Analisis Keterampilan AI LinkedIn: 2026 Mendistorsi 2022

Bagian yang canggung dari ledakan résumé AI bukanlah bahwa pekerja mempelajari alat baru lalu menyebutkannya. Mereka memang sebaiknya begitu, jika pekerjaannya nyata. Masalahnya adalah beberapa profil sekarang membuat pekerjaan lama terlihat lebih sarat AI daripada yang tampak pada saat itu, sehingga lini masa karier berubah menjadi sesuatu yang lebih mirip riwayat revisi. Itu penting karena perekrutan sudah penuh dengan label yang kabur. “AI Engineer” bisa berarti pelatihan model, integrasi aplikasi, pekerjaan evaluasi, atau peran software dengan fitur chatbot yang ditambahkan ke roadmap. Ketika kekaburan yang sama ditulis mundur ke peran masa lalu, baik kandidat maupun pemberi kerja kehilangan sinyal.

Sinyal tren: riwayat LinkedIn sedang bergerak

The Next Web melaporkan bahwa analisis Stanford terhadap 29,4 juta profil LinkedIn memperkirakan bahwa cuplikan tahun 2026 melebih-lebihkan seberapa umum keterampilan AI pada tahun 2022 sekitar 30 persen. Itu bukan sekadar masalah pengukuran kecil. Jika pemberi kerja, ekonom tenaga kerja, atau penyedia pelatihan menggunakan profil saat ini untuk menyimpulkan apa yang diketahui pekerja saat itu, mereka mungkin sedang membaca versi masa lalu yang sudah dipoles dalam bentuk masa kini.

AOL, yang merangkum sebuah working paper dari National Bureau of Economic Research, mengatakan para peneliti menganalisis cuplikan bulanan dari 29,4 juta profil LinkedIn di AS. Laporan yang sama mengatakan hampir seperlima akun tersebut telah mengubah secara retroaktif judul atau deskripsi pekerjaan yang sudah ditinggalkan pengguna. AOL juga melaporkan bahwa pekerja AS menulis ulang profil untuk memasukkan keterampilan AI dan menghapus penyebutan DEI, sementara bahasa tentang kerja jarak jauh mulai kurang disukai.

Kesimpulan yang berguna bukanlah bahwa setiap profil yang direvisi patut dicurigai. Orang-orang sering merapikan deskripsi lama, menstandarkan jabatan, dan menambahkan konteks yang kurang. Masalah perekrutan dimulai ketika tanggal pada profil diperlakukan sebagai tanggal keterampilan, terutama untuk area keterampilan yang bergerak cepat, di mana satu tahun bisa mengubah alat, alur kerja, dan ekspektasi yang tersedia.

Apa yang sebaiknya tidak lagi diasumsikan oleh penyaringan kandidat

Business Insider melaporkan bahwa pekerja menulis ulang entri LinkedIn lama agar terlihat lebih siap AI, menurut para peneliti. Bagi tim perekrutan, itu seharusnya menjadi pengingat bahwa riwayat kata kunci adalah bukti yang lemah. Filter pencarian yang memperlakukan “strategi AI” dalam deskripsi pekerjaan lama sebagai bukti kerja AI langsung dapat menghitung kemampuan secara berlebihan bahkan sebelum manusia membaca profilnya.

AOL mengutip para peneliti yang mengatakan, “Pekerja memodifikasi résumé mereka untuk mencerminkan apa yang mereka yakini ingin didengar oleh pemberi kerja.” Kalimat itu seharusnya membuat pemberi kerja sedikit lebih rendah hati tentang deskripsi pekerjaan mereka sendiri. Jika lowongan membesar-besarkan persyaratan AI untuk peran analis, pemasaran, operasional, atau software yang sebenarnya biasa saja, kandidat akan memantulkan kembali bahasa itu, dan kedua pihak akhirnya mendapat informasi yang kurang berguna.

Di sinilah pelebaran jabatan menjadi mahal. Seorang product manager yang mengevaluasi fitur AI generatif, seorang data scientist yang membangun pipeline model, dan seorang support lead yang menulis prompt internal yang lebih baik mungkin semuanya menulis “AI” di suatu tempat pada profil. Pengalaman-pengalaman itu tidak dapat dipertukarkan, dan berpura-pura bahwa semuanya sama tidak membantu siapa pun.

Seperti apa lini masa

AI yang kuat Uraian AOL tentang working paper NBER menunjuk pada edit retroaktif dalam judul dan deskripsi, yang berarti kandidat perlu membuat kronologi mudah diverifikasi. Jika Anda menambahkan pekerjaan AI ke peran lama, kaitkan dengan proyek yang sebenarnya: apa yang Anda bangun, alat atau alur kerja apa yang Anda gunakan, keputusan apa yang Anda pengaruhi, dan artefak apa yang masih ada. Tautan portofolio, studi kasus internal, contoh kode, lembar evaluasi, atau catatan alur kerja sebelum dan sesudah memiliki bobot lebih besar daripada kata kunci yang baru dipoles.

Angka The Next Web tentang kelebihan estimasi 30 persen juga menjadi peringatan terhadap credential theater. Sertifikat dapat membantu jika membuat Anda memiliki proyek yang bisa dipertanggungjawabkan dan kosakata untuk wawancara. Sertifikat tidak akan memperbaiki lini masa yang mengklaim tanggung jawab AI tanpa menunjukkan apa yang berubah dalam pekerjaan.

Bagi orang yang berpindah karier, versi yang jujur biasanya lebih kuat daripada versi yang dibesar-besarkan. Seseorang berusia 25 tahun yang berpindah dari analitik ke machine learning mungkin membutuhkan bukti yang berbeda dari manajer operasional berusia 45 tahun yang menambahkan otomasi AI ke alur kerja yang sudah matang. Kendala berbeda, hype yang sama: manajer perekrutan tetap perlu melihat pekerjaannya, bukan hanya labelnya.

Apa yang perlu diperhatikan selanjutnya dalam perekrutan AI

Laporan Business Insider mengatakan pekerja menambahkan keterampilan AI sambil menghapus istilah kerja jarak jauh, sebuah pengingat yang jelas bahwa profil merespons insentif pasar yang dirasakan. Ketika pasar memberi imbalan pada sebuah frasa, résumé akan menyerapnya. Respons yang lebih sehat bukanlah melarang frasa itu, melainkan mengajukan pertanyaan yang lebih baik.

Bagi pemberi kerja, itu berarti mengganti penyaringan yang luas dengan prompt yang terarah: jelaskan sistem AI yang Anda gunakan, terangkan langkah tinjauan manusia, sebutkan output yang Anda tingkatkan, dan tunjukkan artefak jika memungkinkan. Bagi pencari kerja, itu berarti mendokumentasikan pembelajaran saat terjadi, bukan mengisi setiap peran lama dengan kosakata terbaru.

Sinyal perekrutan yang berguna berikutnya bukanlah siapa yang pertama mengatakan “AI”, melainkan siapa yang dapat menjelaskan alur kerja dengan cukup jelas sehingga orang lain dapat memeriksanya.