62% perusahaan mencari pekerja yang mampu bekerja dengan AI

Dalam siaran pers Komdigi tentang Indonesia Youth Summit 2026, Menteri Komunikasi dan Digital Meutya Hafid menyampaikan di Taman Ismail Marzuki, Jakarta Pusat, pada 30 Oktober 2026 bahwa 62% perusahaan mencari pekerja yang mampu bekerja dengan AI dan 77% meningkatkan keterampilan pekerja; siaran pers itu tidak merinci asal data, jumlah perusahaan, atau wilayah kedua persentase tersebut. Angka itu menunjukkan arah kebutuhan yang disampaikan pemerintah, tetapi belum dapat dibaca sebagai persentase seluruh perusahaan di Indonesia.

Bagi pelamar, kemampuan yang relevan untuk ditunjukkan mencakup penggunaan AI pada tugas yang jelas, penalaran kritis, pemeriksaan kualitas hasil, kreativitas, dan alasan di balik keputusan akhir. Bukti tersebut lebih menjelaskan kemampuan kerja daripada sekadar daftar aplikasi yang pernah dicoba. Contoh pekerjaan juga perlu memperlihatkan bagian yang dibantu AI dan bagian yang tetap dikerjakan serta dinilai oleh manusia.

Permintaan perusahaan mencakup pekerja yang sudah bekerja

Peningkatan keterampilan di perusahaan menempatkan pekerja aktif dalam perubahan yang sama dengan pencari kerja. Ketika tugas rutin dan terstruktur dapat lebih mudah diotomatisasi, nilai pekerjaan bergeser ke kemampuan merumuskan masalah, menilai hasil, dan menentukan tindakan yang sesuai dengan keadaan. Keahlian memakai alat tetap berguna, tetapi hasilnya harus dapat diperiksa oleh orang lain.

Dalam paparan tersebut, bidang data besar, teknologi finansial, AI, pembelajaran mesin, dan pengembangan perangkat lunak disebut sebagai area yang berpeluang membutuhkan lebih banyak tenaga kerja. Itu bukan daftar jabatan yang wajib dikejar setiap pelamar. Maknanya bagi berbagai pekerjaan lebih sederhana: penggunaan AI perlu dihubungkan dengan tugas dan mutu hasil, bukan dijadikan klaim umum bahwa seseorang siap menghadapi perubahan teknologi.

Perusahaan yang melatih pekerjanya juga memerlukan cara untuk membedakan penggunaan alat yang dangkal dari kemampuan yang dapat diterapkan berulang kali. Seorang kandidat dapat menunjukkan perbedaan itu melalui pekerjaan yang memiliki tujuan awal, bahan yang dipakai, keluaran sebelum dan sesudah pemeriksaan, serta keputusan yang bisa dijelaskan. Rangkaian tersebut membuat kemampuan lebih mudah dibahas saat seleksi tanpa mengandaikan bahwa setiap pekerjaan membutuhkan alat atau tingkat keahlian teknis yang sama.

Berpikir kritis dan pemeriksaan keluaran menjadi pembeda

Dalam Work Trend Index 2026 Microsoft untuk Indonesia, 62% responden Indonesia menyebut berpikir kritis sebagai keterampilan yang semakin penting dan 60% menyebut pemeriksaan kualitas keluaran AI. Kedua angka itu menggambarkan pandangan responden tentang keterampilan kerja; subjek dan metodenya berbeda dari persentase perusahaan yang disampaikan di acara tersebut.

Berpikir kritis tampak pada pertanyaan yang diajukan sebelum suatu jawaban diterima. Apakah bahan asalnya cukup, asumsi apa yang dipakai, dan apakah kesimpulannya sesuai dengan tujuan tugas? Pemeriksaan kualitas menerjemahkan pertanyaan itu menjadi pekerjaan yang dapat dilihat: mencocokkan angka dengan data asal, membandingkan ringkasan dengan rujukan, atau mengubah rekomendasi yang mengabaikan batasan pekerjaan.

Kreativitas berperan ketika ada beberapa cara yang sama-sama mungkin untuk menyelesaikan masalah. AI dapat membantu menghasilkan alternatif, sedangkan pekerja menilai pilihan mana yang sesuai dengan kebutuhan pengguna, sumber daya, dan akibatnya. Alasan menerima, mengubah, atau menolak usulan memberi gambaran tentang penilaian manusia yang tidak terlihat jika portofolio hanya menampilkan hasil akhir.

Bukti keterampilan dalam CV dan portofolio

Pelamar dapat mengubah kemampuan tersebut menjadi rangkaian artefak kerja yang dapat diperiksa. Contoh berikut merupakan matriks bukti editorial, bukan syarat seleksi yang diumumkan perusahaan. Artefaknya dapat berasal dari pekerjaan nyata yang boleh dibagikan atau dari simulasi yang diberi label jelas; keduanya harus menyebut dengan jujur apa yang dikerjakan pelamar sendiri.

• Penggunaan AI: Tunjukkan tujuan tugas, jenis masukan yang dipakai, bagian pekerjaan yang dibantu AI, dan hasil yang kemudian dikembangkan. Catatan singkat tentang batasan tugas membantu pembaca melihat mengapa alat itu digunakan.
• Pemeriksaan hasil: Pasangkan contoh keluaran awal dengan data atau rujukan yang dipakai untuk memeriksanya. Tandai bagian yang keliru, belum lengkap, atau perlu diperbarui, lalu perlihatkan perubahan pada hasil akhir.
• Penalaran kritis: Jelaskan asumsi yang dipertanyakan dan bukti yang diperlukan sebelum sebuah saran diterima. Penjelasan mengapa suatu usulan direvisi atau ditolak dapat menjadi artefak yang lebih kuat daripada pernyataan bahwa pelamar mampu berpikir kritis.
• Keputusan manusia: Sajikan pilihan yang dipertimbangkan, kriteria pemilihannya, dan alasan keputusan akhir. Dengan begitu, pembaca dapat membedakan keluaran yang diberikan AI dari pertanggungjawaban orang yang memakai keluaran tersebut.
• Kreativitas: Perlihatkan alternatif yang dikembangkan dari masalah yang sama dan alasan memilih bentuk akhir. Perbandingan pilihan menunjukkan bagaimana ide disesuaikan dengan kebutuhan pekerjaan, bukan hanya bagaimana hasil dibuat tampak rapi.

CV dapat merangkum peran pelamar dan hasil yang benar-benar bisa ditunjukkan, sedangkan portofolio memberi ruang bagi proses dan bukti pendukungnya. Jika contoh dibuat sebagai latihan, label simulasi perlu terlihat sejak awal. Penjelasan itu mencegah contoh latihan terbaca sebagai pengalaman menangani proyek perusahaan dan tetap memungkinkan kemampuan pelamar dinilai dari pekerjaannya.

Contoh dari daerah menunjukkan pentingnya keputusan manusia

Dalam liputan ANTARA tentang acara tersebut, Meutya mencontohkan penggunaan AI dan Internet of Things untuk pengelolaan lumbung padi di Sragen, penghematan listrik pada tambak nila di Sukabumi, serta pembacaan data pelanggan oleh UMKM; ia juga menegaskan, “Keputusan akhir harus ada di manusia.” Contoh itu mengaitkan kemampuan menggunakan teknologi dengan masalah yang berbeda-beda, bukan dengan satu bentuk keluaran yang berlaku untuk semua pekerjaan.

Dalam pengelolaan persediaan, keputusan memerlukan pemahaman tentang kondisi penyimpanan dan kebutuhan setempat. Pada tambak, usulan penghematan perlu dinilai terhadap kegiatan yang benar-benar memakai listrik. Pada usaha kecil, pembacaan data pelanggan baru berguna jika pemilik usaha memahami pertanyaan yang ingin dijawab. Bagi pelamar, konsekuensinya jelas: contoh kerja yang menunjukkan masalah, pemeriksaan hasil, dan alasan keputusan memberi perusahaan bahan untuk menilai bagaimana mereka bekerja bersama AI pada tugas yang nyata.

Baca juga:

• Media kit kreator bukan sekadar pengikut—data ini yang dicari brand
• Beeline MCP memberi agen akses data pekerja—keputusan penting tetap manusia
• Menandatangani image dengan Cosign: verifikasi identitas, bukan sekadar centang