edtech aktif membangun tim AI. Demikian pula kementerian dan pemerintah daerah yang mulai membentuk unit transformasi digital.

Oleh karena itu, kombinasi pemahaman domain dan literasi teknologi menjadi nilai tambah yang kuat.

Keterampilan Non Teknis yang Bernilai Tinggi untuk Peran AI

Agar bisa bersaing, kamu perlu membangun keterampilan yang relevan. Tidak semuanya teknis. Contohnya seperti keterampilan berikut.

1. Komunikasi dan Storytelling

Pertama, komunikasi yang jelas sangat penting. Kamu harus mampu menjembatani tim teknis dan pemangku kepentingan bisnis. Selain itu, storytelling membuat insight dari data terasa relevan. Data yang baik harus bisa diceritakan secara sederhana.

2. Kemampuan Analitis Dasar

Kamu tidak harus menjadi ahli statistik. Namun, kamu perlu memahami rata-rata, persentil, dan tren sederhana. Selanjutnya, pahami metrik seperti conversion rate, retention, dan click-through rate. Metrik ini sering digunakan dalam produk digital berbasis AI.

3. Tools Dasar yang Perlu Dikuasai

Dari sisi tools, mulai dari spreadsheet untuk analisis cepat. Setelah itu, pelajari SQL dasar untuk mengambil data. Gunakan tools visualisasi, seperti Looker Studio atau Tableau. Tools ini membantu menyajikan insight secara visual.

Jika ingin membangun workflow otomatis, kamu bisa mencoba Zapier, Make, atau Bubble. Tools low-code ini memungkinkanmu bekerja tanpa coding berat.

4. Pemahaman Etika AI

Namun demikian, keterampilan teknis saja tidak cukup. Kamu perlu memahami isu privasi data, persetujuan pengguna, dan potensi bias. Sebab, keputusan berbasis AI berdampak langsung pada manusia nyata. Oleh karena itu, sensitivitas sosial menjadi keunggulan lulusan soshum.

Mulailah dari proyek kecil. Misalnya, analisis data organisasi kampus atau UMKM sekitar. Dengan begitu, kamu belajar sambil praktik.

Langkah Nyata Menuju Karier AI Non-IT untuk IPS

Setelah memahami skill yang dibutuhkan, buat roadmap konkret.

1. Tentukan Peran Target

Pilih satu peran utama terlebih dahulu. Misalnya data analyst pemula. Kemudian, turunkan ke daftar keterampilan wajib dan nice to have. Untuk level awal, Excel, SQL dasar, dan logika statistik sudah cukup sebagai fondasi.

2. Susun Rencana Belajar Realistis

Belajar tidak harus ekstrem. Contohnya, 45–60 menit per hari untuk kursus online. Lalu, tambah 2–3 jam di akhir pekan untuk proyek praktik. Selain itu, aktiflah di komunitas. Kamu bisa bergabung dengan grup Telegram data atau forum diskusi AI. Networking sering membuka peluang tak terduga.

3. Kerjakan Proyek Praktis

Lulusan IPS bisa menganalisis dataset kebijakan publik atau survei sosial. Kamu juga bisa membuat studi kasus dampak regulasi terhadap penggunaan AI. Fokuskan pada konteks dan insight. Jangan hanya berhenti pada angka.

4. Ukur Kemajuan Secara Objektif

Sebagai indikator siap melamar, pastikan kamu memiliki kriteria berikut.

Bisa menjelaskan konsep ke orang awam.
Menyelesaikan minimal dua proyek mandiri.
Memiliki 2–3 proyek terdokumentasi rapi.

Dalam 3 bulan pertama, fokus pada fondasi. Dalam 6 bulan, tambah proyek dan mulai freelance kecil. Setelah 12 bulan, kamu seharusnya siap melamar secara aktif.

Sertifikasi Kursus dan Program Pelatihan yang Efektif untuk Masuk AI

Bagi lulusan non teknis, sertifikasi yang paling relevan biasanya seputar data literacy, product, dan etika.

Contohnya sertifikat data analysis pemula, product management untuk digital product, dan kursus AI ethics yang membahas bias, privasi, dan regulasi. Ini membantu kamu bicara bahasa yang sama dengan tim teknis tanpa harus jago ngoding.

Bootcamp biasanya intensif, 1–3 bulan, biaya lebih tinggi, tapi fokus ke proyek dan jaringan karier. Kursus singkat (online course) lebih murah dan fleksibel, cocok untuk eksplorasi awal.

Sertifikat universitas atau professional certificate biasanya lebih lama dan terstruktur, bagus untuk kredibilitas jangka panjang.

Platform yang realistis untuk lulusan IPS misalnya kursus data analysis dasar, UX research, dan AI ethics pada platform global ataupun lokal.

Saat memilih, cek prasyarat yang ramah pemula, adanya proyek akhir berbasis kasus nyata, dan akses ke mentor atau sesi live.

Untuk memaksimalkan nilai sertifikasi, kaitkan langsung dalam CV dengan peran target, sorot proyek terbaik, lalu gunakan saat wawancara sebagai bukti kamu paham proses dan dampak bisnis, bukan sekadar ikut kelas.

Membangun Portofolio Non Teknis dan Studi Kasus yang Menarik

Portofolio nonteknis yang kuat biasanya berisi ringkasan profil singkat, daftar proyek, serta outcome yang terukur. Untuk setiap proyek, tulis konteks masalah, peranmu, proses kerja, hasil utama, dan hal yang kamu pelajari.

Fokuskan pada decision making, komunikasi dengan pemangku kepentingan, dan cara kamu memanfaatkan AI tools atau data untuk mendukung keputusan.

Kamu bisa membuat studi kasus analisis kebijakan berbasis data, riset pengguna untuk fitur berbasis AI, atau evaluasi dampak AI terhadap fairness.

Langkahnya: definisikan masalah dan tujuan, pilih dataset yang relevan, jelaskan metode analisis, temukan temuan kunci, lalu susun rekomendasi yang realistis. Data bisa diambil dari open data portal pemerintah, Google Dataset Search, atau dokumentasi publik perusahaan teknologi.

Untuk presentasi online, gabungkan dokumen naratif (PDF atau Notion), visualisasi sederhana dari Excel atau Looker Studio, dan repository di GitHub atau alternatif, seperti Hugging Face Spaces atau Google Drive publik.

Sertakan proyek kecil (1–4 minggu), misalnya analisis sentimen ulasan produk, pemetaan risiko bias pada sistem rekrutmen otomatis, atau studi perilaku pengguna dari survei singkat. Susun semuanya dalam satu tautan portofolio yang rapi agar mudah kamu kirim saat melamar kerja dan dibahas dalam negosiasi peran berikutnya.

Tips Mencari Kerja Negosiasi dan Pengembangan Karier bagi Kandidat Non IT

Saat mencari lowongan, fokus ke kata kunci yang sesuai latar belakangmu, misalnya “business analyst”, “data analyst junior”, “AI product”, atau “operations dan AI”. Manfaatkan job board, LinkedIn, dan komunitas, seperti grup Telegram atau Discord AI untuk menangkap peluang tersembunyi.

Saat membangun jaringan, tekankan bahwa latar belakang soshum membuatmu paham konteks bisnis, perilaku pengguna, dan regulasi, yang sangat penting untuk tim AI.

Untuk wawancara, latih jawaban dengan kerangka STAR (situation, task, action, result). Saat ditanya studi kasus, selalu jelaskan asumsi, data yang dibutuhkan, dan cara kamu akan mengukur keberhasilan dengan metrik sederhana. Ini menunjukkan pola pikir berbasis data walau kamu belum jadi engineer.

Dalam negosiasi gaji, riset rentang gaji peran awal di kota dan industrimu lewat situs seperti Glassdoor atau laporan gaji lokal. Nilai juga manfaat lain, seperti kesempatan belajar, mentorship, anggaran pelatihan, dan fleksibilitas kerja.

Untuk rencana karier, pikirkan target 1–3–5 tahun, misalnya mulai sebagai data analyst atau product analyst, lalu naik ke product manager atau spesialis, seperti AI Ethics, dan bila ingin teknis, mulai ambil sertifikasi Python, SQL, atau machine learning dasar.

Sumber belajar lanjutan bisa dari kursus online singkat tentang data analysis, product management, dan AI ethics, ditambah dokumentasi resmi AI tools yang kamu pakai.

Gabung komunitas lokal data/AI, ikut meetup, atau bergabung menjadi online cohort, lalu aktif bertanya dan berbagi rangkuman belajarmu. Cara praktis mencari mentor adalah menghubungi profesional yang kamu kagumi dengan pesan singkat dan spesifik, misalnya meminta feedback 15 menit untuk portofolio atau rencana belajarmu.

Penutup

Kesimpulannya, jalur ke bidang AI untuk lulusan nonteknis dapat dicapai dengan strategi yang terstruktur berupa peningkatan soft skills serta domain knowledge dan kemampuan menggunakan tools dasar.

Melalui portofolio yang relevan dengan pengalaman praktis dan pendekatan belajar bertahap, kamu akan siap bersaing dalam peran seperti data analyst, product manager, atau AI ethics officer sambil terus berkembang.