Teori
Alat-alat dan platform digital Kecerdasan Buatan (Artificial Intelligence/AI), atau setidaknya alat dan platform yang mengklaim "status cerdas" telah menjadi bagian tak terpisahkan dari organisasi bisnis dan masyarakat selama satu dekade terakhir. Hal ini berasal dari kemampuan algoritme AI untuk mengotomatisasi proses bisnis, mengekstrak pengetahuan dari data besar, memberikan prediksi dan rekomendasi, serta kemampuan analitik dan komputasi yang lebih unggul dibandingkan dengan manusia (von Krogh, Roberson, dan Gruber, 2023).Â
Penelitian terbaru telah menekankan manfaat dari penggunaan alat pembelajaran mesin (ML) berbasis AI untuk mempromosikan keragaman (Daugherty et al., 2018), perekrutan karyawan (Pan et al., 2022), faktor-faktor yang memengaruhi adopsi AI di antara manajer HRM (Suseno et al, 2022).
 peningkatan peran bot untuk meningkatkan pengalaman kerja karyawan (Malik, Budhwar, Patel, & Srikanth, 2022. Chatbots yang didukung ML dapat menyaring resume, menjawab pertanyaan pelamar, dan menjadwalkan wawancara, membebaskan waktu staf SDM untuk fokus pada tugas yang lebih strategis (Feldman, 2021).Â
Model ML dapat memprediksi kemungkinan kandidat untuk berhasil dalam suatu peran, membantu perusahaan memilih kandidat terbaik dan mengurangi turnover (Arntz et al., 2021). Sistem ML dapat merekomendasikan program pelatihan dan pengembangan berdasarkan keterampilan, minat, dan kinerja individu (Skillicorn, 2021).Â
ML dapat digunakan untuk membuat konten microlearning yang dipersonalisasi, yang lebih mudah diserap dan diingat oleh karyawan (Burke, 2021). ML dapat menganalisis umpan balik 360 derajat untuk mengidentifikasi pola dan tren, membantu karyawan dan manajer mereka meningkatkan kinerja (Tsui et al., 2021).
Pembahasan
ML dapat diterapkan pada berbagai aspek SDM, antara lain:
- Perekrutan dan Penempatan: ML dapat digunakan untuk menyaring resume, mengidentifikasi kandidat yang paling sesuai, dan memprediksi kemungkinan keberhasilan mereka dalam suatu peran.
- Pengembangan dan Pelatihan: ML dapat digunakan untuk mengidentifikasi kebutuhan pelatihan karyawan, memberikan rekomendasi pelatihan yang dipersonalisasi, dan melacak kemajuan pelatihan.
- Manajemen Kinerja: ML dapat digunakan untuk menganalisis data kinerja, mengidentifikasi karyawan yang berisiko tinggi, dan memberikan intervensi yang tepat waktu.
- Kompensasi dan Benefit: ML dapat digunakan untuk menganalisis data gaji, mengidentifikasi ketidakadilan gaji, dan merancang program kompensasi dan benefit yang lebih adil dan kompetitif.
- Retensi Karyawan: ML dapat digunakan untuk mengidentifikasi karyawan yang berisiko tinggi untuk keluar, memberikan intervensi untuk meningkatkan retensi, dan meningkatkan kepuasan kerja karyawan.
Contoh Penerapan ML dalam SDM
* IBM menggunakan ML untuk merekrut karyawan dengan menganalisis data media sosial mereka.
* Google menggunakan ML untuk mengembangkan program pelatihan yang dipersonalisasi untuk karyawannya.
