Revolusi industri keempat tidak hanya mengubah apa yang dilakukan oleh profesional akuntansi dan keuangan — tetapi juga mengungkap betapa rusaknya pengembangan profesional saat ini.

Meskipun kemampuan AI berkembang setiap bulan, sebagian besar sistem pengembangan profesional masih beroperasi pada pendekatan tradisional dan linier yang dirancang untuk dunia yang bergerak secepat edisi buku teks, bukan pembaruan perangkat lunak.

Pertimbangkan ChatGPT: Dalam beberapa bulan setelah dirilis, aplikasi ini telah mengubah cara jutaan orang menangani beban kerja mereka, membuat banyak profesional berebut untuk meningkatkan keterampilan. Faktanya, menurut survei CFO Signals dari Deloitte, 83% pemimpin keuangan mengatakan AI dan otomatisasi akan berdampak signifikan pada peran di departemen mereka pada tahun 2028.

Namun, meskipun AI telah menyoroti kesenjangan yang ada, perubahan telah lama dibutuhkan, dan angka-angka menunjukkan betapa mendesaknya transformasi ini. Menurut Laporan Masa Depan Pekerjaan 2025, 63% perusahaan mengidentifikasi kesenjangan keterampilan sebagai hambatan terbesar bagi transformasi bisnis selama periode 2025-2030. Akibatnya, 85% berencana untuk meningkatkan keterampilan tenaga kerja mereka sebagai respons terhadap tren makro selama periode ini.

Jadi, bagaimana mereka dapat mengatasi tantangan ini? Penting untuk memahami kekurangan sistem tradisional yang berfokus pada pengembangan profesional.

Kesenjangan kecepatan

Pertimbangkan tantangan ini: Model AI tercanggih saat ini dapat belajar dan beradaptasi dengan informasi baru secara real-time, sementara pengembangan kurikulum tradisional tentu membutuhkan waktu beberapa tahun untuk integrasi.

Kesenjangan kecepatan ini menggambarkan bagaimana institusi akademik, yang tentu saja memprioritaskan pengembangan dan validasi kurikulum yang menyeluruh, beroperasi pada rentang waktu yang berbeda dengan kebutuhan bisnis yang terus berkembang pesat. Pengetahuan dasar yang disediakan oleh pendidikan tradisional tetap penting, tetapi perlu dilengkapi dengan jalur pembelajaran yang lebih gesit untuk keterampilan baru yang memungkinkan pembelajaran seumur hidup.

Kesenjangan kualitas

Meskipun kecepatan mungkin penting, banyak profesional menghadapi pilihan pembelajaran dengan kualitas yang meragukan.

Ledakan pembelajaran daring telah memenuhi kebutuhan akan keterampilan baru, tetapi kurang memiliki ketelitian dan akreditasi yang dimiliki sebuah institusi akademik.

Hal ini menciptakan tantangan dalam mengidentifikasi sumber-sumber terpercaya untuk keterampilan baru.

Penelitian menunjukkan bahwa pemberi kerja sering kali kesulitan mengevaluasi kualitas kredensial nontradisional, sehingga menimbulkan ketidakpastian bagi para profesional yang ingin membangun fondasi akademis mereka.

Kesenjangan Relevansi

Meskipun teori dan landasan yang luas sangat penting, pekerja dewasa seringkali membutuhkan keterampilan yang terfokus dan dapat langsung diterapkan, yang spesifik untuk peran mereka dan melengkapi pendidikan yang telah mereka miliki. Hal ini khususnya berlaku bagi para profesional di bidang akuntansi dan keuangan.

Penelitian terhadap pembelajar dewasa secara konsisten menunjukkan bahwa mereka sensitif terhadap harga dan mencari laba atas investasi yang tinggi, penerapan langsung, dan format modular yang sesuai dengan kehidupan profesional yang sibuk — kebutuhan yang tidak dirancang untuk dipenuhi oleh struktur akademis tradisional.

Infrastruktur pengembangan profesional yang baru

Kesenjangan ini menyoroti perlunya jalur pengembangan komplementer yang sejalan dengan pendidikan tradisional. Sebagai kepala bagian produk dan teknologi di Institute of Management Accountants, ini adalah tantangan yang dihadapi tim saya setiap hari: Bagaimana para profesional dapat memperoleh kredensial yang fleksibel, tepercaya, dan siap kerja yang membantu mereka merespons tren yang muncul di bidangnya?

Beginilah cara kami menyikapi hal ini di IMA, dan bagaimana kami merekomendasikan setiap pemberi kerja untuk merespons saat menangani tantangan Great Reskilling dalam organisasi mereka sendiri.

1. Penilaian Berbasis Kompetensi

Anda tidak bisa tetap menguasai teknologi baru jika tidak secara rutin menilai kemampuan tenaga kerja Anda.

Penilaian diagnostik dapat memberikan pemetaan kompetensi secara real-time yang melampaui kualifikasi statis dan mengidentifikasi celah keterampilan yang muncul sebelum menjadi hambatan karier. Misalnya, seorang CPA dengan pengetahuan dasar yang kuat mungkin menemukan melalui penilaian diagnostik bahwa mereka perlu pengembangan khusus pada alat peramalan berbasis AI agar tetap kompetitif dalam peran saat ini.

Penilaian ini perlu dilakukan secara rutin, tidak hanya dalam siklus tinjauan tahunan, sehingga profesional dapat memahami posisi kompetitif mereka secara real-time dan membuat investasi pembelajaran strategis sesuai kebutuhan.

 

Meskipun ini mungkin terdengar menantang sebagai titik awal, IMA melakukan survei terhadap ratusan pemberi kerja untuk menentukan kompetensi apa saja yang penting bagi profesional akuntansi dan keuangan yang siap menghadapi masa depan. Hasilnya disebut Competency Framework, yang menjadi panduan dalam pengembangan kredensial kami.

2. Pengembangan Keterampilan yang Terarah

Pelatihan berbasis keterampilan spesifik berfokus pada pendidikan yang memberikan dampak terbesar bagi individu maupun organisasi. Pendekatan ini memungkinkan profesional untuk meningkatkan kualifikasi yang sudah dimiliki dengan pengembangan intensif di bidang baru, sehingga kemampuan baru dapat langsung diterapkan sambil memanfaatkan pengetahuan dasar yang sudah ada.

Pendekatan ini juga menarik secara ekonomi bagi pembelajar dewasa maupun perusahaan, karena organisasi dapat berinvestasi dalam pengembangan karyawan secara lebih strategis, dengan fokus pada pemecahan masalah bisnis nyata daripada pelatihan umum. Strategi terarah ini juga mengurangi risiko bahwa investasi pelatihan menjadi usang sebelum sepenuhnya dimanfaatkan—hal yang semakin relevan di bidang yang berkembang cepat.

Sebagai contoh, seorang profesional keuangan dapat mengikuti pelatihan intensif mengenai teknik penganggaran berbasis AI, yang langsung diterapkan untuk menyelesaikan tantangan bisnis saat ini, sehingga menciptakan nilai instan sekaligus membangun kemampuan untuk masa depan.

3. Fokus pada keterampilan berkelanjutan

Meskipun penting untuk berinvestasi dalam pelatihan yang merespons teknologi dan metodologi yang sedang berkembang, penting juga untuk berinvestasi pada fondasi yang kemungkinan akan melampaui transformasi digital.

Keterampilan berkelanjutan adalah kemampuan unik manusia yang menjadi semakin penting seiring berkembangnya AI dan otomatisasi. Namun, banyak profesional keliru berasumsi bahwa mereka hanya perlu menjadi pakar teknis agar tetap relevan.

Pada kenyataannya, keterampilan yang paling berharga seringkali terletak pada penerapan penilaian yang baik terhadap rekomendasi AI, berkolaborasi secara efektif dalam tim AI-manusia, dan mensintesis beragam sumber data menjadi wawasan strategis. Kompetensi ini dapat ditransfer lintas pergeseran teknologi, memberikan ketahanan karier yang tidak dapat ditawarkan oleh keterampilan teknis saja.

Keterampilan berkelanjutan yang penting mencakup kemampuan untuk memahami kapan wawasan AI memerlukan interpretasi manusia, keterampilan dalam

mengomunikasikan rekomendasi yang berasal dari AI kepada para pemangku kepentingan yang mungkin skeptis terhadap analisis otomatis, dan kompetensi dalam merancang alur kerja AI-manusia yang mengoptimalkan efisiensi dan akurasi.

Meskipun keterampilan teknis mungkin memiliki siklus relevansi yang lebih pendek, kemampuan yang berpusat pada manusia ini tetap berharga justru karena mereka meningkatkan, alih-alih bersaing, kemampuan AI.

4. Jalur pembelajaran yang selaras dengan peran

Jalur pembelajaran yang selaras dengan peran menyatukan semuanya dengan menghubungkan pengembangan kompetensi dengan fungsi pekerjaan dan lintasan karier tertentu. Alih-alih pengembangan profesional yang seragam, jalur ini menyadari bahwa manajer utang usaha dan analis keuangan membutuhkan kompetensi yang berbeda, bahkan dalam organisasi yang sama.

Penyelarasan ini memastikan bahwa investasi pembelajaran berdampak langsung pada peningkatan kinerja kerja. Seorang analis keuangan mungkin berfokus pada visualisasi data yang disempurnakan dengan AI dan pemodelan prediktif, sementara seorang pengawas mungkin memprioritaskan aplikasi AI dalam pemantauan kepatuhan dan penilaian risiko. Keduanya mengembangkan keterampilan yang sedang berkembang, tetapi dengan cara yang secara langsung meningkatkan peran mereka saat ini sekaligus membangun peluang di masa depan.

Membangun kapasitas untuk relevansi berkelanjutan

Terlepas dari bagaimana organisasi memilih pendekatan peningkatan keterampilan tenaga kerja, satu hal yang selalu jelas: Perusahaan perlu menerapkan perubahan pola pikir. Organisasi perlu beralih ke kerangka kerja pengembangan berkelanjutan yang menyediakan waktu dan sumber daya untuk mendiagnosis dan mengembangkan.

This doesn’t mean professionals need to be constantly in formal training programs. Instead, it means building learning agility — the capacity to quickly identify, acquire and apply new competencies as business needs evolve. Organizations supporting this approach provide time and resources for diagnostic assessment, targeted skill development, and experimentation with new tools and approaches.

Seperti yang telah ditunjukkan AI kepada kita, intinya bukan mempelajari keterampilan baru sekali. Melainkan membangun kapasitas untuk relevansi berkelanjutan di dunia di mana definisi “berkualitas” terus berkembang, bukan setiap tahun. Di IMA, hal itu berarti membantu para profesional memimpin di bidang yang paling penting: pemikiran strategis, pengambilan keputusan, dan hasil nyata yang berdampak pada laba bersih.

 

Referensi:

  • Accounting Today. 2025. AT Think How AI is exposing the cracks in professional development. https://www.accountingtoday.com/opinion/the-great-reskilling-how-ai-is-exposing-the-cracks-in-professional-development