Oleh: Dr. Safrida, S.E., M.M
(Dosen Program Studi S2 Manajemen Institut Andi Sapada)
DISWAY, SULSEL - Perbincangan mengenai kecerdasan artifisial atau artificial intelligence (AI) selama ini sering berfokus pada kekhawatiran bahwa teknologi akan menggantikan manusia di dunia kerja. Namun, persoalan yang lebih penting bukan semata-mata berapa banyak pekerjaan yang dapat diambil alih AI, melainkan bagaimana generasi muda memperoleh pengalaman awal untuk berkembang menjadi profesional. Ketika pekerjaan rutin yang biasanya menjadi pintu masuk karier semakin diotomatisasi, jalur pembelajaran yang membentuk keterampilan, penilaian profesional, dan kepemimpinan berpotensi ikut menyempit.
International Labour Organization mencatat bahwa sekitar 22,9 persen pekerjaan di kawasan ASEAN, atau hampir 80 juta pekerja, memiliki paparan terhadap generative AI di atas tingkat minimal. Di Indonesia, proporsinya diperkirakan mencapai 21,7 persen. Angka tersebut tidak serta-merta menunjukkan bahwa seluruh pekerjaan akan hilang. Hingga saat ini, belum terdapat bukti kuat bahwa AI telah menyebabkan gangguan pasar kerja dalam skala besar. Dampak yang lebih nyata justru berupa perubahan susunan tugas dalam pekerjaan, terutama pada aktivitas administratif, penyusunan dokumen standar, komunikasi rutin, pengolahan data dasar, dan pembuatan laporan awal.
Perubahan tersebut perlu diperhatikan karena pekerjaan tingkat awal selama ini berfungsi sebagai ruang pembentukan profesional. Lulusan baru biasanya memulai karier sebagai staf administrasi, analis junior, asisten, akuntan junior, petugas layanan pelanggan, atau peneliti pemula. Melalui tugas yang relatif sederhana dan berulang, mereka belajar memahami data, membaca dokumen, menjalankan prosedur kerja, menulis laporan, berkomunikasi secara profesional, menerima koreksi, serta memperbaiki kesalahan. Dari proses itulah seseorang secara bertahap membangun kemampuan mengambil keputusan kecil sebelum dipercayakan menangani persoalan yang lebih kompleks. Oleh karena itu, pekerjaan entry-level tidak seharusnya dipahami hanya sebagai pekerjaan berproduktivitas rendah, melainkan sebagai fondasi pembelajaran dalam organisasi.
Tantangan muncul karena AI sangat mampu mengambil alih sejumlah tugas yang secara tradisional melekat pada posisi pemula. Pekerjaan clerical atau administratif termasuk kelompok yang memiliki paparan tinggi terhadap generative AI. Dalam konteks Indonesia, sekitar 93,9 persen pekerjaan clerical memiliki paparan terhadap GenAI dan 67,5 persen berada dalam kategori paparan tertinggi. Jika otomatisasi diterapkan dengan cara menghapus posisi junior tanpa membangun mekanisme pembelajaran baru, organisasi memang dapat memperoleh efisiensi dalam jangka pendek. Namun, dalam jangka panjang, organisasi berisiko kehilangan ruang untuk menciptakan calon analis, manajer, pemimpin tim, dan pengambil keputusan yang berpengalaman.
Krisis SDM pada masa mendatang karena itu tidak selalu berbentuk pengangguran massal. Risiko yang lebih nyata adalah terbentuknya kesenjangan antara kebutuhan organisasi akan tenaga kerja profesional dan terbatasnya orang yang memiliki pengalaman praktis untuk memenuhi kebutuhan tersebut. Perusahaan tetap membutuhkan kemampuan yang tidak mudah direplikasi oleh AI, seperti kecerdasan emosional, kemampuan berkolaborasi, kecepatan belajar, pertimbangan profesional, pemahaman konteks, serta pengambilan keputusan dalam kondisi yang kompleks dan tidak pasti. Namun, kemampuan tersebut tidak lahir secara instan; semuanya tumbuh melalui pengalaman, supervisi, kegagalan, perbaikan, dan tanggung jawab yang diberikan secara bertahap.
AI juga mengubah dinamika rekrutmen tenaga kerja. Saat ini, pelamar dapat menggunakan AI untuk membuat curriculum vitae, surat lamaran, presentasi, analisis, bahkan kode program. Kemudahan ini memang membantu kandidat menyusun dokumen yang lebih baik, tetapi pada saat yang sama menyulitkan perusahaan untuk membedakan antara kemampuan asli pelamar dan hasil yang dihasilkan atau diperbaiki oleh teknologi. Akibatnya, pengalaman autentik, portofolio yang dapat diverifikasi, rekomendasi profesional, dan bukti kemampuan dalam menyelesaikan masalah nyata akan semakin bernilai. Paradoksnya, ketika pengalaman tersebut semakin dibutuhkan, kesempatan pekerja muda untuk mendapatkan pengalaman pertama justru dapat berkurang apabila posisi pemula terlanjur digantikan oleh otomasi.
Karena itu, organisasi perlu mengubah cara pandang terhadap posisi pemula. Yang dibutuhkan bukan penghapusan entry-level job, melainkan pergeseran menuju entry-level learning. AI dapat digunakan untuk menjalankan tugas mekanis, seperti menghimpun data, membuat tabel awal, menyusun ringkasan, atau menyiapkan draf laporan. Namun, pekerja junior tetap perlu dilibatkan dalam memeriksa validitas data, memahami konteks, mengidentifikasi kesalahan dan risiko, menafsirkan hasil, membandingkan alternatif, serta menguji kelayakan rekomendasi. Seorang analis junior, misalnya, tidak lagi hanya bertugas mengumpulkan data secara manual, tetapi juga belajar menilai apakah data yang dihasilkan AI dapat dipercaya, apa asumsi yang mendasarinya, dan bagaimana hasil tersebut dapat digunakan secara bertanggung jawab dalam pengambilan keputusan.
Dalam model kerja semacam ini, perkembangan pekerja muda dapat dimulai dari penggunaan AI sebagai alat bantu, lalu berkembang menjadi kemampuan memverifikasi hasil AI, menafsirkan informasi berdasarkan konteks, menyelesaikan masalah yang lebih kompleks, hingga memberikan dukungan bagi pengambilan keputusan. Dengan demikian, tujuan pengelolaan SDM tidak hanya berorientasi pada otomatisasi, tetapi pada augmented learning, yaitu penggunaan AI untuk mempercepat proses belajar manusia melalui pendampingan, umpan balik, refleksi, dan peningkatan tanggung jawab secara berjenjang.
Perguruan tinggi juga memiliki peran yang sangat penting dalam mempersiapkan lulusan menghadapi perubahan ini. Mahasiswa tidak cukup hanya memiliki literasi teknologi atau kemampuan menggunakan AI untuk menyelesaikan tugas. Mereka harus mampu menggunakan AI secara produktif tanpa kehilangan kemampuan berpikir mandiri. Lulusan perlu memiliki kelancaran dalam menggunakan AI, kemampuan berpikir kritis untuk memeriksa dan mempertanyakan keluaran teknologi, penguasaan substansi bidang ilmu, pertimbangan manusiawi dalam melihat dampak dan risiko, serta kesediaan untuk bertanggung jawab atas keputusan yang dibuat. Dengan kata lain, AI dapat membantu menghasilkan jawaban, tetapi manusia tetap harus memahami alasan, konteks, keterbatasan, dan konsekuensi dari jawaban tersebut.
Perubahan ini seharusnya juga mendorong pembaruan sistem penilaian di perguruan tinggi. Penilaian tidak dapat hanya bergantung pada kualitas akhir makalah, laporan, atau presentasi karena produk tersebut berpotensi dibuat dengan bantuan AI. Mahasiswa perlu dinilai berdasarkan kemampuan menjelaskan proses berpikirnya, alasan memilih sumber dan data, cara melakukan verifikasi, kemampuan mengenali bias, ketepatan membandingkan alternatif solusi, serta kemampuan mempertanggungjawabkan rekomendasi dalam konteks kasus nyata. Penilaian yang demikian akan lebih mencerminkan kompetensi autentik yang diperlukan dalam dunia kerja.
Pada akhirnya, keberhasilan pemanfaatan AI tidak seharusnya diukur hanya dari jumlah jam kerja yang dapat dihemat atau biaya operasional yang dapat ditekan. Organisasi perlu melihat apakah kapasitas yang dibebaskan oleh AI benar-benar dialihkan menjadi peningkatan kompetensi, pengembangan inovasi, perbaikan layanan, riset, pemecahan masalah, dan kualitas pengambilan keputusan. AI yang menghemat ribuan jam kerja, tetapi tidak menghasilkan kemampuan baru maupun nilai tambah, belum tentu menciptakan transformasi yang berarti. Sebaliknya, AI dapat menjadi kekuatan strategis apabila waktu yang dihemat digunakan untuk meningkatkan kapasitas manusia dan memperkuat kualitas organisasi.