AI Automation Mengurangi Rekrutmen Entry-Level, Tapi Siapa yang Menggantikan Senior?

Caption

AI automation bisa memangkas pekerjaan repetitif, tetapi jangan sampai memangkas jalur lahirnya calon senior.

Dikutip dari Gartner pada 27 Juli 2026, 22% CHRO melaporkan setidaknya satu pimpinan bisnis di organisasinya telah menghentikan perekrutan untuk posisi entry-level karena AI automation.

Baca artikel lengkap: /ai-automation-entry-level-senior

AI automation mulai mengubah rekrutmen entry-level

AI automation bukan lagi sekadar eksperimen kecil di sudut organisasi. Di banyak fungsi bisnis, pekerjaan yang dulu dikerjakan staf junior mulai dipindahkan ke software, workflow automation, chatbot, agent berbasis AI, atau kombinasi beberapa sistem.

Fakta dari Gartner cukup menarik untuk dibaca secara hati-hati. Dalam publikasi berjudul Gartner Survey Finds AI Automation Is Reducing Some Entry-Level Hiring at Nearly One-Quarter of Organizations yang dipublikasikan pada 27 Juli 2026, Gartner menyebut bahwa 22% CHRO melaporkan setidaknya satu pimpinan bisnis di organisasinya telah menghentikan perekrutan untuk posisi entry-level karena AI automation.

Angka ini tidak boleh dibaca sebagai “22% semua perusahaan berhenti merekrut entry-level”. Klaim yang tepat adalah: sebagian CHRO melihat ada pimpinan bisnis di organisasinya yang menghentikan hiring entry-level karena AI automation.

Tetapi sinyalnya tetap penting. AI automation mulai memengaruhi desain organisasi, bukan hanya daftar tools yang dipakai tim.

Ini bukan sekadar masalah skill junior

Sebagian perusahaan mulai berbicara seolah penurunan kebutuhan entry-level hanyalah masalah skill, misalnya junior kurang siap, kurang cepat, atau kalah produktif dibanding AI. Menurut saya, cara baca seperti ini terlalu sempit.

Yang berubah bukan hanya kemampuan individu. Yang berubah adalah arsitektur kerja.

Dulu, banyak pekerjaan entry-level berisi aktivitas seperti input data, merapikan dokumen, membuat laporan dasar, melakukan pengecekan awal, mengumpulkan informasi, atau menyiapkan draft. Aktivitas seperti ini sering menjadi pintu masuk bagi junior untuk memahami konteks bisnis, pola keputusan, kualitas output, dan cara senior berpikir.

Ketika aktivitas tersebut diotomatisasi, perusahaan memang bisa menjadi lebih efisien. Namun jika tidak hati-hati, perusahaan juga bisa menghapus “ruang latihan” yang selama ini membentuk calon senior.

Pengalaman dan observasi praktisi: efisiensi nyata, tetapi tidak gratis secara organisasi

Dari pengalaman saya sebagai praktisi automation, proses implementasi yang berhasil biasanya tidak dimulai dari membeli tool. Prosesnya lebih membumi: memetakan proses, menstandardisasi alur kerja, mengidentifikasi bottleneck, mengimplementasikan automation, mengukur hasil, lalu memperbaiki iterasi berikutnya.

Dalam banyak implementasi automation yang saya kerjakan atau amati secara dekat, delegasi pekerjaan repetitif ke software atau AI automation dapat menghasilkan efisiensi dalam waktu singkat, penghematan biaya gaji, dan peningkatan produktivitas yang terasa nyata. Namun bagian ini adalah pengalaman dan observasi praktisi, bukan statistik independen dan bukan klaim angka universal.

Yang sering terlupakan adalah biaya organisasional yang tidak langsung terlihat. Automation bisa mengurangi kebutuhan operator manual, tetapi organisasi tetap membutuhkan orang yang memahami proses, bisa menilai pengecualian, bisa memperbaiki sistem, dan bisa mengambil keputusan ketika automation tidak yakin.

Dengan kata lain, automation mengurangi sebagian pekerjaan, tetapi tidak menghapus kebutuhan terhadap kompetensi manusia. Ia hanya memindahkan titik beratnya.

Pertanyaan strategis: siapa yang menggantikan senior?

Entry-level bukan hanya “biaya tenaga kerja murah”. Entry-level adalah jalur regenerasi.

Jika perusahaan berhenti merekrut junior tanpa menyiapkan program kaderisasi, dokumentasi knowledge transfer, rotasi kerja, mentoring, apprenticeship, dan succession planning, maka risiko jangka panjangnya serius. Ketika senior pensiun, resign, pindah fungsi, sakit, burnout, atau tidak lagi tersedia, perusahaan bisa kehilangan kapasitas kritis.

Risiko ini sering tidak muncul di dashboard produktivitas jangka pendek. Ia baru terasa ketika keputusan penting terlalu bergantung pada segelintir orang senior yang menyimpan pengetahuan di kepala mereka.

Inilah yang disebut tacit knowledge: pengetahuan yang sulit ditulis secara lengkap karena terbentuk dari pengalaman, intuisi, konteks, kebiasaan, dan keputusan berulang. AI bisa membantu mendokumentasikan dan mencari pola, tetapi organisasi tetap perlu manusia yang memahami konteks lokal, risiko bisnis, dan konsekuensi keputusan.

Automation seharusnya mengubah isi pekerjaan entry-level

Menurut saya, pilihan yang lebih sehat bukan “junior diganti AI”, melainkan “pekerjaan junior didesain ulang dengan AI sebagai copilot”.

Pekerjaan repetitif yang tidak memberi banyak pembelajaran memang layak diotomatisasi. Tetapi pekerjaan yang membentuk judgment, pemahaman proses, komunikasi lintas fungsi, dan kemampuan analisis sebaiknya tetap menjadi bagian dari jalur belajar junior.

Contohnya:

• Input data manual bisa diganti dengan workflow automation.
• Pengecekan format dokumen bisa dibantu AI.
• Draft laporan awal bisa dibuat oleh AI.
• Tetapi review kualitas, diskusi asumsi, analisis pengecualian, dan pembelajaran dari keputusan senior tetap perlu melibatkan junior.

Dengan desain seperti ini, junior tidak hanya menjadi operator. Mereka belajar menjadi pengelola sistem, analis proses, dan calon pengambil keputusan.

Skenario sebelum dan sesudah automation

Sebelum automation, skenario umum di banyak tim adalah seperti ini:

1. Junior menerima data mentah.
2. Junior membersihkan dan menggabungkan data.
3. Junior membuat laporan dasar.
4. Senior memeriksa hasil dan memberi koreksi.
5. Junior belajar dari koreksi tersebut secara bertahap.

Sesudah automation, skenarionya bisa berubah:

1. Sistem mengambil dan membersihkan data secara otomatis.
2. AI membuat ringkasan dan draft laporan.
3. Junior memeriksa anomali, asumsi, dan konteks.
4. Senior meninjau keputusan penting.
5. Junior belajar dari proses review, bukan dari kerja manual yang berulang.

Perubahan ini lebih sehat dibanding menghapus posisi junior sepenuhnya. Perusahaan tetap mendapatkan efisiensi, tetapi jalur pembelajaran tidak hilang.

Framework management untuk menghadapi AI automation

Agar automation tidak merusak regenerasi tim, saya menyarankan management memakai framework sederhana berikut.

1. Petakan task, bukan langsung petakan jabatan

Jangan mulai dari pertanyaan “posisi apa yang bisa dihapus?”. Mulailah dari “task apa yang repetitif, rawan error, dan bisa distandardisasi?”.

Pemetaan task akan membantu perusahaan membedakan pekerjaan yang layak diotomatisasi dari pekerjaan yang masih penting untuk pembelajaran manusia.

2. Bedakan task belajar dan task repetitif

Tidak semua pekerjaan sederhana harus dihapus. Ada pekerjaan sederhana yang memang hanya repetitif, tetapi ada juga pekerjaan sederhana yang menjadi fondasi pemahaman.

Contoh task repetitif:

• Menyalin data dari satu sistem ke sistem lain.
• Mengubah format file.
• Mengirim reminder standar.
• Membuat laporan template tanpa analisis.

Contoh task belajar:

• Membandingkan hasil output dengan konteks bisnis.
• Mengidentifikasi kasus pengecualian.
• Mengikuti diskusi keputusan senior.
• Menulis catatan pembelajaran dari insiden atau error.

3. Desain role junior dengan AI sebagai copilot

Role junior perlu didesain ulang. Junior sebaiknya belajar menggunakan AI untuk mempercepat pekerjaan, tetapi tetap bertanggung jawab memahami output.

Deskripsi pekerjaan junior modern bisa mencakup:

• Mengoperasikan workflow automation.
• Memvalidasi output AI.
• Menandai anomali.
• Menulis dokumentasi proses.
• Mengikuti review keputusan bersama senior.

4. Buat competency matrix

Perusahaan perlu mendefinisikan kompetensi yang harus tumbuh dari level junior ke middle dan senior. Competency matrix membantu memastikan automation tidak hanya mengejar efisiensi, tetapi juga membangun kapasitas jangka panjang.

Contoh kompetensi yang bisa dipetakan:

• Pemahaman proses bisnis.
• Kemampuan analisis masalah.
• Kualitas komunikasi.
• Penggunaan AI dan automation tools.
• Risk awareness.
• Decision making.
• Dokumentasi dan knowledge sharing.

5. Dokumentasikan SOP dan decision log

SOP menjelaskan cara kerja standar. Decision log menjelaskan mengapa keputusan diambil.

Keduanya penting karena automation sering gagal bukan karena tool-nya buruk, tetapi karena prosesnya tidak terdokumentasi. Jika senior menyimpan semua alasan keputusan di kepala, junior dan AI sama-sama kesulitan belajar.

6. Jalankan shadowing dan reverse mentoring

Shadowing membantu junior melihat cara senior berpikir. Reverse mentoring membantu senior memahami cara junior menggunakan AI dan tools baru.

Kombinasi ini penting. Regenerasi bukan hanya senior mengajari junior, tetapi juga organisasi belajar menggabungkan pengalaman manusia dengan kemampuan teknologi baru.

7. Ukur produktivitas dan kualitas

Automation tidak cukup diukur dari kecepatan. Ukur juga kualitas output, error, rework, kepuasan stakeholder, dan kemampuan tim menangani kasus pengecualian.

Jika pekerjaan lebih cepat tetapi kualitas turun, risiko naik, atau junior tidak berkembang, maka automation belum tentu sehat untuk organisasi.

8. Siapkan human approval

Untuk keputusan penting, tetap perlu ada mekanisme persetujuan manusia. AI dan automation bisa membantu menyaring, merangkum, dan memberi rekomendasi, tetapi keputusan yang berdampak pada pelanggan, keuangan, legal, atau reputasi sebaiknya tetap memiliki human approval yang jelas.

9. Review kapasitas regenerasi per kuartal

Setiap kuartal, management sebaiknya meninjau:

• Apakah junior masih memiliki ruang belajar?
• Apakah senior masih punya waktu mentoring?
• Apakah dokumentasi meningkat?
• Apakah ada single point of failure pada orang tertentu?
• Apakah automation membuat tim lebih kuat atau hanya lebih ramping?

Pertanyaan terakhir penting. Tim yang terlalu ramping bisa terlihat efisien, sampai tiba saatnya kehilangan satu orang kunci.

Rekomendasi untuk UMKM dan perusahaan Indonesia

Untuk UMKM, AI automation bisa menjadi peluang besar karena banyak proses masih manual dan berulang. Namun UMKM juga sering bergantung pada beberapa orang kunci. Karena itu, jangan hanya mengejar pengurangan biaya. Gunakan automation untuk membuat proses lebih rapi dan mudah diwariskan.

Langkah praktis untuk UMKM:

• Mulai dari proses yang paling sering diulang, seperti invoice, follow-up pelanggan, rekap penjualan, dan laporan stok.
• Buat SOP sederhana sebelum automation.
• Dokumentasikan pengecualian yang sering terjadi.
• Libatkan staf junior dalam setup dan review automation.
• Jangan biarkan hanya satu orang memahami sistem.

Untuk perusahaan Indonesia yang lebih besar, tantangannya berbeda. Biasanya proses lebih kompleks, stakeholder lebih banyak, dan risiko compliance lebih tinggi. Karena itu, governance menjadi penting.

Langkah praktis untuk perusahaan menengah dan besar:

• Bentuk standar penggunaan AI di tiap fungsi.
• Buat daftar proses yang boleh dan tidak boleh diotomatisasi penuh.
• Tetapkan human approval untuk keputusan kritis.
• Hubungkan program automation dengan workforce planning.
• Jadikan mentoring dan succession planning sebagai bagian dari strategi AI, bukan program HR terpisah.

Kesimpulan

AI automation memang mulai mengurangi kebutuhan rekrutmen entry-level pada sebagian organisasi. Fakta dari Gartner menunjukkan sinyal itu sudah muncul di level pimpinan bisnis. Tetapi management tidak boleh menganggap regenerasi tim selesai hanya karena pekerjaan repetitif bisa diotomatisasi.

Pertanyaan yang lebih penting adalah: jika junior tidak lagi masuk dan belajar dari proses dasar, siapa yang akan menjadi senior berikutnya?

Bagi saya, strategi yang lebih matang adalah menggunakan automation untuk menghapus pekerjaan repetitif, bukan menghapus kesempatan belajar. Perusahaan yang menang bukan hanya yang paling cepat mengurangi biaya, tetapi yang mampu membangun sistem kerja baru, lebih efisien, terdokumentasi, dan tetap memiliki jalur regenerasi manusia.

Referensi

• Gartner, Gartner Survey Finds AI Automation Is Reducing Some Entry-Level Hiring at Nearly One-Quarter of Organizations, https://www.gartner.com/en/newsroom/press-releases/2026-07-27-gartner-survey-finds-ai-automation-is-reducing-some-entry-level-hiring-at-nearly-one-quarter-of-organizations, dipublikasikan 27 Juli 2026.