Bagaimana Algoritma Rekrutmen Otomatis Diam-diam Memperburuk Kekurangan Tenaga Kerja Global

Skala eksklusi teknologi ini sangat mengejutkan. Dalam sebuah studi penting tahun 2021, para peneliti di Harvard Business School mengidentifikasi populasi yang terus berkembang yang mereka sebut sebagai pekerja tersembunyi. Data mereka mengungkapkan bahwa di Amerika Serikat saja, lebih dari dua puluh tujuh juta orang yang siap dan bersedia bekerja secara rutin disingkirkan dari pertimbangan oleh sistem pelacakan pelamar. Platform digital ini, yang digunakan oleh hampir semua perusahaan Fortune 500, menggunakan parameter penyaringan kaku yang secara otomatis menolak kandidat hanya karena masalah kecil seperti jeda menganggur selama enam bulan atau tidak adanya kata kunci yang sangat spesifik. Dengan mengoptimalkan pencarian demi kecocokan yang paling mudah, algoritma perusahaan secara fungsional membutakan bisnis terhadap segmen angkatan kerja yang sangat besar.

Fenomena ini tidak hanya terjadi pada ekonomi Amerika. Para ekonom tenaga kerja di Inggris dan di seluruh Uni Eropa telah mengamati pola serupa di mana penjaga gerbang digital menghukum rekam jejak karier yang tidak tradisional. Riset dari berbagai firma rekrutmen multinasional secara konsisten menyoroti bahwa ketika kekurangan bakat global mencapai rekor tertinggi selama dekade terakhir, jumlah pencari kerja aktif justru tidak menyusut secara proporsional. Ketidakselarasan ini terjadi di dalam perangkat lunak itu sendiri. Pada akhir tahun 2010-an, ketika pasar tenaga kerja Jerman sangat membutuhkan pekerja teknis, para analis menemukan bahwa ribuan kandidat kompeten dengan pelatihan kejuruan yang esensial langsung ditolak oleh sistem yang diprogram agar hanya menerima gelar universitas standar.

Akar penyebab dari inefisiensi besar-besaran ini terletak pada bagaimana algoritma ini dirancang dan diterapkan. Sebagian besar perangkat lunak rekrutmen perusahaan dibangun dengan dasar pemikiran defensif. Alih-alih dirancang untuk menemukan bakat murni atau mengidentifikasi keterampilan yang dapat ditransfer, sistem ini diprogram untuk menyingkirkan kandidat, menyaring ribuan lamaran menjadi segelintir agar lebih mudah ditangani oleh perekrut yang kelelahan. Untuk mencapai hal ini, perusahaan memasukkan persyaratan yang sangat spesifik dan sering kali tidak realistis yang menuntut kecocokan gelar persis, riwayat pekerjaan tanpa jeda, dan latar belakang pendidikan tertentu. Jika seorang manajer yang sangat cakap mengambil cuti satu tahun untuk merawat keluarga, perangkat lunak tersebut tidak mengenali hal itu sebagai kesetiaan atau kemampuan beradaptasi. Sistem hanya menandai jeda pekerjaan tersebut sebagai risiko yang tidak dapat diterima dan menghapus resume dari antrean aktif. Algoritma ini hanya memahami aturan biner yang ditetapkan oleh pemrogram yang sering kali sama sekali tidak memahami kebutuhan nyata harian di tempat kerja.

Konsekuensi dari ketergantungan berlebihan pada otomatisasi yang kaku ini berdampak jauh melampaui departemen sumber daya manusia. Bagi bisnis, dampak langsungnya adalah tingkat kekosongan posisi yang berkepanjangan, yang secara langsung merusak produktivitas dan menghambat inovasi perusahaan. Tim terpaksa memikul beban kerja yang lebih berat untuk menutupi peran yang kosong, yang mengarah pada kelelahan ekstrem yang meluas dan tingkat pergantian karyawan yang lebih tinggi, yang pada akhirnya memberi algoritma rekrutmen mandat yang makin mustahil. Pada skala ekonomi yang lebih luas, dinamika ini menciptakan kelas bawah permanen yang terdiri dari warga negara yang sangat cakap namun secara kronis kekurangan pekerjaan. Ketika individu yang memenuhi syarat berulang kali ditolak dari pasar tenaga kerja oleh perangkat lunak tanpa akal, perekonomian kehilangan potensi produksi yang sangat besar, dan pengeluaran konsumen menjadi mandek. Dampak emosional pada para pekerja itu sendiri, yang mengirim ratusan lamaran ke ruang hampa digital tanpa pernah menerima umpan balik, melahirkan rasa frustrasi sosial yang mendalam.

Mengatasi krisis akibat ulah sendiri ini membutuhkan pergeseran mendasar dalam cara bisnis mendekati pencarian bakat. Pemimpin perusahaan harus beralih dari perekrutan berbasis proksi—yang bergantung pada penanda ketat seperti gelar dan riwayat kerja tanpa jeda—menuju evaluasi berbasis keterampilan. Ini berarti memprogram ulang perangkat lunak secara aktif untuk meloloskan kandidat, alih-alih menyingkirkan mereka. Institusi-institusi yang berpikiran maju telah mulai membuktikan keandalan model ini. Dalam beberapa tahun terakhir, perusahaan besar seperti IBM dan beberapa pemerintah negara bagian di seluruh Amerika Serikat, termasuk Maryland dan Pennsylvania, telah resmi menghapus persyaratan gelar sarjana untuk ribuan peran administratif dan teknis. Dengan mengubah filter digital mereka agar berfokus pada keterampilan konkret dan kompetensi aktual, organisasi-organisasi ini langsung melihat lonjakan pelamar berkualitas tinggi yang sebelumnya tersembunyi oleh pengaturan sistem bawaan.

Selain menyesuaikan perangkat lunak, perusahaan harus mengembalikan penilaian manusia ke dalam tahap paling awal dari alur rekrutmen. Teknologi harus digunakan untuk meningkatkan proses rekrutmen, mungkin dengan menyoroti resume tidak konvensional yang menunjukkan potensi lintas industri, alih-alih bertindak sebagai algojo buta. Para profesional sumber daya manusia membutuhkan wewenang untuk membatalkan penolakan otomatis serta waktu untuk menulis ulang deskripsi pekerjaan agar mencerminkan tugas harian yang sebenarnya dari sebuah peran, bukan daftar panjang persyaratan yang mustahil. Dengan memperluas parameter pencarian, bisnis dapat menjangkau kelompok demografi yang selama ini terabaikan, termasuk veteran yang kembali ke kehidupan sipil, orang tua yang kembali bekerja, dan para profesional otodidak yang memiliki motivasi luar biasa.

Ekonomi global modern bergerak terlalu cepat untuk sekadar mengandalkan model rekrutmen yang kaku dan tertinggal zaman. Meskipun otomatisasi tidak diragukan lagi menawarkan daya tarik efisiensi, efisiensi menjadi sama sekali tidak berguna jika secara konsisten memberikan hasil yang salah. Penyaringan sistematis terhadap jutaan pekerja yang antusias dan cakap merupakan salah satu kesalahan fatal terbesar yang tidak semestinya terjadi dalam manajemen bisnis kontemporer. Jika perusahaan berharap untuk bertahan dari pergeseran demografis dan keterbatasan tenaga kerja dalam beberapa dekade mendatang, mereka harus meruntuhkan tembok digital yang telah mereka bangun sendiri. Ketahanan perusahaan yang sejati tidak akan datang dari algoritma yang lebih sempurna, melainkan dari kemauan yang diperbarui untuk mengenali, mengevaluasi, dan berinvestasi pada realitas potensi manusia yang rumit, namun sangat esensial.