Bagaimana AI Mengubah Model Operasi SDM dan Peran SDM

Oleh Kevin Kim · Diperbarui 11 Oktober 2026

Model operasi SDM adalah cara sebuah fungsi SDM mengatur pekerjaannya: siapa yang menjawab pertanyaan karyawan, siapa yang menasihati manajer, dan siapa yang merancang kebijakan serta program. AI mengubah model itu dengan mengambil alih sebagian besar permintaan rutin dan pekerjaan penyusunan draf, sehingga upaya manusia bergeser ke penilaian, perancangan, dan pengawasan. Pergeseran ini tidak menghapus kebutuhan akan SDM. Ia mengubah untuk apa setiap tim di dalam SDM ada, dan ia melahirkan beberapa peran baru.

Panduan ini ditujukan bagi CHRO, direktur SDM, dan manajer SDM yang sedang memutuskan cara menata ulang SDM seiring hadirnya alat AI. Panduan ini adalah pendamping tingkat strategi bagi AI di bidang SDM: panduan lengkap, yang membahas kasus penggunaannya sendiri.

Fakta Utama

• Buku Dave Ulrich, Human Resource Champions (Harvard Business Press, tercatat Oktober 1996, banyak dikutip sebagai 1997), menguraikan empat peran SDM: mitra strategis, ahli administrasi, pembela karyawan, dan agen perubahan (Google Books listing).
• Struktur "tiga kotak" yang sudah dikenal, yaitu layanan bersama, pusat keahlian, dan business partner, tumbuh dari pemikiran peran tersebut. Dalam koleksi model operasi CIPD, Allan Boroughs mengatakan Ulrich "tidak pernah mengklaim telah menciptakannya" (CIPD, Changing HR Operating Models).
• Dalam riset State of AI in HR 2026 dari SHRM (lebih dari 1.900 profesional SDM), hanya 28% yang menyatakan SDM memimpin upaya peningkatan keterampilan, sementara 39% melaporkan AI telah menggeser tanggung jawab pekerjaan, 24% melaporkan adanya peran baru, dan 7% melaporkan pekerjaan yang tergantikan (SHRM, 5 critical insights for CHROs).
• Dalam Global Human Capital Trends 2025 dari Deloitte, manajer menghabiskan hampir 40% waktunya untuk masalah hari ini dan tugas administratif, dan hanya 13% untuk mengembangkan orang-orangnya (Deloitte press release).
• Berdasarkan EU AI Act, sistem AI yang digunakan untuk merekrut atau menyeleksi orang, atau untuk membuat keputusan tentang promosi, PHK, pembagian tugas, dan pemantauan kinerja, tercantum sebagai berisiko tinggi dalam Annex III (EU AI Act, Annex III).

Model yang Menjadi Titik Awal Semua Orang: Peran Ulrich dan Struktur Tiga Kotak

Kebanyakan fungsi SDM berukuran memadai disusun di sekitar suatu versi dari tiga tim. Layanan bersama (shared services) (kadang disebut operasi SDM atau pusat layanan) menangani transaksi dan pertanyaan karyawan: pertanyaan penggajian, cuti, kontrak, catatan. HR business partner (HRBP) ditempatkan bersama sebuah unit bisnis dan menasihati para pemimpinnya tentang urusan SDM. Pusat keunggulan atau pusat keahlian (center of excellence, CoE) adalah tim spesialis kecil untuk bidang seperti kompensasi, akuisisi talenta, pembelajaran, dan perancangan organisasi.

Ada satu hal akurasi yang penting di sini, karena model ini sering salah diatribusikan. Buku Ulrich sendiri mengusulkan empat peran yang perlu dijalankan profesional SDM secara bersamaan. Deskripsi penerbit menyatakan bahwa SDM harus bekerja di keempat bidang sekaligus agar dapat berkontribusi sepenuhnya (Google Books). Struktur yang oleh kebanyakan orang disebut "model Ulrich" muncul belakangan, ketika para praktisi mengubah peran-peran itu menjadi tim. Koleksi CIPD menyebut buku tersebut "mengusulkan diferensiasi aktivitas SDM berdasarkan sifat peran SDM," dan bahwa Ulrich "tidak pernah mengklaim telah menciptakan" struktur berkaki tiga yang menyandang namanya (CIPD). Dalam koleksi yang sama, Nick Holley menyebutnya "pada dasarnya model yang sehat" tetapi menunjuk "kesenjangan besar antara niat dan kenyataan," terutama bagi business partner.

Kesenjangan itulah celah yang dimasuki AI. Jika HRBP Anda menghabiskan minggunya menjawab pertanyaan manajer dan mengejar persetujuan, mereka bertindak sebagai layanan bersama dengan jabatan yang lebih bagus. AI tidak memperbaiki model yang kacau. Ia membuat kekacauan itu lebih mahal, karena pekerjaan yang seharusnya sudah diotomatisasi kini memang bisa diotomatisasi.

Bagaimana AI Mengubah Setiap Pilar

Tabel di bawah adalah gambaran kerja tentang apa yang bergeser di setiap kotak. Tabel ini mencerminkan bagaimana teknologi cocok dengan pekerjaan tiap tim, bukan ramalan untuk satu perusahaan tertentu.

Perhatikan bahwa tekanan struktural terbesar jatuh pada layanan bersama dan tekanan keterampilan terbesar jatuh pada HRBP.

Layanan bersama: dari menjawab menjadi mengelola sistem pengetahuan

Layanan bersama adalah kotak tempat AI paling jelas cocok sejak awal. Asisten AI yang didasarkan pada kebijakan Anda dapat menjawab "berapa hari cuti duka yang saya dapat di Jerman?" dalam hitungan detik, dengan mengambil teks kebijakan yang relevan sebelum menjawab. Klasifikasi dan perutean tiket, serta penyusunan surat standar, mengikuti logika yang sama. Untuk melihat lebih dalam asisten yang tidak hanya menjawab tetapi juga bertindak, lihat agen AI untuk SDM.

Dalam praktiknya, yang berubah adalah komposisi pekerjaan. Lebih sedikit orang yang menjawab pertanyaan yang sama empat puluh kali. Lebih banyak orang yang memegang kualitas jawaban: menjaga kebijakan tetap mutakhir, menambal celah yang diungkap asisten, meninjau percakapan yang dieskalasikan. Keterampilan inti baru bagi pemimpin layanan bersama lebih mirip mengelola basis pengetahuan daripada mengelola antrean.

Josh Bersin, yang dikutip dalam koleksi CIPD, mengaitkan sistem layanan mandiri yang dirancang dengan baik dengan pergeseran menuju lebih banyak spesialis dan lebih sedikit generalis (CIPD). Itu sesuai dengan yang bisa diperkirakan ketika pertanyaan sederhana menghilang dan hanya yang sulit yang sampai ke manusia.

HR business partner: dari melakukan analisis menjadi menafsirkannya

Business partner kehilangan sebagian pekerjaan persiapan: menarik data attrition per departemen, merangkum komentar keterlibatan, menyusun tinjauan karyawan triwulanan. Mereka mendapat waktu untuk bagian yang tidak bisa diserahkan, yaitu memutuskan apa arti angka-angka itu bagi pemimpin ini, tim ini, kuartal ini.

Manajer adalah separuh lain dari cerita ini. Riset Deloitte 2025 menemukan manajer menghabiskan hampir 40% waktunya untuk masalah hari ini dan tugas administratif dan hanya 13% untuk mengembangkan orang-orangnya (Deloitte). Jika layanan mandiri manajer berbasis AI menangani pertanyaan "bagaimana cara mencatat ini?", kalender seorang HRBP dapat bergeser ke bimbingan dan perancangan tim. Jika tidak, HRBP tetap menjadi meja eskalasi. Alatnya saja tidak menentukan mana yang Anda dapatkan; model operasilah yang menentukan.

Pusat keunggulan: dari merancang program menjadi mengatur mesin

CoE memakai AI untuk riset yang lebih cepat, draf pertama deskripsi pekerjaan dan jalur pembelajaran, serta analisis teks survei. Namun tanggung jawab baru mereka yang lebih besar adalah bahwa sistem AI kini menerapkan aturan mereka dalam skala besar. Logika rentang gaji dari tim kompensasi, yang tertanam dalam alat yang menyarankan penawaran kerja, akan diikuti ribuan kali. Definisi "memenuhi syarat" dari tim talenta, yang tertanam dalam alat penyaringan, menjadi aturan keputusan.

Itu menjadikan CoE pemilik alami pengujian keadilan, definisi, dan kebijakan pengecualian. Hal ini terkait langsung dengan tata kelola AI dan pemantauan bias dalam AI. Boroughs, dalam koleksi CIPD, mencatat bahwa sebagian besar investasi transformasi di masa lalu masuk ke layanan bersama dan sistem TI-nya, sementara pusat keahlian, terutama untuk manajemen talenta, diabaikan (CIPD). Mengulang pola itu dengan AI akan menjadi kekeliruan: Anda akan mengotomatisasi meja depan dan membiarkan para pembuat aturan kekurangan sumber daya.

Apa yang Beralih ke AI dan Apa yang Tetap Dipegang Manusia

Ujian yang berguna untuk setiap tugas adalah dua pertanyaan: apakah tugas itu berulang dan berbasis aturan, dan apakah biaya jawaban yang salah rendah atau dapat dipulihkan? Jika keduanya ya, tugas itu layak diotomatisasi dengan peninjauan. Jika jawabannya menyentuh gaji, pekerjaan, kesehatan, atau kedudukan hukum seseorang, tetapkan seseorang yang bertanggung jawab. Inilah gagasan di balik desain human-in-the-loop.

Kandidat yang baik untuk diserahkan kepada AI, dengan pemeriksaan:

• Menjawab pertanyaan rutin tentang kebijakan dan tunjangan
• Merangkum komentar survei, wawancara keluar, dan teks penilaian kinerja
• Menyusun deskripsi pekerjaan, surat penawaran kerja, dan komunikasi
• Menjadwalkan dan merutekan permintaan
• Menyusun versi pertama laporan tenaga kerja

Tetap bersama pengambil keputusan manusia:

• Keputusan perekrutan, promosi, disiplin, dan PHK
• Investigasi dan kasus hubungan karyawan
• Pengecualian gaji dan permintaan akomodasi
• Apa pun yang membuat orang terdampak wajar berharap bisa berbicara dengan seseorang

Gambaran regulasi mendukung pembagian ini. Annex III EU AI Act mencantumkan sistem AI yang digunakan untuk merekrut atau menyeleksi orang, membuat keputusan tentang ketentuan kerja, promosi, atau PHK, membagi tugas berdasarkan perilaku atau ciri individu, atau memantau dan mengevaluasi kinerja, sebagai berisiko tinggi (Annex III). Di Kota New York, Local Law 144 mensyaratkan bahwa alat keputusan ketenagakerjaan otomatis menjalani audit bias dalam waktu satu tahun sebelum digunakan, dengan informasi tentang audit tersebut tersedia untuk publik (NYC Department of Consumer and Worker Protection). Aturan-aturan ini berlaku khusus untuk keputusan perekrutan dan ketenagakerjaan, yang memang sudah seharusnya menjadi tempat batas penilaian manusia berada.

Peran Baru yang Mulai Terbentuk

Riset SHRM memberikan gambaran arah yang terbaik tanpa melebih-lebihkan. Di antara lebih dari 1.900 profesional SDM, 39% menyatakan AI telah menggeser tanggung jawab pekerjaan, 24% menyatakan AI telah menciptakan peran baru, dan 7% melaporkan pekerjaan yang tergantikan (SHRM). Polanya jauh lebih banyak berupa perancangan ulang daripada penghapusan. Peran di bawah ini adalah saran rancangan untuk fungsi SDM yang lebih besar, bukan jabatan yang dilaporkan SHRM; tim yang lebih kecil biasanya melebur dua atau tiga di antaranya ke dalam pekerjaan yang sudah ada.

"Pemilik produk AI SDM" layak diberi catatan karena ini yang paling tidak dikenal. Gagasannya dipinjam dari tim perangkat lunak: seseorang bertanggung jawab secara pribadi atas apakah sesuatu itu berfungsi bagi penggunanya, alih-alih alat itu "dimiliki" oleh TI dan "dipakai" oleh SDM. Tanpa pemilik itu, asisten menjadi usang, jawaban menyimpang dari kebijakan, dan tidak ada yang memperbaikinya.

Keterampilan yang Kini Dibutuhkan Profesional SDM

Panduan SHRM untuk CHRO merekomendasikan peningkatan keterampilan yang mendefinisikan ulang peran SDM di sekitar pekerjaan berbasis AI, dengan pelatihan dalam literasi data, prompt engineering, dan kolaborasi manusia-AI (SHRM). Diterjemahkan menjadi daftar praktis:

1. Literasi AI. Ketahui apa yang dilakukan sistem ini dengan baik, di mana ia gagal, dan cara membaca keluarannya dengan skeptis. Lihat literasi AI.
2. Literasi data. Membaca dasbor secara kritis, menanyakan dari mana sebuah angka berasal, dan mengenali sampel yang terlalu kecil atau terlalu bias untuk dipercaya.
3. Kebiasaan menyusun prompt dan meninjau. Berikan konteks yang jelas kepada model, lalu periksa keluarannya terhadap sumbernya. AI generatif untuk tim SDM menguraikan aturan tinjauan untuk penyusunan draf sehari-hari.
4. Perancangan proses. Memecah proses SDM menjadi langkah-langkah, memutuskan langkah mana yang diotomatisasi, dan menentukan serah terima kepada manusia.
5. Kefasihan dalam hukum ketenagakerjaan dan etika. Ketahui penggunaan mana yang memicu kewajiban audit, pemberitahuan, atau pengawasan.
6. Kepemimpinan perubahan. Membantu manajer dan karyawan mengadopsi cara kerja baru.
7. Keterampilan konsultatif. Seiring menyusutnya pekerjaan rutin, pekerjaan penasihat adalah yang tersisa, sehingga kemampuan menantang pemimpin dengan hormat menjadi inti pekerjaan HRBP.

Satu temuan yang tidak nyaman ada dalam riset yang sama: hanya 28% yang menyatakan SDM memimpin upaya peningkatan keterampilan (SHRM). SDM seharusnya menjadi fungsi yang membangun kapabilitas organisasi, namun di sebagian besar organisasi tersebut ada pihak lain yang melakukannya. Mulailah dengan melatih ulang (reskilling) tim Anda sendiri secara terbuka, sehingga Anda punya cerita yang kredibel dan pengalaman nyata ketika menasihati pihak lain.

Urutan Praktis untuk Merancang Ulang Model

1. Petakan pekerjaan. Untuk setiap tim, daftar 15 tugas berulang teratas dan beri label masing-masing sebagai transaksional, penasihat, atau perancangan. Jangan mulai dari alat.

2. Pilih pilar pertama. Layanan bersama biasanya titik awal yang paling aman karena kesalahan terlihat dan dapat dipulihkan, dan volumenya tinggi.
3. Tunjuk pemilik sebelum membeli. Tetapkan pemilik produk dan pemilik konten. Putuskan siapa yang meninjau eskalasi.
4. Tetapkan hak keputusan. Tuliskan apa yang boleh dilakukan AI sendiri, apa yang perlu ditinjau, dan apa yang tidak boleh dilakukannya. Libatkan bagian hukum dan TI.
5. Tempatkan ulang sebelum mengurangi. Pindahkan kapasitas ke pekerjaan bernilai lebih tinggi (bimbingan manajer, analitik, perencanaan tenaga kerja) dan catat secara jujur apa yang berubah.
6. Bentuk ulang ekspektasi HRBP. Perbarui profil peran, sasaran, dan rencana pengembangan agar waktu tambahan dipakai untuk nasihat, bukan berubah menjadi administrasi tambahan.
7. Tinjau setelah satu kuartal. Lihat tingkat penyelesaian mandiri, kualitas eskalasi, kepuasan karyawan, dan laporan kesalahan, lalu sesuaikan.

Jebakan yang Perlu Dihindari

Mengotomatisasi proses yang rusak. Jika permintaan hari ini berpindah-pindah di antara tiga tim, asisten hanya akan memindahkannya lebih cepat. Perbaiki prosesnya terlebih dahulu.

Memangkas staf tingkat 1 sebelum basis pengetahuan siap. Orang yang menjawab pertanyaan hari ini juga tahu di mana kebijakan belum jelas. Pengetahuan merekalah yang memberi makan asisten.

Mengabaikan CoE. Model yang menerapkan aturan yang tidak pernah ditinjau siapa pun di tim ahli adalah risiko, bukan penghematan.

HRBP menjadi kurir data. Jika business partner hanya meneruskan laporan buatan AI, para pemimpin akan bertanya mengapa mereka butuh satu. Nilainya ada pada penafsiran.

Tidak ada pemilik setelah peluncuran. Asisten dan alur kerja menurun mutunya seiring perubahan kebijakan. Tanpa pemilik yang ditunjuk, kualitas turun diam-diam.

Melupakan kesetaraan akses. Karyawan garis depan dan non-kantoran mungkin tidak memakai kanal layanan mandiri. Sediakan jalur manusia.

Mengabaikan manajer. Deloitte melaporkan bahwa 73% organisasi mengakui perlunya menemukan kembali peran manajer tetapi hanya 7% yang membuat kemajuan besar (Deloitte). Jika manajer tidak dibekali, pekerjaan yang dibebaskan AI di SDM hanya akan kembali ke SDM sebagai eskalasi.

Langkah Selanjutnya

Jika belum, bacalah gambaran umum AI di bidang SDM untuk kasus penggunaan yang berada di dalam setiap pilar. Lalu pilih satu tim, jalankan pemetaan tugas dari urutan di atas, dan putuskan seperti apa layanan berbasis AI pertama, pemiliknya, dan proses tinjauannya.