Literasi AI: Menutup kesenjangan keterampilan kecerdasan buatan

Menurut riset terbaru dari Sam Manning, seorang rekan di Center for Governance of AI, 6,1 juta pekerja di Amerika Serikat terpapar AI dan kurang siap untuk beradaptasi dengan teknologi. Sementara itu, hampir setengah dari eksekutif yang baru-baru ini disurvei oleh IBM® mengatakan bahwa karyawan mereka tidak memiliki keterampilan dan pengetahuan AI yang diperlukan untuk menerapkan teknologi AI dalam skala besar.

Mengingat dampak AI yang diharapkan pada industri di seluruh dunia, kesenjangan keterampilan AI mungkin memiliki hasil yang mendalam. Menurut riset dari IBM® Institute for Business Value, 87% eksekutif percaya bahwa karyawan lebih mungkin untuk ditambah daripada digantikan oleh AI generatif.

Kemampuan mereka untuk secara efektif memanfaatkan potensi teknologi kemungkinan akan memiliki konsekuensi besar untuk seluruh industri: Investasi dalam AI melonjak 150% dan pada tahun 2030 AI diperkirakan akan meningkatkan produktivitas perusahaan sebesar 42%. Sebagian besar organisasi—sebanyak 70%—berencana untuk menginvestasikan kembali keuntungan produktivitas tersebut kembali ke inovasi dan pertumbuhan.

Tetapi tanpa program literasi AI yang kuat, transformasi perusahaan yang luas ini mungkin terhenti. Untuk menciptakan tempat kerja masa depan, pendidikan tinggi dan perusahaan harus secara proaktif mengembangkan sikap dan kompetensi yang diperlukan untuk kesuksesan jangka panjang karyawan mereka.

Literasi AI adalah kemampuan untuk memahami, mengaudit, dan menggunakan sistem AI dengan cermat. Alih-alih keterampilan teknis yang disediakan untuk insinyur, ini adalah kompetensi dasar bagi pekerja di setiap fungsi dan tingkat organisasi, dari karyawan entry-level hingga C-suite.

Dengan memahami kemampuan AI, keterbatasan, dan pertimbangan etis, peserta didik memperoleh keterampilan praktis dan konseptual. Keterampilan ini memungkinkan AI-literasi untuk melatih pemikiran penting dalam pemahaman mereka tentang teknologi AI dan penerapan AI mereka.

Pada dasarnya, literasi AI berarti mengetahui apa yang bisa dan tidak bisa dilakukan AI. Misalnya, memahami bahwa model machine learning mengidentifikasi pola dalam data tetapi masih memerlukan pengawasan manusia. Bentuk literasi AI yang lebih canggih melibatkan kemampuan untuk memahami bias dan risiko, bersama dengan membuat keputusan berdasarkan informasi tentang cara menerapkan AI di seluruh alur kerja.

Tidak seperti literasi digital, yang terutama berlaku untuk mengetahui cara menggunakan perangkat lunak, literasi AI membutuhkan tingkat konseptual yang lebih dalam.

“Karena AI menangani pengodean dan dokumentasi yang lebih rutin, para profesional semakin diharapkan untuk berpikir secara holistik,” kata Natasha Pillay-Bemath, VP IBM® untuk Akuisisi Bakat Global dan Pencarian Eksekutif. Tentu saja, peran mereka bergeser ke arah “[...] memahami sistem ujung ke ujung dan memvalidasi output AI untuk kualitas dan bias.”

Literasi AI bukan hanya ilmu komputer. Ini adalah mengetahui cara menggunakan alat AI, memahami bagaimana mereka beroperasi, bagaimana mereka bernalar, dan tugas mana yang paling baik diterapkan. Ini juga merupakan perubahan mendasar dalam cara pekerjaan dilakukan: “Adopsi AI membutuhkan perubahan pola pikir,” tulis Glenn Dittrich dan Kim Morick dari IBM® Consulting. “Ini menuntut investasi tidak hanya dalam keterampilan teknis tetapi dalam kemampuan seperti empati, pemikiran penting dan keingintahuan.”

Laju pemahaman AI belum mengejar peningkatan dramatis dalam penggunaan AI. Dengan rilis ChatGPT OpenAI pada tahun 2022, banyak masyarakat menemukan gen AI untuk pertama kalinya. Saat ini, menurut Gallup, 12% orang dewasa yang bekerja menggunakan AI setiap hari dalam pekerjaan mereka, di semua sektor. Pekerja di bidang teknologi, keuangan, dan industri adopsi tinggi lainnya menggunakannya lebih banyak.

Tetapi ketika organisasi menerapkan alat-alat ini, dari chatbot layanan pelanggan hingga alat konten generatif, banyak karyawan tidak memiliki pengetahuan dasar untuk menggunakannya secara bertanggung jawab dan efektif.

Menurut riset terbaru dari McKinsey, permintaan akan kefasihan AI telah tumbuh tujuh kali lipat dalam dua tahun, lebih cepat daripada keterampilan lain di antara posting pekerjaan di Amerika Serikat. Sementara itu, Forum Ekonomi Dunia memproyeksikan 40% keterampilan yang dibutuhkan oleh tenaga kerja global akan berubah dalam lima tahun.

Kesenjangan keterampilan memiliki konsekuensi nyata: Karyawan yang tidak memahami keterbatasan AI mungkin terlalu mempercayai output. Karyawan yang skeptis mungkin kurang memanfaatkan alat transformatif. Dan kepemimpinan yang gagal memahami model AI tidak dapat merancang implementasi yang memberikan nilai nyata di seluruh organisasi. Ketika teknologi menjadi lebih canggih, dinamika ini bertambah.

Terlebih lagi, ketika bisnis menerapkan agen AI dan perangkat lunak yang lebih otonom, sistem tata kelola menjadi lebih kompleks. Aplikasi intuitif, dasbor, opsi tanpa‑kode, dan kueri bahasa alami semuanya meningkatkan aksesibilitas tetapi masih membutuhkan kefasihan AI untuk beroperasi dengan aman.

Dan karena beberapa program percontohan AI terhenti dan organisasi berjuang untuk melihat hasil langsung, menjadi jelas potensi teknologi terletak pada lebih dari implementasi teknologi sederhana. Organisasi melihat lebih banyak nilai ketika mereka mendesain ulang alur kerja dan karyawan mereka beradaptasi dengan cara kerja baru. Semua pekerjaan ini membutuhkan pemahaman yang bernuansa tentang alat dan keterampilan tempat kerja terkait AI.

“Peran entry-level bergeser dari pekerjaan murni berbasis tugas ke analisis, pemecahan masalah, dan penggunaan AI yang bertanggung jawab,” kata Natasha Pillay-Bemath, VP Akuisisi Bakat Global dan Pencarian Eksekutif IBM®. Dia mencatat bahwa kemampuan belajar yang cepat kini sama pentingnya dengan keterampilan teknis bagi karyawan baru.

Literasi AI adalah klaster keterampilan terkait yang beroperasi secara singgung. Idealnya, seperangkat kompetensi interdisipliner dan praktis disesuaikan dengan hasil dan peran tertentu. Sementara jalur spesifik literasi AI dapat berubah tergantung pada tingkat keterampilan yang diinginkan, Forum Ekonomi Dunia baru-baru ini memperkenalkan rancangan kurikulum untuk literasi AI dalam pengaturan pendidikan. Kerangka kerja literasi AI empat pilar WEF meliputi:

• Terlibat dengan AI: Mengetahui aplikasi AI, bersama dengan mengevaluasi outputnya
• Membuat dengan AI: Memahami cara berkolaborasi dengan alat AI, mengingat pertimbangan etis
• Mengelola tindakan AI: Mendelegasikan tugas secara bertanggung jawab ke AI dan memastikan pengawasan manusia
• Merancang solusi AI: Mengambil pemahaman tentang bagaimana AI bekerja untuk memecahkan masalah dalam kehidupan sehari-hari

Beberapa bentuk praktis lainnya dari literasi AI mungkin termasuk:

• Memahami cara kerja AI: Dalam pemahaman konseptual AI, pengguna tahu apa itu AI dan bagaimana sistem machine learning belajar dari data—serta kekuatan dan keterbatasan berbagai perangkat lunak dan algoritma.
• Mengevaluasi AI: Dalam mengevaluasi AI secara kritis, pengguna dapat menilai output AI dan pengambilan keputusan untuk akurasi, bias, dan keandalan. Proses ini berarti, misalnya, mengetahui kapan harus Verify atau kapan harus menolak hasil yang dihasilkan AI sepenuhnya.
• Menerapkan AI: Praktis menerapkan AI melibatkan mengetahui cara menggunakan AI secara efektif untuk tugas dan alur kerja tertentu.

Menggunakan kerangka kerja etika, sosial, dan tata kelola untuk AI: Literasi AI yang bertanggung jawab melibatkan pemahaman dampak AI dalam konteks yang luas: Privasi, keadilan, akuntabilitas, dan penjelasan. Pengguna yang benar-benar melek AI memahami bahwa menerapkan AI bukan hanya keputusan teknis.

Literasi AI generatif adalah bagian spesifik dari literasi AI yang berfokus pada model bahasa besar (LLM) dan sistem generatif lainnya. Seiring dengan semakin tertanamnya perangkat AI generatif dalam alur kerja organisasi, dimensi ini menjadi sangat penting.

Salah satu aspek kunci adalah memahami konsep halusinasi dan mendorong pengguna untuk mendekati output AI dengan tingkat skeptisisme. Hal lainnya adalah memprioritaskan penggunaan yang bertanggung jawab. Misalnya, memahami apa yang tidak boleh dibagikan dengan sistem AI eksternal atau mengenali kapan tugas tidak mendapat manfaat dari gen AI.

Aspek penting lainnya dari literasi AI generatif meliputi:

• Memahami data pelatihan
• Mempertimbangkan isu-isu kekayaan intelektual dan hak cipta
• Mengenali batasan model
• Maintaining kesadaran terhadap privasi data

Literasi AI adalah landasan transformasi digital yang kuat. “Implementasi yang berarti menuntut jauh lebih dari sekadar mengaktifkan teknologi baru,” kata Kimberly Morick, mitra HR Technology di IBM® Consulting. ”Keberhasilan menuntut pemahaman yang mendalam tentang bagaimana data terstruktur dan tidak terstruktur saling melengkapi, insight tentang mekanisme pembelajaran AI, dan pengawasan manusia strategis pada titik-titik keputusan penting.”

“Tanpa fondasi ini,” tambahnya, “organisasi berisiko menerapkan alat yang kuat dengan dampak terbatas.”

Beberapa praktik terbaik untuk membangun literasi AI dalam pengaturan perusahaan meliputi: 

Program literasi AI yang efektif dimulai dengan akuntansi yang jujur tentang posisi organisasi. Baik dalam hal tingkat literasi AI perusahaan yang ada dan jenis literasi yang akan dibutuhkannya di masa depan. Penilaian dasar yang berarti dapat mengukur literasi lintas dimensi:

• Alat apa yang digunakan dan seberapa efektif?
• Kompetensi dan pemahaman konseptual apa yang paling dibutuhkan peran tertentu?
• Keterampilan apa yang sudah ada dalam suatu organisasi? Bagaimana mereka bisa digunakan dengan baik?

Selama penilaian dasar, akan berguna untuk memetakan bagaimana peran diharapkan berubah dalam jangka pendek dan panjang. Dengan merencanakan desain ulang pekerjaan, organisasi membantu memastikan bahwa karyawan akan memiliki keterampilan yang mereka butuhkan untuk masa depan—dan membantu karyawan melihat manfaat dunia nyata dari literasi AI.

“Dengan membingkai setiap otomatisasi alur kerja sebagai potensi untuk pekerjaan baru yang kreatif, proses perencanaan membuka nilai potensial,” kata Sarah Damenti, Associate Partner untuk Transformasi SDM dan Bakat di IBM®. 

Dalam organisasi besar dengan banyak peran yang berbeda, kurikulum tunggal terkadang bisa gagal. Satu ukuran untuk semua pelatihan atau webinar yang secara bersamaan ditujukan untuk karyawan garis depan dan staf TI dapat menjadi kontra-produktif. Organisasi yang sukses menyadari bahwa keterampilan yang berbeda diperlukan untuk peran yang berbeda dan mempersonalisasi pelatihan dengan tepat. Dengan menggunakan AI, organisasi dapat membuat jalur pembelajaran khusus peran individual bagi karyawan yang mempertimbangkan tingkat kefasihan mereka yang ada. 

Meskipun sangat penting bagi semua karyawan untuk memiliki pemahaman mendasar tentang cara kerja AI, program literasi AI perusahaan yang efektif membangun pembelajaran di sekitar alat khusus yang mungkin ditemui karyawan. Pendekatan ini menjembatani kesenjangan antara mengetahui tentang AI dan mengetahui cara menggunakannya secara efektif dalam alur kerja nyata. Modul literasi AI yang dirancang dengan baik memandu karyawan melalui skenario langsung tertentu daripada melatih mereka tentang konsep abstrak atau alat generik. 

Literasi AI yang sebenarnya bergantung pada kemampuan untuk mengevaluasi secara kritis Output AI dan potensi informasi yang salah dalam situasi dunia nyata. Perusahaan yang berpikiran maju mengajarkan keterampilan ini secara eksplisit, dengan latihan dan masukan yang disengaja—karyawan yang sering menggunakan sistem AI tanpa praktik terstruktur dalam evaluasi dapat menjadi lebih bergantung pada sistem ini dari waktu ke waktu.

Misalnya, Matt Beane, Associate Professor of Teknologi Management di UC Santa Barbara, mem praktikkan pendekatan yang mendorong pengguna untuk merefleksikan pilihan mereka sendiri dengan AI. Seperti yang dikatakan Beane kepada IBM®, ia memasangkan tim magang kecil untuk bekerja dengan karyawan senior yang melatih kelompok kecil melalui serangkaian tantangan dengan alat AI. Selama sesi tanya jawab, kelompok kemudian menjawab serangkaian pertanyaan untuk mengungkap asumsi bawah sadar mereka atau menemukan solusi alternatif. 

Salah satu dasar dari praktik pembelajaran AI yang efektif adalah jaringan juara internal. Orang-orang dalam peran di berbagai fungsi yang antusias tentang AI dan bersedia berbagi pengetahuan dan pengalaman mereka. Seringkali, antusiasme terhadap literasi AI menetes dari atas; pemangku kepentingan utama harus fasih dalam menggunakan AI dan menjelaskan bagaimana hal itu akan membawa nilai bagi organisasi.

Ketika karyawan bersemangat tentang potensi alat baru, mereka lebih cenderung terlibat secara mendalam dengan program literasi AI.

Juara internal ini juga dapat memunculkan contoh penggunaan AI baru yang dilakukan karyawan atau kegagalan yang tidak terduga. Lingkaran masukan ini dapat menjadi penting untuk menjaga kebijakan serta program pembelajaran terhubung dengan kenyataan tentang bagaimana AI digunakan di seluruh organisasi — menginformasikan pelatihan lebih lanjut. 

Literasi AI tanpa pendidikan tata kelola yang kuat tidak lengkap. Program literasi AI perusahaan yang efektif dibangun di samping kerangka kerja yang jelas. Pendekatan ini berarti menetapkan kebijakan eksplisit tentang penggunaan yang dapat diterima, mengajari pengguna jenis data apa yang harus dimasukkan ke dalam sistem AI dan bagaimana output yang dihasilkan AI harus dikaitkan sebelum digunakan. Program literasi AI juga harus membuat perlindungan tata kelola terlihat oleh karyawan di semua tingkatan, mendorong budaya kepatuhan.

Belajar membutuhkan coba-coba, kefasihan AI asli membutuhkan budidaya budaya di mana iterasi dihargai. Secara praktis, pendekatan ini berarti mendedikasikan waktu dan sumber daya untuk eksperimen, seperti hackathon internal. Morick menyebut pola pikir ini sebagai “berpikir seperti startup.”

“AI adalah inisiatif semua orang,” katanya. “Semua orang perlu mengambil kepemilikan dan berkata, bagaimana saya akan lebih efektif dalam pekerjaan saya? "Bagaimana saya akan memberikan hasil yang lebih cepat dan bernilai lebih tinggi kepada organisasi dari pekerjaan saya?" Dengan sengaja menciptakan ruang yang aman untuk eksperimen, organisasi dapat menumbuhkan literasi AI jangka‑panjang dan memicu hasrat untuk ide-ide baru.

Organisasi yang memperlakukan literasi AI sebagai prioritas organisasi permanen daripada inisiatif satu‑kali lebih cenderung berhasil. Prioritas ini merupakan keharusan yang mendesak ketika sepertiga jam kerja dapat diotomatisasi di tahun-tahun mendatang. Organisasi yang memperlakukan literasi AI sebagai upaya satu kali akan melihat tenaga kerja mereka tertinggal dalam beberapa bulan. Mereka juga kehilangan kesempatan untuk mengembangkan keterampilan karyawan dan kesejahteraan masa depan.

Terus memprioritaskan pengalaman belajar AI membutuhkan komitmen struktural dan integrasi ke dalam proses pengembangan bakat yang ada. Ini juga berarti berpikir secara berbeda tentang pengembangan keterampilan dalam jangka panjang.

Misalnya, beberapa organisasi menggandakan perekrutan entry-level, dengan fokus pada pengembangan seperangkat keterampilan yang berbeda. Pada 2026, 67% CEO percaya bahwa AI akan meningkatkan jumlah karyawan entry-level mereka dan IBM® baru-baru ini mengumumkan akan meningkatkan perekrutan entry-level tiga kali lipat tahun ini. Tetapi peran tersebut telah dirancang ulang untuk memprioritaskan analisis penting dan pengawasan manusia terhadap AI daripada tugas manual yang lebih rutin.

“Jika kita tidak terus berinvestasi dalam perekrutan entry-level, apa yang terjadi dalam 3-5 tahun?” kata Pillay-Bemath. “Tidak ada pipa; sumur akan mengering.”

Memprioritaskan literasi AI tidak hanya berarti memberikan pengembangan profesional kepada karyawan veteran. Ini tentang membayangkan kembali bagaimana keterampilan dikembangkan di seluruh organisasi untuk kesuksesan yang langgeng.