AI dalam Rekrutmen: Cara Kerjanya di Seluruh Corong Rekrutmen

Oleh Kevin Kim · Diperbarui 11 Oktober 2026

AI dalam rekrutmen adalah penggunaan pembelajaran mesin dan model bahasa untuk menangani tahap-tahap perekrutan yang bervolume tinggi (mencari kandidat, membaca lamaran, menjadwalkan, menilai, dan menyusun draf penawaran kerja) agar perekrut dapat menggunakan waktunya untuk percakapan dan pertimbangan. Setiap tahap mendapat jenis AI yang berbeda, tingkat risiko yang berbeda, dan jawaban yang berbeda atas pertanyaan "siapa yang tetap memutuskan?"

Panduan ini ditujukan bagi pemimpin akuisisi talenta, manajer SDM, dan manajer perekrut yang perlu memahami apa yang terjadi di dalam corong rekrutmen mereka sebelum membeli atau menyetujui apa pun. Panduan ini adalah pusat dari bagian AI dalam rekrutmen pada AI di bidang SDM, sehingga pembahasannya tetap pada tingkat seluruh corong dan merujuk ke halaman yang lebih mendalam untuk setiap tahap.

Fakta Utama

• Dalam uji University of Washington terhadap tiga model bahasa yang meranking CV terhadap lebih dari 500 lowongan nyata, nama yang diasosiasikan dengan orang kulit putih dipilih 85% dari waktu, dibandingkan 9% untuk nama yang diasosiasikan dengan orang kulit hitam (University of Washington).
• Studi yang sama menemukan nama yang diasosiasikan dengan laki-laki dipilih 52% dari waktu, dibandingkan 11% untuk nama yang diasosiasikan dengan perempuan (University of Washington).
• Local Law 144 Kota New York mewajibkan alat keputusan ketenagakerjaan otomatis telah menjalani audit bias dalam waktu satu tahun sebelum digunakan, dan kota itu mulai menegakkannya pada 5 Juli 2023 (NYC Department of Consumer and Worker Protection).
• European Commission mencantumkan alat AI untuk ketenagakerjaan dan pengelolaan pekerja, dengan penyaringan CV rekrutmen sebagai contohnya, sebagai berisiko tinggi, dan menyatakan aturan tersebut berlaku mulai 2 Desember 2027 (European Commission).
• Halaman Commission yang sama mencantumkan pengenalan emosi di tempat kerja sebagai praktik terlarang, di antara larangan yang mulai berlaku pada Februari 2025 (European Commission).

Apa yang Dilakukan AI di Setiap Tahap Corong

Corong rekrutmen adalah rangkaian saringan. Setiap saringan mengurangi tumpukan besar kandidat menjadi daftar pendek, dan AI berguna di mana pun tumpukannya besar dan kriterianya tertulis. AI jauh kurang berguna, dan lebih berisiko, di tempat keputusannya subjektif atau datanya tipis.

Dalam istilah ACE Framework, sebagian besar AI rekrutmen bekerja dengan menyerap lamaran dan profil, menganalisisnya terhadap persyaratan, memprediksi kecocokan atau kemungkinan, menghasilkan teks seperti pesan penjangkauan dan ringkasan, serta mengeksekusi tindakan kecil seperti mengirim undangan kalender. Pola penilaian dan pembacaan dokumen menanggung sebagian besar risikonya.

Langkah demi Langkah: Apa yang Berubah dalam Praktik

Penentuan pekerjaan

Segala sesuatu di hilir bergantung pada apa yang tertulis dalam deskripsi pekerjaan. Model dapat menyusun versi pertama dari ringkasan peran, menulis ulang jargon menjadi bahasa lugas, dan menandai kata-kata yang mempersempit kumpulan kandidat tanpa alasan. Manajer perekrut tetap memutuskan apa yang dibutuhkan pekerjaan itu. Rinciannya ada di menulis deskripsi pekerjaan dengan AI.

Sourcing

Alat sourcing mencari basis data profil yang besar, menyarankan orang yang mirip dengan karyawan yang pernah Anda rekrut, dan menyusun pesan yang dipersonalisasi. Keuntungannya adalah jangkauan: perekrut dapat menghubungi orang yang tidak akan pernah ia temukan secara manual. Kerugiannya, "mirip dengan karyawan sebelumnya" menyalin pola apa pun yang dimiliki perekrutan Anda di masa lalu. Jika riwayat Anda sempit, sarannya pun akan sempit.

Penyaringan

Di sinilah kebanyakan pelamar pertama kali bertemu AI. Sistem membaca setiap CV, mengekstrak keterampilan dan pengalaman, lalu meranking orang terhadap persyaratan. Jika dilakukan dengan baik, ini adalah perbedaan antara menelusuri sekilas 400 lamaran dan membaca 40 terbaik dengan saksama. Jika dilakukan dengan buruk, ia diam-diam menolak orang dengan alasan yang tidak bisa dijelaskan siapa pun. Kedua sisinya dibahas dalam penyaringan CV dengan AI.

Penjadwalan

Penjadwalan adalah tempat paling aman untuk memulai. Tugasnya mekanis, aturannya eksplisit, dan kesalahan hanya berbiaya penjadwalan ulang, bukan kesempatan seseorang mendapat pekerjaan. Alat yang mengoordinasikan kalender antara kandidat, pewawancara, dan ruangan menghemat berjam-jam per perekrutan, dan tidak menilai siapa pun.

Wawancara

AI di sekitar wawancara biasanya melakukan tiga hal: menyarankan pertanyaan terstruktur yang terkait pekerjaan, mentranskripsi percakapan, dan merangkumnya untuk panel. Sebagian produk melangkah lebih jauh dan menilai ucapan, ekspresi, atau pilihan kata kandidat. Itulah bagian yang perlu disikapi dengan curiga. Lihat AI dalam wawancara untuk mengetahui apa yang wajar dan apa yang tidak.

Asesmen

Alat asesmen menilai tes, simulasi, dan contoh pekerjaan. Alat ini hanya sebaik bukti bahwa skornya memprediksi kinerja kerja dan memperlakukan kelompok secara adil. Dasbor yang apik bukanlah bukti itu. Asesmen pra-kerja dengan AI membahas pertanyaan yang perlu diajukan.

Penawaran

Di ujung corong, AI menyusun surat, mengambil tolok ukur gaji, dan mengejar persetujuan. Drafnya perlu dibaca manusia, karena gaji atau tanggal mulai yang salah dalam surat penawaran adalah masalah hukum dan hubungan. Pengalaman kandidat atas semua tahap di atas adalah pokok bahasan AI dan pengalaman kandidat.

Contoh Nyata menurut Fungsi

Tim akuisisi talenta. Seorang perekrut membuka lowongan yang menarik beberapa ratus pelamar. Model mengurai setiap CV, mencocokkan masing-masing dengan persyaratan wajib, dan menempatkannya ke dalam tiga kelompok. Perekrut membaca kelompok teratas sepenuhnya, mengambil sampel dari dua lainnya, dan mencatat alasan siapa pun dipindahkan. AI menghemat waktu membaca, dan perekrut mempertahankan keputusannya.

Manajer perekrut. Seorang manajer tanpa latar belakang rekrutmen memakai alat penyusun draf untuk mengubah daftar tugas kasar menjadi lowongan yang jelas dan sekumpulan pertanyaan wawancara terstruktur, lalu menyunting keduanya. Nilainya adalah titik awal yang lebih baik, bukan hasil otomatis.

Koordinator atau operasional SDM. Asisten penjadwalan menawarkan slot kosong kepada kandidat, memesan panel, dan memindahkan semuanya ketika ada yang membatalkan. Tidak ada penilaian yang terlibat, jadi hanya sedikit yang perlu diaudit selain apakah kalendernya benar.

Kepatuhan dan hukum. Penasihat hukum meninjau setiap alat yang meranking atau menilai orang, meminta bukti pengujian bias, dan memastikan pemberitahuan kepada kandidat tersedia di tempat hukum mewajibkannya. Fungsi ini mudah dilewatkan dan mahal jika ditambahkan belakangan.

Risikonya, Secara Spesifik

Risiko tidak tersebar merata di seluruh corong. Ia terkonsentrasi di mana pun AI meranking, menilai, atau menolak orang.

Bias dalam peringkat. Uji University of Washington di atas adalah contoh yang jelas. Para peneliti meranking CV terhadap lebih dari 500 lowongan dengan tiga model bahasa, dan nama saja menggeser hasil secara tajam menurut ras dan gender. Studi itu menguji model-model tertentu dalam lingkungan penelitian, bukan setiap produk komersial, tetapi ini alasan yang baik untuk menguji alat apa pun pada pelamar Anda sendiri. Konsepnya dijelaskan dalam bias dalam AI.

Paparan hukum. Aturan datang dengan tidak merata. Kota New York mewajibkan audit bias dan pemberitahuan kepada kandidat untuk alat keputusan ketenagakerjaan otomatis, dan Uni Eropa memandang AI ketenagakerjaan sebagai berisiko tinggi, dengan pengenalan emosi di tempat kerja dilarang sepenuhnya. Tempat lain memiliki aturannya sendiri, dan aturan itu berubah. Ini informasi umum, bukan nasihat hukum, jadi libatkan penasihat hukum sebelum memakai AI dalam keputusan apa pun tentang seseorang.

Penolakan yang tidak bisa dijelaskan. Jika seorang kandidat bertanya mengapa ia disaring keluar dan tidak ada yang bisa menjawab, Anda punya masalah proses bahkan sebelum punya masalah hukum. Gagasan di balik AI yang dapat dijelaskan adalah bahwa seseorang dapat menyebutkan alasan di balik suatu hasil.

Keyakinan palsu. Daftar berperingkat tampak objektif. Padahal tidak. Skor mencerminkan data dan kriteria di baliknya, dan perekrut yang berhenti membaca di bawah sepuluh teratas telah menyerahkan keputusan kepada model.

Kepercayaan kandidat. Orang menyadari ketika sebuah proses terasa otomatis dan tidak transparan. Kandidat yang tidak bisa menghubungi manusia, atau yang curiga bot yang membaca lamarannya, mungkin mengundurkan diri, dan kandidat terbaik memiliki paling banyak pilihan.

Cara Memperkenalkan AI ke dalam Corong Rekrutmen Anda

1. Petakan corong Anda saat ini. Tuliskan setiap tahap, siapa yang mengerjakannya, berapa lama, dan di mana kandidat menunggu atau gugur. Tanpa ini, Anda tidak bisa tahu apa yang diperbaiki AI.
2. Urutkan tahap menurut risiko dan volume. Mulailah dengan tahap bervolume tinggi dan berisiko rendah seperti penjadwalan dan penyusunan draf. Tunda peringkat dan penilaian untuk nanti.
3. Tulis kriterianya terlebih dahulu. Penyaringan AI menerapkan persyaratan pada orang. Jika persyaratannya kabur atau digelembungkan, keluarannya pun demikian. Pendekatan berbasis keterampilan, seperti dijelaskan dalam skills-based hiring, memberi model sesuatu yang dapat dipertanggungjawabkan untuk dicocokkan.
4. Tentukan titik pemeriksaan manusia. Untuk setiap tahap, sebutkan siapa yang meninjau keluaran AI, apa yang mereka lihat, dan apa yang dapat mereka kesampingkan. Ini adalah desain human-in-the-loop (manusia dalam proses), dan tinjauannya harus nyata.
5. Uji sebelum peluncuran. Jalankan lamaran lama melalui alat itu dan bandingkan hasil antarkelompok. Tanyakan kepada vendor mana pun bagaimana produknya diuji dan apakah mereka bersedia membagikan hasil auditnya.
6. Beri tahu kandidat. Sebutkan di mana AI digunakan, apa yang dikerjakannya, dan cara menghubungi manusia. Jika hukum mewajibkan pemberitahuan, patuhi.
7. Uji coba satu tahap selama satu kuartal. Ukur waktu penjadwalan, jam perekrut per perekrutan, koreksi oleh peninjau, dan umpan balik kandidat.
8. Pilih alat paling akhir. Setelah proses dan titik pemeriksaan jelas, evaluasi perangkat lunak terhadapnya. Panduan cara memilih perangkat lunak rekrutmen menguraikan kriterianya, dan rangkuman pendampingnya tentang sistem pelacakan pelamar (ATS) membahas vendornya.

Apa yang Perlu Diukur

Lacak kecepatan dan keadilan bersama-sama. Corong yang lebih cepat tetapi memperlakukan orang secara tidak setara adalah corong yang lebih buruk.

• Efisiensi: waktu penjadwalan, jam perekrut per perekrutan, waktu dari lamaran hingga respons pertama.
• Kualitas: seberapa sering peninjau membatalkan keputusan AI, dan apa kesamaan dari koreksi tersebut.
• Keadilan: tingkat kelolosan di setiap tahap, dibandingkan antarkelompok, sesuai jadwal tetap.
• Pengalaman: kepuasan kandidat, tingkat gugur per tahap, dan seberapa sering orang meminta manusia.

Kesalahan Umum

• Mengotomatisasi proses yang rusak. AI membuat corong yang lambat dan tidak jelas menjadi lebih cepat, bukan lebih baik. Benahi kriterianya terlebih dahulu.
• Memercayai klaim keadilan vendor. Minta metode dan hasilnya, lalu verifikasi pada pelamar Anda sendiri.
• Melewatkan pemberitahuan. Kandidat dan regulator sama-sama berharap diberi tahu ketika otomatisasi terlibat.
• Membiarkan peringkat menjadi keputusan. Jika peninjau jarang tidak setuju dengan model, titik pemeriksaannya tidak berfungsi.
• Memakai inferensi emosi atau kepribadian dari video atau suara. Sains di baliknya diperdebatkan dan, di Uni Eropa, pengenalan emosi di tempat kerja dilarang.
• Mengabaikan opsi agen. Sebagian tim menginginkan AI yang menjalankan penyaringan pertama dari awal sampai akhir. Halaman tentang agen penyaring rekrutmen AI menjelaskan cara kerjanya dan batas yang perlu ditetapkan.

Kerangka Risiko yang Bisa Dipinjam

NIST AI Risk Management Framework, yang dirilis pada 26 Januari 2023, menata pekerjaan risiko ke dalam empat fungsi: Govern, Map, Measure, dan Manage (NIST). Bagi tim perekrutan, itu berarti menunjuk pemilik, mendaftar setiap penggunaan AI dalam corong beserta siapa yang terdampak, menguji akurasi dan bias, serta memantau setelah peluncuran.