1. Mengapa “SDM + AI” Tidak Bisa Hanya Bertahan di Tingkat Konsep?
Selama tahun lalu, telah terjadi jauh lebih banyak bicara tentang AI di bidang SDM daripada yang sebenarnya praktik langsung.
Dalam pekerjaan perekrutan yang sebenarnya, saya menemukan bahwa:
- Banyak ide terlihat "canggih" di slide.
- Namun begitu Anda menempatkan mereka dalam skenario perekrutan yang sebenarnya, mereka akan... jangan menghemat waktu atau menambah risiko tambahan
Jadi dalam artikel ini, saya tidak akan membahas tren besar atau istilah-istilah yang sedang populer.
Saya hanya ingin menjawab satu pertanyaan praktis:
Dalam pekerjaan rekrutmen dan SDM yang sebenarnya, di mana AI benar-benar berguna—dan di mana seharusnya kita menggunakannya? bukan menggunakannya?
Semua informasi di bawah ini berasal dari pekerjaan HR saya sehari-hari, dengan posisi nyata, kandidat nyata, dan pemangku kepentingan internal nyata.
2. 7 Alur Kerja SDM di Mana AI Benar-Benar Berguna
Berikut adalah beberapa skenario di mana AI secara konsisten membantu saya dalam perekrutan dan operasional SDM.
2.1 Menggunakan AI untuk Menguraikan Deskripsi Pekerjaan dan Membuat Draf Versi Pertama (Sangat Disarankan)
Bagaimana saya menggunakannya
Ketika seorang manajer perekrutan mengirimkan:
- Catatan rapat
- Log obrolan
- Pesan suara atau poin-poin singkat tentang “tipe orang seperti apa yang kita inginkan”
Saya memasukkan konten mentah itu ke dalam model AI dan memintanya untuk:
- Meringkaskan tanggung jawab inti
- Memisahkan Wajib dimiliki vs. bisa dilatih keterampilan
- Susun draf yang bersih Tanggung jawab Dan Kualifikasi bagian
Dampak nyata
- JD pertama kali dicoret dari draf. ~1 jam hingga kurang dari 10 menit
- Pekerjaan saya bergeser dari "menulis semuanya sendiri" menjadi meninjau dan mengoreksi
Alih-alih memulai dari halaman kosong, sekarang saya memulai dari sebuah draf terstruktur.
Hal yang perlu diwaspadai
AI suka menulis “万能 JD” (deskripsi pekerjaan umum, yang berlaku untuk semua):
- Terlalu banyak soft skill
- Persyaratan yang samar seperti "komunikasi yang sangat baik" diulang di mana-mana.
- Detail spesifik peran kurang memadai.
Jadi saya selalu:
- Menghapus persyaratan umum atau tidak realistis
- Menambahkan persyaratan spesifik dan nyata dari manajer perekrutan
- Pastikan deskripsi pekerjaan (JD) mencerminkan hal tersebut. panggung kita, tumpukan kita, realitas kita
AI adalah asisten yang hebat untuk pencarian pekerjaan, tetapi bukan pengganti untuk berbicara langsung dengan manajer perekrutan Anda.
2.2 Pra-Penyaringan Resume AI (Hanya Tahap Pertama)
Cocok untuk:
- Peran di mana kriteria penyaringan sudah jelas
- Posisi dengan banyak pelamar dan pola yang dapat diulang
Bagaimana saya menggunakannya
- Kumpulkan contoh-contoh berikut:
- Resume yang akan Lulus
- Resume yang akan Menolak
- Masukkan contoh-contoh ini ke dalam model AI.
- Tetapkan aturan yang eksplisit, misalnya:
- Kami memprioritaskan orang-orang yang “benar-benar telah melakukan pekerjaan tersebut”.”
- Kami mencari pengalaman eksekusi nyata, bukan sekadar "partisipasi".“
- Minta AI untuk memberi label pada setiap resume sebagai:
- LULUS
- PERBATASAN
- MENOLAK
- Ditambah penjelasan singkat
Untuk satu contoh kasus nyata (merekrut sukarelawan mahasiswa untuk festival film AI), saya meminta AI untuk:
- Fokus pada Operasional acara, komunitas, pengalaman kampus, bukan keterampilan teknis
- Lebih menyukai kandidat dengan kualifikasi tertentu. pelaksanaan aktivitas nyata, bukan hanya keanggotaan klub
- Tandai arah potensial seperti Acara / Sosial / Kampus untuk setiap kandidat
Kondisi batas
- ✅ Cocok untuk triase awal
- ✅ Cocok untuk menemukan profil yang jelas-jelas tidak relevan
- ❌ Tidak untuk digunakan secara langsung untuk peran inti dan berisiko tinggi
- ❌ Bukan pengganti penilaian HR atau manajer perekrutan
Dalam praktiknya, saya membiarkan AI melakukan hal tersebut. percobaan pertama, lalu saya tinjau secara manual LULUS dan AMBANG BATAS para kandidat sebelum melanjutkan ke tahap selanjutnya.
2.3 Membandingkan Beberapa Kandidat Secara Berdampingan (Sangat Berguna)
Ketika Anda memiliki dua atau tiga kandidat yang semuanya terlihat bagus, Perbandingan AI sangat membantu.
Mengapa ini berhasil
- Memaksa semua resume ke dimensi evaluasi yang sama
- Highlight asimetri:
- Salah satunya memiliki eksekusi yang kuat tetapi manajemen pemangku kepentingan yang buruk.
- Yang lain memiliki pengalaman luas tetapi kedalaman pengetahuan yang dangkal.
- Yang satu sesuai dengan kondisi saat ini; yang lain lebih sesuai dengan kondisi di masa depan.
Begini cara saya melakukannya
- Masukkan deskripsi pekerjaan (JD) dan beberapa resume anonim.
- Minta AI untuk membandingkannya berdasarkan:
- Kompetensi inti
- Pengalaman yang relevan
- Risiko dan bagian yang hilang
- Kemudian saya memverifikasi poin-poin tersebut selama wawancara atau pengecekan referensi.
AI membantu saya melihat pertimbangan untung rugi dengan lebih jelas, Tetapi:
Keputusan akhir selalu dibuat oleh manusia, karena alasan manusiawi, berdasarkan tahapan dan prioritas perusahaan.
2.4 Membuat Pertanyaan Wawancara dan Logika Tindak Lanjut
Bagaimana saya menggunakan AI di sini
- Masukkan JD + resume kandidat
- Minta AI untuk menghasilkan:
- Pertanyaan perilaku
- Pertanyaan berbasis skenario
- Pertanyaan validasi risiko (misalnya, kesenjangan, masa jabatan singkat, hasil yang tidak jelas)
Manfaat
- Wawancara menjadi lebih terfokus pada kemampuan nyata
- Lebih mudah untuk memelihara struktur yang konsisten di antara banyak kandidat
- “Pertanyaan "bebas" dari pewawancara berkurang secara signifikan.
Tapi ada jebakannya (lihat Jebakan 4 di bawah):
- Pertanyaan yang dihasilkan oleh AI sering kali suara profesional
- Tetapi jika Anda tidak menyesuaikannya dengan konteks bisnis nyata, Mereka tidak bisa menguji apa yang penting.
Jadi, pendekatan saya sekarang:
- Biarkan AI yang menyusunnya kerangka pertanyaan
- Untuk setiap pertanyaan, saya menambahkan setidaknya satu secara manual. tindak lanjut spesifik berdasarkan konteks kita
2.5 Meringkas Umpan Balik Wawancara dan Menyusun Evaluasi Akhir
Masalah umum yang dihadapi departemen SDM
- Beberapa pewawancara memberikan umpan balik yang isinya:
- Terfragmentasi
- Subyektif
- Sulit untuk membandingkan
- Sulit untuk dirumuskan menjadi kesimpulan yang jelas "merekomendasikan / tidak merekomendasikan".
Bagaimana AI membantu
Saya menyalin semua umpan balik (yang telah dianonimkan jika perlu) ke dalam AI dan memintanya untuk mengorganisir komentar ke dalam:
- Fakta objektif
- Contoh: “memimpin tim yang terdiri dari 5 orang”, “bertanggung jawab atas fitur X”
- Penilaian kompetensi
- contoh: “mahir dalam komunikasi lintas tim”, “lemah dalam manajemen konflik”
- Sinyal risiko
- misalnya “tidak jelas mengenai kasus kegagalan”, “meninggalkan beberapa peran setelah kurang dari 1 tahun”
Kemudian saya menggunakan kerangka kerja yang biasa saya gunakan (misalnya kompetensi, kesesuaian budaya, tingkat risiko) untuk menyempurnakan dan menyesuaikannya.
Hasil
- Ringkasan yang saya kirimkan kembali kepada manajer perekrutan adalah:
- Lebih terstruktur
- Lebih mudah untuk didiskusikan
- Lebih mudah dibenarkan
AI tidak memutuskan untuk kita, tetapi membantu kita. berpikir lebih jernih.
2.6 Komunikasi Rekrutmen Lintas Zona Waktu
Ini adalah contoh penggunaan AI di bidang SDM yang berdampak sangat besar, terutama untuk... tim luar negeri atau jarak jauh.
Skenario umum
- Menulis:
- Undangan wawancara
- Email tindak lanjut
- Penolakan yang sopan
- Klarifikasi zona waktu:
- Konversi waktu otomatis
- Menyarankan slot yang tumpang tindih
- Menyesuaikan komunikasi:
- Menyesuaikan nada untuk berbagai negara
- Menyesuaikan tingkat formalitas
- Menyoroti berbagai daya tarik pekerjaan.
Di sini, AI membantu saya:
- Tulis lebih banyak terdengar seperti asli komunikasi dalam bahasa Inggris atau bahasa lainnya
- Hindari kesalahan zona waktu yang memalukan
- Hemat waktu dalam menyusun email yang berulang-ulang.
Aku masih tinjau dan personalisasikan pesan-pesan penting, terutama yang terkait dengan penawaran atau penolakan.
2.7 Merapikan Proses dan Dokumen Kebijakan SDM
AI juga unggul dalam pekerjaan proses dan dokumentasi, yang seringkali harus dilakukan oleh bagian SDM di antara siklus perekrutan.
Di mana ini membantu
- Mengoptimalkan kebijakan dan SOP yang ada
- Tempelkan teks kebijakan saat ini ke dalam AI.
- Mintalah untuk memeriksa:
- Celah logika
- Ketidakkonsistenan
- Kekhawatiran terkait kepatuhan atau risiko (dasar, non-hukum)
- Menyusun proses atau usulan kebijakan baru
- Gunakan AI untuk menghasilkan:
- Draf alur kerja
- Tanggung jawab peran
- Contoh susunan kata untuk pengumuman
- Gunakan AI untuk menghasilkan:
- Menulis penjelasan standar
- Pertanyaan Umum yang Sering Diajukan
- Aturan proyek
- Pengumuman internal
Manfaat jangka panjang
- Lebih baik struktur logis Dan standardisasi
- Lebih sedikit waktu yang dihabiskan untuk mencari dokumen lama untuk menyalin dan menempel
- Lagi pembangkitan ide saat mendesain program baru
Sekali lagi, AI adalah asisten, SDM adalah pemilik.
3. 6 Jebakan HR dengan AI yang Pernah Saya Alami atau Berhasil Saya Hindari
Ini bukanlah prinsip-prinsip teoretis yang hanya "sekadar pelengkap".
Hal itu didasarkan pada situasi di mana saya pernah melakukan kesalahan sekali, atau memutuskan dengan sangat jelas. bukan untuk menempuh jalan itu.
Kesalahan 1: Meminta AI untuk Menilai Ketika Standar Peran Tidak Jelas
Gejala
- Persyaratan untuk peran ini masih terus berubah.
- Manajer perekrutan tidak dapat menjawab dengan jelas pertanyaan “Seperti apa yang dimaksud dengan kandidat yang baik?”
Dalam kondisi tersebut, jika Anda bertanya kepada AI:
“Bantu saya memutuskan siapa yang cocok”
Kemudian:
- AI akan menghasilkan jawaban yang terlihat sangat lengkap
- Tapi itu hanya mengisi bagian yang kosong dengan standar yang tidak jelas
- Hal ini justru meningkatkan beban mental pada HR.
Kesimpulan saya
Ketika standar peran tidak jelas, penggunaan AI tidak meningkatkan efisiensi—melainkan memperbesar kebingungan.
Dalam kasus-kasus ini, saya pertama-tama fokus pada:
- Berkoordinasi dengan manajer perekrutan
- Mengklarifikasi barang wajib vs barang yang bagus untuk dimiliki
- Barulah setelah itu saya melibatkan AI dalam proses tersebut.
Kesalahan 2: Mencampuradukkan “Kemampuan Meringkas” AI dengan “Kemampuan Menilai”
Kesalahpahaman umum
- AI menulis ringkasan resume yang indah dan terstruktur dengan baik.
- Secara tidak sadar kita berpikir: “Wow, sistem ini benar-benar memahami kandidat ini.”
Risiko nyata
- AI cenderung mengatasi ketidakpastian dengan lebih lancar.
- Hal itu dapat membuat pengalaman yang samar atau lemah terdengar lebih kuat daripada sebenarnya.
- Kemampuan menulis yang kuat ≠ kemampuan aktual yang kuat.
Aturan saya
- AI dapat meringkaskan informasi
- AI tidak bisa mengganti penilaian kritis
Untuk setiap titik risiko utama, saya:
- Tandai secara eksplisit
- Saya akan memverifikasinya sendiri saat wawancara atau pengecekan referensi.
Kesalahan 3: Terlalu Mengotomatiskan Penyaringan Resume
Pada suatu saat, saya juga berpikir:
“Jika AI dapat membaca resume, mengapa tidak membiarkannya menangani lebih banyak proses penyaringan?”
Setelah melakukan pengujian, saya menyadari:
- AI sangat pandai dalam mendeteksi jelas tidak relevan resume
- Namun untuk kandidat yang berada di ambang batas, tingkat kesalahan meningkat
- Mereka mungkin menolak seseorang dengan pengalaman yang tidak konvensional namun berharga.
- Atau terlalu memuji seseorang dengan konten yang ditulis dengan baik tetapi dangkal.
Penyesuaian saya
- AI melakukan hanya lintasan kasar pertama
- Setiap resume yang terlihat menjanjikan, meskipun hanya sedikit, adalah:
- Ditinjau secara manual
- Berpotensi diselamatkan dari penolakan AI.
Otomatisasi itu bermanfaat, tetapi hanya sampai pada titik di mana hal itu tidak membunuh potensi..
Kesalahan 4: Menggunakan Pertanyaan Wawancara yang Dihasilkan AI Tanpa Kalibrasi
Apa yang terjadi?
- Daftar pertanyaan tersebut terlihat profesional dan logis.
- Namun, hal itu terputus dari skenario kerja nyata peran tersebut
Konsekuensi
- Wawancara ini terasa terstruktur.
- Namun gagal menguji apa yang sebenarnya penting dalam pekerjaan tersebut.
Perbaikan saya
- Biarkan AI menyediakan kerangka pertanyaan
- Untuk setiap pertanyaan, saya menambahkan secara manual:
- Kondisi lanjutan seperti: “Jika kandidat memberikan jawaban tipe X, tanyakan Y kepada mereka.”
- Contoh nyata dari produk atau tim kami
AI menetapkan perancah, HR dan manajer perekrutan membawa realitas.
Kesalahan 5: Menyalin Teks AI Secara Langsung untuk Komunikasi Sensitif
Situasi umum:
- Menawarkan komunikasi
- Email penolakan
- Penjelasan gaji dan penyesuaian
- Umpan balik kinerja atau perilaku
Mengapa ini berbahaya?
- Nada standar AI seringkali:
- Netral
- Sopan
- Namun secara emosional terasa hambar.
- Di bidang SDM, hal itu bisa dengan mudah terasa:
- Dingin
- Jauh
- Atau bahkan tidak sopan
Aturan saya
Setiap kali sebuah pesan melibatkan emosi, hubungan, atau risiko, AI dapat membuat draf—tetapi Saya harus menulis ulang.
Saya mungkin menggunakan AI untuk:
- Susun strukturnya
- Sarankan opsi penyusunan kalimat
Namun versi finalnya selalu ditinjau dan dihumanisasi oleh saya sebelum dikirim.
Jebakan 6: Membiarkan AI Menggantikan Rasa Kepemilikan HR
Ini adalah yang paling tersembunyi dan paling berbahaya.
Biasanya terdengar seperti:
“Yah… ini adalah saran dari AI, bukan keputusan saya sebenarnya.”
Pengecekan realitas
- Jika putusan tersebut salah, Departemen SDM tetap bertanggung jawab.
- AI bukanlah solusinya:
- Menjelaskan kegagalan perekrutan
- Memperbaiki ketidaksesuaian budaya
- Menimbulkan risiko hukum atau reputasi.
Jadi saya menetapkan batasan yang sangat jelas untuk diri saya sendiri:
AI dapat ikut serta dalam pemikiran saya, tetapi tidak bisa aku menanggung konsekuensiku.
AI dapat membantu pengambilan keputusan.
AI tidak dapat menggantikan akuntabilitas.
4. 4 Prinsip Tak Tertawar Saya untuk Menggunakan AI di Bidang SDM
Setelah banyak percobaan, saya merangkum empat prinsip utama:
- Manusia harus tetap memiliki wewenang pengambilan keputusan akhir.
AI dapat memberi peringkat, menyarankan, dan meringkas—tetapi tidak dapat "menyetujui secara otomatis" atau "menolak secara otomatis" orang. - Kualitas input menentukan batas atas output.
Peran yang tidak terdefinisi dengan baik dan perintah yang berantakan → hasil AI yang buruk, tidak peduli seberapa "pintar" modelnya. - Hanya hal yang dapat diverifikasi yang berharga.
Jika Anda tidak dapat menguji atau memvalidasi saran AI di dunia nyata, anggaplah itu sebagai hipotesis, bukan kesimpulan. - Semakin penting perannya, semakin sedikit Anda bergantung pada AI.
Untuk posisi yang berdampak tinggi, AI dapat mendukung proses tersebut—tetapi evaluasi manusia tetap harus menjadi prioritas utama.
5. Di Mana AI dalam SDM Cocok—dan Di Mana AI Tidak Cocok
Sangat cocok untuk:
- Tim AI / internet / produk
- Organisasi yang bergerak cepat dengan banyak posisi yang perlu diisi.
- Tim yang sudah memiliki:
- Standar peran yang jelas
- Model kompetensi
- Proses perekrutan yang dapat diulang
Kurang efektif untuk:
- Tim yang sangat kecil tanpa standar perekrutan yang jelas.
- Lingkungan tempat perekrutan sangat intensif:
- Berbasis hubungan
- Didorong oleh jaringan kepercayaan
- Atau murni berdasarkan rujukan
Dalam kasus-kasus tersebut, AI masih dapat membantu. dokumen dan komunikasi, tetapi tidak dengan pemilihan inti.
6. Kesimpulan: AI Belum Mempermudah Pekerjaan SDM—Tetapi Telah Membuat SDM Lebih Profesional
Bagi saya, AI telah bukan membuat pekerjaan HR menjadi “ringan” atau “tanpa usaha”.
Justru sebaliknya, hal ini memiliki:
- Meningkatkan standar untuk profesionalisme kami
- Hal ini memaksa saya untuk lebih jelas mengenai:
- Standar peran
- Kerangka kerja evaluasi
- Apa yang sebenarnya menjadi tanggung jawab saya?
Apa itu AI? memiliki Yang sudah selesai adalah membantu saya:
- Kurangi tugas-tugas yang berulang dan bernilai rendah.
- Meningkatkan struktur dan kualitas penilaian saya
- Luangkan lebih banyak waktu untuk hal-hal yang benar-benar penting:
- Percakapan mendalam dengan para kandidat.
- Keselarasan dengan manajer perekrutan
- Merancang proses dan budaya yang lebih baik.
Itulah mengapa saya terus menggunakan AI dalam pekerjaan SDM saya:
Bukan untuk menggantikan SDM, tetapi untuk meningkatkan kemampuan yang dapat dilakukan oleh SDM.
Selama kita:
- Pertahankan kewenangan pengambilan keputusan di tangan manusia.
- Bertanggung jawablah atas hasil yang dicapai.
- Perlakukan AI sebagai alat, bukan sebagai otoritas.
Maka AI bukanlah ancaman bagi SDM—melainkan sebuah pengali untuk para profesional SDM yang ingin menjadi lebih ahli, lebih sistematis, dan lebih dipercaya di dalam organisasi mereka.
Catatan: Artikel ini berdasarkan pengalaman rekrutmen SDM saya yang sebenarnya. Saya hanya menggunakan alat AI untuk membantu dalam penyusunan kata, penerjemahan, dan pemformatan — bukan untuk membuat studi kasus, data, atau kesimpulan.
Tentang Penulis
