Oleh Maksym Misichenko · Yahoo Finance ·
Apa yang dipikirkan agen AI tentang berita ini
Panel membahas dampak AI dalam teknologi HR, dengan pandangan beragam tentang apakah itu menciptakan 'doom loop' atau 'angin sakal struktural'. Sementara beberapa melihatnya sebagai deflasi bagi tenaga kerja dan bermanfaat bagi perekrut khusus, yang lain memperingatkan potensi risiko seperti penurunan kualitas perekrutan, bias algoritmik, dan reaksi balik peraturan.
Risiko: Penurunan kualitas perekrutan yang meningkatkan biaya penggantian dan potensi reaksi balik peraturan karena bias algoritmik.
Peluang: Perekrut khusus dan platform talenta kelas atas mungkin mendapat manfaat dari pergeseran menuju pencarian kandidat pasif dan jaringan niche.
Analisis ini dihasilkan oleh pipeline StockScreener — empat LLM terkemuka (Claude, GPT, Gemini, Grok) menerima prompt identik dengan perlindungan anti-halusinasi bawaan. Baca metodologi →
Bagi pencari kerja dan perekrut, pasar kerja bisa terasa seperti pesta yang terlalu ramai di mana AI adalah DJ-nya.
Dengan sedikit ruang untuk menyelinap masuk, pelamar melemparkan tumpukan resume dan surat lamaran yang disesuaikan AI kepada siapa pun yang berwenang mengubah nasib mereka. Sebagai tanggapan, beberapa perekrut, profesional HR, dan manajer perekrutan memanfaatkan AI untuk membantu mengatasi banjir lamaran. Pencari kerja, percaya bahwa kecerdasan buatan mendorong lamaran mereka ke bawah, kemudian menciptakan lebih banyak trik berbasis AI yang mereka pikir akan menipu sistem.
Daniel Chait, CEO platform perekrutan Greenhouse, menyebut ini sebagai "lingkaran setan," atau "gagasan bahwa setiap pihak menggunakan AI untuk mencoba membantu diri mereka sendiri."
"Anda memiliki peningkatan volume yang sangat besar ini, tetapi semua lamaran mulai terlihat semakin mirip," kata Chait.
Dengan tingkat perekrutan keseluruhan yang rendah, 1,1 orang menganggur untuk setiap lowongan, dan banyak talenta yang tersedia untuk dipilih oleh pemberi kerja, ini akan menjadi pasar tenaga kerja yang sulit bahkan tanpa otomatisasi sebagai bagian dari persamaan.
Tetapi bagi pencari kerja yang merasa mereka secara tidak adil dilewati, AI memberikan kambing hitam yang sama baiknya dengan yang lain.
**AI sebagai penyaring? Itu terjadi.**
Data Greenhouse menunjukkan bahwa perekrut rata-rata menerima sekitar 400% lebih banyak lamaran daripada beberapa tahun yang lalu, kata Chait. Perekrut juga harus berurusan dengan kandidat yang benar-benar palsu.
Untuk mengatasi serbuan ini, Johnny C. Taylor Jr., CEO SHRM, sebuah kelompok industri untuk profesional sumber daya manusia, mengatakan organisasinya telah menggunakan AI untuk menyaring resume guna memastikan mereka memenuhi persyaratan pekerjaan minimum suatu peran. Sebuah peran yang baru-baru ini mereka posting menerima 150 lamaran di hari pertama online. Perusahaan kecil tidak memiliki sumber daya manusia dan tim perekrutan untuk meninjau begitu banyak pelamar, katanya.
"Saya dapat memberi tahu Anda dengan percaya diri bahwa, secara umum, kandidat tidak terlihat jika alat AI telah menyaring mereka," kata Taylor Jr.
Yang pasti, manusia masih menyaring resume dalam banyak keadaan, terlepas dari ketakutan pelamar akan AI yang secara otomatis menolak sebagian besar kandidat yang memenuhi syarat berdasarkan alasan yang tidak jelas, kata para perekrut kepada Yahoo Finance.
"Ada begitu banyak informasi yang salah, dan itulah masalah yang saya lihat," kata Elias Cobb, direktur firma penempatan dan pencarian yang berbasis di Denver, Quantix, dan penulis buku "From a Recruiter’s Brain."
Menurutnya, penggunaan AI dalam menyaring resume terbatas. Tentu, beberapa sistem pelacakan pelamar yang lebih besar memiliki fitur AI, tetapi "hanya sebagian kecil perusahaan yang menggunakannya."
"Pencari kerja merasa semua orang menggunakannya," katanya. "Tetapi mereka sebenarnya tidak."
Empat model AI terkemuka mendiskusikan artikel ini
"Tekanan volume perekrut akan mempercepat adopsi penyaringan AI berbayar lebih cepat daripada nada hati-hati artikel yang tersirat."
Lonjakan lamaran AI yang dijelaskan menciptakan angin sakal struktural untuk platform teknologi HR yang menjual alat penyaringan dan ATS, karena bahkan pemberi kerja kecil sekarang menghadapi lonjakan volume 400% dan harus mengotomatiskan filter kualifikasi minimum. Data Greenhouse dan SHRM menyiratkan adopsi fitur berbayar yang lebih cepat daripada tren pra-2023 yang disarankan. Namun, bagian ini meremehkan bahwa sebagian besar perusahaan masih mengandalkan tinjauan manusia, sehingga peningkatan pendapatan dapat terkonsentrasi di antara beberapa vendor besar daripada peningkatan sektor yang luas. Risiko urutan kedua adalah penurunan kualitas perekrutan yang meningkatkan biaya penggantian, yang pada akhirnya dapat memperlambat adopsi alat.
Jika kandidat semakin banyak memanipulasi filter AI atau regulator memberlakukan aturan transparansi pada algoritma penyaringan, adopsi dapat terhenti atau berbalik, membatasi potensi pendapatan yang dijanjikan oleh lonjakan volume.
"Homogenisasi resume yang didorong AI bersifat deflasi bagi pekerja upahan dalam peran rutin, bukan disfungsi pasar—dan pembingkaian 'doom loop' artikel mengaburkan apa yang sebenarnya merupakan pergeseran struktural dalam kekuatan tawar-menawar tenaga kerja."
Artikel ini membingkai 'doom loop' AI sebagai masalah pasar tenaga kerja, tetapi melewatkan sinyal ekonomi: homogenisasi massal lamaran sebenarnya adalah *fitur*, bukan bug, bagi pemberi kerja. Ketika 400% lebih banyak resume masuk tetapi 80-90% sekarang disaring AI ke tingkat kompetensi dasar, perekrut menghadapi kebisingan yang lebih rendah, bukan lebih tinggi. Risiko sebenarnya bukanlah penyaringan AI yang tidak adil—tetapi ia bekerja *terlalu baik*, meruntuhkan siklus perekrutan dan tekanan upah untuk peran tingkat menengah. SHRM dan Greenhouse memiliki insentif untuk mendramatisir masalah (mereka menjual solusi). Artikel ini mencampuradukkan 'AI sedang digunakan' dengan 'AI rusak,' padahal data menunjukkan ia berfungsi sebagaimana mestinya: triase yang hemat biaya. Ini deflasi bagi tenaga kerja, bukan inflasi.
Jika penyaringan AI benar-benar menyingkirkan kandidat berkualitas karena pencocokan kata kunci yang rapuh, biaya tersembunyi sangat besar: perusahaan mempekerjakan talenta yang lebih buruk, produktivitas menurun, dan 'doom loop' menjadi penguat diri. Kami tidak memiliki data audit tentang tingkat kesalahan negatif dari sistem ini.
"Komoditisasi resume melalui AI akan memaksa pengabaian total model lamaran terbuka, membuat papan pekerjaan bervolume tinggi menjadi usang secara fungsional."
'Doom loop' yang dijelaskan bukan hanya sakit kepala HR; ini adalah krisis efisiensi struktural yang menciptakan parit besar bagi firma perekrutan khusus dan platform talenta kelas atas. Sementara artikel berfokus pada volume kebisingan, ia mengabaikan pergeseran 'sinyal' yang tak terhindarkan. Perusahaan akan berhenti sepenuhnya mengandalkan saluran lamaran terbuka, beralih ke pencarian kandidat pasif dan jaringan niche. Ini menciptakan prospek bearish jangka panjang untuk papan pekerjaan pasar massal dan ATS warisan (Applicant Tracking Systems) yang bergantung pada lalu lintas bervolume tinggi. Sebaliknya, ini bullish untuk perusahaan seperti Korn Ferry (KFY) atau headhunter khusus yang dapat menawarkan kurasi yang diverifikasi manusia di era di mana resume digital telah menjadi perbedaan statistik dari spam.
Argumen tandingan adalah bahwa AI pada akhirnya akan berevolusi dari alat penyaringan menjadi mesin 'pencocokan' yang memecahkan masalah kebisingan, berpotensi membuat model perekrutan yang berpusat pada manusia saat ini usang dan secara signifikan menurunkan overhead perusahaan.
"Penyaringan dan penyesuaian yang dibantu AI kemungkinan akan meningkatkan efisiensi perekrutan dan kualitas sinyal, mendukung kenaikan multi-tahun dalam adopsi dan pendapatan HR-tech."
Artikel ini melukiskan doom loop di mana AI memperkuat volume dan menghomogenkan resume, tetapi sudut pandang yang terlewatkan adalah bahwa AI dapat meningkatkan efisiensi penyaringan dan kualitas pencocokan seiring waktu. Peningkatan 400% dalam lamaran mungkin mencerminkan aktivitas posting yang lebih luas atau pengiriman yang lebih mudah; tidak semua perusahaan menerapkan AI secara merata, dan banyak yang masih mengandalkan triase manusia. Cerita sebenarnya mungkin adalah transisi multi-kuartal di mana penyaringan dan penyesuaian yang dibantu AI mengurangi waktu pengisian dan meningkatkan kesesuaian, yang pada akhirnya meningkatkan permintaan untuk platform teknologi HR. Konteks yang terlewatkan termasuk perekrutan per posting, senioritas peran, dan risiko peraturan/bias, yang dapat memperlambat adopsi atau menggeser ekonomi vendor.
Lonjakan volume yang diamati bisa menjadi anomali sementara; karena penyaringan AI meningkatkan sinyal, kualitas kandidat mungkin seimbang, mengurangi persepsi doom loop. Jika AI salah dalam penipuan atau bias, ketergantungan pada otomatisasi dapat menjadi bumerang, meningkatkan pengawasan dan memperlambat adopsi.
"Batasan anggaran di perusahaan yang lebih kecil akan membuat ATS warisan tetap tertanam meskipun ada risiko kualitas, menunda pergeseran yang diprediksi Gemini."
Pergeseran Gemini ke kurasi gaya Korn Ferry mengabaikan kendala pengusaha kecil Grok: volume 400% memaksa pengeluaran ATS yang berkelanjutan bahkan ketika kualitas menurun. Ini mempertahankan konsentrasi vendor daripada pergeseran jaringan manusia yang luas. Klaim efisiensi Claude memperparah masalah dengan mengasumsikan tingkat kesalahan negatif yang rendah tanpa data audit, berisiko biaya penggantian jangka panjang yang lebih tinggi yang dapat mengurangi deflasi upah apa pun.
"Doom loop tetap ada bukan karena penyaringan AI gagal, tetapi karena ia berhasil menyaring dengan cara yang pada akhirnya dapat dikuantifikasi dan ditantang oleh regulator dan penggugat."
Claude dan Grok keduanya mengasumsikan tingkat kesalahan negatif dapat diabaikan atau dikelola, tetapi tidak ada yang mengatasi kesenjangan audit yang ditandai Grok. Jika penyaringan AI secara sistematis menyaring kandidat non-tradisional (pengganti karier, latar belakang tidak konvensional), biaya penggantian akan bertambah di seluruh kohort, bukan individu. Tesis pencarian pasif Gemini mengabaikan ini: perekrutan sentuhan tinggi tidak memecahkan bias algoritmik—ia hanya menyembunyikannya di balik penjagaan manusia. Risiko sebenarnya adalah reaksi balik peraturan setelah hasil perekrutan dapat diukur dan berbeda.
"Ketergantungan perusahaan pada perekrutan yang didorong AI akan bergeser dari pencarian efisiensi ke transfer kewajiban, menanamkan dominasi vendor meskipun ada potensi penurunan kualitas perekrutan."
Claude, Anda melewatkan arbitrase peraturan. Sementara Anda takut pada biaya penggantian yang disebabkan oleh bias, risiko sebenarnya adalah perusahaan akan mengalihdayakan kewajiban kepada vendor 'kotak hitam' pihak ketiga. Jika penyedia ATS mengganti kerugian pemberi kerja terhadap klaim bias, 'doom loop' akan terus berlanjut tanpa batas terlepas dari kualitas perekrutan. Pergeseran Gemini ke kurasi yang diverifikasi manusia adalah barang mewah; bagi 90% perusahaan pasar menengah, insentifnya adalah mengotomatiskan kewajiban, bukan menyelesaikan efektivitas talenta jangka panjang.
"Pengalihdayaan perlindungan kewajiban klaim bias AI dapat menanamkan otomatisasi massal dalam jangka panjang, meredam auditabilitas dan memperpanjang doom loop bahkan jika efisiensi jangka pendek meningkat."
Sudut arbitrase kewajiban Gemini berisiko menutupi masalah yang lebih dalam: mengalihdayakan klaim bias ke vendor 'kotak hitam' dapat menanamkan otomatisasi pasar massal sambil mengikis akuntabilitas, menciptakan biaya penggantian jangka panjang jika hasil memburuk. Jika banyak perusahaan pasar menengah mengadopsi perjanjian ganti rugi, insentif untuk mengaudit keadilan AI melemah, berpotensi menunda peningkatan sinyal yang sebenarnya dan memperpanjang doom loop. Bantuan biaya jangka pendek dapat diterjemahkan menjadi ketidakcocokan talenta yang lebih lama dan lebih menyesal di kemudian hari.
Panel membahas dampak AI dalam teknologi HR, dengan pandangan beragam tentang apakah itu menciptakan 'doom loop' atau 'angin sakal struktural'. Sementara beberapa melihatnya sebagai deflasi bagi tenaga kerja dan bermanfaat bagi perekrut khusus, yang lain memperingatkan potensi risiko seperti penurunan kualitas perekrutan, bias algoritmik, dan reaksi balik peraturan.
Perekrut khusus dan platform talenta kelas atas mungkin mendapat manfaat dari pergeseran menuju pencarian kandidat pasif dan jaringan niche.
Penurunan kualitas perekrutan yang meningkatkan biaya penggantian dan potensi reaksi balik peraturan karena bias algoritmik.