Kehadiran agentic AI atau sistem kecerdasan buatan otonom memaksa para pemimpin teknologi (CIO) untuk segera merombak agenda pelatihan dan pengembangan karier di perusahaan.
Transformasi itu bukan sekadar mengejar tren, melainkan langkah krusial untuk membangun fondasi agentic enterprise yang berkelanjutan.
Ada dua pandangan utama di industri saat ini mengenai tenaga kerja AI. Sebagian berpendapat manusia berperan meningkatkan akurasi dan membangun kepercayaan publik.
Pandangan lain menyebutkan bahwa AI otonom nantinya hanya bertindak sebagai pendamping manusia. Kendati demikian, pola kerja sehari-hari di kantor bakal berubah drastis, dari yang tadinya sibuk menyelesaikan tugas satu per satu, bergeser menjadi sistem kerja serba otomatis yang berjalan sendiri di latar belakang.
Berdasarkan Survei Kepemimpinan Teknologi Global Deloitte 2026, sebanyak 75 persen pemimpin IT sepakat bahwa model operasional dan proses bisnis harus berubah dalam 12 hingga 18 bulan ke depan untuk mendorong nilai tambah yang lebih besar.
”Meningkatkan keterampilan IT untuk tenaga kerja agen AI memerlukan lebih dari sekadar pelatihan. Ini menuntut perubahan perilaku karena seiring AI mengambil alih aktivitas pengembangan rutin, para profesional teknologi fokus pada memvalidasi, mengatur, dan mengarahkan hasil,” ujar Doug Vargo, Wakil Presiden Layanan Konsultasi dan Kepala Tim Aliansi dan AI Nasional di CGI.
Ia menambahkan, “Para insinyur senior perlu mengubah kebiasaan lama. Alih-alih membuat kode sendiri, kini mereka harus fokus meninjau, mengarahkan, dan memastikan hasil kerja AI tetap aman serta sejalan dengan bisnis.”
Untuk menghadapi masa depan tersebut, para CIO dapat menerapkan tujuh langkah strategis berikut dalam meningkatkan keterampilan tim IT:
1. Meningkatkan Ketajaman Bisnis dan Literasi AI untuk Pemimpin IT
AI menuntut para profesional teknologi mengambil peran transformasional sebagai agen perubahan. Nantinya, teknologi ini akan berfungsi sebagai penasihat bagi para manajer untuk memilih perangkat yang tepat atau merombak alur kerja secara menyeluruh.
”Pemimpin perlu menunjukkan kepada timnya bagaimana proses bisnis berjalan, bagian mana yang bisa dikerjakan AI, dan bagian mana manusia wajib bertanggung jawab,” kata Jamie Lyon, Kepala Produk dan Strategi di Lucid Software.
Lyon menekankan bahwa saat agen AI mengambil alih eksekusi, pemikiran kritis menjadi jauh lebih penting supaya manusia dapat menjelaskan situasi dan tujuan, sekaligus mengambil keputusan yang tidak bisa dilakukan AI.
Fokus Keterampilan: Literasi AI, pemikiran kritis, manajemen hubungan bisnis, arsitektur, design thinking, dan analitik.
2. Memperluas Tata Kelola Data dan AI
Survei Tren Digital dan AI Adobe 2026 menunjukkan bahwa 78 persen pemimpin teknologi menilai integrasi dan kualitas data sebagai tantangan utama AI, sementara 52 persen lainnya terkendala oleh minimnya unifikasi data.
”Peningkatan keterampilan agen AI dimulai dengan membenahi fondasi data dan operasional yang ada di balik layar,” kata Adam Luciano, Wakil Presiden Manajemen Produk di MariaDB.
Luciano menjelaskan bahwa tim IT harus tahu cara menghubungkan data terfragmentasi, merekayasa konteks, serta mendukung beban kerja transaksional dan analitik pada platform terpadu. Senada dengan hal tersebut, Doug Gilbert, CIO dan Kepala Petugas Digital di Sutherland, menegaskan pentingnya aspek pengawasan.
”Saat agen AI mulai beroperasi, tim IT perlu membangun keterampilan tata kelola, bukan sekadar literasi AI. Mereka harus tahu cara menetapkan akuntabilitas, memantau akses data, dan menegakkan alur persetujuan,” ujarnya.
Fokus Keterampilan: Tata Kelola Data, DataOps, rekayasa data, manajemen risiko data, keamanan data, dan tata kelola AI.
3. Memperluas Manajemen Pengetahuan untuk Lapisan Konteks AI
Jika CIO ingin menaikkan skala penggunaan AI hingga ribuan sistem, perusahaan wajib membangun “otak AI” tersendiri agar seluruh informasi saling terhubung dengan rapi.
”Bagi CIO dan CISO, hal penting yang harus dilatih adalah membangun sistem informasi pengganti struktur manajemen tradisional yang sedang dikurangi,” kata Lior Gavish, Co-founder dan CTO di Monte Carlo.
Sementara itu, Adam Field, Kepala Pejabat AI di Tungsten Automation, menyoroti tantangan struktural yang ada di lapangan.
”Tantangannya bukan lagi sekadar mengajari karyawan cara menggunakan alat baru, melainkan memastikan tim tahu cara menstrukturkan, mengelola, dan menyiapkan data panduan yang mendukung alat-alat tersebut,” ujarnya.
Fokus Keterampilan: Pelatihan AI kontekstual, manajemen pengetahuan, penatalayanan informasi (information stewardship), serta kolaborasi lintas disiplin.
4. Membangun Pusat Keunggulan Kualitas AI
Mengabaikan pengujian berkelanjutan dalam proses DevOps dapat memicu pembengkakan biaya, pelanggaran kepatuhan, hingga dampak operasional yang fatal.
Sanjay Gidwani, CEO dan Pendiri Kosmos, menilai bahwa keahlian yang jauh lebih penting daripada sekadar membangun agen AI adalah mengonfirmasi akurasinya.
”Agen AI kerap mengambil kesimpulan dari sistem yang terpisah. Jika manusia tidak segera memeriksanya, keputusan keliru itu bisa berdampak fatal dengan sangat cepat. Latih tim IT Anda sebagai pengawas dan pemberi lampu hijau sebelum agen AI mengeksekusi suatu tindakan,” ujarnya.
Fokus Keterampilan: Kualitas data, otomatisasi pengujian, analitik, serta pembentukan pusat keunggulan kualitas AI khusus bagi perusahaan berskala besar.
5. Meninjau Kembali Keterampilan Manajer Produk dan Program
Teknologi AI mengubah dinamika kolaborasi tim secara menyeluruh. Berdasarkan riset Atlassian The State of Teams 2026, sebanyak 77 persen responden memprediksi struktur organisasi bakal menjadi lebih ramping tanpa banyak lapisan jabatan, sementara 73 persen lainnya menerapkan peran kerja hibrida.
Mal Vivek (CEO dan pendiri Zeb) berpendapat bahwa kemampuan paling berharga bagi tenaga kerja era AI adalah ketajaman dalam mempertimbangkan sesuatu (judgment).
“Kita harus membimbing tim untuk menyusun target, batasan, dan evaluasi kerja secara jelas. Keterampilan ini butuh waktu dan perombakan peran, bukan sekadar pelatihan instan,” ucapnya.
Fokus Keterampilan: Keterampilan proses Six Sigma, disiplin manajemen produk, dan praktik perencanaan tangkas (agile planning).
6. Meningkatkan Keterampilan Pengembang Junior
Dengan 41 persen kode global kini dihasilkan oleh AI, peran pengembang senior dan junior ikut bergeser signifikan.
Berdasarkan Karat AI Workforce Transformation Report, 73 persen responden menyatakan bahwa insinyur yang kuat kini bernilai setidaknya tiga kali lipat dari total kompensasi mereka karena bertindak sebagai pengarah arsitektur, bukan sekadar penulis kode.
”Verifikasi agen harus menjadi prioritas utama bagi CIO dan CISO, melatih para profesional untuk melihat hasil kerja AI,” ujar Samar Abbas, CEO di Temporal.
Fokus Keterampilan: Pemikiran sistem (systems thinking), penyelesaian masalah dari alat peninjau kode, program magang, serta keahlian domain teknis mendalam (pengujian, manajemen identitas, kinerja aplikasi, dan keamanan).
7. Mematangkan AgenticOps dalam Operasi IT
Ketika perusahaan mulai mengerahkan ribuan agen AI ke lingkungan produksi, fokus operasional IT ikut bergeser secara radikal.
”Seiring berkembangnya aplikasi dari perangkat lunak tradisional menjadi agen AI otonom, peran IT bergeser dari memelihara sistem menjadi mengelola tenaga kerja digital,” tutur Nikhil Mungel, Kepala R&D AI di Cribl.
“Tim IT perlu belajar cara mengimplementasikan dan mengawasi agen AI, memastikan mereka mematuhi kebijakan perusahaan, dan memantau perilaku AI yang tidak biasa atau berbahaya,” ujarnya.
Fokus Keterampilan: Manajemen identitas, analisis akar masalah, pemantauan agen AI, serta perluasan keandalan situs (SRE) untuk melacak performa agen.
Membangun departemen IT kelas dunia di era transformasi digital bukan sekadar mengejar nilai bisnis jangka pendek.
Para CIO dituntut untuk secara proaktif memperbarui program pengembangan pembelajaran demi memastikan kesiapan organisasi menghadapi evolusi kapabilitas AI yang bergerak sangat cepat.
