Sebuah perusahaan menerima banyak lamaran untuk satu posisi. Sistem membaca dokumen, memberi skor kecocokan, lalu menampilkan daftar kandidat yang dianggap paling relevan. Bagi pelamar yang tidak masuk daftar, keputusan itu mungkin terlihat seperti penolakan biasa. Namun, prosesnya menyisakan pertanyaan: apakah informasi dalam dokumennya terbaca benar, apa arti skor tersebut, dan adakah penilai yang dapat memeriksa hasilnya?
AI untuk seleksi pelamar kerja dapat digunakan pada tahapan dan dengan pengaruh yang berbeda. Ada sistem yang membantu merangkum berkas, ada pula yang menyaring kandidat sebelum seseorang melihat lamarannya. Artikel ini membahas persoalan data, risiko bias, dan peran penilai dalam konteks Indonesia, tanpa menentukan sah atau tidaknya proses rekrutmen tertentu.
Kerangka yang lebih luas tentang hubungan data, rekomendasi, dan dampak keputusan tersedia dalam keputusan otomatis berbasis AI.
Dari lamaran sampai keputusan: di mana AI berpengaruh?
Pengaruh sistem tidak selalu tampak pada keputusan akhir. Alur hipotetis berikut menunjukkan beberapa tempat hasil AI dapat mengubah kesempatan seorang pelamar:
| Tahap | Contoh penggunaan | Pertanyaan yang perlu dijawab |
|---|---|---|
| Membaca dokumen | Sistem mengekstrak pendidikan dan pengalaman dari CV. | Apakah isi terbaca lengkap dan sesuai konteks? |
| Menilai kecocokan | Sistem memberi skor berdasarkan kriteria posisi. | Apa yang diukur dan mengapa relevan dengan pekerjaan? |
| Menyusun urutan | Sistem menempatkan sebagian pelamar di bagian atas daftar. | Apakah pelamar di bagian bawah tetap diperiksa? |
| Menentukan hasil | Sistem atau petugas menetapkan siapa yang berlanjut. | Siapa yang menentukan hasil dan dapat mengubahnya? |
Skor yang disebut “rekomendasi” dapat sangat menentukan jika penilai hanya membuka pelamar dengan skor tertinggi. Sebaliknya, penyaringan awal berbeda dari penolakan akhir bila tersedia pemeriksaan lain yang benar-benar dapat membawa pelamar ke tahap berikutnya. Nama fitur saja belum menjelaskan kenyataan prosesnya.
Data pelamar: tersedia bukan berarti selalu relevan
CV dapat berisi riwayat pendidikan, pengalaman kerja, kontak, dan informasi lain yang dipilih pelamar untuk disampaikan. Formulir atau layanan rekrutmen mungkin meminta data tambahan. Setiap jenis informasi perlu dilihat bersama tujuan penggunaannya: data untuk menghubungi pelamar mempunyai fungsi yang berbeda dari data untuk menilai kemampuan menjalankan pekerjaan.

Kesalahan juga dapat muncul sebelum tahap penilaian. Misalnya, dalam contoh hipotetis, sistem salah membaca periode pekerjaan pada CV dengan format dua kolom. Hasil ekstraksi kemudian menunjukkan pengalaman yang lebih pendek daripada dokumen asal. Memperbaiki skor tanpa memeriksa data yang terbaca dapat menyembunyikan sumber kesalahannya.
Kelengkapan tidak selalu sama dengan kualitas. Sebuah formulir mungkin meminta tautan profil publik, tetapi keberadaan informasi di internet belum menjawab apakah informasi itu relevan untuk posisi yang dilamar atau bagaimana informasi tersebut akan digunakan. Penghapusan nama dari data pun belum tentu menghilangkan kemungkinan seseorang dikenali melalui kombinasi rincian lain.
Dalam kerangka Indonesia, UU Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi mengatur prinsip dan dasar pemrosesan data pribadi. Pasal 20 mensyaratkan dasar pemrosesan dan memuat beberapa dasar, dengan syarat masing-masing; persetujuan bukan satu-satunya dasar yang disebut. Dasar yang sesuai untuk suatu kegiatan tidak dapat ditentukan hanya dari keberadaan tombol pada formulir.
Pertanyaan tentang data juga berlanjut setelah seleksi: siapa yang menerima dokumen, untuk tujuan apa data disimpan, dan kapan data dihapus atau dimusnahkan sesuai ketentuan yang berlaku? Jika perusahaan memakai penyedia sistem, sebutan “vendor” sendiri belum menjelaskan peran setiap pihak atau instruksi pemrosesannya.
Bagaimana bias dapat masuk ke penyaringan?
Bias tidak selalu muncul karena sebuah sistem secara eksplisit meminta kategori sensitif. Pilihan data, cara mengukur keberhasilan, atau aturan yang mengubah skor menjadi tindakan juga dapat menghasilkan persoalan. Kajian ILO tentang AI dalam manajemen sumber daya manusia menyoroti risiko tujuan yang kurang tepat, data yang bermasalah, dan proses yang sulit ditelusuri. Kajian tersebut merupakan analisis umum, bukan penetapan pelanggaran hukum Indonesia atas alat tertentu.
Bayangkan sistem hipotetis dilatih menggunakan riwayat perekrutan lama. Jika riwayat itu hanya menunjukkan siapa yang dahulu diterima, sistem mungkin mempelajari kemiripan dengan pelamar terdahulu. Kemiripan tersebut belum tentu sama dengan kemampuan yang dibutuhkan untuk pekerjaan saat ini. Ukuran yang tampak netral, seperti jenis pengalaman tertentu, juga perlu diperiksa apakah mencerminkan kebutuhan jabatan atau sekadar kebiasaan seleksi sebelumnya.
Risiko lain muncul dari data yang hilang. Misalnya, sistem memberi nilai rendah ketika tidak menemukan sertifikat dalam format yang dikenali. Pelamar yang mengirim sertifikat dalam format berbeda dapat dirugikan meskipun sebenarnya memiliki kualifikasi yang diminta. Di sini persoalannya bisa terletak pada pembacaan dokumen, aturan penilaian, atau keduanya.
Perbedaan hasil antarkelompok merupakan alasan untuk menelusuri proses, tetapi angka yang berbeda saja belum menjelaskan penyebab atau menetapkan bahwa telah terjadi diskriminasi yang melanggar hukum. Penilaian kasus memerlukan informasi tentang jabatan, kriteria, data, penerapan, hasil, dan ketentuan yang relevan. Sebaliknya, tidak adanya kolom tertentu dalam formulir juga belum membuktikan proses bebas dari risiko perlakuan berbeda.
Kapan hak keberatan atas keputusan otomatis relevan?
Pasal 10 ayat (1) UU PDP memberikan hak kepada subjek data pribadi untuk mengajukan keberatan atas tindakan pengambilan keputusan yang hanya didasarkan pada pemrosesan secara otomatis, termasuk pemrofilan, apabila keputusan tersebut menimbulkan akibat hukum atau berdampak signifikan terhadap subjek data. Rumusan lengkap dan pengecualian tertentu perlu dibaca bersama ketentuan undang-undang; teks resmi UU PDP memuat Pasal 10, Pasal 14, dan Pasal 15.
Dalam seleksi pelamar, pertanyaan faktualnya antara lain apakah suatu tindakan memang merupakan keputusan, apakah keputusan itu hanya didasarkan pada pemrosesan otomatis, dan apa akibatnya bagi pelamar. Penolakan akses ke suatu kesempatan kerja dapat menimbulkan pertanyaan tentang dampak signifikan, tetapi penerapan Pasal 10 pada keadaan tertentu tetap memerlukan penilaian atas fakta dan ketentuan yang berlaku.
Hak keberatan tidak sama dengan jaminan bahwa pelamar akan diterima atau hasil pasti dibatalkan. UU PDP juga memuat hak terkait informasi, perbaikan, dan akses data dalam ketentuan tersendiri. Meminta koreksi riwayat kerja yang salah terbaca merupakan pertanyaan berbeda dari mengajukan keberatan atas tindakan pengambilan keputusan.
Peran penilai manusia di balik skor
Nama petugas pada pemberitahuan tidak dengan sendirinya menjelaskan bagaimana keputusan dibuat. Perlu diketahui apakah petugas hanya meneruskan hasil sistem atau benar-benar dapat mempertimbangkan berkas dan informasi yang relevan. Ini adalah pembedaan praktis untuk memahami proses, bukan daftar kewajiban rinci yang seluruhnya ditetapkan oleh Pasal 10.
Peninjauan lebih mudah dipahami jika beberapa hal dapat ditelusuri:
- Masukan: dokumen dan data apa yang dibaca sistem, serta apakah ada bagian yang gagal diekstrak?
- Kriteria: apa hubungan ukuran yang digunakan dengan kebutuhan posisi?
- Pengaruh: apakah skor menentukan penolakan atau hanya membantu mengurutkan pemeriksaan?
- Kewenangan: dapatkah penilai meminta konteks tambahan dan mengambil hasil yang berbeda?
- Alasan: bagaimana pertimbangan yang mendukung perubahan atau penerusan hasil dicatat?
Penilai juga dapat keliru atau terlalu mengandalkan skor yang tampak presisi. Membandingkan keluaran dengan dokumen asal dan persyaratan posisi membantu menemukan persoalan yang mungkin tidak terlihat dari satu angka. Namun, pemeriksaan manusia yang tersedia dalam prosedur tertulis masih perlu dibedakan dari pemeriksaan yang benar-benar dilakukan.
Pembahasan lebih lanjut tentang rancangan pemeriksaan tersedia dalam peninjauan manusia atas keputusan AI.
Menelusuri persoalan dalam proses yang konkret
Bagi organisasi yang menggunakan sistem, titik awal yang berguna adalah memetakan perjalanan lamaran: informasi yang dikumpulkan, pihak yang memproses, kriteria dan ambang yang digunakan, serta tindakan yang mengikuti keluaran. Bandingkan hasil ekstraksi dengan contoh dokumen yang beragam dan periksa bagaimana berkas yang gagal dibaca ditangani. Pemeriksaan ini membantu menemukan masalah; hasilnya sendiri belum merupakan sertifikat kepatuhan.
Bagi pelamar yang ingin memahami keputusan tertentu, informasi yang relevan dapat meliputi pemberitahuan rekrutmen, data yang telah dikirim, alasan yang tersedia, dan jalur kontak pengendali atau penyelenggara proses. Pertanyaan yang spesifik—misalnya apakah riwayat pekerjaan terbaca lengkap dan bagaimana koreksi dapat disampaikan—lebih mudah ditindaklanjuti daripada asumsi tentang cara kerja model. Hindari mengirim data tambahan yang tidak diperlukan untuk menjelaskan pertanyaan.
Jika dampak dan keadaan faktual menimbulkan persoalan hukum, penilaian memerlukan dokumen serta aturan yang berlaku pada situasi tersebut. Penggunaan AI tidak dengan sendirinya membuktikan proses adil atau melanggar hukum. Yang perlu dilihat adalah bagaimana informasi berubah menjadi hasil, siapa yang dapat memeriksanya, dan apa kesempatan yang tersedia untuk menangani kekeliruan.
Artikel ini merupakan informasi umum dalam kerangka Indonesia, bukan nasihat hukum untuk keadaan pribadi atau penilaian kepatuhan atas sistem rekrutmen tertentu.

