4.7 Reskilling dan Pola Kerja Baru
Saya pernah melihat organisasi yang sudah menghitung ulang kapasitas mereka dengan AI-adjusted effort. Hasilnya menggembirakan. Tiba-tiba mereka punya ruang untuk mengerjakan lima inisiatif besar yang sebelumnya tidak terjangkau. Tapi ketika inisiatif mulai berjalan, masalah baru muncul. Orang-orang di tim operasi tidak tahu cara membuat prompt yang efektif untuk menganalisis data rekonsiliasi. Tim legal belum pernah bekerja dengan AI assistant untuk review kontrak. Manajer marketing masih mereview setiap output AI secara manual dari awal karena tidak percaya.
Berikut adalah diagram yang merangkum hubungan antara kapasitas baru hasil AI, kebutuhan reskilling di berbagai fungsi, dan pola kerja baru yang perlu diterapkan.
Ini pola yang sering terlewat. Organisasi menghitung kapasitas baru berdasarkan asumsi bahwa semua orang bisa langsung memakai AI. Padahal kemampuan memanfaatkan AI tidak datang otomatis. Sama seperti ketika spreadsheet pertama kali masuk ke perusahaan, orang perlu belajar membuat formula dan pivot table. Atau ketika ERP diterapkan, orang perlu belajar cara membaca dashboard dan memasukkan data dengan disiplin baru. AI juga membutuhkan reskilling yang sistematis.
Reskilling di sini bukan pelatihan satu hari tentang apa itu AI. Ini tentang membangun kompetensi yang membuat seseorang bisa memanfaatkan AI dalam pekerjaan sehari-hari. Seorang staf operasi perlu belajar bagaimana menyusun instruksi yang jelas untuk AI agar outputnya bisa langsung dipakai. Seorang legal officer perlu belajar cara memverifikasi hasil analisis AI, bukan sekadar menerima atau menolak mentah-mentah. Seorang HR perlu belajar bagaimana menggunakan AI untuk menyaring kandidat tanpa bias yang tidak disengaja.
Bentuk reskilling ini berbeda untuk setiap fungsi. Tim IT mungkin perlu belajar tentang jawaban yang bisa ditelusuri sumbernya, fine-tuning, dan evaluasi model. Tapi fungsi lain cukup belajar pola kerja baru: kapan harus bertanya ke AI, kapan harus memverifikasi, kapan harus mengambil alih. Ini lebih dekat ke literasi AI daripada keahlian teknis. Dan literasi ini perlu dibangun secara bertahap, dengan contoh konkret dari pekerjaan mereka sendiri.
Pola kerja baru juga perlu dirancang ulang. Saya sering melihat tim yang sudah punya AI assistant tetapi masih bekerja dengan cara lama. Mereka tetap membuat dokumen dari nol, lalu memakai AI hanya untuk mengecek ejaan. Padahal pola kerja yang lebih efektif adalah mulai dengan draft dari AI, lalu mereview dan menyempurnakan. Atau mereka tetap mengadakan rapat koordinasi harian untuk hal-hal yang sebenarnya bisa dijawab oleh knowledge assistant dalam dua detik.
Perubahan pola kerja ini perlu didukung oleh aturan yang jelas. Kapan output AI boleh langsung dipakai? Kapan perlu review manusia? Bagaimana cara mendokumentasikan bahwa suatu keputusan dibantu AI? Tanpa aturan ini, orang akan bekerja dengan dua cara sekaligus: kadang memakai AI, kadang tidak. Hasilnya tidak efisien dan malah membingungkan.
Organisasi juga perlu menyediakan ruang untuk belajar sambil bekerja. Tidak semua orang bisa langsung mahir dalam seminggu. Ada yang butuh pendampingan, ada yang butuh contoh, ada yang butuh gagal dulu di lingkungan yang aman. Jika organisasi tidak menyediakan ruang ini, reskilling hanya akan menjadi agenda di atas kertas.
Yang paling penting, reskilling dan pola kerja baru harus dilihat sebagai investasi, bukan biaya. Kapasitas yang dihitung ulang dengan AI-adjusted effort hanya akan terwujud jika manusia di dalam organisasi benar-benar siap memanfaatkannya. Tanpa kesiapan ini, AI hanyalah alat mahal yang tidak dipakai.
Setelah reskilling dan pola kerja baru mulai berjalan, organisasi bisa menyusun portfolio tahunan yang benar-benar mencerminkan kapasitas baru mereka. Tahap berikutnya adalah merangkum semua inisiatif, kapasitas, dan mitigasi ke dalam satu dokumen yang bisa dikomunikasikan ke seluruh stakeholder.
