Kenapa Banyak Training AI di Perusahaan Gagal Berdampak

Ada satu pola yang saya lihat berulang kali waktu ngobrol sama perusahaan soal AI. Mereka cerita bangga sudah bikin "AI training" untuk tim. Saya tanya, "Setelah itu apa yang berubah di cara kerja sehari hari?" Biasanya hening sebentar, lalu jawabannya mengambang. Beberapa orang masih pakai, sisanya balik ke cara lama.

Yang menarik, ini bukan karena perusahaannya pelit atau timnya malas. Trainingnya beneran diadakan. Trainernya kompeten. Pesertanya hadir dan kelihatan antusias. Tapi tiga bulan kemudian dampaknya nyaris nol.

Di Latih AI, brand training korporat dari Infused, saya menghabiskan banyak waktu memikirkan kenapa ini terjadi. Dan setelah cukup banyak sesi, saya cukup yakin masalahnya bukan di kontennya. Masalahnya di bentuk trainingnya, dan di apa yang terjadi setelah trainingnya selesai.

Perusahaan Sudah Training, Tapi Skill Gap Tetap Menganga

Pertama, mari hancurkan asumsi bahwa "belum banyak yang training". Justru sebaliknya.

Menurut laporan State of Data and AI Literacy 2026 dari DataCamp, 82% pemimpin perusahaan bilang organisasinya sudah menyediakan semacam training AI. Tapi di laporan yang sama, 59% tetap melaporkan adanya AI skills gap di timnya. Jadi mayoritas sudah training, dan mayoritas tetap merasa timnya belum bisa.

Ini paradoks yang harus kita duduki sebentar. Kalau training memang menutup gap, kenapa angka yang training dan angka yang masih punya gap sama sama tinggi? Jawabannya: sebagian besar training yang diberikan bentuknya salah. Ada training, tapi tidak ada perubahan kemampuan.

BCG di survei AI at Work 2025 menemukan hal yang senada dari sisi peserta. Cuma 36% karyawan yang merasa training yang mereka terima sudah cukup. Bahkan 18% pengguna AI reguler mengaku tidak pernah dapat training sama sekali, mereka belajar sendiri. Jadi gap itu nyata, dan training yang ada sering tidak terasa nyambung dengan pekerjaan orang.

Realitanya: Orang Lupa 90% Materi dalam Seminggu

Ini akar masalahnya, dan ini bukan opini saya, ini sudah lama diketahui di dunia learning.

Kurva lupa Ebbinghaus, yang sudah dikonfirmasi banyak studi pelatihan korporat, menunjukkan orang melupakan sekitar 70% informasi baru dalam 24 jam, dan sampai 90% dalam seminggu kalau tidak ada penguatan ulang. Studi Research Institute of America yang sering dikutip menemukan peserta cuma mengingat 10 sampai 20% materi training tradisional setelah tiga bulan.

Sekarang bayangkan model training AI yang paling umum: workshop sehari, ruang penuh, slide banyak, demo tool yang keren, semua orang pulang merasa termotivasi. Senin pagi mereka kembali ke inbox yang menumpuk dan deadline yang sama. Tidak ada waktu, tidak ada pengingat, tidak ada kasus nyata yang langsung dikerjakan. Kurva lupa langsung bekerja.

Artinya apa? Workshop sehari itu bukan sedang mengajari orang skill baru. Dia sedang memberi orang pengalaman menyenangkan selama beberapa jam, yang menguap sebelum sempat jadi kebiasaan. Uang trainingnya keluar, tapi yang dibeli cuma kenangan, bukan kemampuan.

Kita Mengukur Hal yang Salah

Di sinilah paradoksnya makin dalam. Kebanyakan perusahaan mengukur sukses training dari lembar evaluasi di akhir sesi. Peserta senang? Materinya jelas? Trainernya asik? Kalau skornya tinggi, training dianggap sukses.

Masalahnya, kepuasan peserta hampir tidak memprediksi apakah orang akan benar benar mengubah cara kerjanya. Dalam kerangka evaluasi Kirkpatrick yang jadi standar di dunia L&D, "reaction" alias kepuasan itu cuma Level 1, dan Level 1 secara eksplisit tidak membuktikan ada perubahan perilaku atau dampak bisnis. Orang bisa sangat menikmati sebuah workshop dan tetap tidak menerapkan apa apa.

Jadi waktu sebuah perusahaan bilang trainingnya "berhasil" karena ratingnya bagus, mereka sebenarnya sedang mengukur hiburan, bukan kapabilitas. Yang seharusnya ditanya bukan "pesertanya suka nggak", tapi "tiga minggu lagi, ada pekerjaan nyata yang dikerjakan beda nggak gara gara ini".

Kenapa Ini Sejalan dengan Kegagalan AI di Perusahaan Secara Umum

Pola ini bukan cuma soal training. Dia bagian dari masalah adopsi AI yang lebih besar.

Riset MIT yang banyak dibahas tahun lalu, State of AI in Business 2025, menemukan sekitar 95% pilot generative AI di perusahaan gagal memberikan ROI yang jelas. Yang menarik, penulis utamanya menegaskan penyebabnya bukan kualitas modelnya. Penyebabnya adalah "learning gap", jarak antara tool dan cara kerja organisasi sebenarnya. AI nya pintar, tapi orang dan prosesnya tidak diubah untuk memanfaatkannya.

Training yang gagal berdampak adalah versi mikro dari kegagalan yang sama. Kamu kasih orang akses ke kemampuan baru, tapi tidak mengubah workflow tempat kemampuan itu harus hidup. Tool dan manusianya jalan sendiri sendiri, tidak pernah ketemu di pekerjaan nyata.

Di Indonesia datanya bahkan lebih tajam soal jurang ini. Survei Hopes and Fears PwC 2025 menemukan 69% pekerja Indonesia sudah pernah pakai AI untuk perannya dalam setahun terakhir, tapi cuma 16% yang memakainya harian. Dan beda hasilnya jauh: di kalangan pengguna harian, 96% melaporkan produktivitas naik. Mayoritas orang sudah "kenal" AI. Sangat sedikit yang sampai ke titik di mana AI jadi bagian rutin pekerjaan. Training yang baik tugasnya menutup jarak itu, bukan sekadar memperkenalkan tool sekali.

Yang Bikin Training Sebenarnya Nempel

Kalau saya rangkum dari kegagalan kegagalan yang saya amati, ada beberapa hal yang konsisten membedakan training yang nempel dari yang menguap.

Pertama, training harus berangkat dari workflow nyata orangnya, bukan dari tool. Tim finance dan tim marketing punya pekerjaan beda, jadi tidak masuk akal kalau materinya sama. Yang relevan dengan pekerjaan jauh lebih mungkin diterapkan, ini juga yang ditekankan versi baru model Kirkpatrick: relevansi memprediksi perubahan perilaku lebih kuat daripada kepuasan.

Kedua, harus banyak praktik, bukan banyak nonton. Di sesi kami porsinya sekitar 70% hands-on, peserta mengerjakan tugas mereka sendiri pakai AI, bukan menonton saya mengerjakan tugas contoh. Orang belajar skill dengan melakukan, bukan dengan menyaksikan.

Ketiga, harus ada kelanjutan setelah hari H. BCG menemukan orang yang dapat lebih dari lima jam training jauh lebih mungkin jadi pengguna AI reguler dibanding yang dapat kurang dari itu. Bukan sulap, ini konsisten dengan kurva lupa: tanpa pengulangan dan penerapan berjarak, materi hilang. Satu sesi tidak akan pernah cukup.

Keempat, dosis kecil yang dipraktikkan kalah sama hari penuh yang dilupakan. Lebih baik orang menguasai dua atau tiga use case yang benar benar relevan dan langsung dipakai, daripada dikenalkan ke dua puluh fitur yang semuanya lupa.

Bottom Line

Training AI yang gagal berdampak hampir tidak pernah gagal karena materinya jelek atau pesertanya bodoh. Dia gagal karena dirancang sebagai acara, bukan sebagai perubahan cara kerja. Workshop sehari yang seru, evaluasi yang bagus, lalu semua orang balik ke rutinitas lama Senin pagi.

Pertanyaan yang benar bukan "tim kita sudah pernah training AI atau belum". Mayoritas perusahaan sudah, dan gap nya tetap ada. Pertanyaannya: setelah training, ada pekerjaan nyata yang sekarang dikerjakan lebih baik, dan apakah ada yang memastikan kebiasaan itu bertahan. Kalau jawabannya tidak, yang kamu beli kemarin bukan kapabilitas. Cuma satu hari yang menyenangkan.

Di tulisan berikutnya saya akan bahas kebalikannya: seperti apa program upskilling AI yang benar benar jalan, dari pengalaman merancang dan menjalankannya.

Catatan: tulisan ini saya susun dengan bantuan AI untuk riset dan draf, lalu saya periksa dan tulis ulang sebagai pemikiran saya sendiri. Datanya dari laporan DataCamp State of Data and AI Literacy 2026, BCG AI at Work 2025, MIT State of AI in Business 2025, survei PwC Hopes and Fears 2025, riset kurva lupa Ebbinghaus, dan model evaluasi Kirkpatrick. Silakan cek sumbernya kalau mau menggali lebih dalam.