Pada 2019, saya pernah menulis di blog pribadi tentang “otot menerjemahkan”. Waktu itu pemikirannya sederhana. Seperti otot tubuh, kemampuan menerjemahkan juga perlu terus digunakan agar tetap bugar. Saya bahkan menulis bahwa kalau sedang tidak ada pekerjaan, saya biasa menerjemahkan atau mengedit subtitle TED selama 15 sampai 30 menit setiap pagi, sekadar untuk menjaga stamina menerjemahkan.
Tujuh tahun kemudian, saya jadi memikirkan kembali tulisan itu. Masalahnya sekarang mungkin bukan lagi apakah kita masih menerjemahkan atau tidak. Seorang penerjemah bisa tetap bekerja setiap hari, membuka CAT tool setiap pagi, menyelesaikan ribuan kata setiap minggu, dan tetap sibuk. Tetapi apakah semua “otot” yang dulu kita gunakan untuk menerjemahkan masih benar-benar digunakan?
Pertanyaan ini muncul setelah saya membaca studi IBM tentang perubahan keterampilan akibat AI di tempat kerja. Ada satu istilah yang menarik perhatian saya: skill erosion. Selama ini kita lebih sering membicarakan skill gap. Ada teknologi baru, kita belum menguasainya, lalu kita belajar. Solusinya adalah upskilling atau reskilling. Skill erosion bergerak ke arah sebaliknya. Keterampilannya sebenarnya sudah kita miliki, tetapi perlahan menurun karena makin jarang digunakan.
Lalu saya bertanya-tanya: Apakah hal yang sama bisa terjadi pada penerjemah?
Dari menerjemahkan jadi memeriksa
Perubahan ini sebenarnya sudah dimulai jauh sebelum generative AI. Machine translation mengubah titik awal pekerjaan kita. Dalam proses penerjemahan tradisional, kita membaca teks sumber, mencoba memahaminya, mencari padanan, mempertimbangkan beberapa kemungkinan, melakukan riset kalau diperlukan, lalu menghasilkan terjemahan.
Dalam machine translation post-editing (MTPE), ketika kita membuka sebuah segmen, jawabannya sudah ada di depan mata. Kita kemudian menilai apakah jawaban itu benar, apakah perlu diperbaiki, dan, kalau perlu, bagian mana yang harus diubah.
Generative AI membawa perubahan itu lebih jauh lagi. Sekarang kita bisa meminta AI menjelaskan kalimat sumber yang sulit, mencari istilah, memberikan beberapa alternatif terjemahan, memperbaiki gaya, memendekkan kalimat, atau memeriksa hasil terjemahan yang sudah kita buat.
Saya sendiri menggunakan teknologi dalam pekerjaan sehari-hari dan tidak melihat alasan untuk menolaknya. Penerjemah sejak dulu bekerja dengan teknologi. Dulu kita beralih dari kamus cetak ke kamus elektronik, lalu mesin pencari, translation memory, CAT tool, machine translation, dan sekarang AI. Jadi bagi saya, pertanyaannya memang bukan apakah kita harus menggunakan AI atau tidak.
Yang lebih menarik justru apa yang terjadi setelah kita menggunakannya terus-menerus. Kalau makin banyak bagian dari proses menerjemahkan kita serahkan kepada mesin, apakah kemampuan kita melakukan bagian-bagian itu sendiri akan tetap sama?
Ternyata pertanyaan ini mulai muncul cukup serius di beberapa organisasi profesi penerjemah. Pada September 2026, Institute of Translation and Interpreting (ITI) di Inggris memberikan masukan kepada Komisi Eropa mengenai strategi AI untuk sektor budaya dan kreatif. Salah satu hal yang mereka soroti adalah risiko hilangnya keterampilan ketika post-editing makin menggantikan penerjemahan. ITI bahkan membedakannya dari persoalan kekurangan tenaga terampil. Yang dikhawatirkan justru adalah hilangnya keterampilan pada tenaga profesional yang sebenarnya sudah berkualifikasi.
Menurut ITI, jika penerjemah makin banyak menghabiskan waktunya untuk mengoreksi hasil mesin daripada menghasilkan terjemahan sendiri, ada risiko sebagian kompetensi yang lebih luas itu perlahan terkikis. Karena itu, mereka meminta agar maintenance of vital skills menjadi tujuan yang eksplisit. Jangan sampai kita sibuk mempelajari keterampilan baru, tetapi lupa menjaga keterampilan yang sudah ada.
Saya rasa ini pertanyaan yang relevan juga untuk kita di Indonesia.
Dari mana datangnya kemampuan menilai?
Beberapa bulan lalu, dalam acara HPI Komda DIY tentang strategi pengembangan karier penerjemah di era AI, saya menyampaikan bahwa pekerjaan kita mulai bergeser. Pekerjaan yang sifatnya berulang, produksi awal, pencarian, dan pemeriksaan mekanis makin mudah diotomatisasi. Sebaliknya, kita makin banyak diminta melakukan penilaian, memahami konteks, mengelola mutu, dan mengambil keputusan.
Saya masih percaya itu. Tetapi belakangan saya menyadari ada pertanyaan lanjutan yang belum saya pikirkan cukup jauh waktu itu. Kalau nilai kita makin bergeser dari menghasilkan teks menjadi menilai teks, dari mana kemampuan menilai itu berasal?
Saya sudah bekerja di industri penerjemahan lebih dari dua puluh tahun. Selama itu tentu saya pernah menghasilkan banyak terjemahan yang kurang baik. Salah memilih istilah, salah memahami teks sumber, membuat kalimat yang ternyata terdengar aneh, lalu mendapat koreksi dari editor atau klien. Kadang kita menghabiskan waktu cukup lama hanya untuk satu istilah dan kemudian beberapa tahun kemudian sadar bahwa pilihan kita dulu ternyata kurang tepat.
Justru dari proses semacam itulah sebagian kemampuan menerjemahkan terbentuk. Kita membaca, mencoba, salah, mencari tahu, dikoreksi, lalu mencoba lagi. Setelah dilakukan ribuan kali, perlahan muncul sesuatu yang sering kita sebut professional judgment. Kadang kita membaca sebuah terjemahan dan langsung merasa ada yang tidak beres, bahkan sebelum bisa menjelaskan dengan tepat letak masalahnya.
Kemampuan semacam ini tidak muncul begitu saja ketika seseorang mendapatkan gelar penerjemah atau selesai mengikuti pelatihan post-editing. Ia dibangun melalui banyak sekali keputusan kecil selama bertahun-tahun.
Karena itu, saya justru lebih penasaran dengan penerjemah yang baru memasuki profesi sekarang. Bayangkan seseorang mulai bekerja sebagai penerjemah pada 2026. Sejak awal sebagian besar pekerjaannya berupa post-editing. Ketika membuka segmen, mesin sudah memberikan jawaban pertama. Kalau ragu, ia bisa meminta AI memberikan beberapa alternatif. Kalau teks sumber sulit dipahami, AI bisa menjelaskannya. Kalau kalimat sasaran terasa kurang enak, AI bisa menulis ulang.
Ia mungkin menjadi sangat terampil bekerja dengan AI. Tetapi kapan ia belajar menghasilkan solusi sendiri? Dan, lebih penting lagi, bagaimana ia memperoleh kemampuan untuk mengetahui bahwa solusi yang diberikan mesin ternyata salah?
Saya tidak mengatakan bahwa post-editing adalah pekerjaan yang mudah atau tidak membutuhkan kemampuan kognitif. Sama sekali tidak. Memeriksa terjemahan juga membutuhkan konsentrasi, kemampuan bahasa, pengetahuan bidang, dan pengambilan keputusan. Persoalannya lebih pada jenis latihan yang kita dapatkan. Mengoreksi jawaban yang sudah tersedia belum tentu memberikan pengalaman yang sama dengan harus menghasilkan jawaban tersebut dari nol.
Di sinilah ada sedikit paradoks. Penerjemah berpengalaman mungkin bisa menjadi post-editor yang baik karena sebelumnya sudah bertahun-tahun menerjemahkan. Tetapi kalau penerjemah baru sejak awal lebih banyak menjadi post-editor, dari mana mereka mendapatkan pengalaman yang dahulu membentuk kemampuan penerjemah senior?
Jadi tantangannya bukan menjauhkan penerjemah baru dari teknologi, melainkan memastikan tetap ada ruang belajar tempat mereka harus memahami, mencoba, salah, dan mengambil keputusan sendiri. Tanpa ruang semacam itu, kita bisa saja mempunyai generasi yang sangat terampil menggunakan AI tetapi tidak pernah memperoleh proses panjang yang dahulu membentuk professional judgment.
HPI sebenarnya sudah mulai menjawab perubahan
Diskusi tentang AI di HPI tentu bukan hal baru. Pada Juli 2023, ketika saya masih menjadi Kepala Divisi Pengembangan Profesi HPI, saya memandu gelar wicara “AI dan Masa Depan Penerjemah/Juru Bahasa”. Sekitar 150 anggota hadir dan menyimak pemaparan dari tiga orang Anggota Profesional HPI yang menjadi narasumbernya. Dalam acara tersebut, Arfan Achyar menyampaikan bahwa AI perlu dimanfaatkan untuk membantu penerjemah dan juru bahasa, bukan diposisikan sebagai pengganti. Hikmat Gumilar mengingatkan bahwa ancaman AI memang nyata dan perlu dimitigasi, sementara Ardian Setiawan mendorong anggota HPI untuk terus membangun keterampilan agar tetap relevan.
Menarik membaca kembali laporan acara tersebut tiga tahun kemudian. Di bagian akhir disebutkan bahwa HPI berharap gelar wicara itu “membuka diskusi-diskusi yang lebih panjang dan dalam” mengenai arah profesi penerjemah dan juru bahasa di Indonesia pada era baru ini.
Diskusinya memang berlanjut. Pada 2025, HPI Pusat dan Komda Sulawesi Selatan mengadakan webinar “Role of AI in Translation and Interpreting”. Pada Juni 2026, Ruang Berbagi HPI kembali mengangkat “Penerjemah dan AI: Batas, Peluang, dan Tanggung Jawab Etis”, dengan Lucia Aryani membahas bagaimana penerjemah dapat menggunakan AI untuk meningkatkan produktivitas tanpa kehilangan sentuhan manusiawi. Pada Juli 2026, HPI Komda DIY mengadakan acara yang saya sebut tadi tentang strategi pengembangan karier di era AI. Menjelang Hari Penerjemahan Internasional tahun ini, HPI dan IKAPI bahkan kembali mengangkat pertanyaan tentang strategi penerjemah dan juru bahasa agar tidak tergantikan di era digital.
Jadi menurut saya, kita sudah melewati tahap mempertanyakan apakah AI akan masuk ke profesi ini. AI sudah masuk. HPI pun sudah cukup aktif membantu anggotanya memahami perubahan tersebut.
Mungkin pertanyaan berikutnya bukan lagi hanya bagaimana kita memperoleh keterampilan baru untuk bekerja bersama AI. Kita juga perlu mulai memikirkan bagaimana menjaga keterampilan yang sudah kita miliki.
Upskilling mungkin baru separuh pekerjaan
Selama beberapa tahun terakhir, jawaban yang paling umum terhadap perubahan teknologi adalah upskilling. Saya juga sering mengatakan hal yang sama. Penerjemah perlu memahami AI, belajar mengevaluasi output mesin, memahami keamanan data, mengembangkan spesialisasi, dan mungkin memperluas pekerjaan ke LQA, language management, testing, atau evaluasi AI.
Organisasi profesi di berbagai negara juga bergerak ke arah tersebut. American Translators Association (ATA), misalnya, sudah mengembangkan microcredential terkait generative AI. ITI mempunyai berbagai program mengenai AI dan penerjemahan. Organisasi lain melakukan hal serupa.
Semua ini perlu. Tetapi setelah membaca diskusi mengenai skill erosion, saya mulai merasa upskilling mungkin baru separuh pekerjaan.
Kita perlu mempelajari keterampilan baru, tetapi pada saat yang sama perlu menentukan keterampilan lama apa yang tidak boleh hilang. Kemampuan memahami teks sumber secara mandiri. Kemampuan melakukan riset terminologi. Kemampuan menghasilkan beberapa alternatif terjemahan sebelum melihat jawaban mesin. Kemampuan mengenali kalimat yang secara tata bahasa benar tetapi terasa tidak alami. Dan mungkin yang paling penting, kemampuan mempertanyakan jawaban yang terlihat sangat meyakinkan.
Ironisnya, makin bagus AI, kemampuan terakhir itu justru makin penting. Kesalahan mesin yang jelas biasanya mudah ditemukan. Yang lebih sulit adalah jawaban yang lancar, masuk akal, terdengar meyakinkan, tetapi ternyata salah.
Kalau manusia tetap ditempatkan sebagai penanggung jawab terakhir, manusia tersebut harus mempunyai kemampuan independen untuk mengetahui kapan mesin perlu dipertanyakan.
Hal ini sebenarnya sejalan dengan Kode Etik HPI. Penggunaan AI diperbolehkan sebagai alat bantu dengan persetujuan klien, tetapi penerjemah tetap dituntut mempertimbangkan konteks dan kesesuaian bahasa. Artinya, alatnya boleh berubah, tetapi kemampuan untuk menilai hasilnya tetap harus ada.
Siapa yang bertanggung jawab?
Di perusahaan, pertanyaan ini mungkin lebih mudah dijawab. Kalau otomatisasi menyebabkan keterampilan karyawan tertentu jarang digunakan, perusahaan bisa mengubah desain pekerjaan, menyediakan pelatihan, atau sengaja memberikan kesempatan agar keterampilan tersebut tetap digunakan.
Profesi penerjemahan berbeda. Banyak dari kita adalah pekerja lepas. Kita bekerja untuk beberapa klien atau agensi sekaligus. Tidak ada satu departemen SDM yang mengikuti perkembangan keterampilan kita dari awal sampai akhir karier. Klien membutuhkan hasil. Agensi perlu menyelesaikan proyek sesuai kualitas, anggaran, dan tenggat. Penerjemah pada akhirnya memang harus bertanggung jawab menjaga kompetensinya sendiri.
Tetapi apakah tanggung jawabnya sepenuhnya individual? Saya rasa tidak.
Perguruan tinggi mempunyai peran. Mahasiswa penerjemahan tentu harus belajar menggunakan teknologi yang akan mereka temui setelah lulus. Mengajari mahasiswa seolah-olah machine translation dan generative AI tidak ada juga tidak masuk akal. Tetapi mungkin ada tahap tertentu ketika mahasiswa memang perlu diminta menerjemahkan tanpa AI. Bukan karena menggunakan AI adalah kecurangan, melainkan karena tujuan latihan tidak selalu sama dengan tujuan bekerja. Dalam pekerjaan, kita mengejar hasil yang baik dengan cara yang efisien. Dalam latihan, kadang justru proses berpikirnya yang sedang kita bangun.
Perusahaan dan agensi penerjemahan juga punya peran. Ketika mendesain alur kerja berbasis AI, mungkin ukurannya tidak cukup hanya berapa kata yang bisa diselesaikan dalam satu jam. Alur kerja yang sangat efisien hari ini bisa mempunyai konsekuensi jangka panjang jika orang-orang di dalamnya makin jarang menggunakan kemampuan yang masih dibutuhkan untuk mengawasi sistem tersebut.
Lalu bagaimana dengan organisasi profesi?
Dari pengembangan ke pemeliharaan profesi
Saya kira organisasi profesi tidak mungkin bertanggung jawab atas kemampuan setiap anggotanya. Pada akhirnya, setiap penerjemah tetap harus menjaga kompetensinya sendiri. Namun, organisasi profesi mempunyai posisi yang agak berbeda dari klien, agensi, atau bahkan perguruan tinggi. Salah satu fungsinya memang menjaga kompetensi profesi secara kolektif.
HPI sebenarnya sudah melakukan ini sejak lama. Tes Sertifikasi Nasional (TSN) kategori Penerjemah dengan sengaja dirancang untuk menguji kemampuan dasar seseorang dalam menghasilkan terjemahan berkualitas. Peserta tes tidak diizinkan, misalnya, untuk mengakses internet dan berbagai sumber daya elektronik, hal yang justru lazim dipraktikkan di meja kerja penerjemah. Namun, sebagaimana halnya tujuan latihan, tujuan ujian juga tidak selalu sama dengan tujuan bekerja.
Selain itu, meski saat ini belum diberlakukan, standar kualitas sertifikasi dapat ditingkatkan dengan mengharuskan para pemegang sertifikat TSN untuk mengikuti tes ulang atau kegiatan penyegaran saat memperpanjang masa berlaku sertifikatnya, yang habis lima tahun sekali. Konsep dasarnya menarik: Kompetensi profesional bukan sesuatu yang cukup dibuktikan sekali lalu dianggap akan ada selamanya.
HPI juga sudah lama menjalankan berbagai kegiatan pengembangan profesi. Dalam Nawala HPI tahun 2022, misalnya, Ferry Toar menulis tentang continuing professional development dan mengibaratkan keterampilan sebagai mata gergaji yang perlu terus diasah agar tetap tajam. Banyak kegiatan CPD yang ia catat waktu itu justru berasal dari webinar HPI.
HPI, misalnya, bisa mulai membuka ruang diskusi khusus tentang skill maintenance atau sesekali memasukkan unsur ini ke dalam kegiatan pengembangan profesi yang sudah berjalan. Tidak harus menjadi program baru; yang penting, pemeliharaan keterampilan mulai masuk ke percakapan bersama upskilling.
Mungkin pada era AI, gagasan tersebut perlu diperluas sedikit. Pengembangan profesi tidak selalu berarti menambahkan keterampilan baru. Kadang kita juga perlu memastikan keterampilan yang sudah ada tidak hilang.
Bentuknya tidak harus berupa program besar. Pelatihan AI bisa memasukkan latihan membandingkan proses human-first dengan AI-first. Program mentoring bisa mempertemukan penerjemah baru dengan penerjemah berpengalaman bukan hanya untuk membicarakan tarif dan mencari klien, tetapi juga untuk melihat bagaimana keputusan penerjemahan dibuat. Kegiatan pengembangan profesi sesekali bisa mengajak penerjemah mengerjakan teks tanpa MT atau AI, lalu membandingkan proses dan hasilnya ketika teknologi digunakan.
Mungkin kita bahkan membutuhkan latihan yang sengaja tidak efisien. Kedengarannya memang aneh di tengah industri yang hampir selalu berbicara tentang produktivitas. Tetapi bekerja dan berlatih mempunyai tujuan berbeda. Di gym kita sengaja mengangkat beban yang sebenarnya tidak perlu dipindahkan ke mana-mana. Tujuannya memang bukan memindahkan beban; tujuannya melatih otot.
Mungkin “otot menerjemahkan” juga demikian.
