Ringkasan Eksekutif
Riset ini memakai korpus perekrutan Hacker News yang sama untuk Mei 2025 dan Mei 2026 seperti laporan RTO Index, tetapi dibaca dari sudut pandang yang berbeda: seberapa sering perusahaan menyebut alat AI, kemampuan LLM, workflow agentic, dan syarat terkait di teks lowongan.
Penetrasi AI ketat naik dari 23,5% pada Mei 2025 menjadi 35,6% pada Mei 2026. Sederhananya, sekitar satu dari empat posting perekrutan di HN menyebut tool AI atau konsep LLM yang spesifik setahun lalu; pada Mei 2026, lebih dari satu dari tiga sudah menyebutkannya.
Perubahan paling penting bukan cuma frekuensinya. AI yang bersifat Required naik dari 1,7% menjadi 4,1%, sementara AI yang Preferred hampir tidak berubah. Ini menunjukkan bahwa bahasa AI mulai bergeser dari sinyal tambahan yang “bagus kalau ada” menjadi bagian dari syarat wajib dalam rekrutmen teknis.
Komposisi kata kunci juga berubah. "Agentic" menjadi kata kunci teratas di sampel 2026, dan Claude plus Claude Code secara gabungan melampaui Cursor dan Copilot dalam penyebutan tool yang disebut namanya. Bagi pemasaran developer, rekrutmen, dan perencanaan karier, ini sinyal yang berguna bahwa kelancaran dalam workflow AI mulai jadi bagian dari stack engineering arus utama.
Coba Thunderbit untuk web scraping berbasis AI
Temuan yang Paling Mudah Dibagikan
- Penyebutan AI ketat naik dari 23,5% ke 35,6%, kenaikan 12,1 poin persentase.
- Penyebutan AI longgar naik dari 29,5% ke 39,1%.
- AI yang Required lebih dari dua kali lipat, dari 1,7% ke 4,1%.
- AI yang Preferred hampir tidak bergerak, dari 3,0% ke 3,5%, jadi kenaikan pada Required makin bermakna.
- "Agentic" naik dari 7 penyebutan menjadi 30 dan jadi kata kunci teratas 2026.
- Claude muncul 18 kali dan Claude Code 11 kali pada 2026; kalau digabung, totalnya 29 penyebutan.
- Peran engineering mendorong pergerakan utama, dengan penetrasi kata kunci AI naik dari 22,1% ke 36,3%.
Ada perbedaan besar antara perusahaan yang bilang "kami antusias dengan AI" dan perusahaan yang benar-benar menulis alat AI di deskripsi pekerjaan yang harus dipenuhi kandidat. Yang pertama itu posisi branding. Yang kedua adalah sinyal operasional. Laporan ini fokus pada bukti jenis kedua: kata-kata yang dipakai perusahaan saat mereka mencoba merekrut orang teknis di forum publik yang isinya banyak engineer.
Perbedaan ini penting buat pembaca blog karena data adopsi AI sering kali berisik. LinkedIn dan Indeed bisa menunjukkan pertumbuhan bahasa AI yang sangat cepat, tetapi job board juga punya insentif untuk keyword stuffing. Blog perusahaan bisa terdengar ambisius tanpa benar-benar membuktikan banyak hal soal pekerjaan harian. Hacker News memang sampelnya lebih kecil dan lebih bias, tapi bahasanya cenderung lebih lugas dan langsung. Founder atau engineer yang posting di sana biasanya ingin menarik sesama profesional, bukan mengoptimalkan algoritma pencarian recruiter.
Jadi, inti beritanya bukan sekadar kata-kata AI makin sering muncul. Cerita yang lebih tajam adalah bahasa AI naik kelas dalam hierarki teks perekrutan: dari minat umum, ke tool yang disebut namanya, lalu ke syarat wajib. Itulah jenis pergeseran yang bisa dipakai pembaca saat memikirkan karier, tooling developer, rekrutmen, atau gelombang berikutnya dalam konten B2B.
Hacker News menjalankan thread perekrutan tetap pada tanggal 1 setiap bulan — "Ask HN: Who is hiring?". Perusahaan mengirim komentar rekrutmen dengan format company | role | location | REMOTE/HYBRID/ONSITE | description. Kami mengambil thread Mei 2025 dan Mei 2026, total 619 komentar perekrutan, lalu memindai penyebutan tool AI spesifik dan kata kunci kemampuan terkait.
Hasil utamanya sederhana: dalam dua belas bulan, penyebutan tool AI dalam teks perekrutan naik dari 23,5% menjadi 35,6%. Itu kenaikan absolut 12 poin persentase, atau sekitar 51% secara relatif. Dari semua laporan tren yang pernah kami buat, ini salah satu perubahan struktural tercepat dalam rentang waktu yang sebanding — kira-kira empat kali lebih cepat daripada pergeseran hybrid-vs-remote +3,3 pp yang didokumentasikan di laporan RTO Index 2026 yang berdekatan.
Namun angka 12 pp itu sendiri bukan bagian paling menarik. Ada tiga hal di bawahnya.
Pertama, "Required AI" berlipat ganda. Posting yang secara eksplisit menulis required / must have / experience with X AI tool naik dari 1,7% pada Mei 2025 menjadi 4,1% pada Mei 2026 — 5 menjadi 13 posting dengan penyebut yang sama. Proporsi perusahaan yang memperlakukan AI sebagai keharusan dalam kriteria rekrutmen lebih dari dua kali lipat. Posisi AI dalam deskripsi kerja bergeser dari "bonus kalau ada" menjadi "syarat keras sejak hari pertama."
Kedua, "agentic" dari nyaris tidak ada menjadi #1. Pada thread Mei 2025, kata "agentic" hanya muncul 7 kali, hampir tidak masuk 20 besar. Pada Mei 2026, kata itu muncul 30 kali dan meraih posisi #1. "Agentic" — AI agent / workflow agentic — berubah dari jargon riset menjadi kosakata standar dalam teks perekrutan hanya dalam dua belas bulan. Dalam empat gelombang teknologi terakhir (big data, blockchain, Web3, dan LLM itu sendiri), tidak ada konsep yang beralih secepat ini. Pendorongnya jelas — Anthropic memosisikan ulang Claude sebagai "agent that uses tools," OpenAI merilis Computer Use dan demo agent GPT-5, batch Y Combinator W26 sangat banyak diisi startup yang bersifat "agentic". Narasi teknis meledak dari akhir 2024 hingga pertengahan 2025, dan thread Mei 2026 adalah sampel saat gelombang itu sampai ke rekrutmen.
Ketiga, Claude memimpin jumlah tool yang disebut namanya, lebih dari 2x Cursor dan Copilot. "Claude" muncul 18 kali pada Mei 2026 (vs 3 kali pada Mei 2025 — naik 4,5x). "Claude Code" muncul terpisah 11 kali lagi; kalau digabung, totalnya 29 penyebutan. Cursor berada di angka 8, Copilot 6. Copilot adalah pemain lama di kategori ini — GitHub meluncurkannya pada 2021, dan lima tahun kehadiran telah membangun pengenalan arus utama di kalangan engineer. Namun dalam teks perekrutan HN — sampel engineer yang menulis untuk engineer lain — Claude milik Anthropic sudah melampauinya. Kalau Anda melakukan pemasaran developer, penetrasi Anthropic jauh lebih dalam daripada yang terlihat di permukaan. Sinyal ini tidak tampak di LinkedIn atau Indeed (karena sampel itu dipenuhi SEO dari semua vendor sekaligus); sinyal ini hanya muncul pada register antarorang seperti HN.
Kalau ketiga pengamatan itu digabung, datanya bercerita satu hal: narasi AI dalam perekrutan sedang bergeser dari "kami ingin melakukan AI" menjadi "kami sudah melakukan AI, Anda perlu fasih." Dari sisi kata kerja, "build with," "automate via," "use" makin sering muncul; sedangkan "explore," "research," "prototype" makin menurun. Dari sisi tool, ekosistem Claude milik Anthropic (Claude + Claude Code + framework agentic) mulai menantang posisi OpenAI di benak developer. Di bawah ini kita bahas tiap lapisnya.
1. Secara Keseluruhan: 24% ke 36%
Kami memindai seluruh teks 619 komentar perekrutan menggunakan kamus kata kunci AI publik (daftar lengkap di bawah). Temuan diklasifikasikan ke empat tingkat, dari longgar ke ketat:
- Longgar: kata kunci apa pun yang terkait AI (termasuk istilah umum seperti "machine learning")
- Ketat: tool AI spesifik (Claude / Cursor / Copilot / OpenAI / Midjourney) atau istilah kategori LLM (GenAI / LLM / RAG / agentic)
- Required: temuan ketat + konteks berisi
required / must have / experience with - Preferred: temuan ketat + konteks berisi
nice to have / preferred / bonus
| Metrik | 2025-05 | 2026-05 | YoY (pp) |
|---|---|---|---|
| Penyebutan AI longgar | 29,5% (89) | 39,1% (124) | +9,6 |
| Penyebutan AI ketat | 23,5% (71) | 35,6% (113) | +12,1 |
| AI Required | 1,7% (5) | 4,1% (13) | +2,4 |
| AI Preferred | 3,0% (9) | 3,5% (11) | +0,5 |
Baris yang paling informatif adalah Strict — karena menyaring positif palsu dari istilah luas seperti "machine learning." Dalam dua belas bulan, Strict bergerak dari 23,5% ke 35,6%, naik absolut 12,1 pp, atau sekitar 51% secara relatif. Dalam bahasa sederhana: setahun lalu, kira-kira 1 dari 4 posting perekrutan HN secara eksplisit menyebut tool AI seperti Claude / Cursor / Copilot / LLM / RAG. Sekarang, lebih dari 1 dari 3.
Baris Required menceritakan versi yang lebih tajam dari kisah yang sama. 5 menjadi 13 posting — kecil secara absolut, tetapi besar dalam implikasi. Menyebut tool AI di bagian must-have berarti tool itu sudah tertanam dalam workflow, bukan cuma aspirasi. "Required" berlipat ganda, lebih cepat daripada Loose dan Strict, yang jadi sinyal paling bersih bahwa tool AI berpindah dari narasi rekrutmen ke ekspektasi proses kerja yang nyata.
Preferred hampir tidak bergerak, dan itu sendiri sebuah sinyal. Kalau seluruh gelombang AI cuma soal "tambahkan kata AI ke copy perekrutan," maka Preferred seharusnya naik seiring Required — "akan lebih bagus kalau Anda tahu tool AI, itu nilai plus." Preferred cuma naik +0,5 pp sementara Required naik +2,4 pp. Tool AI tidak sekadar lebih sering disebut; ia sedang naik kelas dalam hierarki persyaratan, dari nice-to-have menjadi must-have.
2. Kata AI Mana yang Disebut: agentic, Claude, LLM Memimpin
Diurutkan berdasarkan jumlah penyebutan, 12 kata kunci AI teratas di thread 2026-05:
| Peringkat | Kata kunci | 2026-05 | 2025-05 | Tipe |
|---|---|---|---|---|
| 1 | agentic | 30 | 7 | Konsep baru |
| 2 | LLM | 24 | 16 | Kemampuan |
| 3 | LLMs | 19 | 23 | Kemampuan |
| 4 | Claude | 18 | 3 | Tool / merek |
| 5 | AI agents | 15 | 14 | Konsep baru |
| 6 | AI-native | 12 | 4 | Konsep baru |
| 7 | Claude Code | 11 | 0 | Tool / merek |
| 8 | RAG | 10 | 6 | Kemampuan |
| 9 | AI tools | 8 | 5 | Kemampuan |
| 10 | Cursor | 8 | 0 | Tool / merek |
| 11 | Copilot | 6 | 3 | Tool / merek |
| 12 | OpenAI | 6 | 8 | Tool / merek |
Beberapa catatan penting.
"agentic" melonjak dari 7 ke 30 — pemenang kategori konsep baru. Setahun lalu hampir tidak ada yang memakainya dalam rekrutmen HN; sekarang jadi #1. "Agentic" — AI agent / workflow agentic — berubah dari jargon riset menjadi kosakata perekrutan standar hanya dalam dua belas bulan. Empat gelombang teknologi terakhir (big data, blockchain, Web3, LLM itu sendiri) tidak menunjukkan kecepatan penetrasi seperti ini dalam satu tahun. Pendorongnya jelas: Anthropic memosisikan Claude sebagai "agent that uses tools," OpenAI merilis Computer Use dan demo agent GPT-5, batch Y Combinator W26 banyak diisi startup agentic. Narasi teknis meledak dari akhir 2024 ke pertengahan 2025, dan thread Mei 2026 adalah sampel tepat saat itu masuk ke teks perekrutan.
Claude memimpin penyebutan tool yang disebut namanya. 18 penyebutan ditambah Claude Code 11 lagi, total gabungan 29. Cursor 8, Copilot 6. Copilot adalah incumbent — GitHub meluncurkannya pada 2021, dan lima tahun mindshare seharusnya berarti dominasi. Namun dalam teks perekrutan HN — engineer menulis untuk engineer — ekosistem Claude milik Anthropic sudah melampauinya. Kalau Anda melakukan pemasaran developer, kedalaman penetrasi Anthropic jauh lebih besar daripada yang tampak dari permukaan. Sinyal ini tidak terlihat di LinkedIn atau Indeed (yang dipenuhi SEO dari semua vendor); sinyal ini muncul hanya di register antarorang seperti HN.
"LLM" + "LLMs" jika digabung: 43 penyebutan. Kategori kemampuan terbesar dengan selisih yang jelas. "Bekerja dengan LLM" sudah jadi konteks dasar yang tak lagi perlu dijelaskan — bagi kandidat engineering 2026, ini setara dengan "Anda harus tahu git" pada 2018.
"AI-native" mencapai 12, naik dari 4. Ini kata kunci budaya/organisasi — perusahaan bukan cuma ingin kandidat yang paham tool, tapi kandidat yang model mental default-nya AI-first. Fakta bahwa kata ini muncul dalam teks perekrutan adalah sinyal kematangan: pasar sudah bergeser dari "rekrut orang yang tahu AI" menjadi "rekrut orang yang menjadikan AI sebagai workflow default."
"RAG" di angka 10, naik dari 6. Retrieval-Augmented Generation adalah jargon riset pada 2024; pada 2026, istilah ini sudah masuk poin-poin JD sebagai syarat engineering yang eksplisit. Vector database dan retrieval pipeline kini sudah berada di sistem produksi nyata banyak perusahaan.
3. Siapa yang Menulis "Required AI" di HN: Daftar 13 Perusahaan
Pada thread 2026-05, ada 13 perusahaan yang secara eksplisit memasangkan required / must have / experience with dengan kata kunci tool AI. Daftar lengkap ada di chart; berikut sampel representatif:
- We The Flywheel (Role: Eng) — JD secara eksplisit mewajibkan:
Claude;Claude Code;Cursor - SEEKING FREELANCER (Role: Eng) — JD secara eksplisit mewajibkan:
Cursor;Lovable - Pathos AI (Role: Eng) — JD secara eksplisit mewajibkan:
OpenAI - Brandfetch (https://brandfetch.com) (Role: Eng) — JD secara eksplisit mewajibkan:
LLM;AI agent - Dablam (Role: Eng) — JD secara eksplisit mewajibkan:
AI agents - Starbridge (Role: Eng) — JD secara eksplisit mewajibkan:
Anthropic;OpenAI;Gemini;LangChain;LlamaIndex - INDATA (Role: Eng) — JD secara eksplisit mewajibkan:
Claude;Claude Code;Anthropic;OpenAI;Copilot;Cursor - BIT Capital (Role: Eng) — JD secara eksplisit mewajibkan:
LLM;RAG;agentic
Baca profilnya. INDATA ingin Claude / Claude Code / Anthropic / OpenAI / Copilot / Cursor — stack tool AI lengkap sebagai ekspektasi sejak hari pertama, bukan sekadar "tolong familiar dengan AI." Starbridge mencantumkan Anthropic / OpenAI / Gemini / LangChain / LlamaIndex — API model plus framework retrieval. We The Flywheel meminta Claude + Claude Code + Cursor — pure coding-agent stack.
Perusahaan-perusahaan ini punya pola yang sama: mereka memilih kanal publik seperti HN untuk merekrut, dan mereka memilih menulis tool AI di bagian must-have. Dua pilihan ini sama-sama penting. Posting di HN lebih berat daripada di LinkedIn — kamu perlu akun, posting terlihat publik oleh sesama profesional, dan segala klaim yang berlebihan bisa langsung dipertanyakan di komentar. Seleksi mandiri melalui filter ini berarti perusahaan yang masih mau menulis Required AI kemungkinan besar memang benar-benar bergantung pada workflow dan tool yang disebutkan, bukan cuma mengisi kata kunci.
Bagi operator DTC, pemasaran SaaS, dan profesional employer branding, kegunaan lanjut dari daftar ini adalah sebagai referensi: narasi employer brand "AI fluent" sekarang bisa diuji secara empiris. Mengatakan "kami menggunakan AI" saja tidak cukup — apakah lowonganmu berani menulis Required plus nama tool spesifik justru menunjukkan seberapa dalam AI dipakai di timmu. Halaman karier yang bilang "kami perusahaan AI-first" tapi tidak menyebut stack tool di JD mana pun akan terasa tidak konsisten di mata kandidat.
4. Engineering Naik dari 22% ke 36% Penetrasi Kata Kunci AI
Berdasarkan bucket role, tingkat kemunculan AI untuk 2026-05 (hanya bucket dengan ≥3 posting):
| Bucket role | Total | AI hits | Tingkat hit | Tingkat 2025-05 |
|---|---|---|---|---|
| Founding | 5 | 4 | 80,0% | 100,0% |
| Ops | 6 | 3 | 50,0% | 40,0% |
| Marketing | 8 | 4 | 50,0% | 16,7% |
| AI/Research | 8 | 3 | 37,5% | 33,3% |
| Eng | 237 | 86 | 36,3% | 22,1% |
| Other | 46 | 11 | 23,9% | 21,1% |
| Sales | 3 | 0 | 0,0% | 0,0% |
Beberapa catatan.
Engineering adalah cerita sebenarnya. 74,8% dari sampel (237 posting). Tingkat AI hit-nya naik dari 22,1% pada Mei 2025 menjadi 36,3% pada Mei 2026 — naik absolut +14 pp. Setiap klaim makro tentang "penetrasi AI" di laporan ini terutama bertumpu pada baris ini. Kira-kira satu dari setiap tiga posting software engineering kini secara eksplisit merujuk pada kata kunci AI — perubahan struktural terbesar dalam teks perekrutan software selama 12 bulan terakhir.
Bucket AI/Research hanya berisi 8 posting dengan tingkat hit 37,5% — lebih rendah daripada Engineering. Ini terlihat berlawanan dengan intuisi. Secara teori, "AI Research / AI Engineer" seharusnya mendekati 100%. Alasannya tidak demikian karena JD di bucket ini memakai kosakata teknis yang sangat spesifik ("transformer architecture / attention mechanism / pretraining objective") yang tidak tercakup dalam dictionary kami. Ukuran sampel yang kecil juga menambah noise. Jangan baca ini sebagai "perekrutan AI research lebih jarang memakai kata AI" — ini adalah gap cakupan classifier, bukan fenomena industri.
Bucket Founding (founding engineer / Chief of Staff / VP-level) mencapai 80% pada 2026 — 4 dari 5 posting sampel. Ini mencerminkan bagaimana JD untuk peran founding ditulis secara luas — "founding engineer perlu memakai banyak topi termasuk tooling AI." Tapi 5 sampel terlalu sedikit untuk ditafsirkan berlebihan.
Marketing / Ops di 6-8 posting masing-masing, tingkat hit sekitar 50%. Terlihat tinggi; sebagian besar efek ukuran sampel. Dalam sampel yang lebih besar bucket ini kemungkinan akan normal kembali ke kisaran 30-40%. Sampelnya terlalu sedikit untuk posting Marketing / Sales / Ops / HR agar bisa menyimpulkan hal spesifik per role; jangan pakai bucket ini untuk klaim level role.
Satu-satunya kesimpulan level role yang aman dikutip: penetrasi kata kunci AI pada Engineering naik dari 22% ke 36%. Sampelnya cukup besar; perubahannya cukup besar; bucket lain terlalu kecil untuk mendukung pernyataan yang kuat.
5. Mengapa Ini Penting, dan Batasnya di Mana
Selama 18 bulan terakhir, perdebatan soal "apakah AI benar-benar mengubah perekrutan" terbelah menjadi dua kubu.
Kubu optimistis mengutip laporan LinkedIn / Indeed — frekuensi keyword GenAI meledak (LinkedIn Economic Graph menyebut 21x YoY; Indeed Hiring Lab menyebut +330% YoY). Kubu skeptis membalas bahwa angka-angka ini mencerminkan "perusahaan menjejalkan keyword AI ke JD demi SEO" ketimbang penggunaan nyata di tempat kerja.
Nilai HN sebagai sampel adalah bahwa ia tidak dioptimalkan untuk SEO / algoritma platform perekrutan. Komentar HN ditulis oleh engineer dan founder untuk sesama mereka — tanpa padding keyword ala LinkedIn, tanpa permainan CPC seperti Indeed, tanpa template recruiter. Setiap komentar dipantau, dibalas, dan dipertanyakan secara real time oleh pembaca HN. Filter peer-review publik ini membuat teks perekrutan HN jadi sampel yang relatif bersih untuk permintaan employer yang sesungguhnya.
Kalau sampel terfilter seperti ini menunjukkan kenaikan Strict AI +12 pp dalam dua belas bulan, itu sinyal kuat bahwa permintaan nyata memang ada — bukan efek algoritma platform.
Tetapi batas sampelnya harus diberi label jujur. HN adalah komunitas developer / early-engineering / startup — sangat condong ke early adopter AI. Engineering membentuk 74,8% sampel; representativitas untuk Sales / Marketing / HR / Finance / Legal lemah. Industri tradisional (keuangan besar, manufaktur, ritel, kesehatan, pendidikan) menunjukkan penetrasi keyword AI yang jauh lebih rendah; sebagian besar perusahaan itu memang tidak merekrut di HN.
Jadi laporan ini tidak bisa dibaca sebagai "penetrasi AI di pasar tenaga kerja AS sebesar 35,6%" — yang benar adalah "dalam sampel developer / startup yang dipilih sendiri di HN, penetrasi keyword AI dalam teks perekrutan adalah 35,6%." Perbedaannya besar.
6. Panduan Praktis untuk Ops, Konten, dan Rekrutmen
Berikut cara menerjemahkan data ini ke tindakan untuk siapa pun yang pekerjaannya bersinggungan dengan area ini.
Pemasaran developer dan employer brand. Pindahkan "familiar dengan tool AI" dari bagian nice-to-have di halaman karier ke ekspektasi hari pertama. Tingkat hit Strict 35,6% adalah baseline dari rekan selevelmu — kalau visibilitas tool AI di halaman kariermu jauh di bawah itu, kamu akan kalah bersaing dengan perusahaan selevel yang terlihat fasih AI. Tindakan konkret: di bagian "What you'll work with," cantumkan tool AI spesifik dengan nama (Claude + Cursor + LangChain + ...), bukan frasa kabur seperti "modern AI tools."
Posisi produk SaaS / tooling. Jendela pasar untuk produk yang mendukung workflow AI sedang terbuka lebar. "Agentic" naik dari 7 menjadi 30 penyebutan, artinya infrastruktur agentic / orchestration / observability punya bukti sisi permintaan yang nyata dalam teks perekrutan. Narasi GTM untuk kategori produk ini sekarang bisa bertumpu pada data HN sebagai jangkar empiris, bukan cuma pada dokumen visi Anthropic dan OpenAI.
Konten B2B dan SEO. Pencarian long-tail "Claude vs Copilot vs Cursor" meningkat cukup terasa selama 18 bulan terakhir. Daftar keyword teratas dalam laporan ini adalah jangkar keyword alami untuk perencanaan editorial. "Agentic" masih lahan SEO yang hijau — 2026 masih cukup awal untuk membangun halaman otoritatif tentang workflow agentic ("How to build agentic workflows" / "Agentic vs traditional automation" / dll.). Keunggulan pionir masih bekerja di jalur ini karena SERP belum dikuasai konten dominan.
Praktik rekrutmen. Tiru gaya posting HN — tulis Required plus nama tool spesifik alih-alih "pengalaman tool AI preferred." Sampel 13 perusahaan dalam laporan ini (INDATA, Starbridge, We The Flywheel, dll.) menunjukkan pola "Required + named stack" yang sangat jelas. Selain akurasi sinyal kandidat, gaya ini juga memungkinkan kamu memverifikasi kandidat langsung saat wawancara — "Kamu bilang pakai Cursor; sudah berapa banyak codebase produksi yang kamu ship dengannya?"
Pelacakan longitudinal. Daftar keyword teratas + daftar perusahaan Required ini bisa dijalankan ulang tiap kuartal — HN Firebase API sepenuhnya publik, pemeliharaan dictionary murah, dan hasilnya berfungsi sebagai dashboard penetrasi AI di pasar perekrutan. Ritme kuartalan memberi update tren yang bisa dipublikasikan setiap siklus tanpa perlu anggaran pembelian data besar.
7. Pemeriksaan Stabilitas & Cross-Reference dengan Dataset Sebaya
Setiap laporan tren wajar memunculkan pertanyaan: apakah pergeseran 12 pp ini nyata atau cuma noise? Ada tiga pemeriksaan.
Ukuran sampel stabil. Total 2025-05: 302. 2026-05: 317. Selisih hanya 15 posting. Penyebut yang stabil berarti perubahan proporsi mencerminkan restrukturisasi pembilang yang nyata, bukan pergeseran denominator.
Loose dan Strict bergerak searah, dengan Strict lebih cepat. Loose +9,6 pp, Strict +12,1 pp. Arah sama, Strict bergerak lebih cepat, artinya kenaikan ini bukan cuma "lebih banyak kata AI" — melainkan secara spesifik "lebih banyak tool bernama dan LLM bernama." Ini menyingkirkan kemungkinan bahwa kata-kata kabur menyebabkan angka loose naik.
Required bergerak lebih cepat daripada Preferred. Required +2,4 pp (≈2,4x), Preferred +0,5 pp (hampir datar). Tool AI tidak disebut lebih santai — ia naik kelas dari nice-to-have menjadi must-have. Ini sinyal paling bersih bahwa AI bergeser dari skill bonus menjadi ekspektasi dasar.
Cross-reference data sebaya:
| Sumber | Cakupan | Bacaan umum (2024-2025) |
|---|---|---|
| LinkedIn Economic Graph | JD LinkedIn global | Pertumbuhan peran bertag GenAI ~21x YoY (2023-2024) |
| Indeed Hiring Lab | JD Indeed AS | Frekuensi keyword GenAI +330% YoY di semua JD |
| Stanford AI Index 2025 | Komposit perekrutan AI global | Peran kelas AI 1,7% (2024) → 2,5% (2025) |
| Laporan ini (HN Who's Hiring) | Komunitas dev HN, 619 posting | Penyebutan AI ketat 23,5% → 35,6% (+12,1 pp) |
Ini tidak saling bertentangan. LinkedIn / Indeed dengan "GenAI 21x / 330%" merujuk pada peran GenAI khusus (AI Engineer / ML Engineer) — penyebut kecil menghasilkan kelipatan dramatis. Laporan ini mengukur penetrasi keyword AI yang lebih luas di semua JD — penyebut lebih besar, pergerakan absolut lebih moderat, tetapi ceritanya jauh lebih luas. Stanford AI Index 2025 dengan "peran kelas AI 1,7% → 2,5%" adalah share peran khusus, mendekati "AI Required" kami (1,7% → 4,1%) tetapi dengan penyebut berbeda. Banyak sumber independen menunjuk tren dasar yang sama, hanya dipotong dari sudut yang berbeda.
Metodologi
Sumber data: Hacker News Firebase API (https://hacker-news.firebaseio.com/v0/item/{id}.json). Thread yang dibandingkan: Mei 2025 (item id 43858554) dan Mei 2026 (item id 47975571). Setiap komentar level atas diperlakukan sebagai satu posting perekrutan (konvensi HN). Korpus 619 posting yang sama seperti laporan Return to Office Index 2026 — sumber datanya identik, hanya lensa analisisnya berbeda. Tanggal snapshot 2026-05-12 (UTC).
Bias komunitas HN (peringatan paling penting): komunitas perekrutan HN didominasi developer, tim engineering tahap awal, dan startup yang sudah mengadopsi AI. Laporan ini tidak bisa dibaca sebagai tren AI perekrutan AS atau global. Industri tradisional (keuangan besar, manufaktur, ritel, kesehatan, pendidikan) menunjukkan penetrasi keyword AI jauh lebih rendah; sebagian besar memang tidak merekrut di HN.
Bucket engineering dominan 74,8%: temuan tentang peran Engineering sangat kuat; temuan tentang Sales / Marketing / Ops / HR tidak (setiap bucket N < 10). Semua kesimpulan spesifik role dalam laporan ini hanya berlaku dengan percaya diri untuk Engineering. Bucket lain terlalu kecil untuk mendukung pernyataan yang kuat.
Teks JD ≠ persyaratan kerja aktual: JD mengandung bumbu pemasaran — "familiar with Copilot" bisa jadi padding keyword HR, bukan syarat kerja hari pertama. Angka-angka di sini menggambarkan "kehadiran keyword dalam teks JD," bukan penggunaan AI di tempat kerja secara langsung. Keduanya berkorelasi, tetapi tidak identik.
Akurasi Required vs Preferred sekitar 75-85%: berdasarkan jendela konteks ±120 karakter, kasus di tepi bisa salah klasifikasi. Angka Required/Preferred yang dikutip harus dibaca sebagai "menurut aturan kami," bukan kebenaran absolut.
Risiko false negative dictionary v1: dictionary berpatokan pada ekosistem tool AI Mei 2026 dan bisa melewatkan tool atau istilah yang muncul di akhir 2026. Tingkat hit AI yang dilaporkan pada dasarnya adalah "tingkat hit menurut dictionary v1" — sebuah batas bawah.
Perusahaan multi-posting tidak dideduplikasi: perusahaan yang sama bisa muncul beberapa kali (terutama yang punya 10+ posting). Kami memakai "posting" sebagai penyebut, bukan "employer unik," karena pengulangan persyaratan AI yang sama adalah sinyal bermakna tentang kedalaman AI di tingkat perusahaan, dan akan hilang jika deduplikasi perusahaan dilakukan.
Legal dan hak cipta: HN API bersifat publik, read-only, dan tidak memerlukan autentikasi. Teks komentar adalah hak cipta penulis aslinya; laporan ini hanya memakai angka agregat dan analisis frekuensi keyword pendek — tidak ada kutipan komentar penuh. Perusahaan yang disebutkan (13 firma Required-AI) muncul hanya dalam konteks positif atau netral (mereka secara publik menyatakan AI sebagai syarat). Tidak ada unduhan dataset CSV/JSON mentah yang dipublikasikan; setiap angka dapat direproduksi dari HN API publik + dictionary publik.
Catatan Kehati-hatian
Apa yang TIDAK didukung oleh laporan ini:
- Bukan "semua JD AS sekarang menuntut tool AI" (sampelnya subset HN, bukan pasar tenaga kerja AS)
- Bukan "Company X tidak menggunakan tool AI" (kami tidak melacak perusahaan secara longitudinal)
- Yang bisa dipertahankan: "Di dalam thread perekrutan HN untuk 2025-05 dan 2026-05, penyebutan AI ketat naik dari 23,5% menjadi 35,6% (+12,1 pp)"
Sumber Data & Versioning
Dataset: ai_required_position_rate_2026/ (repo ini). Tanggal snapshot 2026-05-12 UTC, versi v1.0 (YoY satu titik, dictionary v1). Berbagi data HN dengan laporan Return to Office Index 2026 — keduanya bisa saling dikutip.
Apa yang Bisa Dikutip oleh Tim SEO dan Konten
Riset ini menghasilkan beberapa sudut kutipan untuk pembuka blog, callout data, posting media sosial, halaman perbandingan, dan penjelasan lanjutan:
- Penyebutan AI ketat naik dari 23,5% ke 35,6%, kenaikan 12,1 poin persentase.
- Penyebutan AI longgar naik dari 29,5% ke 39,1%.
- AI Required lebih dari dua kali lipat, dari 1,7% ke 4,1%.
- AI Preferred hampir tidak bergerak, dari 3,0% ke 3,5%, sehingga kenaikan Required jadi lebih bermakna.
- "Agentic" naik dari 7 penyebutan menjadi 30 dan jadi kata kunci teratas 2026.
- Claude muncul 18 kali dan Claude Code muncul 11 kali pada 2026; kalau digabung, totalnya 29 penyebutan.
- Peran engineering mendorong pergerakan utama, dengan penetrasi kata kunci AI naik dari 22,1% ke 36,3%.
Catatan kehati-hatian harus ikut bersama kutipan. Angka-angka ini menggambarkan sampel dan metode pengumpulan spesifik yang dipakai dalam laporan ini. Angka tersebut tidak boleh diposisikan ulang sebagai sensus pasar penuh, ukuran adopsi internal, atau klaim tentang setiap perusahaan dalam kategori tersebut.
Untuk penggunaan editorial, framing yang paling kuat adalah yang menggabungkan statistik utama dengan batas sampelnya. Itu membuat klaim lebih tahan lama dan lebih mudah dipercaya pembaca. Misalnya, tulis "dalam sampel perekrutan HN ini," "dalam pemindaian statis homepage DTC ini," atau "di seluruh sampel channel YouTube ini" sebelum menjadikan angka tersebut sebagai diskusi tren yang lebih luas.
Catatan Reprodusibilitas
Folder delivery menyertakan file proses berikut yang disalin dari paket laporan lokal asli. File-file ini disertakan agar laporan yang dipublikasikan bisa dicek terhadap skrip asli, output antara, chart, dan draft sumber yang dipakai dalam alur pelaporan.
process_files/out/analysis_stats.jsonprocess_files/out/hn_jobs_ai_parsed.csvprocess_files/scripts/01_compute_stats.pyprocess_files/scripts/02_make_figs.pyprocess_files/scripts/03_build_data_brief.pyprocess_files/scripts/04_build_report_bilingual.pyprocess_files/scripts/05_module_i_check.py
Koreksi metodologi, isu dataset, dan analisis lanjutan sangat kami sambut di support@thunderbit.com. Laporan ini didasarkan pada sinyal web publik atau API publik yang dikumpulkan pada Mei 2026 dan sebaiknya dibaca dengan batas sampel yang dijelaskan di atas.
Coba Thunderbit AI Web Scraper Get Started Free
