Gambar oleh J Studios/DigitalVision via Getty Images
Ikuti ZDNET: Tambahkan kami sebagai sumber pilihan di Google.
Poin Penting ZDNET
Karyawan membutuhkan pelatihan terstruktur untuk mempersiapkan diri menghadapi AI.
Perusahaan harus memprioritaskan peningkatan keterampilan daripada pengurangan pegawai.
Karyawan tingkat pemula tetap krusial bagi kesehatan organisasi.
Pada acara Semafor World Economy pekan ini, saya menyaksikan satu per satu moderator bertanya kepada CEO apakah AI akan menghilangkan pekerjaan. Meski sebagian besar CEO menjawab dengan argumen augmentasi — bahwa AI membantu pekerja berbuat lebih banyak, bukan menggantikan mereka — lowongan pekerjaan baru, khususnya di tingkat pemula, semakin menyusut. Di sisi lain, AI diproyeksikan dapat berkinerja kompetitif dalam banyak tugas pekerjaan pada tahun 2029.
Di luar regulasi, peningkatan keterampilan (upskilling) pekerja di bidang AI merupakan solusi kunci untuk memitigasi dampak ekonomi ini. Namun, di mana upskilling sejauh ini hanya menjadi wacana, dan di mana hal itu benar-benar terjadi secara bermakna?
Saya berbicara dengan sejumlah pemimpin di konferensi Semafor tentang langkah mereka untuk melatih ulang karyawan menghadapi masa depan yang sangat berbeda, serta metode apa yang paling efektif menurut mereka.
Area di Mana Upskilling Berjalan dengan Baik
Tanpa inisiatif dari perusahaan, pekerja dibiarkan sendiri dalam upaya meningkatkan keterampilan. Dari sisi kebijakan, AI Workforce Training Act, rancangan undang-undang bipartisan yang diperkenalkan Februari lalu, mengusulkan kredit pajak bagi perusahaan yang meningkatkan keterampilan karyawan di bidang prompt engineering, literasi data, pembelajaran mesin, etika AI, dan topik relevan lainnya. Kerangka regulasi AI terbaru dari pemerintahan Trump juga menyerukan pelatihan dan magang AI.
Namun, sebelum kebijakan mengkristal, perusahaan sendiri memiliki potensi dampak terbesar. Jajak pendapat Gallup yang diterbitkan Senin lalu menemukan bahwa dukungan manajer adalah pendorong utama adopsi AI yang sukses.
Dan Priest, Kepala Petugas AI di PwC, yang mengembangkan strategi AI dengan berbagai klien, menyatakan bahwa ia melihat beragam pendekatan upskilling di berbagai perusahaan, dari yang formal hingga informal. Terlepas dari pendekatannya, ia berpendapat kepemimpinan yang efektif secara otomatis mencakup upskilling — ini adalah strategi yang baik.
Sebagai contoh, PwC membantu perusahaan perhotelan Wyndham menciptakan sistem agen untuk menangani permintaan pelanggan, mengurangi waktu panggilan setidaknya 30%. Karyawan mempelajari cara mengawasi agen-agen tersebut. Hal itu memberi manajer lebih banyak waktu untuk melatih karyawan dalam bidang keterampilan baru, seperti cara menawarkan pengalaman yang lebih baik dan lebih melibatkan bagi tamu.
"Tujuannya bukan untuk menggantikan orang-orang itu," tegas Priest, mencatat bahwa reinvestasi Wyndham pada pekerja tersebut adalah kunci kesuksesan program.
Ia mengawasi proses serupa untuk memperbaiki alat peramalan keuangan di Lucid Motors. Menurut Priest, karyawan yang terlibat tidak berkurang pemanfaatannya atau menghadapi pemutusan hubungan kerja karena bantuan agen; inisiatif itu justru langsung mengarah pada pengembangan keterampilan baru.
Berbeda dengan beberapa klien Priest, Cisco mewajibkan upskilling AI, kata Wakil Presiden Eksekutif dan Kepala Pengalaman Pelanggan Liz Centoni.
"Ini merupakan persyaratan untuk semua orang di seluruh organisasi karena pemikirannya adalah harus ada setidaknya pemahaman inti tentang AI," ujarnya, mencatat bahwa 98% karyawan Cisco menggunakan alat AI setiap hari. Tim pembelajaran perusahaan selalu mempertahankan program untuk klien dan karyawannya sendiri, bahkan sebelum era AI; investasi teknis itu inti dari cara perusahaan beroperasi. Untuk AI, hal itu terwujud dalam pelatihan praktis, dilengkapi sistem ala karate untuk menilai penyelesaian: karyawan dapat memperoleh sabuk biru, putih, dan hijau untuk setiap modul.
Centoni mencatat bahwa, karena pekerjaan yang dilakukan timnya akan berubah seiring kemajuan AI, pendekatan Cisco terhadap upskilling termasuk memikirkan ulang pekerjaan itu sendiri.
"Lebih dari sekadar menambahkan AI pada alur kerja yang ada, bagaimana pekerjaan itu sendiri perlu berubah?" katanya.
Mihir Shukla, CEO Automation Anywhere, sepakat bahwa upskilling yang sukses memerlukan strategi untuk "bagaimana pekerjaan harus dilakukan." Itu berarti "memberikan TI otonom, rantai pasok otonom, keuangan otonom, klaim otonom, layanan kesehatan otonom, dll., pada level yang lebih tinggi daripada sekadar menaburkan AI ke tenaga kerja atau memberi mereka alat," jelasnya. Pendekatan yang berhasil membiarkan karyawan belajar dengan menggunakan agen sungguhan dalam alur kerja nyata.
"Kami baru-baru ini menantang tim teknik kami untuk membuat perangkat lunak yang sepenuhnya otonom dari ujung ke ujung, tanpa kode manusia atau karyawan mana pun yang menyentuhnya," papar Shukla.
Sesuaikan Pelatihan dengan Pengalaman
Secara internal, Priest juga menyaksikan keberhasilan upskilling karyawan di PwC — tetapi mencatat bahwa menghindari pendekatan satu-untuk-semua yang membuat perbedaan.
"Generasi berbeda dalam tenaga kerja akan merespons AI dengan cara yang berbeda," ujarnya. "Kami membuat penjelasan video singkat untuk melakukan tugas spesifik dengan AI, dan perekrutan muda sangat merespons dengan baik; mereka menyukai format itu. Tapi itu tidak bekerja untuk partner. Untuk mereka, kami mengajak mereka ke sebuah ruangan dan mendiskusikan cara mengembangkan keterampilan non-teknis mereka dengan cara baru berdasarkan apa yang ditangani AI sekarang."
Meski Priest mengatakan sebagian besar perekrutan muda menunjukkan "antusiasme" dalam mempelajari AI, para pemimpin perlu peka terhadap bagaimana keterbukaan itu bervariasi berdasarkan lama pengalaman kerja.
"Anda memiliki orang yang telah bekerja 20 tahun untuk menjadi spesialis di bidangnya, dan Anda memberi tahu mereka bahwa mereka harus mengubah semua yang telah mereka lakukan sekarang. Itu sangat sulit," catatnya. "Kepemimpinan harus menjelaskan apa yang berubah, tetapi mereka juga perlu menyatakan apa yang tetap sama."
Priest menyarankan perusahaan untuk "memilih fokus" saat melakukan upskilling: berfokus pada kelompok karyawan paling mendesak untuk mengimplementasikan AI terlebih dahulu, berdasarkan tujuan mereka. Ia tidak khawatir hal ini dapat membuat jenis pekerjaan atau karyawan tertentu tertinggal.
"Saya belum melihat kategori pekerjaan yang diabaikan," ujarnya tentang upaya upskilling, mencatat bahwa jika itu terjadi sekarang, itu hanyalah kondisi sementara.
Centoni mengatakan Cisco mengikuti pendekatan yang dipersonalisasi secara serupa.
"Berdasarkan kategori pekerjaan, ada kursus AI yang tersedia tergantung peran yang Anda jalani," jelasnya. "Kasus penggunaannya akan berbeda, jadi seberapa mendalam level yang Anda masuki?"
Prioritaskan Talenta
Serupa dengan argumen lain tentang potensi positif AI bagi pekerjaan, Centoni menyatakan bahwa upaya upskilling AI Cisco sejauh ini telah mengangkat talenta dari karyawan dengan pengetahuan institusional bertahun-tahun yang sebelumnya terkubur dalam tugas-tugas rutin.
"Masalah yang tidak bisa Anda atasi dengan prompt, pengetahuan itu hanya ada di kepala seorang insinyur," katanya. "Ketika kami menggunakan AI untuk mengotomatisasi semua hal yang bisa diotomatisasi, itu mengangkat orang-orang ini."
Melihat ruang yang dibuat AI bagi karyawannya, ia kini memikirkan ulang apa yang harus dicari dalam perekrutan masa depan, dan berfokus menciptakan lingkungan agar talenta dapat berkembang lebih besar lagi. Centoni belum memiliki jawaban, tetapi tahu hal itu akan mengubah talenta yang dicari perusahaan dan cara mereka mengevaluasi keberhasilan karyawan setelah bergabung.
Sementara Centoni tidak bersedia mengatakan apakah upskilling memitigasi PHK di Cisco, minatnya yang tinggi pada jenis orang yang masih perlu direkrut sangat jelas. Shukla mengambil pendekatan serupa.
"Setiap karyawan perlu beroperasi di tempat di mana Anda mendorong model hingga gagal, dan kemudian Anda memahami di mana nilai unik Anda berada," ujarnya. "Bagi kami, upskilling AI langsung terkait dengan pertumbuhan karier: apakah Anda bertahan di perusahaan kami selama beberapa dekade atau beberapa tahun, kami merasa bertanggung jawab untuk menumbuhkan pola pikir dalam memanfaatkan AI dan menguasai cara menggunakannya."
Priest berbagi penekanan pada talenta itu, itulah sebabnya ia tidak berpikir PHK cepat adalah jawaban untuk optimalisasi dengan AI. Perusahaan yang mendapatkan hasil, katanya, beralih ke upskilling terlebih dahulu.
"Semua berpusat pada talenta," ujarnya. "Ada alasan mengapa terjadi perang talenta di Lembah Silikon saat ini." Meski sama enggannya membicarakan PHK, Shukla setuju bahwa implementasi asal-asalan mengorbankan pengetahuan institusional dan seringkali berarti perusahaan perlu membangun kembali pekerjaan dengan biaya lebih tinggi di kemudian hari.
Ini adalah wawasan berharga mengingat betapa cepatnya beberapa perusahaan mengurangi staf atas nama AI. CEO Anthropic Dario Amodei baru-baru ini meningkatkan taruhan pada prediksi penghapusan pekerjaannya. Baru pekan ini, Snap mem-PHK 1.000 orang, sebagian mengaitkannya dengan teknologi ini; selama beberapa bulan terakhir, perusahaan teknologi besar seperti Meta, Oracle, Block, dan lainnya telah melakukan hal serupa. Meski dari luar tidak jelas apakah keputusan ini mencerminkan kemampuan AI atau sekadar koreksi terhadap pembengkakan, retorika tersebut dapat memengaruhi sektor lain yang kurang memahami AI untuk mengikuti jejak.
Menjaga manusia dalam staf juga krusial untuk mengatasi tanggung jawab hukum, catat Priest. "Kami adalah bisnis yang diatur," katanya. "Sesuatu yang salah — Anda tidak memberi tahu agen Anda, ‘Hei, Anda dalam masalah, Anda melakukan pekerjaan buruk,’ bukan? Orang yang membangun agen itulah yang bertanggung jawab." Sistem itu tidak berfungsi jika perusahaan memotong staf dalam jumlah besar dan mengalihdayakan banyak pekerjaan ke AI.
Rekrutan Tingkat Pemula Tetap Penting
Beberapa peserta konferensi Semafor mengatakan kepada saya, dengan sedikit keraguan, bahwa alat agenik membuat perekrutan junior mereka tampak usang. Bertentangan dengan aliran penelitian yang stabil yang mengkonfirmasi penurunan pekerjaan tingkat pemula, Priest menyatakan perusahaan masih perlu merekrut untuk posisi-posisi itu, terlepas dari apa yang mereka pikir dapat diotomatisasi AI.
"Sampai sekarang, struktur pekerjaan didasarkan pada piramida, bukan?" ujarnya, merujuk pada struktur tradisional dengan banyak pekerja dan lebih sedikit pemimpin di puncak. "Saya melihat struktur ideal bergerak lebih menuju jam pasir: Anda memiliki banyak perekrutan tingkat pemula di bagian bawah yang dapat dan harus Anda investasikan," dan lebih sedikit manajer menengah. Dibandingkan dengan perekrutan junior yang sangat termotivasi, mobile secara vertikal, dan lebih terjangkau, katanya, manajemen menengah bisa lebih sulit untuk dilatih ulang (reskill).
Namun, memastikan pekerja tidak hanya membongkar banyak pekerjaan ke AI juga merupakan inti dari investasi pada perekrutan muda tersebut, ia menjelaskan.
"Dengan karyawan senior, mungkin adopsinya tidak cukup, dan kemudian dengan perekrutan junior, kemungkinan terlalu banyak," ujarnya.