AI di HR tidak selalu muncul sebagai robot pewawancara. Ia dapat masuk lewat penyaring CV, rekomendasi kandidat, analisis produktivitas, ringkasan wawancara, atau prediksi retensi. Karena tersebar di alur kerja, pengaruhnya mudah luput dari tata kelola.
Bias dapat bersembunyi di proses yang terlihat efisien
Masalah lain adalah tujuan. Sistem yang bagus memprediksi siapa mirip dengan pegawai sukses masa lalu belum tentu menemukan talenta yang dibutuhkan masa depan. Pengukuran produktivitas dari aktivitas digital juga dapat menghukum pekerjaan kolaboratif atau peran yang tidak banyak meninggalkan jejak.
Otomasi HR dapat membuat keputusan tampak netral karena dibungkus skor. Namun bias dapat masuk melalui data historis, definisi performa, filter awal, dan cara rekomendasi dipakai manusia. Workflow perlu diaudit, bukan hanya model.
Workflow HR membuat kesalahan tampak objektif
Bias dapat berasal dari data historis, proxy, label kinerja, cara posisi ditulis, atau kelompok yang tidak terwakili. Bahkan model yang tidak menggunakan gender atau usia dapat menemukan pola pengganti. Peninjauan manusia juga tidak otomatis menghilangkan bias jika manusia terlalu percaya skor.
Dalam praktik, HR, manajemen, kandidat, legal, dan auditor akan bertemu AI di HR melalui keputusan kecil. “Inventaris semua AI yang memengaruhi keputusan HR” dapat menjadi batas pertama. Sesudah itu, “Uji dampak pada kelompok dan jalur karier berbeda” memberi dasar untuk menilai apakah sistem layak dipertahankan atau perlu dikoreksi.
Manusia harus bisa menolak rekomendasi sistem
Di Indonesia, variasi kampus, wilayah, bahasa, dan jalur karier membuat evaluasi lokal penting. Kandidat perlu jalur koreksi jika data atau identitas salah. Penggunaan AI harus diberitahukan secara proporsional dan tidak menjadi alasan untuk menghindari tanggung jawab perusahaan.
- Inventaris semua AI yang memengaruhi keputusan HR.
- Uji dampak pada kelompok dan jalur karier berbeda.
- Hindari proxy yang tidak relevan dengan pekerjaan.
- Berikan peninjauan manusia yang memiliki wewenang.
- Pantau hasil setelah perekrutan, bukan hanya akurasi awal.
Dokumen dari NIST AI Risk Management Framework dan UU Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi menjadi pijakan untuk membaca AI di HR. Mereka tidak selalu berbicara langsung tentang kondisi Indonesia, sehingga penerapannya tetap perlu diuji dengan konteks lokal.
Perubahan teknologi setelah Juli 2026 dapat menggeser sebagian detail. Yang lebih tahan lama adalah pertanyaan tentang izin, bukti, tanggung jawab, dan jalur koreksi dalam penggunaan AI di HR.
AI dapat membantu HR melihat pola. Ia juga dapat membuat pola masa lalu terasa ilmiah. Tata kelola harus memastikan perusahaan tidak mengotomatisasi ketidakadilan yang sudah ada. Perdebatan tentang AI di HR akhirnya kembali pada tiga pihak: siapa yang mendapat manfaat, siapa yang menanggung biaya, dan siapa yang boleh menolak.
Bacaan lanjutan: Bias dapat bersembunyi di proses yang terlihat efisien
AI Procurement: Perusahaan Membeli Akuntabilitas, Bukan Sekadar Model, Predictive Maintenance untuk Manufaktur: Nilai AI Ada pada Downtime yang Berkurang, Industry Intelligence dan metodologi editorial Undercover.id.