Ada fase ketika menulis “bisa Microsoft Office” di CV terasa cukup.
Lalu semua orang bisa.
Kemudian “digital marketing”.
“Data analysis.”
“Agile.”
Sekarang gantian:
“AI tools.”
“Prompt engineering.”
“ChatGPT.”
“Generative AI.”
Masalahnya sama.
Begitu semua kandidat menulis hal yang sama, label itu kehilangan daya pembeda.
Di 2026, perusahaan mulai punya alasan kuat untuk bertanya satu langkah lebih jauh:
“Buktinya apa?”
Bukan karena skill AI tidak penting.
Justru penting.
Penelitian 2026 terhadap recruiter di Inggris dan Amerika menemukan skill AI meningkatkan peluang kandidat dipanggil interview pada beberapa occupation yang diuji. PwC juga menemukan job yang meminta specific AI skills tumbuh jauh lebih cepat dibanding pasar kerja secara umum dan membawa wage premium yang tinggi.
Jadi “bisa AI” punya value.
Tapi kalau semua orang mulai menulis itu, CV saja tidak cukup.
Employer perlu melihat apakah skill tersebut benar-benar menghasilkan sesuatu.
Sertifikat menunjukkan lo pernah belajar, bukan otomatis bisa bekerja
Course AI sangat gampang ditemukan.
Gratis.
Berbayar.
Dua jam.
Dua minggu.
Ada certificate.
Tidak ada yang salah.
Certificate memberi signal bahwa lo pernah masuk materi.
Tapi perusahaan tahu certificate bisa dikumpulkan.
Maka kualitas signal turun jika tidak ada evidence lain.
Sama seperti orang yang selesai course Excel belum tentu bisa membersihkan data berantakan dari tiga divisi.
AI bahkan lebih ekstrem.
Seseorang bisa menyelesaikan course prompt engineering tanpa pernah menghadapi real workflow.
Data tidak lengkap.
Client berubah pikiran.
AI hallucinate.
Tool limit.
Privacy.
Deadline.
Output harus direvisi.
Pekerjaan nyata menguji judgement.
Certificate tidak.
Jadi kalau punya certificate, bagus.
Jangan berhenti di situ.
Pasangkan dengan project.
Case.
Outcome.
Sesuatu yang bisa dilihat.
Portfolio bukan cuma untuk designer dan developer
Dulu portfolio identik dengan creative.
Sekarang hampir semua knowledge worker bisa punya.
Marketing.
Finance.
HR.
Operations.
Research.
Sales.
Contoh sederhana.
Marketing candidate bisa menunjukkan:
Masalah: review customer terlalu banyak dibaca manual.
Process: gunakan AI untuk clustering tema, sampling manual untuk verifikasi, lalu tarik insight.
Outcome: tiga problem utama ditemukan dan recommendation dibuat.
Tidak perlu data confidential.
Pakai dataset publik atau synthetic.
Yang dinilai bukan apakah AI-nya canggih.
Cara berpikir.
Input.
Verification.
Decision.
Finance candidate bisa membuat mini analysis dari public financial statement.
AI bantu membaca notes.
Kandidat tetap menghitung.
Menjelaskan assumption.
Menunjukkan error yang ditemukan.
HR bisa membuat workflow screening yang fokus pada job-related criteria dan menjelaskan bagian mana tidak boleh diotomasi.
Operations bisa map process.
Developer jelas punya GitHub.
Semua bisa memberi evidence.
CV mengatakan “gue bisa”.
Portfolio menunjukkan “gue pernah”.
Employer makin membutuhkan distinction itu.
AI membuat output polished terlalu gampang
Salah satu alasan perusahaan makin sulit percaya CV adalah semua orang sekarang punya editor.
Grammar rapi.
Bullet impactful.
Achievement terdengar kuat.
Cover letter bagus.
Bahkan portfolio bisa dibuat lebih polished.
Jadi tampilan professional turun nilainya sebagai signal.
Ini bukan berarti CV nggak penting.
CV tetap filter.
Tapi next layer menjadi penting.
Interview.
Work sample.
Live case.
Portfolio.
Reference.
Recruiter harus mengurangi risiko “surface competence”.
AI sangat bagus membuat surface.
Perusahaan mencari depth.
Bisa jelaskan?
Bisa defend?
Bisa bekerja saat data berubah?
Bisa tahu AI salah?
Itu lebih mahal.
“Skill AI” terlalu luas
Apa artinya bisa AI?
Bisa menulis prompt?
Bisa research?
Coding agent?
Automation?
Data analysis?
Agent design?
Evaluation?
Governance?
Tool usage?
Satu label tidak informatif.
CV lebih kuat kalau specific.
Bukan:
“Proficient in Generative AI.”
Tapi:
“Menggunakan AI untuk research dan drafting, dengan source verification dan human review.”
Atau:
“Membangun workflow otomatis untuk merangkum customer feedback dan mengelompokkan isu.”
Atau:
“Menggunakan coding assistant untuk prototyping, testing, dan documentation.”
Lebih dekat ke task.
Employer tahu konteks.
Skill sebaiknya ditulis sebagai capability.
Bukan nama tool.
Karena tool berubah.
“ChatGPT” hari ini bisa diganti model lain.
Capability research tetap.
Jangan isi CV dengan logo aplikasi
Ada CV yang bagian skill-nya seperti app store.
ChatGPT.
Claude.
Gemini.
Notion AI.
Perplexity.
Midjourney.
Runway.
Zapier.
Make.
Lima belas logo.
Pertanyaan recruiter:
Pakai buat apa?
Menguasai lima chatbot general-purpose belum tentu lebih valuable dari satu workflow yang benar-benar jalan.
Lebih sedikit tool.
Lebih banyak depth.
Misalnya:
“Automated weekly sales summary from CRM export to management brief.”
Itu memberi picture.
Kalau interviewer tertarik, mereka tanya.
Bagaimana process.
Berapa lama.
Apa error.
Apa yang manual.
Ini discussion bagus.
Tool list mudah.
Outcome story lebih sulit.
Project harus punya before-after
Kalau mau bukti kuat, tunjukkan perubahan.
Sebelum:
Tiga jam.
Sesudah:
Satu jam.
Sebelum:
Manual klasifikasi 200 item.
Sesudah:
AI first-pass plus review.
Sebelum:
Tidak ada system.
Sesudah:
Workflow reusable.
Angka jangan dibuat-buat.
Kalau project personal, ukur sendiri.
Catat.
Kalau nggak punya angka, gunakan evidence kualitatif.
“Dua step manual dihapus.”
“Output diuji terhadap 50 sample.”
“Empat failure mode ditemukan.”
Ini lebih credible daripada:
“Meningkatkan produktivitas 70 persen.”
Recruiter sekarang hidup di dunia angka AI yang terlalu mudah dibesar-besarkan.
Specificity memberi trust.
Tunjukkan failure, bukan hanya success
Ini mungkin salah satu signal maturity terbaik.
Project write-up yang bilang semua berjalan sempurna kurang believable.
AI selalu punya limitation.
Kandidat bagus bisa bilang:
“Model sering salah membaca format ini.”
“Automation gagal ketika data kosong.”
“Output bagus untuk drafting, tapi financial calculation tetap gue cek manual.”
Ini menunjukkan judgement.
Perusahaan tidak mencari orang yang worship AI.
Mereka mencari orang yang tahu cara mengoperasikan dengan aman.
Failure story bahkan lebih valuable saat interview.
Apa yang salah?
Apa yang lo lakukan?
Apa yang dipelajari?
Itu menunjukkan capability.
Success bisa kebetulan.
Debugging sulit dipalsukan.
AI skill yang paling menarik sering tidak kelihatan seperti prompt
Misalnya evaluation.
Data hygiene.
Process mapping.
Quality control.
Automation.
Decision design.
Cost awareness.
Risk.
Skill ini membuat AI usable di perusahaan.
PwC 2026 menemukan pasar kerja semakin memberi premium pada human-intensive skills seperti judgement, creativity, dan leadership, terutama pada role yang AI-nya bersifat professionalising.
Jadi jangan terlalu terobsesi “prompt”.
AI career value sering muncul dari combination.
Domain plus AI.
Finance plus automation.
Marketing plus customer insight.
Legal plus governance.
Operations plus workflow design.
Developer plus agent supervision.
Itu lebih defensible.
CV harus menunjukkan domain dulu, AI kemudian
Kalau lo marketer:
“Marketer yang menggunakan AI untuk memperbesar research dan production.”
Lebih kuat daripada:
“AI specialist yang juga bisa marketing.”
Kecuali memang role-nya AI specialist.
Kenapa?
Perusahaan merekrut untuk menyelesaikan business problem.
Mereka butuh accounting.
Sales.
Software.
Operations.
AI adalah leverage.
Skill domain memberi context.
Candidate yang tahu model tapi tidak tahu business bisa menghasilkan banyak hal yang tidak relevan.
Jadi career story jangan dibalik.
Apa yang lo bisa lakukan?
Bagaimana AI membuat lo lebih baik?
Itu urutan yang sehat.
Recruiter juga akan makin memakai AI
Ada irony.
Candidate memakai AI bikin CV.
Recruiter memakai AI screening.
Dua mesin saling membaca.
Ini membuat keyword gaming semakin tempting.
Jangan.
CV harus tetap human-readable.
Specific.
Clear.
No inflated jargon.
AI screening bisa membantu shortlist, tapi decision manusia tetap penting.
Riset recruiter 2026 menunjukkan AI skill memang memberi positive hiring signal, tetapi effect-nya berbeda antaroccupation.
Artinya context matters.
AI bukan universal golden ticket.
Graphic designer bisa dinilai berbeda dari office assistant.
Role menentukan.
Jangan hanya mengejar keyword “AI”.
Match pekerjaan.
Interview akan makin penting untuk membuktikan ownership
Recruiter bisa tanya:
“Ceritakan satu workflow AI yang lo gunakan.”
Bagus.
Jangan jawab nama tool.
Ceritakan problem.
Kenapa tool.
Data.
Process.
Human review.
Outcome.
Failure.
Learning.
Ini format yang kuat.
Kalau interview live case, jangan panik kalau AI tidak boleh.
Fundamental harus ada.
Kalau AI boleh, gunakan dengan transparan.
Narrate thinking.
“Gue pakai AI untuk generate opsi, tapi gue pilih ini karena…”
Sekarang interviewer melihat judgement.
Itu jauh lebih meaningful daripada pura-pura manual.
Dunia kerja sudah AI-assisted.
Assessment sebaiknya merefleksikan.
Portfolio online memberi advantage
Tidak perlu website mahal.
GitHub.
Notion public page.
Google Drive.
PDF.
LinkedIn featured.
Sederhana.
Pastikan tidak bocor data perusahaan atau client.
Gunakan anonymized atau public data.
Tulis ringkas.
Problem.
Approach.
AI role.
Human role.
Result.
Lessons.
Tiga project bagus sudah cukup.
Jangan 30.
Recruiter punya waktu terbatas.
Quality > quantity.
Kalau ada live link, bagus.
Kalau system sudah mati, screenshot dan explanation.
Evidence harus mudah dilihat.
Bukan hidden di folder chaos.
Fresh graduate paling diuntungkan dari pendekatan ini
Mereka kekurangan pengalaman formal.
Project bisa mengisi sebagian gap.
Bukan menggantikan experience sepenuhnya.
Tapi memberi signal.
“Gue belum pernah kerja tiga tahun, tapi gue sudah memecahkan problem ini.”
Ini lebih kuat dari CV kosong plus lima certificate.
AI menurunkan cost membuat project.
Gunakan.
Buat app.
Research.
Automation.
Analysis.
Bukan untuk jadi influencer.
Untuk membangun reps.
Employment market 2026 semakin menuntut evidence capability lebih cepat.
Portfolio memberi.
Experienced worker juga perlu bukti
Bukan hanya junior.
Senior yang bilang “AI-savvy” juga harus bisa menunjukkan.
Apa workflow yang berubah?
Apa team impact?
Apa governance?
Apa metric?
Manager:
“Gue mendorong adoption.”
Apa hasil?
“Tim bikin proposal lebih cepat.”
Berapa?
Bagaimana quality?
Senior punya advantage data dari pekerjaan nyata.
Gunakan dengan aman.
Anonymize.
Jangan bocorkan confidential.
Bukti bisa berupa description outcome tanpa data sensitif.
“Merancang workflow AI untuk 20-person team.”
“Memotong dua handoff.”
“Standardized evaluation.”
Specific.
Jangan oversell.
Bukti nyata juga membantu negosiasi gaji
Skill yang bisa dibuktikan lebih mudah dimonetisasi.
Bukan:
“Gue tahu AI.”
Tapi:
“Gue membangun workflow yang meningkatkan capacity tim.”
Sekarang employer melihat economic value.
IMF dan PwC sama-sama menemukan premium untuk skill AI tertentu.
Tapi premium bukan hak otomatis karena lo menulis satu baris di CV.
Market membayar scarcity dan impact.
Kalau skill sudah common, proof dan domain menentukan premium.
Ini berlaku seperti skill lain.
Excel basic dulu premium.
Lama-lama baseline.
AI basic akan mengikuti.
Career moat bergerak.
Yang hari ini differentiator, besok table stakes.
CV 2026 harus lebih dekat ke case study kecil
Tidak semua bullet.
Tapi mindset-nya.
Apa yang lo lakukan.
Bagaimana.
Outcome.
Bukti.
Gunakan kata kerja yang konkret.
Built.
Analyzed.
Redesigned.
Automated.
Verified.
Improved.
Jangan semua “leveraged AI”.
Terdengar seperti presentasi vendor.
AI bukan protagonist.
Lo protagonist.
Tool membantu.
Ini penting secara narrative.
Perusahaan merekrut lo.
Bukan subscription lo.
Kalau satu-satunya value ada pada tool yang semua orang bisa akses, moat rendah.
Bukti sebenarnya adalah judgement lo saat menggunakan tool.
Pada akhirnya, menulis “AI” di CV masih worth it.
Terutama kalau role relevan.
Tapi itu semakin mirip menulis “Microsoft Excel”.
Employer mengangguk.
Lalu lanjut bertanya:
Levelnya sampai mana?
Pernah dipakai untuk apa?
Bisa tunjukkan?
Karena di pasar kerja di mana semua orang bisa membuat CV terdengar sophisticated dengan AI, paradox-nya justru sederhana:
Semakin mudah mengatakan “gue bisa”, semakin mahal bukti bahwa lo benar-benar bisa.
Bacaan terkait
Artikel ini berada dalam Future of Work & Careers dan mengikuti metodologi editorial Undercover.id. Format terkait tersedia di Explainer teknologi dan kebijakan digital.