GenAI sebagai ‘exoskeleton’: Bagaimana genAI memperluas kemampuan tenaga kerja Anda
Kita tahu bahwa berkolaborasi dengan AI generatif (GenAI) dapat meningkatkan kinerja pekerja dalam mengerjakan tugas yang sudah mereka kuasai. Namun bagaimana jika GenAI juga dapat membantu pekerja melakukan tugas-tugas yang tidak mungkin mereka selesaikan sendiri? Artinya, tidak hanya meningkatkan kinerja tetapi juga memperluas kemampuan pekerja di luar bidang keahliannya?
Penelitian kami menunjukkan bahwa GenAI dapat melakukan hal tersebut bagi tenaga kerja suatu perusahaan—sebuah perubahan yang tidak hanya dapat mengubah strategi talenta namun juga mendefinisikan ulang lanskap kompetitif bagi banyak perusahaan dengan akses terbatas terhadap keahlian.
Wawasan baru tentang bagaimana pekerja dan teknologi berinteraksi ini berasal dari eksperimen lapangan ilmiah terbaru BCG Henderson Institute, yang dilakukan bersama para peneliti dari Boston University dan Tim Riset Dampak Ekonomi OpenAI. Meskipun terdapat banyak kendala dan kompleksitas, hasil penelitian menunjukkan bukti peningkatan kemampuan pekerja mempunyai dampak yang sangat besar terhadap dunia usaha—khususnya usaha kecil dan menengah (UKM) yang sering terkendala oleh kelangkaan spesialis.
Banyak yang mendalilkan bahwa GenAI berpotensi mendemokratisasi akses terhadap keahlian baik bagi individu maupun bisnis. Ekonom MIT David Autor bahkan melangkah lebih jauh dengan berpendapat bahwa AI dapat “membantu membangun kembali kelas menengah” dengan memungkinkan “sekelompok pekerja yang lebih besar dilengkapi dengan pelatihan dasar yang diperlukan untuk melakukan tugas-tugas pengambilan keputusan dengan risiko lebih tinggi yang saat ini hanya diperuntukkan bagi para ahli elit.” Terlepas dari apakah teori kebangkitan kelas menengah Autor berhasil atau tidak, temuan empiris dari eksperimen kami baru-baru ini dengan kuat menunjukkan bahwa dia tertarik pada sesuatu dalam hal pekerja dan keahlian. Meskipun tidak bisa menggantikan tenaga ahli asli, pekerja yang menggunakan GenAI dapat memperkirakan kinerja tenaga ahli untuk melaksanakan tugas-tugas yang sebelumnya berada di luar keahlian mereka.
Bagi dunia usaha, perluasan ini menantang asumsi mendalam mengenai strategi akuisisi talenta yang didasarkan pada keyakinan bahwa keterampilan dan pengetahuan hanya dimiliki oleh masing-masing pekerja, bukan merupakan kombinasi antara pekerja dan teknologi. Dalam bidang pekerjaan pengetahuan, terutama ketika model GenAI terus berkembang, kami berpendapat bahwa dunia usaha harus semakin banyak menggunakan hubungan manusia-GenAI—pekerja yang “diperbesar”—sebagai unit analisis yang relevan. Sama seperti exoskeleton yang meningkatkan pergerakan manusia melampaui batas alaminya, GenAI memberdayakan pekerja untuk menangani tugas-tugas yang mungkin berada di luar jangkauan mereka.
Pergeseran seperti ini tidak hanya akan mengubah strategi talenta perusahaan, khususnya dalam perekrutan dan pengembangan, namun juga mendefinisikan ulang pasar tenaga kerja bagi perusahaan secara umum. UKM, misalnya, akan mampu meningkatkan kemampuan mereka dengan melengkapi tenaga kerja mereka dengan kemampuan AI, sehingga memberdayakan mereka untuk bersaing dengan perusahaan-perusahaan besar yang telah berkembang berdasarkan akses unggul terhadap sumber daya manusia yang terspesialisasi. Meratakan keahlian yang dimiliki akan memungkinkan UKM untuk berinovasi, meningkatkan skala, dan memberikan hasil berkualitas tinggi yang sebelumnya tidak dapat dijangkau.
Perluasan kemampuan—untuk semua orang
Eksperimen kami pada kolaborasi GenAI berfokus pada kemampuan pekerja terkait ilmu data, namun kami dapat melakukan ekstrapolasi lebih luas ke bidang keahlian lainnya. Dalam pemasaran, pengembangan produk, desain grafis, atau layanan hukum, pekerja yang “ditambah” oleh GenAI kemungkinan besar mampu melakukan tugas-tugas yang mendekati level spesialis, bahkan ketika tugas-tugas tersebut berada di luar bidang keahlian mereka saat ini.
Dalam eksperimen tersebut, peserta yang menggunakan ChatGPT mampu menyelesaikan tugas-tugas ilmu data, seperti pengkodean, analisis prediktif, atau pemahaman statistik, dengan kinerja 75%-90% dari kinerja ilmuwan data khusus yang bekerja tanpa GenAI. Meskipun jumlah pekerja tambahan ini mungkin tidak sebanding dengan jumlah tenaga ahli yang ada, mereka tetap merupakan peluang besar bagi perusahaan yang sebelumnya tidak memiliki akses yang memadai terhadap keahlian.
Terlepas dari latar belakang mereka, semua konsultan yang memiliki akses ke ChatGPT mengungguli rekan-rekan mereka dalam menyelesaikan tugas eksperimen tanpa konsultan tersebut. Bahkan ketika seseorang tidak memiliki pengalaman sebelumnya dalam pengkodean atau statistik apa pun, namun memiliki akses ke ChatGPT, orang tersebut masih mampu mendekati kinerja pakar data tanpa bantuan. Hal ini menunjukkan bahwa perusahaan dapat dengan cepat meningkatkan kinerjanya tanpa merombak tenaga kerja atau struktur organisasinya.
Meskipun kami melihat ChatGPT memperluas kemampuan semua orang dalam eksperimen kami, peningkatan kinerja bahkan lebih besar lagi bagi pekerja dengan latar belakang tertentu. Di semua tugas terkait data, bahkan yang tidak terkait dengan pengkodean, peserta dengan pengalaman pengkodean memiliki kinerja yang setara dengan ilmuwan data tanpa bantuan. Temuan ini mengisyaratkan kemungkinan bahwa keterampilan tertentu berdampak pada kemampuan pekerja untuk mendapatkan manfaat maksimal dari penggunaan GenAI, seperti kemampuan untuk memecah masalah menjadi beberapa subkomponen. Di bidang keahlian lain, baik pemasaran atau layanan hukum, latar belakang lain selain coding mungkin lebih membantu. Selain itu, seiring dengan terus berkembangnya model GenAI, keterampilan khusus yang terkait dengan kinerja lebih tinggi bagi pekerja tambahan dapat berubah seiring berjalannya waktu.
Ketika pekerja dapat melakukan tugas-tugas pengambilan keputusan dengan risiko lebih tinggi—yang saat ini hanya dilakukan oleh para ahli elit—identitas profesional mereka akan berkembang. Berdasarkan penelitian kami, 70% peserta mengatakan bahwa penggunaan GenAI memberi mereka kepercayaan diri yang lebih besar terhadap kemampuan profesional mereka, membantu mereka merasa lebih kompeten dan meningkatkan rasa kemandirian. Pergeseran sikap ini menunjukkan bahwa pekerja yang diperbantukan, di semua jenis organisasi, dapat melihat identitas profesional mereka diperkuat—bukannya diremehkan—dengan penggunaan GenAI yang tepat.
Kebutuhan abadi untuk para ahli
Perluasan kemampuan yang dimungkinkan oleh GenAI bukannya tanpa kompleksitas, dan terdapat keterbatasan yang harus diingat oleh para pemimpin bisnis, yaitu masih adanya kebutuhan akan keahlian yang mendalam dan beberapa bentuk pengawasan, bahkan ketika akses terhadap kemampuan ahli sudah didemokratisasi.
Sebagai permulaan, eksperimen tersebut mengungkapkan bahwa peserta yang berhasil “ditambah” oleh GenAI untuk menyelesaikan tugas-tugas ilmu data dasar tidak benar-benar “diberi keterampilan ulang”. Tes pengetahuan yang diberikan kepada seluruh peserta menunjukkan bahwa mereka yang pernah menggunakan GenAI ternyata memiliki kinerja yang tidak lebih baik dibandingkan rekan-rekan mereka setelah teknologi tersebut tidak lagi tersedia.. Dengan kata lain: Mereka belum memperoleh pengetahuan yang memungkinkan mereka menjadi ilmuwan data yang baik tanpa bantuan GenAI. Inilah sebabnya kami menyebut GenAI sebagai exoskeleton—alat yang meningkatkan kemampuan mereka untuk melakukan tugas-tugas yang mungkin berada di luar jangkauan mereka, tanpa mengajari mereka cara melakukan tugas-tugas tersebut sendiri.
Pertanyaan kuncinya adalah sejauh mana pekerja tambahan harus terlibat dalam tugas-tugas yang berisiko tinggi atau kompleks di luar keahlian mereka. Dalam eksperimen ilmu data, peserta berhasil menyelesaikan tugas-tugas dasar, namun hal ini tidak berarti mereka dapat menangani tugas yang lebih kompleks atau teknis seperti ilmuwan data berpengalaman. Pekerja yang diperbesar masih harus memvalidasi keluaran teknologi, yang memerlukan keahlian dan mungkin pengawasan spesialis. Jika mengidentifikasi atau merekrut beberapa spesialis ternyata sulit, perusahaan harus mempertimbangkan manfaat dan risiko augmentasi dan mungkin fokus pada tugas-tugas yang berisiko lebih rendah atau tidak terlalu rumit dalam “batas” kemampuan GenAI. Pertanyaannya kemudian adalah: Kapan dan bagaimana perusahaan harus memanfaatkan perluasan kemampuan pekerja yang didorong oleh GenAI?
Bagaimana para pemimpin dapat memanfaatkan peluang yang belum dimanfaatkan dari GenAI
Tidak ada cetak biru untuk manajemen perubahan, dan dalam banyak kasus, berbagai kemungkinan bergantung pada pengaturan organisasi dan sumber daya perusahaan. Namun demikian, ada lima langkah menyeluruh yang dapat segera diambil oleh para pemimpin bisnis untuk memanfaatkan apa yang GenAI tawarkan kepada tenaga kerjanya.
Mengenali: Langkah pertama dan paling mendesak bagi perusahaan adalah menentukan keahlian dan kemampuan spesialis apa yang kurang. Beberapa pertanyaan yang dapat membantu menjelaskan defisit tersebut: Keahlian apa yang dimanfaatkan oleh pesaing kita yang saat ini kurang kita miliki? Apakah ada fungsi-fungsi penting yang membuat kita sangat bergantung pada vendor atau konsultan pihak ketiga karena kurangnya keahlian internal?
Awal: Langkah kedua adalah menjalankan proyek percontohan untuk melihat apakah GenAI dapat memperluas kemampuan tenaga kerja di bidang-bidang yang keahliannya kurang. Hasil awal dari uji coba ini harus dipantau secara ketat untuk memastikan bahwa penambahan tenaga kerja di perusahaan dapat memberikan kinerja yang sebanding dengan spesialis.
Mendorong: Langkah ketiga adalah menentukan apakah pelatihan latar belakang tertentu memberikan keterampilan yang lebih meningkatkan kinerja, serupa dengan pembuat kode dalam eksperimen kami yang memiliki keahlian latar belakang untuk menghasilkan kinerja tambahan pada tugas-tugas ilmu data. Para pemimpin bisnis harus mempertimbangkan untuk menargetkan pekerja dengan latar belakang tersebut untuk mengadopsi “GenAI sebagai kerangka luar” guna menyelesaikan tugas di luar bidang keahlian mereka.
Mengatur: Langkah keempat adalah mencari cara terbaik untuk melibatkan para spesialis untuk melakukan tinjauan terhadap peningkatan output pekerja. Hal ini mungkin memerlukan pembagian ulang tanggung jawab, perancangan ulang proses, dan penilaian ulang komposisi tenaga kerja secara strategis. Hal ini bisa berarti menciptakan peran baru yang lebih kecil bagi para spesialis dan memasukkan pos pemeriksaan GenAI ke dalam alur kerja.
Kereta: Langkah kelima adalah meningkatkan pelatihan pekerja mengenai kemampuan dan keterbatasan GenAI, termasuk mendidik pekerja mengenai kapan keterlibatan spesialis sangat penting.
***
Jika para pemimpin bisnis mengambil langkah-langkah ini, mereka memposisikan organisasi mereka tidak hanya untuk memaksimalkan pekerja dalam peran mereka saat ini, namun juga untuk memperluas kemampuan mereka. Kemampuan untuk memperluas orang-orang yang dapat melakukan pekerjaan yang mendekati tingkat pakar pada tugas-tugas tertentu menciptakan peluang yang belum pernah terjadi sebelumnya, terutama bagi perusahaan dengan akses terbatas terhadap talenta khusus. Sumber daya yang saat ini langka namun kompetitif dan mahal untuk diakses, seperti pemasar digital atau ilmuwan data, akan segera tersedia lebih luas bagi lebih banyak perusahaan di pasar, sehingga berpotensi menyamakan persaingan. Pekerja individu juga mendapatkan manfaatnya, karena mereka dapat berkolaborasi dengan GenAI untuk meningkatkan identitas profesional mereka dan tetap kompetitif seiring otomatisasi mengubah tugas.
Membaca lainnya Harta benda kolom oleh François Candelon.
François Candelon adalah mitra di perusahaan ekuitas swasta Seven2 dan mantan direktur global BCG Henderson Institute (BHI).
Lisa Krayer adalah kepala sekolah di kantor BCG di Washington, DC dan mantan duta besar di BHI.
Daniel Sack adalah direktur pelaksana dan mitra di kantor BCG di Stockholm.
Emma Wiles adalah asisten profesor sistem informasi di Questrom School of Business Universitas Boston.
Riccarda Joas adalah konsultan di kantor BCG di Munich dan duta besar di BHI
ditulis oleh Nusarina Buchori
the jakarta press
Anda dapat mengirimkan berita di https://t.me/trackred
