Artificial Knowledge Management: Bagaimana AI Mengubah Workflow, Skill, dan Tata Kelola Pengetahuan Organisasi
Artificial Knowledge Management: Bagaimana AI Mengubah Workflow, Skill, dan Tata Kelola Pengetahuan Organisasi
Penulis: Nur Yudiono, S.AB., M.AB.
Mengapa Organisasi Perlu Memikirkan Artificial Knowledge Management?
Kekurangan informasi bukanlah menjadi permasalahan utama dalam sebuah organisasi. Justru sebaliknya, organisasi sering kali memiliki terlalu banyak informasi, seperti laporan proyek, SOP, database pelanggan, materi pelatihan, hingga pengalaman karyawan senior yang belum terdokumentasi dengan baik. Tantangannya adalah bagaimana mengubah informasi yang tersebar itu menjadi pengetahuan yang mudah ditemukan, dipahami, dan digunakan untuk mengambil keputusan. Pada kondisi seperti inilah peran Artificial Knowledge Management atau AKM menjadi relevan. Kehadiran Generative AI tidak hanya menawarkan alat baru untuk menulis teks atau membuat ringkasan. Lebih jauh dari itu, AI mulai mengubah cara organisasi menangkap, mengolah, menyebarkan, memvalidasi, dan menggunakan pengetahuan. Cerchione et al., (2026) menyebut GenAI sebagai teknologi yang berpotensi merevolusi proses knowledge management karena mampu menghasilkan konten baru, menyintesis informasi, dan memperkuat basis pengetahuan organisasi. Namun, AKM bukan sekadar memasang aplikasi AI ke dalam sistem kerja. Jika digunakan tanpa arah, AI justru dapat menambah masalah baru, seperti informasi yang salah menjadi lebih cepat menyebar, dokumen yang belum valid dianggap benar, dan karyawan menggunakan AI secara sembarangan tanpa tata kelola. Karena itu, pertanyaan penting bagi organisasi bukan lagi “apakah kita perlu menggunakan AI?”, tetapi “bagaimana AI dapat dikelola agar benar-benar memperkuat pengetahuan organisasi?”
Apa yang Berubah dalam Workflow, Skill, dan Tata Kelola?
Artificial Knowledge Management dapat dipahami sebagai pendekatan pengelolaan pengetahuan yang memanfaatkan AI untuk memperkuat proses penciptaan, penyimpanan, distribusi, validasi, dan pemanfaatan pengetahuan organisasi. Dalam AKM, AI tidak diposisikan sebagai pengganti manusia, tetapi sebagai mitra kognitif yang membantu manusia bekerja dengan informasi secara lebih cepat dan terstruktur. Perubahan pertama terjadi pada workflow. Pada model kerja konvensional, banyak proses pengetahuan dilakukan secara manual, seperti membaca dokumen, menyusun laporan, mencari data, membuat ringkasan, atau menggabungkan informasi dari berbagai sumber. Kemudian dengan adanya GenAI, sebagian aktivitas tersebut dapat dibantu oleh sistem cerdas. AI dapat membuat draf laporan, merangkum rapat, mencari pola dari data historis, menyiapkan bahan analisis, dan memberi rekomendasi awal. McKinsey Global Institute (2025) menekankan bahwa nilai terbesar AI tidak hanya muncul dari otomasi tugas individual, tetapi dari kemampuan organisasi mendesain ulang workflow. Artinya, perusahaan tidak cukup hanya bertanya tugas mana yang bisa digantikan AI. Perusahaan perlu menata ulang bagaimana manusia, agen AI, dan sistem digital bekerja bersama dalam satu alur kerja yang lebih produktif.
Perubahan kedua terjadi pada skill. McKinsey (2025) memperkirakan bahwa teknologi saat ini secara teoritis dapat mengotomatisasi sekitar 57 persen jam kerja di Amerika Serikat. Namun, angka ini bukan prediksi bahwa pekerjaan manusia akan hilang dalam jumlah yang sama. Maknanya lebih tepat dibaca sebagai sinyal bahwa komposisi tugas manusia akan berubah. Sebagian aktivitas rutin akan berkurang, sementara kemampuan untuk mengarahkan, memeriksa, dan memanfaatkan AI akan semakin penting. Dalam konteks ini, AI fluency menjadi kompetensi kunci. AI fluency bukan hanya kemampuan menulis prompt, tetapi mencakup kemampuan memahami cara kerja AI, memberi instruksi yang tepat, memeriksa kualitas keluaran, mengenali bias, menjaga kerahasiaan data, dan menghubungkan hasil AI dengan konteks bisnis. McKinsey (2025) mencatat bahwa permintaan terhadap AI fluency meningkat hampir tujuh kali lipat dalam dua tahun, menunjukkan bahwa kemampuan ini mulai menjadi bagian penting dari kompetensi kerja masa depan.
Perubahan ketiga terjadi pada tata kelola pengetahuan. Cerchione et al., (2026) mengingatkan bahwa integrasi GenAI dalam knowledge management membawa tantangan seperti black box dan shadow AI. Black box terjadi ketika proses kerja AI sulit dipahami dan sulit dijelaskan. Dalam organisasi, ini berbahaya jika hasil AI langsung digunakan sebagai dasar keputusan tanpa validasi. Sementara itu, shadow AI terjadi ketika karyawan menggunakan AI secara tidak resmi, tanpa panduan, tanpa pengawasan, dan berpotensi membocorkan data organisasi. Karena itu, AKM membutuhkan tata kelola yang jelas. Organisasi perlu menentukan data apa yang boleh digunakan, siapa yang bertanggung jawab atas keluaran AI, bagaimana proses validasi dilakukan, dan batasan apa yang harus dipatuhi karyawan ketika menggunakan AI. Tanpa tata kelola, AI dapat mempercepat kerja, tetapi juga memperbesar risiko kesalahan.
Bagaimana Organisasi Dapat Memulai AKM?
Langkah pertama adalah memetakan alur pengetahuan organisasi. Perusahaan perlu mengidentifikasi di mana pengetahuan diciptakan, disimpan, dibagikan, dan digunakan. Apakah pengetahuan kritis tersimpan dalam dokumen resmi, percakapan tim, sistem pelanggan, pengalaman individu, atau kombinasi semuanya? Pemetaan ini penting agar AI tidak hanya digunakan secara acak, tetapi diarahkan pada titik kerja yang benar-benar bernilai.
Langkah kedua adalah memilih use case yang jelas. Organisasi dapat memulai dari kebutuhan sederhana tetapi berdampak besar, misalnya knowledge assistant internal, ringkasan rapat otomatis, pencarian dokumen berbasis konteks, pembuatan materi pelatihan, atau analisis keluhan pelanggan. Use case yang baik adalah yang memiliki data cukup, risiko terkendali, dan manfaat langsung bagi pekerjaan.
Langkah ketiga adalah membangun human-in-the-loop. Setiap keluaran AI yang digunakan untuk keputusan penting tetap harus diperiksa manusia. Dalam AKM, manusia berperan sebagai pemberi konteks, validator, pengambil keputusan, dan penjaga etika. AI boleh membantu menyusun alternatif, tetapi keputusan akhir tetap membutuhkan penilaian manusia.
Langkah keempat adalah memperkuat AI fluency. Pelatihan AI di organisasi sebaiknya tidak hanya mengajarkan cara menggunakan tools, tetapi juga cara berpikir kritis terhadap hasil AI. Karyawan perlu memahami bahwa keluaran AI bisa membantu, tetapi tidak selalu benar. Mereka harus terbiasa bertanya: dari mana informasi ini berasal, apakah masuk akal, apakah sesuai konteks, dan apakah aman digunakan?
Langkah kelima adalah mengukur paparan pekerjaan terhadap AI secara realistis. Anthropic (2026) memperkenalkan konsep observed exposure, yaitu ukuran yang menggabungkan kemampuan teoritis AI dengan data penggunaan nyata. Pendekatan ini penting karena tidak semua pekerjaan yang secara teknis bisa dibantu AI langsung terdampak dalam praktik. Organisasi dapat menggunakan logika serupa untuk menilai pekerjaan mana yang paling terpapar AI, mana yang perlu reskilling, dan mana yang tetap membutuhkan dominasi manusia.
Pada akhirnya, Artificial Knowledge Management bukan sekadar proyek teknologi. AKM adalah agenda transformasi organisasi. Ia menuntut perubahan workflow, penguatan skill, dan tata kelola pengetahuan yang lebih matang. Organisasi yang berhasil bukanlah yang paling cepat menggunakan AI, tetapi yang paling mampu mengintegrasikan AI ke dalam ekosistem pengetahuan secara cerdas, aman, dan bertanggung jawab. Dengan AKM, pengetahuan organisasi tidak lagi hanya tersimpan dalam dokumen atau kepala individu. Pengetahuan dapat dihubungkan, diperkaya, divalidasi, dan digunakan secara lebih cepat. Namun, nilai akhirnya tetap bergantung pada manusia: bagaimana manusia memberi makna, membuat keputusan, dan memastikan bahwa AI bekerja untuk memperkuat, bukan menggantikan, kecerdasan organisasi.
Sumber Rujukan
Anthropic. (2026). Labor market impacts of AI: A new measure and early evidence.
Cerchione, R., Liccardo, G., & Passaro, R. (2026). Artificial knowledge generation: Investigating the revolutionary role of generative AI in knowledge management.
McKinsey Global Institute. (2025). Agents, robots, and us: Skill partnerships in the age of AI.
Comments :