Cara memanfaatkan AI dalam keterlibatan karyawan

Sementara pengalaman karyawan merujuk pada kesejahteraan dan produktivitas karyawan dalam pengertian luas, keterlibatan karyawan lebih berfokus pada tema-tema seperti dedikasi kerja dan komitmen emosional. Karyawan dengan keterlibatan tinggi cenderung antusias dan termotivasi dalam bekerja, sehingga mereka lebih mudah menerima perubahan kondisi dan mendorong kesuksesan organisasi dalam jangka panjang.

Jika sebelumnya organisasi mengandalkan survei atau pengecekan berkala oleh manajer (manager check-in) untuk memfasilitasi keterlibatan karyawan, AI memberikan insight berkelanjutan dan real-time kepada bagian SDM dan manajer tentang hal yang dirasakan karyawan—serta apa yang paling mereka butuhkan. Mengukur keterlibatan karyawan bisa menjadi sangat penting, terutama pada masa transformasi perusahaan atau adopsi AI, karena alat dan alur kerja baru hanya efektif jika sepenuhnya diintegrasikan dalam pekerjaan sehari-hari.

Menurut Gallup, yang mengukur jumlah pekerja di Amerika Serikat yang merasa “terlibat secara aktif”, keterlibatan terus menurun sejak mencapai puncaknya pada tahun 2020. Perusahaan konsultan ini juga melaporkan tingkat keterlibatan yang rendah di kalangan milenial muda dan Gen Z, yang melaporkan penurunan signifikan dalam hal merasa diperhatikan, memiliki kesempatan untuk belajar dan berkembang di tempat kerja.

Kurangnya program efektif yang mendorong komitmen dan pengembangan profesional dapat menyebabkan risiko signifikan bagi tenaga kerja. Menurut laporan “Future of Jobs” terbaru dari World Economic Forum, 22% pekerjaan kemungkinan akan terganggu dalam lima tahun ke depan.

Perusahaan juga memperkirakan bahwa 39% keterampilan yang dibutuhkan di pasar kerja akan berubah pada tahun 2030. Singkatnya, apabila pekerja tidak secara aktif terlibat dengan masa depan pekerjaan, mereka dan perusahaan tempat mereka bekerja akan menghadapi risiko.

“Perusahaan-perusahaan terkemuka makin dituntut untuk membina lingkungan kerja yang positif, fleksibel, dan berempati guna memenuhi kebutuhan karyawan, dan mempertahankan talenta terbaik,” ujar Pete Teigen, ahli strategi pengalaman karyawan untuk IBM Consulting. “Namun, mungkin yang lebih penting, karyawan yang puas dan terlibat dengan sistem dukungan yang kuat akan lebih produktif dan lebih mungkin untuk menerima perubahan.” Berdasarkan temuan IBM, kemungkinan karyawan mengadopsi struktur bisnis baru akan 34% lebih tinggi apabila keterlibatan karyawan menjadi pusat desain transformasional.

Bagi para pemimpin SDM yang menghadapi penurunan keterlibatan dan kepuasan kerja karyawan, mengadopsi AI dapat memungkinkan diselenggarakannya program keterlibatan penting dalam skala besar. Solusi AI dapat menangani tugas-tugas rutin sehingga pekerja manusia dapat fokus pada tugas-tugas sensitif atau yang membutuhkan perhatian khusus.

Alat AI lainnya dapat memfasilitasi program pembelajaran yang dipersonalisasi atau masukan berkelanjutan demi memastikan bahwa tidak ada karyawan yang terabaikan. Dengan menggunakan analitik prediktif, organisasi dapat memperkirakan persyaratan retensi atau peningkatan keterampilan dan merespons perubahan kondisi dengan cepat.

Apabila berhasil, program AI untuk keterlibatan karyawan mampu mengubah latihan berkala menjadi hubungan berkelanjutan antara karyawan dan organisasi.

Alat yang didukung AI dapat meningkatkan produktivitas SDM dan mendorong keterlibatan di seluruh perusahaan. IBM mengetahui pergeseran ini secara langsung, karena perusahaan ini memulai transformasi SDM besar-besaran pada tahun 2017. Upaya tersebut menghasilkan AskHR, agen AI yang memproses puluhan juta interaksi setiap tahunnya.

Sementara itu, departemen IBM mencetak skor NPS +74. Beberapa manfaat yang paling nyata dari penggunaan AI untuk meningkatkan keterlibatan karyawan meliputi:

• Insight yang lebih awal dan lebih akurat: Teknologi AI memproses data keterlibatan secara terus menerus, sehingga pemimpin dapat bertindak sebelum masalah berubah menjadi serius.

• Personalisasi dalam skala besar: AI membantu organisasi menyesuaikan jalur pembelajaran dan komunikasi untuk setiap karyawan—tugas yang hampir mustahil dilakukan secara manual terhadap semua tenaga kerja. Melalui AskHR, karyawan dapat berbincang tentang karier mereka atau menjadwalkan peluang belajar kapan saja, terlepas dari zona waktu mereka.

• Peningkatan retensi: Ketika model prediktif mengidentifikasi karyawan yang berisiko, organisasi dapat bertindak cepat untuk mengurangi pergantian karyawan secara sukarela.

• Manajemen yang lebih efektif: AI menampilkan data kesehatan tim dan memberi insight yang dapat ditindaklanjuti kepada manajer, sehingga pemimpin dapat memprioritaskan perhatian mereka pada hal yang paling penting.

• Siklus masukan yang lebih cepat: Survei singkat dan berkala (pulse survey) berbasis AI dan analisis sentimen karyawan secara real-time mengurangi kejenuhan dalam mengisi survei (survey fatigue) dan memungkinkan pemimpin untuk segera menanggapi masukan karyawan. Sebagai contoh, pada tahun 2024, sistem AskHR IBM mengumpulkan 55.100 masukan pengguna, dan hal ini membantu meningkatkan pengalaman SDM di seluruh perusahaan.

• Peningkatan efisiensi SDM: Dengan mengotomatiskan tugas rutin, profesional SDM dapat fokus pada tempat yang dapat memberikan nilai paling nyata dari keterampilan mereka—dan produktivitas dapat ditingkatkan di seluruh departemen. Antara 2022—2024, agen AI SDM IBM memfasilitasi peningkatan produktivitas yang signifikan. Beberapa area meningkat sebesar 75% melalui otomatisasi yang didukung AI.

• Penghematan biaya: Dengan makin banyaknya tugas yang diotomatisasi dan makin berkembangnya opsi layanan mandiri, organisasi berhasil menghemat biaya secara signifikan. Ketika IBM menerapkan AI di seluruh departemen SDM-nya, agen tersebut berhasil memangkas biaya operasional tim sebesar 40% dalam kurun waktu empat tahun.

AI dapat diterapkan di seluruh siklus proses karyawan, mulai dari onboarding hingga offboarding. Beberapa area utama yang menerapkannya adalah: 

Dengan otomatisasi tugas SDM, AI menangani proses SDM rutin, termasuk pertanyaan tentang tunjangan, pertanyaan tentang kebijakan, permohonan cuti, dan dokumen onboarding. Pergeseran ini memungkinkan tim SDM untuk fokus pada tugas kultural yang bernilai lebih tinggi di mana penilaian manusia memiliki dampak terbesar. Dengan berkurangnya waktu yang dicurahkan untuk tugas berulang, pemimpin SDM dapat mengembangkan inisiatif keterlibatan karyawan yang kreatif dan memberdayakan. 

AI dapat membantu manajer yang membutuhkan masukan real-time atau dukungan pelatihan, dengan menjembatani kesenjangan antara tinjauan tahunan dan percakapan pengembangan berkelanjutan yang dibutuhkan karyawan. 

AI dapat memetakan kesenjangan keterampilan individu terhadap kebutuhan organisasi dengan memberikan opsi program pembelajaran dan rekomendasi mobilitas internal yang terus berkembang seiring pertumbuhan karyawan dan perubahan bisnis. 

AI unggul dalam menyediakan komunikasi yang dipersonalisasi dalam skala besar, sehingga tiap karyawan dapat menerima informasi secara tepat waktu dan relevan dari tempat kerja mereka. AI dapat menyesuaikan komunikasi internal seperti pengecekan berkala (check-in) atau pesan rekognisi berdasarkan peran atau preferensi individu. Pendekatan ini membuat komunikasi resmi terasa tulus, bukan umum. 

AI makin banyak digunakan untuk mencocokkan individu dengan peran tertentu dan mengidentifikasi risiko keluar dari pekerjaan. Dengan menganalisis data pergantian karyawan dan historis yang terkait dengan perilaku karyawan—bersama dengan titik data yang lebih konvensional seperti survei keterlibatan karyawan—model AI dapat secara proaktif menandai potensi masalah. Insight ini memungkinkan intervensi secara tepat waktu. Sebagai contoh, jika seorang karyawan berkinerja tinggi tampak mengalami penurunan keterlibatan, sistem ini diharapkan untuk mengingatkan manajer, yang kemudian dapat mendiskusikan tantangan dan peluang baru dengan karyawan tersebut. 

Sementara program keterlibatan karyawan yang konvensional mungkin mengukur sentimen setiap tahun, survei berbasis AI yang lebih singkat dan lebih sering dapat memberikan insight yang dapat ditindaklanjuti secara langsung. Dengan menggunakan analisis sentimen pada komunikasi resmi, sistem AI dapat dengan cepat mengungkap tema-tema yang muncul dan nuansa emosional di seluruh tim, sehingga kepemimpinan dapat mengakses data karyawan yang paling baru.

Menurut Robert Enright, Associate Partner untuk Strategi Tenaga Kerja di IBM Consulting, sistem AI juga mahir dalam menemukan kandidat internal dengan kemampuan yang sesuai untuk posisi yang lowong. AI dapat “menemukan hal-hal yang dapat diajarkan dan potensi internal,” menurutnya, “demi memperluas kumpulan talenta yang tersedia alih-alih mempersempitnya melalui ekspektasi yang tidak realistis”. Dengan secara proaktif menawarkan berbagai saluran untuk pengembangan profesional, organisasi dapat menjaga keterlibatan karyawan secara berkelanjutan. 

Analisis AI berbasis data memungkinkan pemimpin SDM menetapkan tolok ukur keterlibatan di semua departemen dan fungsi. Analisis ini memungkinkan mereka untuk mengukur keterlibatan berdasarkan standar industri atau memodelkan efektivitas inisiatif keterlibatan tertentu. 

Platform ini menerapkan AI dan otomatisasi proses robotik (robotic process automation, RPA) untuk merampingkan operasi SDM yang berulang. Kemampuan umumnya mencakup alur kerja onboarding otomatis, administrasi tunjangan, dan pelacakan kepatuhan. Dengan meninggalkan pemrosesan manual untuk tugas bervolume tinggi, kesalahan dapat dikurangi dan tim SDM dapat melaksanakan pekerjaan strategis, termasuk membina hubungan yang lebih kohesif dengan karyawan lain. 

Alat percakapan bertenaga AI yang berinteraksi dengan karyawan menangani berbagai pertanyaan karyawan 24 jam sehari. Alat ini dapat menjawab pertanyaan tentang kebijakan SDM, membimbing karyawan menjalankan proses administrasi, mendukung onboarding karyawan baru, dan memfasilitasi check-in atau laporan progres. Alat ini juga umumnya mengeskalasi kasus-kasus kompleks ke staf SDM manusia. Sistem canggih mempersonalisasi interaksi berdasarkan interaksi masa lalu, serta peran karyawan.

AI agen membawa konsep-konsep ini lebih jauh, menggabungkan berbagai tindakan dengan pengawasan manusia yang minimal. Sebagai contoh, agen virtual internal IBM, AskHR, mengotomatiskan lebih dari 80 tugas SDM dan menangani lebih dari 2,1 juta percakapan karyawan setiap tahun. Agen AI juga dapat mengidentifikasi kesenjangan keterampilan, merekomendasikan program pelatihan yang dipersonalisasi, dan mengotomatiskan alur kerja peningkatan keterampilan—mendorong budaya pertumbuhan mandiri yang berkelanjutan. 

Alat analisis prediktif menerapkan machine learning pada data tenaga kerja untuk menghasilkan insight yang dapat ditindaklanjuti tentang motivasi dan kesejahteraan karyawan. Sistem ini dapat memprediksi tingkat pengunduran diri dan memantau kondisi tiap tim. Output ini biasanya dilaporkan kepada pemimpin dan manajer SDM melalui dasbor, sehingga keputusan dapat diambil berdasarkan data, bukan berdasarkan respons reaktif terhadap masalah langsung. 

Platform kinerja berbasis AI melampaui siklus tinjauan tahunan untuk mendukung masukan berkelanjutan dan penyelarasan tujuan sepanjang tahun. Beberapa fitur dari sistem ini mungkin mencakup pelacakan progres tujuan secara otomatis, ringkasan kinerja karyawan atau pengumpulan masukan secara real-time, serta identifikasi kesenjangan keterampilan. 

Memantau pola komunikasi dan data perilaku membutuhkan sikap hati-hati terhadap masalah privasi. Tanpa perlindungan data yang kuat dan praktik pengumpulan data yang transparan, organisasi mungkin akan mendapati karyawannya merasa terkekang atau terus-menerus diawasi. Pemimpin bisnis harus menentukan batasan yang jelas antara analisis tenaga kerja yang sah dan pemantauan invasif. Mereka kemudian harus mengomunikasikan batasan tersebut secara terbuka kepada staf, menjelaskan data apa yang dikumpulkan, cara penggunaannya, dan keputusan apa yang dipengaruhinya.

Ketika organisasi menaruh kepercayaan berlebihan pada hasil buatan AI, mereka berisiko kurang memanfaatkan pertimbangan dan empati manusia yang dibutuhkan dalam manajemen SDM yang efektif. Penggunaan AI dapat mengidentifikasi pola, tetapi tidak dapat menafsirkan nuansa. AI juga tidak dapat membangun kepercayaan interpersonal yang spesifik yang mendorong keterlibatan tulus. Alur kerja AI harus memiliki tujuan spesifik yang dapat dicapai, dan rantai tanggung jawab pengawasan harus jelas.

Otomatisasi berlebihan pada interaksi SDM yang sensitif—pengaduan, proses disiplin, atau pengungkapan kesehatan—membuat karyawan merasa tidak diperhatikan dan tidak didukung. 

Mode AI yang dilatih menggunakan data riwayat tenaga kerja dapat memperkuat atau memperbesar bias yang ada dalam cara karyawan dinilai atau direkomendasikan untuk pengembangan profesional. Tanpa audit bias secara berkala dan beragam data pelatihan, sistem keterlibatan AI berisiko merugikan karyawan yang seharusnya didukungnya. 

Agar dapat meraih kesuksesan, program keterlibatan berbasis AI membutuhkan lebih dari sekadar pemilihan teknologi. Diperlukan pendekatan matang untuk memusatkan karyawan dan menghubungkan analisis dengan tindakan. Beberapa strategi utamanya meliputi:

Mengadopsi AI tanpa rencana yang pasti tentang bagaimana AI akan digunakan dan masalah apa yang akan dipecahkan, tidak akan menghasilkan nilai yang optimal. Temukan tantangan keterlibatan yang spesifik, seperti tingkat pengunduran diri yang tinggi atau penurunan jumlah karyawan baru sebelum memilih alat. Buat metrik untuk keberhasilan dan mekanisme masukan yang sering diberikan sehingga tim dapat mengukur efektivitas dari waktu ke waktu. 

Sebelum implementasi, tentukan data apa yang akan dikumpulkan, bagaimana cara menyimpannya, siapa yang dapat mengaksesnya, dan berapa lama data tersebut akan disimpan. Tetapkan proses tinjauan etika AI untuk contoh penggunaan yang berisiko tinggi. 

Sebuah survei baru-baru ini menemukan bahwa meskipun 76% eksekutif percaya bahwa karyawan antusias dengan adopsi AI, hanya 31% kontributor individu yang setuju. Para pemimpin bisnis harus waspada tidak hanya dalam menjelaskan bagaimana AI akan diterapkan, tetapi juga bagaimana AI akan membantu karyawan dan memajukan bisnis secara keseluruhan.

Para manajer harus terbuka kepada karyawan tentang sistem AI apa yang digunakan, data apa yang dikumpulkan, bagaimana insight dihasilkan, dan keputusan apa yang mungkin dipengaruhi olehnya. Transparansi merupakan prasyarat untuk membangun kepercayaan, yang pada gilirannya menentukan apakah data keterlibatan benar-benar autentik. 

Implementasi keterlibatan AI yang paling efektif menggunakan data untuk mendorong pertumbuhan, bukan sekadar hal-hal yang mudah diukur. Ketika karyawan melihat bahwa insight AI menghasilkan rekomendasi pengalaman belajar yang lebih baik atau percakapan yang lebih bermakna dengan manajer, mereka cenderung lebih memercayai sistem tersebut. 

Idealnya, AI memberikan informasi dan membantu pengambilan keputusan manusia, bukan menggantikannya. Pendekatan ini berlaku dalam situasi berisiko tinggi, seperti manajemen kinerja dan promosi. Tetapkan kebijakan yang jelas tentang keputusan mana yang memerlukan tinjauan manusia, apa pun output yang dihasilkan AI, dan pastikan karyawan selalu dapat mengakses titik kontak manusia untuk masalah-masalah penting.