Bahasa Indonesia

Efek Boomerang PHK akibat AI: Mengapa Perusahaan Diam-diam Merekrut Kembali Posisi yang Mereka Potong

Pengumuman itu terlihat rapi di atas kertas: potong jumlah karyawan, sertakan alasan kecerdasan buatan (AI), tunjukkan kepada dewan struktur biaya yang lebih ramping. Kini, banyak perusahaan yang sama itu diam-diam menghubungi orang-orang yang sudah mereka lepaskan.

Sebuah pola sedang terbentuk di kalangan perusahaan menengah dan enterprise pada 2026. Perusahaan mengeliminasi posisi dengan narasi publik tentang efisiensi berbasis AI. Dalam beberapa bulan, operasional mulai terganggu. Kemudian posting lowongan pekerjaan kembali muncul, kadang dengan judul baru, kadang tidak. Menurut HR Executive, dinamika "boomerang" ini bukan lagi kasus pinggiran.

Seperti Apa Wujud Tren Boomerang Ini

Angka-angkanya mulai mengkristal. Sebuah studi Robert Half menemukan bahwa sekitar 29% perusahaan yang melakukan pemutusan hubungan kerja massal setelah mengimplementasikan AI sudah merekrut kembali sebagian dari orang-orang tersebut. Itu hampir satu dari tiga perusahaan yang membalik keputusan yang mereka framing sebagai permanen.

Lintasan ke depan tampak lebih curam. Gartner memproyeksikan bahwa pada 2027, 50% perusahaan yang mengaitkan pengurangan jumlah karyawan dengan AI pada akhirnya akan merekrut ulang staf untuk menjalankan fungsi yang pada dasarnya sama, sering kali dengan judul pekerjaan berbeda. Itu berarti setengah dari pemain di lapangan akan berada dalam posisi pembalikan dalam dua tahun.

Kecepatan pembalikan itu juga mencolok. Di antara perusahaan yang melakukan perekrutan ulang, lebih dari sepertiga membawa kembali lebih dari setengah posisi yang telah dieliminasi. Lebih dari setengah dari perekrutan ulang itu terjadi dalam enam bulan sejak pemotongan awal. Kurang dari 2% perusahaan menunggu lebih dari setahun untuk membalik arah. Fase "AI yang menanganinya" seringkali berlangsung kurang dari satu siklus anggaran.

Key Facts

  • Sekitar 29% perusahaan yang memotong posisi setelah mengadopsi AI sudah merekrut kembali sebagian dari mereka (Robert Half).
  • Gartner memproyeksikan bahwa pada 2027, 50% perusahaan yang mengaitkan pengurangan karyawan dengan AI akan merekrut ulang untuk pekerjaan yang pada dasarnya sama, sering kali dengan judul baru (Gartner).
  • Hanya sekitar 1 dari 5 pemimpin yang menyatakan AI sepenuhnya menggantikan posisi yang dieliminasi tanpa masalah operasional (survei melalui HR Executive).

Mengapa Posisi-posisi Itu Kembali

Pola pembalikan ini bukan acak. Ia mengelompok di sekitar satu modus kegagalan tertentu: memotong sebelum memvalidasi.

Sekitar sepertiga pemimpin HR yang disurvei menyatakan organisasinya kehilangan keterampilan kritis dan pengetahuan institusional ketika karyawan pergi. Sekitar 28% menyatakan staf yang tersisa tidak dapat mengisi kesenjangan pengetahuan yang ditinggalkan. Dan hanya sekitar satu dari lima yang menyatakan AI sepenuhnya menggantikan posisi yang dieliminasi tanpa menimbulkan masalah operasional.

Angka terakhir itu penting. Artinya, untuk sekitar empat dari lima perusahaan yang memotong posisi dengan alasan AI, sesuatu mengalami gangguan. Tidak selalu bersifat katastrofik, namun cukup untuk menciptakan hambatan: proses yang lebih lambat, kesalahan yang membutuhkan tinjauan manusia, hubungan klien yang memerlukan keterlibatan orang, dan kasus-kasus tepi yang tidak dapat ditangani AI.

Pengetahuan institusional sangat sulit dipulihkan. Seorang customer success manager yang menangani akun kunci selama tiga tahun membawa konteks yang tidak tercatat dalam CRM manapun. Seorang analis keuangan yang telah memodelkan lini pendapatan yang sama selama beberapa siklus tahu asumsi mana yang krusial. Ketika orang itu pergi, pengetahuan itu pun ikut pergi, dan tidak ada model bahasa yang dilatih dengan data generik yang dapat mengisi kekosongan itu.

Untuk memahami lebih jauh bagaimana AI mengubah keterampilan yang dibutuhkan dan peran mana yang paling berisiko, lihat apa yang dikatakan data tentang AI yang menggantikan versus memperkuat tenaga kerja dan peran mana yang dieliminasi dan diciptakan AI di perusahaan menengah.

Biaya Nyata dari Pemotongan yang Terlalu Dini

Matematika keuangan dari pemotongan prematur berbasis AI lebih buruk dari yang tergambar dalam presentasi awal.

Pesangon memakan biaya. Begitu pula dengan jeda antara PHK dan perekrutan ulang, ketika pekerjaan tidak terselesaikan atau dikerjakan dengan buruk. Biaya rekrutmen, waktu orientasi, dan tahap peningkatan produktivitas bagi rekrutmen yang kembali semuanya menambah beban. Dan rekrutmen mantan karyawan cenderung bernegosiasi dari posisi yang lebih kuat dibandingkan rekrutmen pertama kali, karena kedua belah pihak tahu perusahaan sudah mencoba melanjutkan tanpa mereka dan gagal.

Ada pula biaya moral yang tidak muncul dalam perhitungan pesangon. Karyawan yang bertahan menyaksikan pemotongan itu terjadi. Ketika mereka melihat posisi yang sama diisi ulang enam bulan kemudian, narasi yang mereka ceritakan kepada diri sendiri bukan "kepemimpinan membuat taruhan berani." Melainkan "kepemimpinan panik dan membuat kami menanggung beban." Itu mengikis kepercayaan pada keputusan tenaga kerja di masa depan, termasuk yang benar-benar dipertimbangkan dengan matang.

Biaya ketiga bersifat reputasi, dan dampaknya semakin besar. Memotong pekerjaan dengan justifikasi AI ketika pendorong sesungguhnya adalah pengurangan biaya semakin terlihat jelas oleh karyawan, pasar kandidat, dan media. Ketika perekrutan ulang dimulai, hal itu mengonfirmasi bahwa framing tersebut bersifat oportunistik. Beberapa pengacara ketenagakerjaan sudah mulai menandai ini sebagai potensi risiko hukum di yurisdiksi di mana alasan yang dinyatakan untuk PHK memiliki bobot hukum dalam persyaratan pemberitahuan penyesuaian dan pelatihan ulang tenaga kerja. Menggunakan AI sebagai kambing hitam pengurangan biaya, lalu merekrut kembali untuk posisi yang sama, adalah inkonsistensi faktual yang dapat muncul dalam litigasi.

Analisis PHK teknologi Q1 2026 untuk CHRO membahas konteks lebih luas dari pemotongan pekerjaan terkait AI dan apa pola tersebut berarti bagi keputusan perencanaan tenaga kerja tahun ini.

Cara CHRO Sebaiknya Mengurutkan AI dan Keputusan Jumlah Karyawan Secara Berbeda

Pelajaran dari tren boomerang ini bukan "jangan adopsi AI." Perusahaan yang mengintegrasikan AI dengan baik benar-benar mengubah kebutuhan fungsi dan berapa banyak orang yang dibutuhkan fungsi-fungsi tersebut. Pelajarannya adalah tentang urutan langkah.

Sebagian besar perusahaan yang pada akhirnya membalik pemotongannya mengikuti urutan yang sama: umumkan pemotongan, justifikasikan dengan AI, kemudian cari tahu apakah AI benar-benar dapat menjalankan fungsi tersebut. Itu adalah urutan yang salah. Urutan itu menjalankan eksperimen mahal setelah Anda sudah membayar pesangon.

Urutan yang lebih baik menjalankan validasi terlebih dahulu. Sebelum keputusan jumlah karyawan manapun yang dikaitkan dengan kemampuan AI, pertanyaannya adalah apakah AI saat ini menjalankan fungsi tersebut tanpa pengawasan, bukan dalam demo terkontrol dengan input yang menguntungkan. Jika jawabannya "belum," pemotongannya belum siap.

Bagian kedua dari urutan itu adalah pelestarian pengetahuan. Bahkan ketika AI mengambil alih suatu fungsi, pengetahuan institusional yang tersimpan dalam diri orang-orang yang melakukan pekerjaan itu memiliki nilai di luar eksekusi tugas. Pengetahuan itu menginformasikan bagaimana AI dikonfigurasi, kasus-kasus tepi apa yang harus diantisipasi, dan bagaimana menangkap kesalahan. Mendokumentasikan pengetahuan itu sebelum orang tersebut pergi jauh lebih murah daripada mencoba merekonstruksinya setelahnya.

Bagian ketiga adalah mengutamakan penempatan ulang dan pelatihan ulang keterampilan sebelum melakukan pemotongan. Banyak peran yang diubah oleh AI tidak hilang sepenuhnya. Mereka bergeser. Pekerjaan yang tersisa seringkali lebih membutuhkan penilaian tinggi dan kurang rutin, yang merupakan keahlian tepat yang dimiliki karyawan karier menengah yang baik dengan sedikit dukungan. Tolok ukur anggaran pelatihan ulang keterampilan AI korporat untuk 2026 menunjukkan apa yang sebenarnya dikeluarkan perusahaan untuk membuat transisi itu berhasil.

Untuk kerangka keputusan yang lebih luas yang menghubungkan adopsi AI dengan struktur tenaga kerja, kerangka keputusan eksekutif untuk transformasi tenaga kerja AI layak ditinjau sebelum siklus anggaran berikutnya.

Tiga Pertanyaan Sebelum Pemotongan Berbasis AI

Sebelum menyetujui pengurangan jumlah karyawan dengan justifikasi AI, seorang CHRO harus mendapatkan jawaban yang jelas untuk tiga pertanyaan:

1. Apakah AI saat ini dapat menjalankan fungsi ini tanpa pengawasan, bukan dalam demo? Kondisi demo bersifat optimis. Kondisi produksi melibatkan kasus-kasus tepi, input yang ambigu, dan situasi yang tidak dilatihkan model. Validasi harus terjadi di lingkungan operasional yang sebenarnya, dengan volume nyata, sebelum keputusan dibuat.

2. Pengetahuan institusional apa yang keluar bersama peran ini? Ini bukan soal dokumentasi. Ini soal penilaian: hubungan klien, solusi sementara proses, konteks yang hanya datang dari melakukan pekerjaan yang sama di berbagai siklus. Petakan sebelum menyetujui pemotongan.

3. Jika AI berkinerja buruk, berapa biaya pembaliknya? Modelkan skenario pembalikan secara eksplisit. Pesangon, kesenjangan pengetahuan, biaya perekrutan ulang, peningkatan produktivitas, dampak moral. Jika angka itu membuat argumen efisiensi awal menjadi lebih tipis, standar untuk melakukan pemotongan seharusnya lebih tinggi.

Yang Harus Dilakukan Sebelum Keputusan Jumlah Karyawan Berikutnya

Tren boomerang dapat dikoreksi, tetapi membutuhkan perubahan cara strukturisasi keputusan jumlah karyawan yang dikaitkan dengan AI.

  • Wajibkan bukti kemampuan AI yang telah divalidasi dalam fungsi tersebut sebelum menyetujui pemotongan. "Alat itu bisa melakukan ini" dalam presentasi tidak sama dengan "alat itu secara andal melakukan ini di lingkungan kami dalam skala besar." Standar untuk persetujuan seharusnya yang terakhir.

  • Petakan dan dokumentasikan pengetahuan institusional yang berisiko sebelum peran manapun dieliminasi. Ini berarti sesi transfer pengetahuan terstruktur, pohon keputusan yang terdokumentasi, dan jika memungkinkan, waktu tumpang tindih antara karyawan yang akan pergi dan siapapun atau apapun yang mengambil alih. Ini membutuhkan waktu di awal dan menghemat jauh lebih banyak di akhir.

  • Utamakan penempatan ulang dan pelatihan ulang keterampilan; cadangkan pemotongan untuk pekerjaan yang sepenuhnya dapat diotomatisasi hari ini. Strategi tenaga kerja yang paling tahan lama seputar AI bukan eliminasi, melainkan transformasi. Bagaimana AI mengubah retensi, bukan hanya perekrutan dan bagaimana tim penjualan yang diperkuat AI berkinerja keduanya menunjukkan model augmentasi sebagai yang paling bertahan seiring waktu.

Perusahaan yang menghindari tren boomerang bukan yang bergerak paling lambat dalam adopsi AI. Mereka adalah yang memvalidasi sebelum memotong, melestarikan apa yang mereka ketahui, dan membangun transisi alih-alih jalan keluar.

Pertanyaan yang Sering Diajukan

Apa itu boomerang PHK akibat AI? Boomerang PHK akibat AI mengacu pada pola di mana perusahaan mengeliminasi posisi dengan alasan otomasi AI, kemudian merekrut kembali untuk posisi yang sama atau serupa dalam beberapa bulan karena AI tidak sepenuhnya menggantikan fungsi tersebut. Sebuah studi Robert Half menemukan bahwa hal ini sudah terjadi di sekitar 29% perusahaan yang memotong posisi setelah mengimplementasikan AI.

Mengapa perusahaan merekrut kembali setelah PHK akibat AI? Alasan paling umum: hilangnya pengetahuan institusional, staf yang tersisa tidak dapat mengisi kesenjangan keterampilan, dan alat AI yang hanya sebagian menggantikan posisi yang dieliminasi. Sekitar sepertiga pemimpin HR menyatakan keterampilan kritis hilang ketika karyawan pergi, dan hanya sekitar satu dari lima yang melaporkan AI sepenuhnya menangani fungsi tersebut tanpa masalah operasional.

Bagaimana CHRO sebaiknya merencanakan keputusan jumlah karyawan di sekitar AI? Prinsip utamanya adalah validasi sebelum memotong. Konfirmasikan AI menangani fungsi tersebut secara andal di lingkungan aktual Anda sebelum menyetujui pengurangan. Petakan pengetahuan institusional yang berisiko. Modelkan biaya pembalikan secara eksplisit. Dan utamakan jalur penempatan ulang dan pelatihan ulang keterampilan daripada jalan keluar untuk peran di mana AI mengubah namun tidak mengeliminasi pekerjaan.

Baca Selengkapnya