PHK massal di Tokopedia pada awal Juli 2026 menjadi perhatian luas. Laporan yang beredar menyebut ByteDance melakukan pemutusan hubungan kerja (PHK) terhadap sekitar 90 persen karyawan Tokopedia.
Divisi Teknologi, Research and Development (R&D), Trust and Safety, serta Keuangan disebut menjadi unit yang paling terdampak. ByteDance dikabarkan hanya mempertahankan sekitar 10 persen karyawan untuk menangani proyek yang masih berjalan.
Manajemen TikTok tidak membantah adanya restrukturisasi tersebut. Perusahaan hanya menyampaikan bahwa organisasi R&D sedang diselaraskan untuk mendukung pertumbuhan jangka panjang, tanpa mengungkap jumlah pasti karyawan yang terdampak.
Di balik angka PHK, terdapat perubahan yang dinilai lebih penting. Tokopedia disebut tengah dihentikan secara bertahap dan digantikan oleh Tokopedia Lite.
Versi baru ini dikabarkan menggunakan sistem back-end internal TikTok Shop, sementara antarmuka Tokopedia tetap dipertahankan.
Mengutip sumber CNBC Indonesia, lebih dari 450 karyawan teknologi terdampak dalam gelombang PHK terbaru. Sumber yang sama juga menyebut jumlah engineer yang sebelumnya mencapai sekitar 1.100 orang kini tersisa sekitar 35 orang. Sebagian besar pekerjaan mereka disebut dialihkan ke tim ByteDance di luar negeri, terutama di China.
Hipotesis Pertama: AI Agentic dari China
Pertanyaan yang kemudian muncul adalah bagaimana platform e-commerce sebesar Tokopedia, dengan puluhan juta pengguna, dapat dikelola oleh tim teknologi yang tersisa sangat sedikit.
Salah satu hipotesis yang dinilai paling kuat adalah pemanfaatan AI Agentic, yang memungkinkan efisiensi operasional pada tingkat yang sebelumnya sulit dibayangkan.
Perkembangan AI Agentic di China berlangsung sangat cepat. ByteDance sendiri memiliki Doubao, salah satu large language model (LLM) paling populer di China.
Perusahaan tersebut juga mengembangkan Trae, IDE berbasis AI untuk pemrograman, merilis UI-TARS yang mampu mengoperasikan antarmuka komputer secara mandiri, serta membangun keluarga model Seed yang difokuskan untuk coding dan reasoning.
Berbeda dengan chatbot yang hanya menjawab pertanyaan, AI Agentic mampu menyelesaikan pekerjaan dari awal hingga akhir. Teknologi ini dapat menulis kode, menguji aplikasi, memperbaiki bug, memantau sistem, menangani tiket pelanggan, hingga mendeteksi fraud dengan kebutuhan supervisi manusia yang jauh lebih kecil.
Dalam model kerja konvensional, sebuah platform e-commerce membutuhkan ratusan engineer untuk menangani pemeliharaan dan operasional harian.
Sebaliknya, pada paradigma AI Agentic, satu engineer senior yang didukung beberapa agen AI dapat mengerjakan tugas yang sebelumnya membutuhkan beberapa engineer.
