95% CHRO punya inisiatif AI—strategi keterampilan belum mengejar

Dalam analisis Gartner bertanggal 2 September 2026, perusahaan riset itu menyatakan 95% CHRO melaporkan inisiatif AI aktif, sedangkan 51% CIO dan pemimpin TI senior menilai kebutuhan keterampilan berubah lebih cepat daripada ketersediaan talenta. Temuan global tersebut menunjukkan bahwa banyak organisasi telah memulai proyek AI sebelum strategi pengembangan tenaga kerjanya mampu mengikuti.

Jawabannya bukan mengejar setiap alat atau kemampuan baru. Perusahaan perlu mendahulukan keterampilan yang tetap berguna ketika teknologi berubah: literasi teknis, penilaian hasil, pemecahan masalah, adaptasi, dan kemampuan menempatkan AI dalam alur kerja; urutan pelatihannya ditentukan oleh perubahan tugas dan dampak kesalahan.

Inisiatif aktif belum membuktikan kesiapan tenaga kerja

Angka tentang CHRO mengukur keberadaan inisiatif, bukan tingkat kematangan, keberhasilan, atau luas penerapannya. Sebuah inisiatif dapat masih berupa eksperimen terbatas, pengembangan kebijakan, atau penerapan pada sebagian proses. Karena itu, angka tersebut tidak membuktikan bahwa pekerja sudah memiliki kemampuan yang diperlukan atau bahwa tata kelola telah berjalan.

Angka dari pemimpin TI juga mengukur hal berbeda: persepsi terhadap kecepatan perubahan kebutuhan keterampilan dibandingkan pasokan talenta. Kedua temuan itu tidak dapat digabungkan menjadi satu tingkat kesiapan. Namun, arahnya konsisten—aktivitas AI telah meluas ketika kemampuan organisasi untuk mengembangkan orang, peran, dan proses belum bergerak secepat kebutuhan teknologinya.

Halaman analisis yang terbuka untuk publik tidak mencantumkan ukuran sampel, wilayah responden, atau waktu pengumpulan data bagi kedua persentase utama. Artinya, hasil tersebut sebaiknya diperlakukan sebagai sinyal global bagi pemimpin HR dan TI, bukan estimasi khusus mengenai perusahaan di Indonesia.

Kesenjangan antara adopsi dan kesiapan juga terlihat dalam rilis resmi Gartner pada 13 Mei 2026: survei Desember 2025 terhadap 197 eksekutif menemukan hanya 27% memiliki strategi AI yang menyeluruh dan 20% menilai tenaga kerjanya benar-benar siap. Ini merupakan survei terpisah, sehingga angkanya bukan verifikasi langsung atas temuan September, tetapi memperkuat perbedaan penting antara memiliki aktivitas AI dan menyiapkan organisasi untuk menjalankannya.

Perubahan tugas menentukan keterampilan yang didahulukan

Kerangka yang ditawarkan membagi dampak AI terhadap pekerjaan menjadi tiga bentuk: memperkuat pekerjaan yang sudah ada, merekayasa ulang alur kerja, dan menciptakan pekerjaan baru. Pembagian ini membuat pilihan keterampilan bergantung pada apa yang berubah dalam pekerjaan, bukan pada popularitas sebuah aplikasi.

Ketika AI hanya mempercepat tugas yang sudah ada, kebutuhan utama berada pada perumusan masalah serta kemampuan menilai keluaran dan risikonya. Pekerja harus memahami tujuan tugas, mengenali jawaban yang tidak memadai, dan mengetahui kapan hasil tidak boleh diteruskan tanpa pemeriksaan manusia.

Jika AI mengubah rangkaian proses, pemikiran sistem dan mediasi manusia–AI menjadi lebih penting. Organisasi perlu menentukan hubungan antartahap, pemilik keputusan, penanganan pengecualian, dan jalur eskalasi. Ketika AI memungkinkan pekerjaan yang sebelumnya tidak ada, kemampuan membaca konsekuensi jangka panjang dan kepemimpinan etis mendapat bobot lebih besar.

Untuk kebutuhan perusahaan, pembagian tersebut dapat diterjemahkan menjadi matriks lima kemampuan inti. Matriks berikut merupakan sintesis editorial dari kerangka perubahan kerja, bukan taksonomi resmi:

• Literasi teknis: memahami fungsi, keterbatasan, kebutuhan data, dan kondisi penggunaan AI tanpa mengharuskan semua pekerja menjadi pengembang.
• Penilaian hasil: memeriksa ketepatan, relevansi, bias, keamanan, dan kecukupan bukti sebelum keluaran dipakai.
• Pemecahan masalah: merumuskan tujuan, membagi pekerjaan menjadi tugas yang jelas, dan memilih bagian yang layak dibantu AI.
• Adaptasi: mempelajari perubahan alat dan prosedur tanpa kehilangan standar kualitas atau pengetahuan bidang.
• Penerapan pada alur kerja: menetapkan peran, titik pemeriksaan, dokumentasi, dan jalur eskalasi ketika AI masuk ke proses nyata.

Urutan pelatihan mengikuti risiko kesalahan

Prioritas pelatihan dapat ditentukan dengan membandingkan dua dimensi: seberapa jauh AI mengubah tugas dan seberapa berat akibat jika keluarannya salah. Tugas yang sedikit berubah dan mudah dikoreksi dapat dimulai dengan literasi dasar serta pemeriksaan hasil. Tugas yang mengubah keputusan atau hubungan antartahap membutuhkan pemahaman proses dan akuntabilitas lebih awal.

Pada pekerjaan berisiko rendah, pelatihan penggunaan alat dapat diberikan bersamaan dengan latihan merumuskan tujuan dan menilai kualitas keluaran. Pada proses berdampak tinggi—misalnya ketika hasil memengaruhi kandidat kerja, pelanggan, keuangan, atau data sensitif—penilaian risiko, kewenangan manusia, serta prosedur eskalasi harus mendahului target kecepatan.

Urutan ini juga membedakan kemampuan dasar dari keterampilan yang terikat pada produk tertentu. Pengetahuan mengenai antarmuka atau fitur tetap diperlukan untuk operasi harian, tetapi masa gunanya dapat lebih pendek. Kemampuan merumuskan masalah, memeriksa bukti, memahami proses, dan mengambil alih ketika sistem gagal lebih mudah dipindahkan saat alat berganti.

Pendekatan berbasis tugas tidak berarti satu kurikulum berlaku bagi seluruh perusahaan. Tim HR perlu memetakan tanggung jawab bersama pemilik proses dan fungsi TI karena risiko serta bentuk perubahan kerja berbeda antarperan. Kelompok peserta kemudian ditentukan oleh tugas yang mereka jalankan, bukan hanya jabatan atau akses mereka terhadap sebuah alat.

Kesiapan terlihat dari hasil kerja, bukan jumlah kursus

Keberhasilan strategi keterampilan tidak cukup diukur melalui penyelesaian modul. Bukti yang lebih dekat dengan pekerjaan mencakup kemampuan pekerja menilai keluaran, partisipasi dalam pembelajaran berbasis pengalaman, perubahan waktu siklus atau kualitas hasil, penurunan insiden kepatuhan, serta keterlibatan peserta.

Tekanan untuk memilih berdasarkan kebutuhan bisnis juga muncul dalam liputan ITPro pada 3 September 2026, ketika Tina Nunno dari Gartner menjelaskan bahwa kasus penggunaan yang paling populer tidak selalu memberi hasil dan bahwa organisasi perlu memulai dari tujuan yang jelas serta fondasi yang memadai. Laporan independen itu tidak menguji ulang persentase CHRO, tetapi mendukung alasan untuk mengaitkan pelatihan dengan proses tertentu alih-alih tren alat.

Pada saat ini, analisis September memberi kerangka untuk menyaring daftar keterampilan yang terus bertambah, tetapi belum menyediakan metodologi terbuka bagi angka utamanya atau data khusus Indonesia. Hal yang masih perlu ditentukan setiap perusahaan adalah tugas mana yang berubah, risiko apa yang muncul, siapa pemilik keputusan, dan bukti kerja apa yang akan dipakai untuk menilai kesiapan.

Baca juga:

• Lowongan pemula era AI meminta keterampilan yang dulu dianggap senior
• Hugging Face tanpa bingung: Models, Datasets, dan Spaces punya fungsi berbeda
• Menghapus chat belum tentu menghapus memori AI—ini langkah yang sering terlewat