Martin Nababan 
Bagaimana Human Resources Berevolusi Menjadi Penggerak Bisnis, Pengalaman Karyawan, Keahlian, dan Kolaborasi dengan Kecerdasan Buatan
Executive Summary
Perjalanan Human Resources bukan sekadar perubahan nama dari personalia menjadi Human Resources, Human Capital, atau People and Culture. Di balik perubahan istilah tersebut terdapat pergeseran yang lebih mendasar: perubahan cara organisasi memahami manusia dan kontribusinya.
Pada awal industrialisasi, perusahaan membutuhkan ketertiban, efisiensi, dan konsistensi. Frederick Winslow Taylor, melalui teori Scientific Management, memperkenalkan cara mengukur, memecah, dan menstandardisasi pekerjaan. Pendekatan ini membantu organisasi meningkatkan produktivitas, tetapi juga membawa risiko ketika manusia diperlakukan hanya sebagai bagian dari mesin produksi.
Elton Mayo kemudian memperkenalkan perspektif Human Relations. Penelitian Hawthorne menunjukkan bahwa hubungan sosial, perhatian pimpinan, dinamika kelompok, dan rasa dihargai turut memengaruhi perilaku pekerja. Produktivitas ternyata tidak hanya ditentukan oleh prosedur dan insentif.
Ketika ekonomi semakin bergantung pada pengetahuan, Peter Drucker memperkenalkan gagasan knowledge worker. Nilai pekerja tidak lagi hanya berasal dari waktu dan tenaga, tetapi juga dari pengetahuan, kreativitas, penilaian, dan kualitas keputusannya.
Peran Human Resources selanjutnya naik kelas melalui pemikiran Dave Ulrich. HR tidak cukup menjadi pengelola administrasi. Fungsi ini harus menerjemahkan strategi bisnis menjadi kemampuan organisasi, kepemimpinan, budaya, struktur, dan talenta.
Perkembangan teknologi kemudian membawa organisasi menuju people analytics. Data rekrutmen, pembelajaran, kinerja, retensi, kompensasi, dan suksesi mulai digunakan untuk memperkuat keputusan. Namun, angka tidak selalu menjelaskan cerita manusia yang berada di baliknya.
Perhatian organisasi kemudian bergeser kepada psychological safety dan employee experience. Perusahaan menyadari bahwa produktivitas juga dipengaruhi oleh rasa aman, kualitas pimpinan, keadilan, kemudahan proses, kesempatan berkembang, dan makna pekerjaan.
Pandemi mempercepat perubahan menuju organisasi yang lebih lincah. Pekerjaan semakin banyak dilakukan melalui proyek dan tim lintas fungsi. Jabatan formal tidak lagi cukup menggambarkan seluruh kemampuan seseorang. Dari sinilah pendekatan skills-based organization semakin berkembang.
Kini, kecerdasan buatan generatif kembali mengubah pembagian tugas. AI dapat mengolah informasi, menemukan pola, menyiapkan draf, dan menangani pekerjaan berulang. Namun, manusia tetap dibutuhkan untuk menentukan tujuan, memahami konteks, menjaga hubungan, menilai risiko, dan mempertanggungjawabkan keputusan.
World Economic Forum memperkirakan sekitar 39 % keahlian inti pekerja akan berubah atau kehilangan relevansi pada periode 2025–2030. Keahlian teknologi tumbuh cepat, tetapi berpikir analitis, kreativitas, resiliensi, kepemimpinan, dan kolaborasi tetap menjadi kemampuan penting.
Masa depan pekerjaan karena itu bukan pertandingan antara manusia dan mesin. Masa depan ditentukan oleh kemampuan organisasi membangun sinergi manusia dan AI yang produktif, adil, aman, dan bertanggung jawab.
Pendahuluan
Bayangkan sebuah kantor pada akhir 1980-an.
Lemari arsip dipenuhi map karyawan. Mesin absensi berdiri di dekat pintu masuk. Surat cuti ditulis, ditandatangani, kemudian berpindah dari satu meja ke meja berikutnya. Informasi penting dikuasai oleh sedikit orang, sedangkan keputusan bergerak dari atas ke bawah.
Di tengah suasana itu, bagian personalia menjadi penjaga ketertiban. Selama gaji dibayarkan, kehadiran tercatat, data tersimpan, dan peraturan dijalankan, fungsi tersebut dianggap berhasil.
Sekarang, dunia kerja terlihat sangat berbeda.
Seorang profesional dapat menyusun laporan bersama AI, memimpin tim lintas kota, belajar melalui platform digital, dan mengikuti proyek yang tidak tercantum dalam deskripsi jabatannya. Informasi tersedia dalam jumlah besar, tetapi kemampuan membedakan informasi yang akurat dan menyesatkan justru menjadi semakin penting.
Keahlian dapat berubah lebih cepat daripada struktur organisasi. Pekerjaan yang hari ini dianggap penting dapat berubah dalam beberapa tahun, bahkan beberapa bulan. Teknologi yang dahulu hanya digunakan para ahli kini tersedia bagi hampir semua pekerja.
Perubahan tersebut membuat Human Resources tidak mungkin lagi bekerja dengan pola lama.
Human Resources harus memahami bisnis, data, teknologi, budaya, kepemimpinan, pengalaman karyawan, desain pekerjaan, perubahan keahlian, dan risiko penggunaan AI. Pada saat yang sama, fungsi ini tetap harus menjaga keadilan, kepercayaan, keamanan, dan martabat manusia.
Perjalanan tersebut tidak dibentuk oleh satu tokoh atau satu teori. Setiap era lahir dari pertemuan pemikiran akademik, kebutuhan bisnis, perubahan sosial, perkembangan teknologi, dan praktik organisasi.
Memahami perjalanan ini penting agar perusahaan tidak sekadar mengikuti istilah yang sedang populer. Di balik setiap konsep terdapat asumsi tertentu mengenai manusia. Asumsi itulah yang kemudian membentuk kebijakan, perilaku pimpinan, dan pengalaman kerja sehari-hari.
Chapter 1. Era Administrasi: Ketika Efisiensi Menjadi Ukuran Utama (1910–1990)
Era administrasi berakar pada revolusi industri. Ketika pabrik tumbuh dalam skala besar, perusahaan membutuhkan cara untuk mengatur pekerjaan dan tenaga kerja secara konsisten.
Tokoh yang paling kuat memengaruhi era ini adalah Frederick Winslow Taylor.
Melalui The Principles of Scientific Management pada 1911, Taylor memperkenalkan Scientific Management atau manajemen ilmiah. Ia berpendapat bahwa pekerjaan dapat diamati, dipecah, diukur, dan distandardisasi untuk menemukan metode paling efisien.
Manajemen bertugas merancang cara kerja terbaik, sedangkan pekerja menjalankannya. Waktu, gerakan, seleksi, pelatihan, dan produktivitas diperlakukan sebagai sesuatu yang dapat dianalisis secara sistematis.
Pemikiran tersebut memengaruhi lahirnya deskripsi pekerjaan, prosedur operasi, standar waktu, klasifikasi jabatan, target produktivitas, dan pengawasan kerja.
Pendekatan Taylor membantu organisasi menciptakan ketertiban. Namun, manusia dapat dipandang terlalu sempit sebagai tenaga yang harus menghasilkan output.
Koreksi penting datang dari Elton Mayo melalui penelitian Hawthorne dan karya The Human Problems of an Industrial Civilization.
Mayo menunjukkan bahwa produktivitas tidak hanya dipengaruhi oleh kondisi fisik, prosedur, dan insentif. Hubungan sosial, perhatian, dinamika kelompok, dan perasaan dihargai juga memengaruhi perilaku pekerja.
Dari sinilah pendekatan Human Relations berkembang. Organisasi mulai memahami bahwa manusia memiliki kebutuhan sosial dan emosional. Mereka tidak hanya bekerja untuk memperoleh upah, tetapi juga mencari hubungan, identitas, penghargaan, dan rasa memiliki.
Gabungan pemikiran Taylor dan Mayo membentuk praktik personalia yang mengelola penggajian, kehadiran, cuti, kedisiplinan, fasilitas, kesejahteraan, dan hubungan industrial.
Administrasi tersebut bukan pekerjaan kecil. Ketika gaji salah atau hak karyawan tidak tercatat, kepercayaan dapat hilang dalam satu hari.
Namun, ketika perubahan pasar semakin cepat, ketertiban saja tidak cukup. Organisasi membutuhkan manusia yang mampu belajar, memperbaiki proses, memahami pelanggan, dan mengambil inisiatif.
Chapter 2. Era HR Strategis: Ketika Human Resources Masuk ke Ruang Bisnis (1980–2005)
Perusahaan kemudian menyadari bahwa strategi tidak dapat dijalankan hanya dengan modal, teknologi, dan target keuangan.
Strategi membutuhkan manusia dan kemampuan yang tepat.
Peter Drucker memperkenalkan konsep knowledge worker, yaitu pekerja yang nilai utamanya berasal dari pengetahuan, kreativitas, penilaian, dan kemampuannya mengambil keputusan.
Dalam ekonomi berbasis pengetahuan, perusahaan tidak cukup meminta karyawan mengikuti prosedur. Perusahaan membutuhkan mereka untuk berpikir, memecahkan masalah, dan menciptakan gagasan baru.
Pada 1984, Michael Beer dan rekan-rekannya memperkenalkan Harvard Model of Human Resource Management. Model tersebut menghubungkan kebijakan manusia dengan kepentingan pemangku kepentingan, kompetensi, komitmen, kesesuaian organisasi, dan efektivitas biaya.
Tokoh yang paling kuat mengubah praktik HR adalah Dave Ulrich.
Melalui Human Resource Champions pada 1997, Ulrich menjelaskan empat peran HR: strategic partner, administrative expert, employee champion, dan change agent.
Dalam bahasa yang lebih sederhana, HR harus menjadi mitra strategis, ahli administrasi, pendukung karyawan, dan penggerak perubahan.
Gagasan tersebut mendorong lahirnya Human Resources Business Partner, pusat keahlian, dan layanan bersama. HR mulai terlibat dalam perencanaan tenaga kerja, desain organisasi, budaya, pengembangan kepemimpinan, suksesi, dan transformasi.
Namun, perubahan nama tidak otomatis mengubah kontribusi.
Seseorang dapat disebut HR Business Partner, tetapi sebagian besar waktunya tetap tersita untuk menyelesaikan pekerjaan administratif. Departemen HR dapat hadir dalam rapat strategis, tetapi belum mampu menjelaskan kemampuan apa yang dibutuhkan perusahaan untuk memenangkan pasar.
Human Resources menjadi strategis karena dampaknya, bukan karena nama jabatannya.
Chapter 3. Era Data dan Analitik: Ketika Keputusan Mengenai Manusia Mulai Diukur (2000–2015)
Ketika Human Resources masuk ke meja strategi, muncul pertanyaan baru: bagaimana kontribusinya dapat dibuktikan?
Jac Fitz-enz membuka jalan melalui pengukuran nilai ekonomi human capital. Ia mendorong Human Resources menggunakan bahasa yang dekat dengan manajemen: biaya, produktivitas, nilai tambah, dan hasil investasi.
John Boudreau dan Peter Ramstad kemudian memperkenalkan konsep talentship.
Talentship menempatkan keputusan mengenai talenta sebagai disiplin yang sama pentingnya dengan keputusan keuangan atau pemasaran. Organisasi tidak cukup mengetahui berapa banyak orang yang dimiliki. Perusahaan perlu mengetahui keahlian, kelompok, dan posisi mana yang paling menentukan keberhasilan strategi.
Dari sinilah people analytics berkembang.
Data rekrutmen, pembelajaran, kinerja, kompensasi, karier, dan suksesi mulai dihubungkan. Perusahaan dapat melihat pola pergantian karyawan, kesenjangan kemampuan, efektivitas pelatihan, produktivitas, dan kesiapan pemimpin masa depan.
Data membuat percakapan mengenai manusia menjadi lebih objektif. Namun, angka tidak menjelaskan keseluruhan cerita.
Penurunan kinerja dapat berasal dari kurangnya kemampuan. Namun, penyebabnya juga dapat berupa kualitas atasan, beban kerja, ketidakjelasan peran, proses yang buruk, atau kekurangan sumber daya.
Karena itu, people analytics yang baik memperbaiki kualitas pertanyaan, bukan menggantikan percakapan.
Data menunjukkan pola. Percakapan membantu organisasi memahami cerita di baliknya.
Chapter 4. Era Pengalaman Karyawan: Ketika Organisasi Kembali Mendengarkan (2010–2020)
Digitalisasi membuat proses lebih cepat, tetapi tidak selalu lebih manusiawi.
Kandidat dapat mengikuti rekrutmen secara digital, tetapi tetap merasa diperlakukan seperti nomor. Platform pembelajaran tersedia, tetapi karyawan tidak mempunyai waktu untuk belajar. Survei keterlibatan dilakukan setiap tahun, tetapi hasilnya berhenti sebagai presentasi.
Dalam konteks tersebut, Amy Edmondson dan Jacob Morgan memberikan pengaruh penting.
Riset Edmondson memperkenalkan psychological safety atau keselamatan psikologis: keyakinan bahwa anggota tim aman untuk menyampaikan ide, pertanyaan, kekhawatiran, dan kesalahan tanpa takut dipermalukan atau dihukum secara tidak wajar.
Keselamatan psikologis penting karena banyak persoalan organisasi sebenarnya telah diketahui oleh orang-orang di lapangan. Masalah membesar ketika mereka memilih diam karena takut terhadap konsekuensinya.
Sementara itu, Jacob Morgan memopulerkan employee experience. Pengalaman karyawan tidak hanya dibentuk oleh ruang kerja yang menarik, tetapi juga oleh budaya, teknologi, kualitas kepemimpinan, dan proses sehari-hari.
Employee experience mencakup perjalanan sejak seseorang pertama kali mengenal perusahaan, mengikuti rekrutmen, bergabung, bekerja dengan atasan, belajar, berkembang, hingga meninggalkan organisasi.
Pengalaman yang baik bukan berarti pekerjaan selalu mudah. Artinya, karyawan memahami tujuan, diperlakukan secara adil, memiliki alat yang memadai, dan dapat menyampaikan persoalan tanpa rasa takut.
Sistem yang baik membantu manusia bekerja. Sistem yang buruk membuat manusia bekerja untuk melayani sistem.
Chapter 5. Era Agilitas dan Keahlian: Ketika Jabatan Tidak Lagi Cukup 2012–Sekarang)
Perubahan yang cepat membuat organisasi sulit hanya mengandalkan struktur tetap.
Amy Edmondson, melalui konsep teaming, menjelaskan bagaimana orang-orang dari latar belakang berbeda dapat membangun kolaborasi dengan cepat, berbagi pengetahuan, dan belajar sambil bekerja.
Berbeda dari tim permanen, teaming terjadi ketika individu harus bekerja bersama untuk menyelesaikan masalah baru, sering kali tanpa memiliki sejarah kerja yang panjang.
Perkembangan selanjutnya adalah skills-based organization atau organisasi berbasis keahlian.
Sue Cantrell, Michael Griffiths, Robin Jones, dan Julie Hiipakka menjelaskan bahwa jabatan dapat membatasi cara perusahaan melihat pekerjaan. Pekerjaan modern lebih tepat dipahami sebagai kombinasi tugas, aktivitas, proyek, dan hasil yang membutuhkan beragam kemampuan.
Perusahaan tidak lagi hanya bertanya, “Apa jabatan Anda?” Pertanyaannya berubah menjadi:
“Apa yang dapat Anda kerjakan, pelajari, dan kontribusikan?”
Pendekatan tersebut mendorong proyek lintas fungsi, penugasan jangka pendek, mentoring, pembelajaran personal, dan internal talent marketplace.
Chapter 6. Era Sinergi Manusia dan AI: Ketika Manusia Mendapatkan Rekan Kerja Baru (2018–Sekarang)
Pemikiran mengenai kolaborasi manusia dan AI berkembang sebelum AI generatif digunakan secara luas.
Paul Daugherty dan James Wilson memperkenalkan konsep missing middle, yaitu ruang ketika manusia membantu mesin dan mesin memperkuat kemampuan manusia.
Tujuan teknologi dalam pendekatan ini bukan sekadar mengganti pekerjaan, tetapi menciptakan kombinasi baru antara kecepatan mesin dan penilaian manusia.
Thomas Davenport menunjukkan bahwa nilai AI tidak harus dimulai dari proyek revolusioner. Manfaat dapat diciptakan melalui otomatisasi tugas, analitik, dukungan keputusan, dan penyederhanaan proses.
Ethan Mollick kemudian memperkenalkan gagasan co-intelligence, yaitu penggunaan AI sebagai rekan berpikir. AI dapat membantu manusia menghasilkan alternatif, menulis, belajar, menganalisis, dan bereksperimen.
Namun, AI dapat menghasilkan jawaban yang terlihat meyakinkan tetapi keliru. AI tidak menanggung konsekuensi moral, tidak memahami budaya organisasi secara utuh, dan tidak memiliki hubungan emosional dengan karyawan atau pelanggan.
Untuk memperjelas pembagian peran, tabel berikut disajikan sebagai panduan desain pekerjaan. Tabel ini diperlukan agar perusahaan tidak terlalu menyerahkan keputusan kepada teknologi, tetapi juga tidak kehilangan kesempatan untuk meningkatkan produktivitas.
Tabel 1. Pembagian Peran Manusia dan AI dalam Desain Pekerjaan
No. | Area pekerjaan | Kontribusi utama AI | Tanggung jawab utama manusia |
|---|---|---|---|
1 | Informasi | Mengumpulkan, menyaring, merangkum, dan menemukan pola | Menilai sumber, konteks, relevansi, dan kebenaran |
2 | Alternatif | Menghasilkan draf, simulasi, dan pilihan | Menentukan tujuan, prioritas, dan pilihan akhir |
3 | Keputusan | Memberikan rekomendasi berbasis data | Menilai dampak dan mempertanggungjawabkan keputusan |
4 | Pelayanan | Menangani pertanyaan rutin dan berulang | Menangani situasi kompleks, sensitif, dan emosional |
5 | Talenta | Menemukan pola keahlian, pembelajaran, dan mobilitas | Menjaga keadilan, privasi, empati, dan hak karyawan |
6 | Kreativitas | Menghasilkan variasi ide dan konsep awal | Menentukan makna, kualitas, orisinalitas, dan nilai |
7 | Tata kelola | Membantu pemantauan dan mendeteksi penyimpangan | Menetapkan aturan, mengawasi, dan mengambil tanggung jawab |
Sumber Data: Diolah dari Deloitte Insights, 2022; International Labour Organization, 2025; World Economic Forum, 2025–2026; serta pemikiran Ethan Mollick mengenai co-intelligence, 2024.
Tabel tersebut menunjukkan bahwa kekuatan AI berada pada kecepatan, skala, konsistensi, dan kemampuan mengolah informasi. AI dapat mengurangi pekerjaan rutin, menemukan pola, menyiapkan draf awal, dan memperluas alternatif.
Manusia tetap dibutuhkan ketika pekerjaan melibatkan tujuan, hubungan, nilai, konteks, dan konsekuensi. International Labour Organization menilai bahwa dampak AI generatif lebih tepat dilihat sebagai perubahan komposisi tugas dan transformasi pekerjaan daripada penghapusan otomatis seluruh jabatan.
Chapter 7. Peta Evolusi Human Resources: Dari Efisiensi Menuju Sinergi (1910–Sekarang)
Setelah seluruh era dijelaskan, diperlukan peta ringkas yang memperlihatkan hubungan antara tokoh, konsep, dan penerapannya.
Tabel berikut memperkuat pemahaman bahwa evolusi Human Resources bukan penggantian total satu era oleh era berikutnya. Evolusi tersebut merupakan proses penambahan kemampuan sekaligus koreksi terhadap keterbatasan pendekatan sebelumnya.
Tabel 2. Tokoh, Konsep, dan Pengaruh dalam Evolusi Human Resources
No. | Era | Tokoh utama | Teori atau konsep utama | Pengaruh terhadap praktik |
|---|---|---|---|---|
1 | Administrasi | Frederick W. Taylor dan Elton Mayo | Scientific Management dan Human Relations | Standardisasi kerja, administrasi, pengawasan, dan hubungan sosial |
2 | Strategi | Peter Drucker, Michael Beer, dan Dave Ulrich | Knowledge worker dan strategic HR | HR Business Partner, budaya, kepemimpinan, suksesi, dan desain organisasi |
3 | Data dan Analitik | Jac Fitz-enz, John Boudreau, dan Peter Ramstad | Human capital measurement dan talentship | Analisis produktivitas, retensi, kompetensi, dan investasi talenta |
4 | Pengalaman Karyawan | Amy Edmondson dan Jacob Morgan | Psychological safety dan employee experience | Speak-up culture, employee journey, well-being, dan desain pengalaman kerja |
5 | Agilitas dan Keahlian | Amy Edmondson, Sue Cantrell, Michael Griffiths, Robin Jones, dan Julie Hiipakka | Teaming dan skills-based organization | Proyek lintas fungsi, talent marketplace, mobilitas, dan pembelajaran |
6 | Sinergi AI | Paul Daugherty, James Wilson, Thomas Davenport, Steven Miller, dan Ethan Mollick | Human–AI augmentation dan co-intelligence | Redesain pekerjaan, AI copilot, pengawasan manusia, dan tata kelola |
Sumber Data: Diolah dari karya Frederick W. Taylor, 1911; Elton Mayo, 1933; Amy Edmondson, 1999; Deloitte Insights, 2022; International Labour Organization, 2025; dan World Economic Forum, 2025–2026.
Tabel tersebut memperlihatkan bahwa administrasi tetap diperlukan ketika HR menjadi strategis. Strategi memerlukan data. Data membutuhkan konteks manusia. Pengalaman kerja perlu didukung oleh keahlian dan agilitas. AI kemudian memperluas kapasitas seluruh sistem.
Setiap era juga mengoreksi era sebelumnya. Human Relations mengoreksi pendekatan yang terlalu mekanis. Strategic HR mengoreksi personalia yang terlalu administratif. Employee experience mengoreksi digitalisasi yang terlalu berpusat pada sistem. Skills-based organization mengoreksi struktur jabatan yang kaku. Sinergi manusia dan AI mengoreksi anggapan bahwa otomatisasi selalu berarti mengganti manusia.
Chapter 8. Agenda Kepemimpinan dan Human Resources ke Depan
Sejarah tersebut perlu diterjemahkan menjadi tindakan nyata.
Pertama, organisasi harus menjaga proses dasar tetap akurat dan mudah. Penggajian, data, layanan karyawan, dan hubungan kerja merupakan fondasi kepercayaan.
Kedua, Human Resources perlu menerjemahkan strategi menjadi kemampuan. Pembahasan tenaga kerja tidak cukup berhenti pada jumlah orang, tetapi harus mencakup keahlian, kepemimpinan, perilaku, dan struktur.
Ketiga, keputusan talenta perlu diperkuat oleh data. Analitik harus membantu menentukan prioritas dan risiko, bukan sekadar menghasilkan dashboard.
Keempat, pengalaman kerja harus diperbaiki melalui proses nyata. Kualitas manajer, keadilan, beban kerja, kejelasan peran, dan kemudahan teknologi lebih penting daripada program simbolis.
Kelima, organisasi perlu membangun visibilitas keahlian. Kemampuan karyawan harus dihubungkan dengan proyek, pembelajaran, mobilitas, dan kebutuhan masa depan.
Keenam, penerapan AI harus dimulai dari pemetaan tugas. Organisasi perlu menentukan bagian yang dapat diotomatisasi, diperkuat AI, atau tetap membutuhkan penilaian manusia.
Ketujuh, tata kelola AI harus melibatkan Human Resources, teknologi, hukum, risiko, audit, dan pemilik bisnis. Perlindungan data, akurasi, bias, pengawasan manusia, dan mekanisme keberatan harus disiapkan sebelum teknologi diperluas.
Organisasi juga perlu menjaga agar efisiensi AI tidak memutus jalur pembelajaran pekerja muda.
Tugas-tugas awal yang terlihat rutin sering menjadi ruang penting bagi pekerja muda untuk memahami konteks, membangun pengalaman, dan mengembangkan penilaian profesional. Jika tugas tersebut diotomatisasi, perusahaan perlu menciptakan jalur pembelajaran pengganti.
Dua Studi Kasus Best Practices
Studi Kasus 1. Schneider Electric: Membuka Talenta yang Tersembunyi
Schneider Electric menghadapi persoalan yang umum terjadi dalam perusahaan besar: talenta tersedia, tetapi tidak selalu terlihat.
Seorang karyawan mungkin memiliki keahlian yang dibutuhkan oleh proyek di unit lain. Namun, manajer proyek tidak mengetahui keberadaannya. Di sisi lain, karyawan ingin berkembang tetapi tidak melihat kesempatan di luar jalur karier formal.
Pada Maret 2020, Schneider Electric meluncurkan Open Talent Market, platform internal berbasis AI yang menghubungkan kemampuan dan aspirasi karyawan dengan posisi, proyek, mentor, dan kesempatan belajar.
Open Talent Market mengubah cara perusahaan memandang karier.
Karier tidak harus selalu bergerak vertikal. Karyawan dapat berkembang secara horizontal melalui proyek lintas fungsi, penugasan sementara, pembelajaran, atau mentoring.
Bagi perusahaan, platform tersebut membuka akses terhadap keahlian yang sebelumnya tersembunyi. Bagi karyawan, sistem ini menawarkan kesempatan berkembang tanpa harus segera meninggalkan organisasi.
Namun, teknologi hanya membuka pintu. Budaya menentukan apakah orang dapat memanfaatkannya.
Manajer harus bersedia memberikan kesempatan kepada anggota terbaiknya untuk bekerja dalam proyek lain. Karyawan membutuhkan waktu untuk belajar. Akses terhadap kesempatan juga harus transparan agar tidak hanya dinikmati oleh orang yang dekat dengan pimpinan.
Best practice Schneider Electric menunjukkan bahwa perusahaan tidak selalu kekurangan talenta. Sering kali perusahaan belum mampu melihat dan menggerakkan talenta yang sudah dimiliki.
Studi Kasus 2. Klarna: Ketika Efisiensi AI Bertemu Kebutuhan Manusia
Klarna menjadi salah satu perusahaan yang agresif menggunakan AI dalam layanan pelanggan.
Pada Februari 2024, perusahaan menyatakan bahwa asisten AI-nya telah menangani sekitar 2/3 (dua pertiga) percakapan layanan pelanggan dalam bulan pertama penggunaan, dengan sekitar 2,3 juta percakapan.
Pada kuartal pertama 2025, Klarna melaporkan bahwa biaya layanan per transaksi turun sekitar 40 % dibandingkan kuartal pertama 2023. Angka tersebut berasal dari laporan perusahaan sendiri sehingga perlu dibaca sebagai data korporasi, bukan evaluasi independen.
Dari sisi operasi, hasil tersebut terlihat menjanjikan. AI dapat melayani pelanggan dalam jumlah besar, mengurangi waktu tunggu, dan memberikan jawaban secara konsisten.
Namun, layanan pelanggan bukan sekadar proses menjawab pertanyaan.
Pelanggan dapat menghadapi transaksi gagal, persoalan keuangan, kebingungan, atau situasi emosional. Dalam kondisi seperti itu, mereka membutuhkan penilaian, fleksibilitas, empati, dan kepastian bahwa ada manusia yang bertanggung jawab.
AI dapat menjadi lapisan pertama pelayanan, tetapi jalur eskalasi kepada manusia tetap dibutuhkan.
Efisiensi juga tidak boleh menjadi satu-satunya ukuran. Perusahaan perlu menilai kualitas penyelesaian, jumlah keluhan berulang, kepercayaan pelanggan, pengalaman keseluruhan, dan dampak jangka panjang terhadap merek.
Best practice Klarna bukan sekadar otomatisasi. Pelajaran terpentingnya adalah menempatkan AI pada jenis interaksi yang tepat dengan pengawasan manusia yang memadai.
Kesimpulan dari Dua Studi Kasus
Schneider Electric dan Klarna menggunakan AI untuk tujuan yang berbeda.
Schneider Electric menggunakan teknologi untuk memperluas kesempatan manusia. Open Talent Market membantu perusahaan menemukan kemampuan yang tersembunyi dan menghubungkan karyawan dengan proyek, mentor, pembelajaran, serta peluang karier.
Klarna menggunakan AI untuk meningkatkan kecepatan dan efisiensi pelayanan. Teknologi mengambil alih interaksi rutin dalam skala besar, sedangkan manusia tetap dibutuhkan ketika persoalan menjadi kompleks, sensitif, atau emosional.
Kedua studi kasus tersebut menghasilkan 5 pelajaran utama.
Pertama, teknologi harus dimulai dari persoalan yang nyata. Schneider Electric menghadapi keterbatasan visibilitas talenta, sedangkan Klarna menghadapi volume pelayanan yang besar.
Kedua, teknologi tidak dapat berdiri sendiri. Platform talenta membutuhkan budaya mobilitas. AI layanan pelanggan membutuhkan jalur eskalasi kepada manusia.
Ketiga, desain pekerjaan lebih penting daripada sekadar pembelian aplikasi. Organisasi perlu menentukan siapa melakukan apa, kapan teknologi digunakan, dan kapan manusia harus mengambil alih.
Keempat, ukuran keberhasilan harus seimbang. Efisiensi dan biaya penting, tetapi demikian pula pembelajaran, kualitas, keadilan, pengalaman, dan kepercayaan.
Kelima, best practice bukan otomatisasi maksimum. Best practice adalah menemukan kombinasi manusia dan teknologi yang paling tepat untuk menciptakan nilai.
Schneider Electric memperlihatkan bagaimana AI dapat membuka kemungkinan. Klarna menunjukkan bagaimana AI dapat mempercepat pelayanan. Keduanya mengingatkan bahwa manusia tetap menentukan arah, batas, dan kualitas penerapannya.
Penutup
Bagi pimpinan perusahaan, perjalanan ini menunjukkan bahwa setiap keputusan manajemen membentuk cara manusia diperlakukan. Target, struktur, beban kerja, teknologi, promosi, dan penghargaan menentukan apakah manusia dapat berkembang atau sekadar bertahan.
Pertanyaan terpenting bukan aplikasi apa yang harus dibeli, melainkan:
Organisasi seperti apa yang ingin kita bangun?
Bagi pimpinan Human Capital, nilai fungsi HC tidak ditentukan oleh banyaknya program. Nilainya terlihat dari kemampuan organisasi memperoleh keahlian yang dibutuhkan, melahirkan pemimpin, menjaga kepercayaan, dan membantu manusia menghadapi perubahan.
Profesional HC harus mampu menghubungkan logika bisnis, bukti data, dan realitas manusia.
Bagi manajer lini, transformasi Human Resources terjadi dalam pengalaman sehari-hari. Kebijakan dapat dirancang dengan baik, tetapi kualitas pengalaman karyawan tetap sangat ditentukan oleh cara manajer memberikan arahan, mendengarkan, membagi beban, memberikan umpan balik, dan membuka kesempatan berkembang.
Bagi para profesional, dunia kerja baru menuntut identitas yang lebih luas daripada jabatan. Karier akan semakin dipengaruhi oleh kemampuan belajar, membangun hubungan, bekerja lintas fungsi, menggunakan AI, dan mengambil keputusan dalam situasi yang tidak selalu jelas.
Langkah awal tidak harus besar. Seseorang dapat memperdalam satu keahlian, mengikuti proyek berbeda, menggunakan AI secara bertanggung jawab, serta meningkatkan kualitas komunikasi dan penilaiannya.
Bagi individu pekerja, teknologi tidak harus menghilangkan rasa percaya diri. Mesin dapat mengolah informasi lebih cepat, tetapi manusia tetap menentukan tujuan, menunjukkan kepedulian, membangun kepercayaan, dan mengambil tanggung jawab.
Masa depan kerja akan lebih berpihak kepada mereka yang mampu belajar bersama teknologi tanpa kehilangan integritas, rasa ingin tahu, dan identitasnya.
Evolusi Human Resources pada akhirnya merupakan perjalanan seluruh organisasi. Pimpinan menentukan arah. Human Capital membangun sistem. Manajer menciptakan pengalaman sehari-hari. Setiap pekerja membawa keahlian dan kemauan untuk berkembang.
AI dapat membantu manusia bekerja lebih cepat. Namun, manusia tetap bertanggung jawab memastikan bahwa pekerjaan tersebut benar, adil, dan berarti.
Referensi
- The Principles of Scientific Management, Frederick Winslow Taylor, Harper & Brothers, 1911.
- The Human Problems of an Industrial Civilization, Elton Mayo, Macmillan, 1933.
- Human Resource Champions, Dave Ulrich, Harvard Business School Press, 1997.
- Psychological Safety and Learning Behavior in Work Teams, Amy C. Edmondson, Administrative Science Quarterly, 1999.
- The Skills-Based Organization: A New Operating Model for Work and the Workforce, Robin Jones, Sue Cantrell, Michael Griffiths, dan Julie Hiipakka, Deloitte Insights, 2022.
- Open Talent Market, Schneider Electric, publikasi praktik pengembangan karier internal berbasis AI, 2021.
- Klarna AI Assistant Handles Two-Thirds of Customer Service Chats in Its First Month, Klarna, 2024.
- Generative AI and Jobs: A Refined Global Index of Occupational Exposure, Paweł Gmyrek dan rekan-rekan, International Labour Organization, 2025.
- The Future of Jobs Report 2025, World Economic Forum, 2025.
- Artificial Intelligence and the Future of Entry-Level Work, World Economic Forum, 2026.
Daftar Singkatan
Untuk memudahkan pembaca memahami istilah yang digunakan dalam artikel, daftar singkatan berikut disajikan secara sistematis.
No. | Singkatan | Kepanjangan | Penjelasan singkat |
|---|---|---|---|
1 | AI | Artificial Intelligence | Kecerdasan buatan yang digunakan untuk menganalisis, menghasilkan, atau mendukung pekerjaan manusia |
2 | HC | Human Capital | Pendekatan yang melihat pengetahuan, kemampuan, pengalaman, dan potensi manusia sebagai sumber nilai organisasi |
3 | HR | Human Resources | Fungsi yang mengelola manusia, organisasi, budaya, dan hubungan kerja |
4 | HRBP | Human Resources Business Partner | Peran HR yang menghubungkan kebutuhan bisnis dengan strategi dan solusi pengelolaan manusia |
5 | ILO | International Labour Organization | Organisasi Perburuhan Internasional |
6 | ROI | Return on Investment | Tingkat pengembalian atas suatu investasi |
7 | WEF | World Economic Forum | Forum internasional yang menerbitkan riset mengenai ekonomi, pekerjaan, keahlian, dan teknologi |
Sumber Data: Diolah dari istilah dan singkatan yang digunakan dalam artikel, 2026.
Daftar Istilah
Istilah berikut disajikan agar pembaca, terutama Gen Z, Gen Y, profesional non-HR, dan pembaca umum, dapat memahami konsep utama secara cepat dan konsisten.
No. | Istilah | Penjelasan |
|---|---|---|
1 | Co-intelligence | Pendekatan yang menggunakan AI sebagai rekan berpikir, belajar, dan bekerja, sementara manusia tetap memeriksa serta mempertanggungjawabkan hasilnya |
2 | Employee experience | Keseluruhan pengalaman karyawan selama berinteraksi dengan organisasi, sejak rekrutmen hingga meninggalkan perusahaan |
3 | Human–AI augmentation | Penguatan kemampuan manusia melalui bantuan AI, bukan sekadar penggantian manusia oleh teknologi |
4 | Human Relations | Pendekatan yang menekankan pengaruh hubungan sosial, perhatian, dan dinamika kelompok terhadap perilaku serta produktivitas pekerja |
5 | Internal talent marketplace | Sistem yang mempertemukan karyawan dengan pekerjaan, proyek, mentor, pembelajaran, dan peluang karier di dalam organisasi |
6 | Knowledge worker | Pekerja yang nilai utamanya berasal dari pengetahuan, kemampuan memecahkan masalah, dan kualitas pengambilan keputusan |
7 | Missing middle | Ruang kolaborasi ketika manusia membantu teknologi bekerja lebih baik dan teknologi memperkuat kemampuan manusia |
8 | People analytics | Penggunaan data tenaga kerja untuk memahami pola dan memperbaiki keputusan organisasi |
9 | Psychological safety | Rasa aman untuk menyampaikan ide, pertanyaan, kekhawatiran, dan kesalahan tanpa takut dipermalukan atau dihukum secara tidak wajar |
10 | Scientific Management | Pendekatan pengelolaan pekerjaan melalui pengukuran, pembagian tugas, standardisasi, dan peningkatan efisiensi |
11 | Skills-based organization | Organisasi yang menggunakan keahlian sebagai dasar pengelolaan pekerjaan, pembelajaran, mobilitas, dan talenta |
12 | Talentship | Disiplin pengambilan keputusan strategis mengenai talenta dan kemampuan yang paling menentukan keberhasilan organisasi |
13 | Teaming | Proses kolaborasi dinamis antara orang-orang yang perlu cepat membangun kepercayaan, belajar, dan bekerja bersama |
Sumber Data: Diolah dari teori, konsep, dan istilah utama yang digunakan dalam artikel, 2026.
