Permintaan skill AI naik di 27 negara—satu strategi pelatihan tak akan cukup

1 Oktober 2026 pukul 20.00|Penulis: Tim Redaksi QUASA|5 mnt baca

Pada 22 September 2026, SHRM melalui pengumuman hasil analisis lowongan menyatakan bahwa penyebutan keterampilan AI meningkat di seluruh 27 negara yang diteliti selama periode Juli 2025 hingga Juni 2026 dibandingkan dengan periode sebelumnya, dengan laju berbeda menurut pasar dan pekerjaan. Analisisnya mencakup lowongan aktif bidang teknologi informasi dan ilmu komputer. Bagi pencari kerja, temuan ini menggeser pertanyaan dari kursus AI apa yang populer menjadi kemampuan apa yang diminta untuk jabatan yang dituju.

HR News Canada juga melaporkan kenaikan di seluruh pasar yang diteliti dalam liputannya tentang temuan tersebut. Kenaikan bersama itu tidak berarti setiap lowongan meminta kemampuan yang sama: kebutuhan untuk pekerjaan analisis data, dukungan sistem, dan pengembangan model harus dibaca menurut tugas masing-masing. Untuk pembaca Indonesia, riset lintas negara ini berguna sebagai pembanding dan cara memilah istilah dalam iklan kerja, bukan sebagai ukuran tersendiri untuk pasar lokal.

Jurang permintaan terlihat saat pekerjaan dipisahkan

Ringkasan riset SHRM yang bertanggal 16 Juni 2026 mencatat median porsi lowongan yang menyebut keterampilan AI sebesar 4,7% pada dukungan jaringan dan sistem, berbanding 55,1% pada analisis data dan matematika; rerata porsi menurut negara bergerak dari 7% di Austria hingga 28,5% di Amerika Serikat. Angka jabatan adalah median antarnegara, sedangkan angka negara adalah rerata dalam kelompok lowongan bidang yang diamati. Keduanya tidak dapat dipertukarkan atau dibaca sebagai persentase dari semua jenis pekerjaan.

Jarak antarjabatan menjelaskan mengapa strategi pelatihan seragam sulit dipertahankan. Kandidat untuk analisis data lebih mungkin menjumpai penyebutan AI secara eksplisit daripada kandidat untuk dukungan jaringan dan sistem, meski keduanya berada dalam ranah teknologi. Rendahnya penyebutan pada suatu kelompok bukan bukti bahwa pekerjanya tidak memakai AI: yang dihitung adalah keterampilan dalam iklan lowongan, bukan seluruh pekerjaan setelah seseorang direkrut.

Perbedaan antarnegara memberi batas lain. Pasar dengan porsi lebih besar menunjukkan AI lebih sering muncul dalam iklan bidang yang diamati, bukan bahwa semua perusahaan di negara itu sudah menggunakan teknologi tersebut atau membutuhkan pelatihan yang sama. Komposisi pekerjaan yang diiklankan dan praktik penulisan lowongan juga dapat memengaruhi perbandingan. Karena itu, daftar keterampilan dari sebuah negara tidak otomatis menjadi urutan belajar bagi pelamar di negara lain.

Istilah umum dan kemampuan teknis menjawab pertanyaan berbeda

Di dalam lowongan terkait AI, istilah luas seperti “artificial intelligence” lebih sering disebut daripada bidang yang lebih khusus seperti AI generatif atau agen AI. Penyebutan istilah luas menunjukkan topik yang dianggap relevan oleh perekrut, tetapi tidak menjelaskan apakah seseorang diharapkan membuat model, menghubungkan layanan AI ke sistem lain, atau menilai keluaran alat yang sudah ada. Kata kerja dan hasil yang diminta di sekitar istilah tersebut memberi petunjuk yang lebih jelas daripada label “AI” saja.

Keahlian yang lebih spesifik memberi petunjuk berbeda. Dalam temuan yang diumumkan, pembelajaran mesin, platform komputasi awan, PyTorch, dan TensorFlow muncul di antara kemampuan yang dicari. Namun, kehadiran nama alat dalam laporan lintas pasar bukan persyaratan untuk setiap posisi. PyTorch akan bermakna lain jika dipasangkan dengan tugas membangun model daripada jika sebuah lowongan hanya menyebut pengetahuan umum tentang AI. Perbedaan tugas itulah yang menentukan apakah kursus pengantar, latihan pemrograman, atau proyek teknis mendalam layak menjadi prioritas.

Prioritas belajar mengikuti keluaran kerja jabatan

Temuan global ini dapat diterjemahkan dengan memisahkan tiga lapis persyaratan dalam lowongan: istilah AI yang umum, kemampuan teknis yang spesifik, dan kemampuan sosial yang diperlukan untuk mengerjakan tugas. Lapis pertama memberi konteks; lapis kedua menunjukkan alat atau metode yang mungkin harus dikuasai; lapis ketiga menunjukkan bagaimana hasilnya dikomunikasikan atau dipakai bersama orang lain. Ketiganya tidak selalu muncul dengan bobot yang sama dalam sebuah posisi.

Untuk jabatan analisis data, iklan yang menuntut pembersihan data, pengembangan model, dan penjelasan hasil memberikan arah belajar yang lebih tepat daripada kursus AI umum. Bukti yang relevan dapat berupa proyek analisis dengan data, alasan pemilihan metode, cara memeriksa hasil, dan penjelasan batas kesimpulan. Ini adalah contoh bersyarat tentang kecocokan antara tugas dan portofolio, bukan gambaran persyaratan setiap perusahaan.

Pada jabatan dukungan jaringan dan sistem, pekerjaan inti yang tertulis dalam iklan tetap menentukan prioritas. Jika AI hanya disebut sebagai nilai tambah, kursus khusus pengembangan model belum tentu menunjukkan kemampuan menjalankan tugas dukungan. Sebaliknya, bila iklan meminta integrasi atau evaluasi alat AI dalam sistem yang ditangani, portofolio perlu memperlihatkan pekerjaan itu secara langsung. Kecocokannya bertumpu pada hasil yang dapat diperiksa, bukan jumlah sertifikat.

Keterampilan sosial juga tampak dalam lowongan terkait AI

Analisis tersebut menemukan bahwa keterampilan sosial muncul dengan frekuensi yang berbeda dalam lowongan terkait AI di berbagai pasar. Perbedaannya penting karena kemampuan teknis tidak selalu cukup untuk menjelaskan apa yang diharapkan perekrut dari sebuah jabatan. Hasil analisis, misalnya, mungkin perlu disampaikan kepada rekan dengan latar berbeda; tetapi kebutuhan komunikasi semacam itu harus terlihat dalam uraian tugas, bukan diasumsikan sama di semua tempat.

Portofolio dapat memperlihatkan hubungan antara sisi teknis dan sosial tanpa menambah klaim yang tidak pernah diuji. Dalam proyek yang benar-benar dikerjakan, pelamar bisa menunjukkan persoalan yang ditangani, pilihan metode, hasil yang diperoleh, batasnya, serta cara keputusan dijelaskan kepada orang lain. Jika iklan menuntut kolaborasi atau penjelasan temuan, uraian tersebut lebih informatif daripada daftar panjang istilah teknologi tanpa contoh pekerjaan.

Data yang tersedia belum menetapkan kebutuhan khusus Indonesia

Yang tersedia untuk publik adalah pola kenaikan dan kesenjangan dalam lowongan bidang teknologi informasi dan ilmu komputer di pasar yang masuk analisis, bukan ukuran khusus kebutuhan seluruh perusahaan Indonesia. Ringkasan terbuka juga tidak menetapkan kurikulum tunggal untuk semua jabatan. Sampai ada data lowongan lokal yang sebanding, temuan ini mendukung pemilihan keterampilan menurut pekerjaan sasaran: bedakan penyebutan AI umum dari kemampuan teknis dan kerja sama yang sungguh dituntut posisi itu.