Perubahan teknologi membuat kebutuhan keterampilan di dunia kerja bergerak semakin cepat. Keterampilan yang relevan saat ini belum tentu masih cukup untuk mendukung kebutuhan bisnis beberapa tahun mendatang.

World Economic Forum memperkirakan sekitar 39% keterampilan inti pekerja akan berubah atau menjadi tidak relevan pada periode 2025–2030. Perubahan tersebut dipengaruhi oleh perkembangan teknologi, kecerdasan buatan, tekanan ekonomi, dan transformasi model bisnis. [1]

Kondisi ini membuat perusahaan tidak cukup hanya mengetahui berapa jumlah karyawan yang dimiliki. Perusahaan juga perlu memahami:

• keterampilan apa yang sudah tersedia,
• keterampilan apa yang mulai tertinggal,
• posisi mana yang paling rentan terhadap perubahan,
• dan kemampuan apa yang perlu dipersiapkan untuk masa depan.

Di sinilah skills intelligence menjadi semakin relevan.

Apa Itu Skills Intelligence?

Skills intelligence adalah pendekatan untuk mengumpulkan, mengelola, dan menganalisis informasi mengenai keterampilan tenaga kerja.

Pendekatan ini membantu perusahaan mendapatkan gambaran yang lebih jelas mengenai kemampuan karyawan saat ini serta membandingkannya dengan kebutuhan organisasi di masa mendatang.

Berbeda dari daftar kompetensi konvensional yang hanya tersimpan dalam dokumen, skills intelligence menggunakan data untuk menjawab pertanyaan seperti:

• Apakah perusahaan memiliki cukup talenta dengan kemampuan AI?
• Divisi mana yang mengalami kesenjangan keterampilan paling besar?
• Karyawan mana yang siap dikembangkan untuk posisi tertentu?
• Pelatihan apa yang paling mendesak untuk diberikan?
• Apakah kebutuhan tenaga kerja sebaiknya dipenuhi melalui rekrutmen atau pengembangan internal?

Dengan demikian, skills intelligence tidak hanya membantu HR mencatat kompetensi. Skills intelligence membantu manajemen menghubungkan data keterampilan dengan kebutuhan bisnis.

Mengapa Pemetaan Skill Gap Semakin Penting?

LinkedIn memperkirakan sekitar 70% keterampilan yang digunakan dalam sebagian besar pekerjaan akan berubah antara 2015 dan 2030, dengan AI menjadi salah satu pendorong utamanya. [2]

Perubahan tersebut tidak hanya terjadi pada posisi teknologi. Peran di bidang pemasaran, keuangan, operasional, pelayanan pelanggan, hingga HR juga mulai membutuhkan kombinasi baru antara kemampuan digital dan kemampuan manusia.

Beberapa keterampilan yang semakin penting antara lain:

• AI literacy,
• analytical thinking,
• problem-solving,
• adaptability,
• collaboration,
• leadership,
• dan digital literacy.

Artinya, perusahaan tidak bisa hanya mengandalkan deskripsi jabatan lama sebagai dasar pengembangan karyawan. Organisasi perlu memiliki cara yang lebih dinamis untuk membaca perubahan kebutuhan keterampilan.

Skill Gap Bukan Sekadar Kekurangan Pelatihan

Skill gap sering dianggap hanya sebagai tanda bahwa karyawan membutuhkan pelatihan tambahan. Padahal, penyebabnya bisa lebih luas.

Kesenjangan keterampilan dapat terjadi karena:

1. Kebutuhan bisnis berubah
   Perusahaan memasuki pasar baru, mengadopsi teknologi baru, atau mengubah model operasionalnya. Akibatnya, keterampilan yang sebelumnya cukup menjadi tidak lagi sesuai.
2. Data kompetensi tidak diperbarui
   Perusahaan mungkin memiliki data pendidikan dan pengalaman karyawan, tetapi tidak mengetahui kemampuan aktual yang telah berkembang selama bekerja.
   
   
3. Deskripsi pekerjaan sudah tidak relevan
   Banyak deskripsi jabatan dibuat berdasarkan kebutuhan beberapa tahun lalu dan belum disesuaikan dengan perubahan teknologi.
   
   
4. Pelatihan tidak diarahkan pada prioritas bisnis
   Program pembelajaran dilakukan secara rutin, tetapi tidak selalu menjawab kesenjangan kemampuan yang paling kritis.
   
   
5. Keterampilan tersembunyi tidak teridentifikasi
   Karyawan mungkin memiliki kemampuan di luar jabatan formalnya, tetapi informasi tersebut tidak tercatat di dalam sistem.

Karena itu, pemetaan skill gap perlu dilakukan secara terstruktur dan diperbarui secara berkala.

Peran HRIS dalam Pemetaan Skill Gap

HRIS menjadi fondasi penting dalam proses skills intelligence karena sistem tersebut menyimpan berbagai data tenaga kerja, seperti:

• profil karyawan,
• riwayat pekerjaan,
• posisi dan unit organisasi,
• penilaian performa,
• riwayat pelatihan,
• sertifikasi,
• masa kerja,
• serta perkembangan karier.

Namun, data tersebut baru menghasilkan nilai strategis ketika dapat dihubungkan dan dianalisis.

Perusahaan yang sebelumnya telah membangun talent readiness dapat menggunakan HRIS untuk melihat apakah tenaga kerja yang tersedia benar-benar siap menghadapi kebutuhan bisnis berikutnya.

HRIS sebaiknya tidak hanya berfungsi sebagai tempat menyimpan informasi. Sistem tersebut perlu membantu perusahaan mengubah data tenaga kerja menjadi insight yang dapat digunakan untuk pengembangan talenta.

Hubungan Skills Intelligence dan People Analytics

Skills intelligence merupakan bagian penting dari people analytics.

People analytics membantu perusahaan membaca pola dan membuat keputusan SDM berbasis bukti. Sementara itu, skills intelligence berfokus lebih spesifik pada kemampuan, kompetensi, dan kesiapan tenaga kerja.

Dengan menggabungkan keduanya, perusahaan dapat:

• memetakan keterampilan berdasarkan divisi,
• mengidentifikasi posisi kritis,
• mengukur kesiapan suksesi,
• membaca kebutuhan reskilling,
• dan memprediksi kebutuhan tenaga kerja.

Jika perusahaan ingin memahami bagaimana data pegawai dapat diubah menjadi keputusan bisnis, pembahasan lebih lanjut dapat dilihat pada artikel analitik SDM.

Cara Memetakan Skill Gap Karyawan

Berikut langkah yang dapat digunakan perusahaan untuk mulai membangun pemetaan keterampilan.

1. Tentukan Keterampilan yang Dibutuhkan Bisnis
   

   Langkah pertama bukan menilai karyawan, tetapi memahami arah bisnis.

   Perusahaan perlu menentukan:

   • strategi bisnis dalam tiga hingga lima tahun,
   • teknologi yang akan digunakan,
   • proses yang akan berubah,
   • posisi yang semakin penting,
   • dan kemampuan yang dibutuhkan untuk menjalankan strategi tersebut.

   Sebagai contoh, perusahaan yang mulai mengadopsi AI mungkin membutuhkan kombinasi kemampuan seperti AI literacy, data analysis, critical thinking, dan change management.

2. Bangun Skills Taxonomy

   Skills taxonomy merupakan struktur yang mengelompokkan keterampilan berdasarkan kategori dan tingkat penguasaan.

   Contohnya:

   Kategori	Contoh Keterampilan
   Digital	AI literacy, data analysis, cybersecurity
   Manajerial	leadership, coaching, decision-making
   Interpersonal	collaboration, communication, negotiation
   Teknis	programming, accounting, project management
   Adaptif	problem-solving, resilience, learning agility

   Setiap keterampilan sebaiknya memiliki definisi dan level penguasaan yang jelas, misalnya:

   • dasar,
   • menengah,
   • mahir,
   • dan ahli.

   Struktur ini membantu mengurangi penilaian yang terlalu subjektif.

3. Petakan Keterampilan Karyawan Saat Ini
   

   Pemetaan tidak sebaiknya hanya mengandalkan satu sumber data.

   Perusahaan dapat menggabungkan:

   • penilaian mandiri,
   • penilaian atasan,
   • hasil performance review,
   • sertifikasi,
   • hasil asesmen,
   • data proyek,
   • riwayat pelatihan,
   • serta bukti pekerjaan.

   Penilaian mandiri tetap berguna, tetapi perlu divalidasi agar tidak terlalu bergantung pada persepsi individu.

4. Bandingkan Kondisi Saat Ini dengan Kebutuhan Masa Depan
   

   Setelah kemampuan karyawan dipetakan, perusahaan dapat membandingkannya dengan keterampilan yang dibutuhkan.

   Contohnya:

   Keterampilan	Kebutuhan	Kondisi Saat Ini	Gap
   AI literacy	4	2	2
   Data analysis	4	3	1
   Leadership	4	4	0
   Digital literacy	5	3	2

   Dari pemetaan tersebut, perusahaan dapat menentukan keterampilan mana yang paling mendesak untuk dikembangkan.

5. Kelompokkan Gap Berdasarkan Prioritas
   

   Tidak semua kesenjangan keterampilan harus diselesaikan pada saat yang sama.

   Skill gap dapat dikelompokkan menjadi:

   Kritis

   Keterampilan yang dibutuhkan segera dan berdampak langsung terhadap keberlangsungan bisnis.

   Strategis

   Keterampilan yang diperlukan untuk mendukung pertumbuhan dan transformasi jangka menengah.

   Pengembangan

   Keterampilan yang meningkatkan efektivitas individu, tetapi belum menjadi kebutuhan mendesak.

   Prioritas ini membantu perusahaan mengalokasikan anggaran pembelajaran secara lebih tepat.

6. Tentukan Strategi Pemenuhan Keterampilan
   

   Setelah gap ditemukan, perusahaan dapat menentukan apakah kebutuhan tersebut harus dipenuhi melalui:

   • upskilling, meningkatkan kemampuan dalam pekerjaan saat ini;
   • reskilling, mempersiapkan karyawan untuk peran baru;
   • rekrutmen, mendatangkan kemampuan dari luar;
   • internal mobility, memindahkan talenta ke posisi yang lebih sesuai;
   • atau automation, mengalihkan aktivitas tertentu ke teknologi.

   SHRM mencatat adanya pergeseran menuju pendekatan skills-first, yaitu menilai seseorang berdasarkan keterampilan dan kompetensi yang dapat dibuktikan, bukan hanya berdasarkan gelar atau jalur pendidikan formal.[3]

7. Pantau Perkembangannya Secara Berkala
   

   Pemetaan skill gap tidak cukup dilakukan satu kali.

   Perusahaan perlu memperbarui data ketika:

   • karyawan menyelesaikan pelatihan,
   • memperoleh sertifikasi,
   • terlibat dalam proyek baru,
   • berpindah posisi,
   • atau menjalani evaluasi performa.

   Deloitte menyoroti bahwa AI mulai memungkinkan proses pembelajaran berlangsung lebih dekat dengan aktivitas kerja, sehingga karyawan dapat mempraktikkan dan menerapkan kemampuan baru di dalam alur pekerjaan sehari-hari.[4]

KPI untuk Mengukur Skills Intelligence

Keberhasilan pemetaan keterampilan perlu diukur melalui indikator yang jelas.

Beberapa KPI yang dapat digunakan antara lain:

Skill Coverage Ratio

Persentase keterampilan kritis yang sudah tersedia dibandingkan dengan kebutuhan organisasi.

Proficiency Gap

Selisih antara tingkat kemampuan yang dibutuhkan dan tingkat kemampuan aktual.

Critical Role Readiness

Persentase posisi kritis yang sudah memiliki kandidat internal yang siap.

Internal Mobility Rate

Persentase posisi yang berhasil diisi oleh karyawan internal.

Learning Application Rate

Persentase karyawan yang mampu menerapkan hasil pelatihan dalam pekerjaan.

Reskilling Success Rate

Persentase peserta reskilling yang berhasil berpindah atau menjalankan peran baru.

Indikator tersebut dapat melengkapi KPI HR setelah implementasi HRIS yang sebelumnya telah digunakan untuk mengukur efisiensi dan dampak sistem HR.

Kesalahan yang Perlu Dihindari

Beberapa kesalahan dapat membuat pemetaan skill gap tidak memberikan hasil yang optimal.

Menggunakan data yang tidak diperbarui

Data keterampilan yang sudah lama tidak diperbarui dapat menghasilkan keputusan yang keliru.

Terlalu bergantung pada self-assessment

Karyawan bisa menilai dirinya terlalu tinggi atau terlalu rendah. Karena itu, penilaian perlu divalidasi.

Memetakan terlalu banyak keterampilan

Terlalu banyak indikator membuat proses sulit dipelihara. Mulailah dari keterampilan yang paling relevan dengan strategi bisnis.

Menggunakan AI tanpa penilaian manusia

AI dapat membantu mengidentifikasi pola, tetapi keputusan pengembangan, promosi, dan mobilitas tetap membutuhkan pertimbangan manusia.

Deloitte menekankan bahwa organisasi perlu membangun kepercayaan terhadap penggunaan AI melalui transparansi, pemikiran kritis, serta desain kerja yang mempertimbangkan hasil bisnis dan dampak pada manusia.

Tidak menghubungkan skill dengan keputusan bisnis

Pemetaan kompetensi tidak akan memberi nilai jika hasilnya tidak digunakan untuk menentukan pelatihan, rekrutmen, suksesi, dan mobilitas internal.

Dari Data Karyawan Menuju Skills-Based Organization

Skills intelligence membantu perusahaan bergerak dari organisasi yang berorientasi pada jabatan menuju organisasi yang lebih berorientasi pada keterampilan.

Dalam model tradisional, karyawan sering dilihat berdasarkan jabatan, tingkat pendidikan, dan masa kerja. Dalam pendekatan skills-based, perusahaan melihat kemampuan yang dapat digunakan untuk menjawab kebutuhan bisnis.

Pendekatan ini memberikan beberapa keuntungan:

• talent pool menjadi lebih luas,
• mobilitas internal lebih mudah,
• pelatihan lebih terarah,
• kebutuhan rekrutmen lebih akurat,
• dan kesiapan suksesi lebih kuat.

Perusahaan tidak harus langsung membangun sistem yang kompleks. Proses dapat dimulai dengan memilih beberapa posisi kritis, mendefinisikan keterampilan utamanya, kemudian mengintegrasikan hasilnya ke dalam HRIS dan proses talent management.

Kesimpulan

Di era AI, perusahaan perlu mengetahui lebih dari sekadar jumlah dan posisi karyawan. Perusahaan perlu memahami kemampuan yang dimiliki tenaga kerjanya dan membandingkannya dengan keterampilan yang dibutuhkan di masa mendatang.

Skills intelligence membantu organisasi:

• mengidentifikasi skill gap,
• menetapkan prioritas pengembangan,
• memperkuat internal mobility,
• merencanakan rekrutmen,
• serta membangun talent readiness.

HRIS menjadi fondasi datanya. People analytics membantu membaca polanya. Skills intelligence mengubahnya menjadi keputusan pengembangan tenaga kerja yang lebih terarah.

Perusahaan yang memahami keterampilan tenaga kerjanya akan lebih siap menghadapi perubahan dibandingkan perusahaan yang hanya mengandalkan struktur jabatan dan data administratif.

Pratama Tech siap membantu perusahaan membangun solusi HR digital yang lebih terintegrasi, mulai dari pengelolaan data karyawan hingga analitik yang mendukung pengembangan talent dan keputusan bisnis.

Faris Abdurrahman

See Full Bio