Kebutuhan Tenaga Kerja di Era Kecerdasan Buatan

sumber : ilustrasi AI

Selama bertahun-tahun, perencanaan kebutuhan tenaga kerja didasarkan pada pola yang cukup konsisten, seperti data sejarah jumlah staf, tingkat pergantian karyawan, pertumbuhan perusahaan, dan rencana untuk ekspansi. Kehadiran kecerdasan buatan mulai merubah dasar-dasar asumsi tersebut. Dengan beberapa tugas yang dapat diotomatisasi dalam waktu yang singkat, estimasi yang didasarkan pada tren masa lalu menjadi berkurang keandalannya. Teknik tradisional seperti analisis tren, rasio efisiensi, dan regresi sederhana mengandalkan hubungan yang konstan antara volume pekerjaan dan jumlah tenaga kerja, padahal AI sedang mengubah dinamika tersebut. Seorang analis yang didukung oleh teknologi AI sekarang mampu menangani beban kerja yang sebelumnya memerlukan tiga orang, sementara peran baru muncul di sektor yang tidak memiliki catatan sejarah, seperti pengawasan model, pengelolaan data, dan rekayasa prompt. Akibatnya, para peramal dalam pengelolaan sumber daya manusia menghadapi dua tantangan bersamaan: risiko kelebihan perekrutan untuk posisi yang bisa mengecil, dan kekurangan tenaga profesional untuk posisi yang berkembang pesat.

Penyesuaian yang pertama adalah mengalihkan fokus analisis dari posisi jabatan menuju aspek tugas. Daripada memprediksi jumlah pegawai berdasarkan jabatan, organisasi seharusnya menganalisis setiap pekerjaan menjadi serangkaian tugas, lalu mengevaluasi tingkat automasi masing-masing tugas, jumlah waktu yang diperlukan, dan kontribusinya terhadap hasil bisnis. Metode ini mengindikasikan bahwa sebagian besar pekerjaan tidak benar-benar hilang, tetapi mengalami perubahan struktur: tugas-tugas rutin menjadi semakin sedikit, sedangkan tugas-tugas yang memerlukan penilaian, empati, dan kreativitas menjadi bagian yang dominan.

Dari sudut pandang teknik, terdapat beberapa metode yang harus diterapkan. Perencanaan skenario memberikan kesempatan bagi organisasi untuk menyusun beberapa kemungkinan penerapan AI, seperti secara lambat, moderat, dan agresif, sehingga hasilnya menjadi lebih realistis dalam menghadapi ketidakpastian ketimbang hanya satu angka tunggal. Pemodelan kapasitas harus menyertakan peningkatan efisiensi yang disebabkan oleh AI sebagai variabel yang jelas, yang diperbarui berdasar hasil pengujian nyata, bukan sekadar klaim dari pihak penjual. Analisis kesenjangan keterampilan melakukan perbandingan antara kemampuan saat ini dengan kebutuhan dalam tiga hingga lima tahun mendatang, kemudian menentukan apakah kekurangan tersebut akan terpenuhi melalui pelatihan ulang, rekrutmen, atau kolaborasi. Analitik prediktif menggunakan data internal seperti pola pengunduran diri dan pergerakan karyawan untuk memproyeksikan ketersediaan talenta, sambil terus memantau adanya bias dalam model tersebut. Terakhir, peramalan bergulir dengan evaluasi triwulanan mengganti siklus tahunan yang kaku, agar rencana dapat beradaptasi dengan cepat terhadap perubahan teknologi.

Meskipun kecerdasan buatan mengakselerasi analisis data, pilihan mengenai skema organisasi tetap berkaitan dengan nilai dan dampak sosial. Para pemimpin sumber daya manusia harus bekerja sama dengan manajer operasional, tim teknologi informasi, serta departemen keuangan agar asumsi mengenai otomatisasi bisa diterima secara realistis. Keterbukaan kepada karyawan juga sangat vital, sebab rencana untuk pelatihan ulang yang disampaikan lebih awal cenderung mempertahankan kepercayaan dan menurunkan tingkat perlawanan. Dari sudut pandang etika, penerapan algoritma dalam pengambilan keputusan terkait pekerjaan memerlukan ketelitian, sebab data yang tidak seimbang bisa memunculkan ramalan yang merugikan bagi kelompok tertentu. Organisasi perlu melakukan evaluasi model secara rutin, melindungi privasi data karyawan, dan memastikan ada supervisi manusia sebelum ramalan dijadikan keputusan untuk merekrut atau memutuskan hubungan kerja.

Era AI tidak menghilangkan pentingnya perencanaan sumber daya manusia, melainkan memerlukan pendekatan yang lebih fleksibel. Peramalan yang tepat saat ini lebih mengutamakan tugas daripada hanya posisi; menggunakan skenario sebagai acuan, bukan hanya satu angka; dan harus dilakukan dengan frekuensi yang lebih tinggi. Perusahaan yang dapat menggabungkan data, elemen manusia, serta komitmen pada peningkatan kemampuan akan lebih siap untuk menghadapi perubahan dalam pasar tenaga kerja yang sedang terjadi.