ETIKA AI DALAM MANAJEMEN TALENTA: ANALISIS BIAS ALGORITMA DALAM PROSES REKRUTMEN DAN PROMOSI

  • Muhammad Fadly STIE Pembangunan
  • Alda Resti STIE Pembangunan
  • Wanda Dwi Afriyanti STIE Pembangunan
  • Wina Afrida STIE Pembangunan
  • Satriadi Satriadi STIE Pembangunan

Abstract

Penelitian ini bertujuan untuk menganalisis secara sistematis literatur ilmiah terkini mengenai manifestasi, akar penyebab, serta dampak bias algoritmik dalam sistem AI yang digunakan dalam manajemen talenta, sekaligus mengidentifikasi celah penelitian dan mengusulkan arah kebijakan etis yang responsif. Metode yang digunakan mengacu pada protokol Systematic Literature Review (SLR) berdasarkan panduan PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses), dengan pencarian dilakukan pada basis data ilmiah terindeks Scopus, Web of Science, dan Google Scholar periode 2018–2025. Hasil kajian menunjukkan bahwa bias algoritmik dalam rekrutmen dan promosi umumnya bersumber dari data latih historis yang tidak netral, kurangnya transparansi model (black-box AI), serta ketiadaan mekanisme akuntabilitas yang memadai. Temuan juga mengungkap bahwa bias tersebut cenderung memperkuat ketimpangan struktural berbasis gender, ras, usia, dan latar belakang sosial. Novelty penelitian ini terletak pada integrasi perspektif manajemen sumber daya manusia dengan kerangka etika teknologi, khususnya dalam konteks organisasi di negara berkembang, serta pengusulan kerangka Ethical AI Governance for Talent Management yang menekankan prinsip fairness, explainability, dan human in the loop. Kontribusi ini diharapkan dapat memperkaya diskusi akademik sekaligus menjadi panduan praktis bagi organisasi dan pembuat kebijakan dalam menerapkan AI secara etis dan bertanggung jawab dalam tata kelola talenta.

Published
2026-01-25
How to Cite
FADLY, Muhammad et al. ETIKA AI DALAM MANAJEMEN TALENTA: ANALISIS BIAS ALGORITMA DALAM PROSES REKRUTMEN DAN PROMOSI. PROSIDING SEMINAR NASIONAL UNARS, [S.l.], v. 4, n. 1, p. 252-259, jan. 2026. Available at: <https://www.unars.ac.id/ojs/index.php/prosidingSDGs/article/view/7870>. Date accessed: 30 jan. 2026.