Perusahaan industri yang terjebak dengan posisi teknis yang belum terisi, sementara generasi muda yang terpinggirkan dari pekerjaan, adalah dua sisi dari satu masalah yang bisa dipecahkan.
Data terbaru dari Office of National Statistics menunjukkan bahwa sekitar 13% pemuda Inggris berusia 16-24 tahun tidak memiliki pekerjaan, pendidikan, atau pelatihan. Tinjauan sementara pemerintah memperingatkan bahwa ini bisa menjadi tanda akan terbentuknya “generasi yang hilang.”
Di sisi lain, hampir satu dari lima tenaga kerja di bidang teknik dan manufaktur diperkirakan akan pensiun pada akhir tahun ini, membawa serta sekitar setengah juta insinyur, teknisi, dan operator yang terampil.
Di satu sisi, ada generasi yang ingin bekerja tetapi tidak bisa. Di sisi lain, sektor industri membutuhkan tenaga kerja dan akan kehilangan banyak pengalaman berharga. Ketika dilihat secara terpisah, kedua masalah ini terlihat sulit diatasi. Namun, jika ditangani bersamaan, keduanya bisa menjadi satu masalah dengan satu solusi. Solusinya: melatih agen AI agar menjadi otonom dan mengisi kekosongan ini.
Masalah Pengetahuan, Bukan Masalah Rekrutmen
Kesalahan pertama adalah melihat kekurangan industri sebagai masalah rekrutmen. Penyalur tenaga kerja dan asosiasi perdagangan sudah jelas bahwa merekrut dari luar saja tidak bisa menutup jurang ini: masalahnya bukan hanya kursi kosong, tetapi juga pengalaman dan pengetahuan yang hilang saat seseorang pensiun. Ketika seorang kepala pemeliharaan atau manajer audit pemasok meninggalkan perusahaan, yang hilang bukan hanya tugasnya, tetapi juga alasan di baliknya, dan pemahaman yang tidak pernah tertulis dalam manual.
Inilah sebabnya mengapa rekrutmen dan transfer pengetahuan memerlukan solusi yang berbeda. Sebuah lowongan dapat diisi dalam beberapa bulan, tetapi tiga puluh tahun pengetahuan tidak bisa direplikasi begitu saja dengan merekrut. Kekurangan pekerja dengan pengalaman lima hingga lima belas tahun membuat sering kali tidak ada lagi lapisan perantara untuk meneruskan pengetahuan itu. Rantai yang biasanya membawa keahlian dari veteran ke pemula telah kehilangan bagian tengahnya.
Di Mana AI Mengubah Persamaan
Di sinilah AI mengubah perhitungan, dan bukan dalam cara yang sering dipahami. Terobosan bukanlah chatbot yang menjawab pertanyaan. Melainkan kemampuan mengambil hubungan antara catatan terstruktur organisasi, seperti pesanan pembelian, nomor bagian, dan alasan tidak terstruktur yang mengelilinginya, seperti email, anotasi, dan keputusan informal yang dibuat di pinggir catatan.
Jika kita dapat memetakan bagaimana keduanya saling mempengaruhi dan menyematkan konteks itu ke dalam alur kerja sehari-hari, informasi berharga yang telah terakumulasi selama bertahun-tahun bisa menjadi aset operasional yang berharga. Jika dilakukan dengan baik, ini akan mempercepat proses penyerapan pengalaman. Alih-alih mendapatkan kebijaksanaan secara perlahan selama bertahun-tahun, seorang insinyur muda bisa mewarisi versi kerja dari pengalaman itu sejak hari pertama mereka bekerja. Sejarah yang relevan, keputusan sebelumnya, dan pemikiran yang mendasarinya bisa langsung diakses.
Peluang untuk bertukar pengetahuan sangat sempit, dan kini telah semakin menutup. Konteks hanya bisa ditangkap saat para pemegangnya masih ada. Setelah seorang ahli pensiun, data terstruktur mungkin masih ada, tetapi alasan yang membuatnya berguna akan pergi bersamanya. Setiap keterlambatan adalah kehilangan pengetahuan tak tergantikan. Ombak pensiun bukanlah masalah yang jauh; ia sudah berlangsung sekarang.
Di Mana AI Digunakan dengan Cara yang Salah
Ada keberatan yang valid di sini. AI sering disalahkan karena mengecilkan jumlah pekerjaan di tingkat pemula, dan data mendukung pernyataan itu: studi sementara menunjukkan bahwa pekerjaan entry-level semakin sedikit dan lebih menuntut, rekrutmen semakin otomatis dan kurang manusiawi, serta awal magang untuk kaum muda turun lebih dari 40%.
Tetapi jarang sekali AI menjadi penyebab utamanya; pola pikir di balik penggunaannya lah yang menjadi penyebab. Terlalu banyak organisasi masih membeli teknologi seolah seperti membeli perangkat lunak sepuluh tahun lalu – sebagai item yang menghapus tenaga manusia, bukan sebagai kemampuan yang membuat mereka lebih berharga. Jika diarahkan untuk pekerjaan entry-level, AI akan memangkas dan menyebutnya “efisiensi.”
Akan tetapi, jika diarahkan pada tujuan sebaliknya, yaitu membuat orang yang tidak berpengalaman menjadi produktif lebih cepat, teknologi yang sama akan membuka peluang, alih-alih menutupnya. Pertanyaan yang sebenarnya bukanlah apakah AI harus menutup cara lama, tetapi apakah perusahaan memilih untuk menggunakannya untuk membuka cara baru.
Cara Berbeda untuk Masuk
Ini hanya akan berhasil jika argumen tersebut jujur tentang siapa mereka yang muda ini. Mayoritas dari angka NEET bukanlah insinyur terlatih yang menunggu lowongan. Enam dari sepuluh orang belum pernah bekerja sama sekali; banyak yang menghadapi masalah kesehatan, pendidikan yang terganggu, atau bertahun-tahun merasa terasing. Para pemberi kerja bersedia mempekerjakan mereka, tetapi ragu karena kandidat yang belum terbukti terasa seperti risiko yang tidak bisa ditanggung oleh perusahaan kecil.
AI menurunkan biaya taruhan itu. Ketika sistem menyajikan konteks yang tepat dan memungkinkan pendatang baru mengarahkan proses kompleks dengan bahasa yang sederhana, ketiadaan pengalaman tidak lagi jadi halangan. Bagi seorang 23 tahun yang pertama kali melangkah ke lantai produksi, itulah perbedaan antara disaring dan diterima.
Inilah kesempatan yang tersembunyi di balik dua statistik tersebut. Keterpurukan pensiun dan krisis NEET biasanya diurus di departemen yang berbeda: perencanaan tenaga kerja di satu sisi, kebijakan sosial di sisi lain. Namun, kedua masalah ini harus ada di halaman yang sama. Tangkap keahlian yang sedang pergi, berikan kepada mereka yang sangat ingin memulai, dan sektor industri tidak hanya akan menutup celah, tetapi juga membangun jalan untuk generasi yang sering kali diberitahu bahwa tidak ada cara untuk masuk.
