Jika kekuasaan tidak lagi hanya melihat jabatan, bagaimana kita menilai siapa yang lebih layak didengar?

Enam orang duduk di ruang rapat.

Seorang VP.

Seorang insinyur senior yang sudah dua puluh tahun mengerjakan ini.

Seorang insinyur AI muda yang baru dua tahun di perusahaan.

Seorang kepala penjualan.

Seorang kepala keuangan.

Dan seorang manajer produk.

Mereka harus memutuskan sesuatu yang sangat konkret:

sebuah proyek penting — dilanjutkan atau tidak?

Uangnya sudah keluar. Waktunya sudah lewat. Di luar ada saingan. Di dalam ada risiko.

Lalu muncul pertanyaan yang kelihatan sederhana:

Dari enam orang ini, kata siapa yang harus lebih berat?

Perusahaan tradisional punya jawaban yang sangat murah.

Lihat Title-nya.

Kata VP paling berat. Lalu senioritas. Lalu orang yang memegang bisnis. Orang yang masuk dua tahun lalu biasanya duduk di belakang.

Mengapa?

Karena itu paling sedikit merepotkan. Bagan organisasi sudah digambar. Siapa yang duduk lebih tinggi sudah memegang lebih banyak kekuasaan.

Esai sebelumnya sudah bertanya mengapa kekuasaan perusahaan, untuk waktu yang lama, harus milik jabatan.

Buka pintu itu, dan pertanyaan berikutnya langsung masuk.

Baik.

Jika Title tidak seharusnya selamanya menentukan siapa yang punya kata terakhir —

lalu siapa yang sebenarnya harus kita dengar?

Jawaban yang paling alami mungkin: dengar para ahli. Dengar orang yang paling paham.

Kedengarannya jauh lebih masuk akal daripada mendengar jabatan tertinggi.

Tetapi cukup tanya satu lagi:

Siapa yang mendefinisikan ahli?

Masalahnya langsung kusut lagi. Dua puluh tahun di pekerjaan? Berapa banyak proyek? Gelar dari sekolah elit? Nilai kinerja tahun lalu? Berapa kali pernah menang? Atau biarkan AI menghitung skor tiap orang dari data historis?

Insinyur senior akan merasa: akulah yang paling banyak melihat kegagalan.

Insinyur muda akan merasa: akulah yang paling dekat dengan teknologi terbaru.

Penjualan akan berkata: hanya saya yang tahu apa yang benar-benar dipikirkan pelanggan.

Keuangan akan berkata: kalian semua sedang bercerita. Pada akhirnya angkanya yang bicara.

Manajer produk akan yakin: sayalah yang paling tahu mengapa pengguna membayar.

VP juga punya alasan: saya melihat seluruh perusahaan, bukan satu masalah lokal.

Masing-masing bisa membuktikan dirinyalah orang di ruangan itu yang paling layak didengar.

Jadi “dengar para ahli” tidak benar-benar menyelesaikan masalah. Ia hanya menukar Title dengan identitas lain — senioritas, riwayat kerja, gelar, hasil masa lalu. Tetap identitas.

Hanya baju lain.

Lalu mudah sekali melangkah satu lagi. Orang itu bias. Biarkan sistem yang menghitung.

Jason: 87.4.

Alice: 76.2.

Bob: 61.8.

Siapa skornya lebih tinggi, katanya lebih berat. Siapa skornya lebih rendah, mendengar dulu.

Kelihatannya ilmiah. Bahkan kelihatannya jauh lebih adil daripada Title, karena ia tidak lagi bertanya apakah Anda VP. Ia bertanya: bagaimana Anda benar-benar tampil?

Itu juga masalahnya.

Jika kita cukup jujur, kita akan melihat: tukar Title dengan Score, dan kita mungkin tidak mengubah apa pun.

Dulu: VP > Director > Manager.

Kemudian: 92 > 84 > 71.

Hierarkinya tetap di situ. Ia hanya pindah dari kartu nama ke basis data.

Bahkan mungkin lebih berbahaya. Sistem jabatan yang lama setidaknya mengakui: ini kekuasaan. Skor algoritmik memakai mantel yang lebih cantik.

Ini bukan kekuasaan.

Ini sains.

Begitu sistem menulis seseorang sebagai 61.8, ia mungkin sudah masuk ruangan sedikit lebih pendek — padahal pertanyaan hari ini justru yang paling ia pahami.

Jadi saya makin yakin pertanyaan yang seharusnya kita ajukan bukan: apakah orang ini penilainya kuat?

Melainkan: pada masalah konkret hari ini, mengapa penilaian ini layak didengar dengan serius?

Dua pertanyaan itu berjarak sangat jauh. Yang pertama memberi skor pada orang. Yang kedua menilai penilaian kali ini.

Seseorang bisa sangat jitu menilai mengapa suatu produk akan gagal, dan tetap tidak tahu apakah konsumen akan menyukai rasa baru. Ia bisa membaca risiko cetakan pemasok dengan sangat akurat, dan soal ekonomi makro ia mungkin hanya membaca berita. Ia bisa sangat mahir pada pilihan teknik, dan pada kebijakan regulasi ia sama-sama hanya menebak.

Seseorang tidak seharusnya membawa Judgment Score yang berlaku di mana-mana, seperti skor kredit, ke setiap masalah yang ia masuki.

Itu juga prinsip yang menurut saya akan sangat dibutuhkan perusahaan masa depan:

Nilai penilaian kali ini. Jangan beri orang skor total.

Score predictions, not people.

Lalu apa artinya “menilai sebuah penilaian”?

Mulai dari perubahan yang sangat sederhana. Jangan hanya bertanya kepada perusahaan: apakah proyek ini akan berhasil?

Pertanyaan itu terlalu mudah untuk pura-pura tahu. Ya. Tidak. Tergantung. Siapa pun bisa mengatakannya.

Tanya dengan cara lain: berapa probabilitas proyek ini berhasil diluncurkan sebelum 1 Desember?

Alice: 70%.

Bob: 40%.

Jason: 55%.

Tiba-tiba ketiga penilaian itu bisa dicatat. Yang patut dilihat bukan lagi siapa yang bicara lebih meyakinkan, atau siapa yang memegang jabatan lebih tinggi. Melainkan ini:

Ketika Alice bilang 70%, apakah hal semacam ini kemudian terjadi kira-kira tujuh dari sepuluh kali?

Ketika Bob terus bilang 40%, apakah ia benar-benar melihat risikonya lebih dulu daripada yang lain — atau ia hanya pesimis karena kebiasaan?

Itu konsep yang sangat penting dalam riset prediksi: Calibration, kalibrasi.

Ia tidak sedang bertanya apakah Anda cerdas. Ia bertanya: apakah tingkat keyakinan yang Anda klaim cocok dengan apa yang kemudian terjadi?

Menebak benar tiga kali berturut-turut mungkin hanya keberuntungan. Tetapi jika seseorang sudah membuat banyak penilaian serupa, dan hal yang ia sebut 70% dalam jangka panjang memang terjadi kira-kira tujuh dari sepuluh kali, dan hal yang ia sebut 40% terjadi kira-kira empat dari sepuluh kali — itu mulai tidak seperti menabrak keberuntungan. Ia lebih dekat pada kemampuan menilai yang sudah teruji.

Tetapi perhatikan. Ini tetap tidak berarti Alice adalah orang 87 poin. Ia hanya berarti: pada kelas masalah ini, prediksi Alice patut dilihat lebih serius.

Masalah yang benar-benar dihadapi perusahaan jarang sebersih itu. Banyak keputusan baru ketahuan hasilnya setahun kemudian. Beberapa tidak pernah mendapat “benar” atau “salah” yang jelas. Ada juga masalah yang manusia belum pernah temui.

Jadi jika seseorang memberitahu Anda bahwa kita sudah bisa menghitung kemampuan menilai setiap karyawan dengan presisi, saya justru jadi lebih waspada. Sistem yang jujur sering tidak menyerahkan skor yang cantik. Ia akan terus menanyakan beberapa hal yang sangat biasa.

Berapa banyak masalah serupa yang benar-benar pernah ditangani orang ini? Bukan: berapa tahun ia di perusahaan. Melainkan: pernahkah ia menangani kecelakaan pemasok yang serupa? Risiko regulasi yang serupa? Peluncuran produk yang serupa?

Dan dari mana penilaian itu datang? Data yang diukur langsung? Catatan sistem? Kasus yang terus kembali? Pengalaman tangan pertama? Cerita orang lain? Atau intuisi yang hampir tidak bisa ia jelaskan, terbentuk hanya setelah mengerjakan hal yang sama berkali-kali?

Saya rasa satu poin di sini sangat penting. Intuisi tidak boleh otomatis diperlakukan sebagai bukti berkualitas rendah. Orang yang benar-benar sudah puluhan tahun mengerjakan ini membentuk semacam penilaian yang sangat sulit dimasukkan ke slide. Ia tidak bisa menulis rumus lengkapnya. Ia hanya merasa: baunya tidak pas.

Itu juga harus masuk ke sistem. Sistem hanya perlu tahu jenis bukti apa yang menopang penilaian kali ini — bukan berpura-pura, supaya kelihatan ilmiah, bahwa setiap penilaian adalah barang yang sama.

Ada masalah yang lebih praktis lagi.

Kalimat ini, sungguhkah penilaiannya sendiri?

Andaikan VP membuka: secara pribadi saya kira proyek ini paling tidak punya 80% peluang berhasil.

Lalu lima orang lain mulai bicara.

82%.

75%.

78%.

80%.

85%.

Apakah itu benar-benar enam penilaian?

Belum tentu. Bisa jadi hanya satu penilaian, plus lima gema.

Jadi saya rasa keputusan yang benar-benar penting di masa depan barangkali harus dimulai dengan sesuatu yang banyak perusahaan belum terbiasa lakukan.

Jangan bicara dulu. Masing-masing menulis penilaiannya sendiri. Kunci. Baru kemudian berdiskusi. Tukar bukti. Dengar sanggahan. Baru izinkan revisi.

Perusahaan bisa meninggalkan empat hal: penilaian awal, bukti baru, penilaian yang sudah diubah, dan hasil akhirnya.

Jika semuanya tidak tertinggal, yang diingat perusahaan beberapa tahun kemudian biasanya hanya apa yang dikatakan orang paling berkuasa di ruangan itu saat itu.

Dan ada satu hal lain di rapat yang sangat mudah dihapus.

Pendapat minoritas.

Andaikan enam orang menilai probabilitas proyek itu berhasil. Lima di antaranya bilang:

75%.

78%.

80%.

72%.

77%.

Alice bilang:

30%.

Apa yang kemungkinan terjadi di rapat tradisional? Lima orang kira-kira selaras. Alice lebih konservatif. Lanjutkan.

Jika kita biarkan AI menghitung rata-rata tertimbang yang sederhana, keadaannya mungkin tidak jauh lebih baik. Yang muncul: 68.7%. Kelihatannya sangat presisi. Orang bahkan bisa merasa sistem sudah menghitungnya selesai.

Padahal yang berharga justru mungkin tercuci oleh rata-rata itu.

Karena AI masih bisa melihat lebih jauh. Alice sudah menangani lima kegagalan yang sangat mirip. Pada kelas masalah ini, prediksinya di masa lalu bukan teriakan acak. Ia memberi 30% sebelum mendengar jawaban orang lain. Dan ia menunjuk risiko regulasi yang tidak disebut lima orang lainnya.

Pada titik itu, keluaran AI yang berharga seharusnya bukan hanya Final Probability: 68.7%. Melainkan: di sini ada perbedaan yang patut dibuka lagi.

Itu prinsip yang menurut saya akan sangat dibutuhkan sistem penilaian masa depan. Tujuan agregasi bukan hanya merata-ratakan pendapat menjadi satu angka. Yang penting adalah memunculkan perbedaan yang patut dilihat.

Di mana orang benar-benar sepakat? Apa perbedaan yang sesungguhnya? Adakah pendapat minoritas yang duduk di atas pengalaman atau bukti yang tidak dimiliki yang lain? Pengalaman siapa yang benar-benar relevan dengan masalah hari ini? Dan apa yang pada faktanya tidak kita ketahui?

Pertanyaan-pertanyaan itu sering lebih berharga daripada skor total yang misterius. Karena yang seharusnya ditakuti perusahaan bukan pernah ada orang di ruangan yang tidak setuju.

Melainkan: “yang berbeda” yang paling layak didengar dirata-ratakan, dilicinkan kesopanan, dan ditutup jabatan — dengan ringan.

Di sini kita harus menarik garis yang sangat jelas.

Meski prediksi Alice layak diberi bobot yang serius, itu tidak berarti Alice otomatis memegang keputusan terakhir.

Prediction bukan Decision.

Prediksi bertanya: apa yang paling mungkin terjadi? Keputusan bertanya: setelah mengetahui kemungkinan itu, apa yang sebenarnya kita kerjakan?

Banyak hal duduk di antaranya. Strategi. Selera risiko. Hukum. Nilai. Kas. Biaya peluang. Dan yang paling penting: jika ini salah, siapa yang menanggung akibatnya?

Sebuah tim bisa menilai dengan benar bahwa peluang peluncuran tepat waktu hanya 32%. Itu tidak otomatis berarti: batalkan. Perusahaan mungkin ingin membeli 32% itu. Itu mungkin satu-satunya jendela yang masih terbuka. Tidak mengerjakannya mungkin lebih mahal. Perusahaan bahkan bisa tahu tingkat keberhasilannya rendah, dan secara strategi tetap harus mengerjakannya.

Jadi sistem penilaian bisa memengaruhi kekuasaan. Ia tidak boleh otomatis menjadi kekuasaan.

Mengetahui apa yang mungkin terjadi, dan memutuskan masa depan mana yang bersedia kita tanggung, tetap dua perkara yang berbeda.

Jika esai berhenti di sini, sistemnya mungkin sudah terdengar indah.

Tentu tidak sesederhana itu. Ia sendiri juga bisa sakit.

Tebasan pertama mendarat pada pendatang baru.

Andaikan penilaian historis mulai memengaruhi apakah seseorang layak didengar sekarang. Bagaimana dengan orang yang baru bergabung? Ia tidak punya rekam. Tidak punya sejarah. Sistem tidak tahu apakah ia andal.

Di sini harus ada prinsip yang sangat penting:

Unknown bukan Bad.

Tidak ada sejarah tidak berarti kemampuan rendah. Organisasi nyata mudah sekali membuat kesalahan ini. Tidak ada rekam dijadikan skor rendah, karena kolom kosong paling tidak memberi rasa aman pada pimpinan. Orang muda, atau siapa pun yang baru, lalu duduk di belakang secara alami — bukan karena ia salah, melainkan karena sistem belum melihatnya.

Masa depan mungkin membiarkan pendatang baru lebih dulu membangun rekam penilaian pada masalah berisiko rendah dengan umpan balik cepat. Mungkin membiarkan mereka membuat prediksi bayangan: tinggalkan penilaiannya, tetapi jangan dulu memengaruhi keputusan formal. Hal-hal itu masih bisa dirancang.

Itu belum jawabannya. Esai ini hanya perlu menahan satu gerakan:

Jangan pernah menulis “belum terverifikasi” sebagai “tidak layak didengar.”

Tebasan kedua adalah gaming.

Begitu rekam penilaian mulai memengaruhi pengaruh seseorang, orang akan mulai menggarap rekam itu. Itu watak manusia.

Ia akan memilih soal yang mudah diprediksi. Menghindari keputusan dengan ketidakpastian yang nyata. Mengumpulkan sedikit lebih lambat. Melihat dulu apa yang dipikirkan orang lain. Menyembunyikan seberapa tidak pastinya ia. Setelah fakta, menafsir ulang apa yang ia maksud. Membuat skornya kelihatan bagus, alih-alih membuat perusahaannya lebih baik.

Itu tidak harus karena karyawannya jahat. Melainkan karena sistem mulai membagi imbalan. Begitu sebuah metrik pindah dari “membantu memahami” menjadi “menentukan nasib”, orang mulai hidup mengelilingi metrik itu.

Jadi pembedaan ini harus tetap ada:

Measurement.

Dan:

Governance.

Anda boleh mencatat prediksi seseorang. Itu tidak berarti Anda sudah berhak memutuskan nasib kariernya dari rekam itu.

Anda bisa merancang beberapa pelindung. Kunci dulu penilaian awal. Lihat bidang yang berbeda secara terpisah. Biarkan rekam lama kehilangan bobot. Izinkan tantangan. Bedakan orang yang berani menyentuh soal sulit dari orang yang hanya memerah soal mudah untuk menggarap skor.

Semua itu tidak mematikan gaming. Ia hanya membuat gaming lebih sulit. Sistem mana pun yang memberitahu Anda bahwa ia sudah tuntas menyelesaikan soal karyawan yang menggarap skor justru yang paling patut diwaspadai.

Tebasan ketiga mungkin yang paling berbahaya.

Andaikan Alice memang akurat untuk waktu yang lama. Jadi organisasi makin rela mendengarnya. Makin rela mendengar, makin mudah ia masuk ke proyek yang lebih penting. Proyek yang lebih penting membawa lebih banyak informasi, sumber daya, dan pengalaman. Lalu rekamnya terus menguat.

Apa yang terjadi pada akhirnya?

Kita mungkin baru saja membuat ulang seorang VP yang permanen. Hanya kali ini Title-nya hilang, dan hierarkinya tinggal di basis data.

Itulah hasil yang menurut saya harus dicegah seluruh sistem penilaian. Kita tidak boleh menyingkirkan VP yang permanen, lalu membuat lagi VP yang permanen di dalam basis data.

Orang yang sudah mendapat pengakuan memang lebih mudah terus mendapatkannya. Itu bukan fenomena baru. Begitu di perusahaan. Begitu di akademia. Begitu juga di platform sosial.

Jadi jika sesuatu yang disebut “bobot penilaian” benar-benar ada, ia setidaknya harus: tentang masalah ini, tentang bidang ini, bisa kedaluwarsa, bisa ditantang, dan bisa mengakui: kali ini, saya tidak tahu.

Ia sama sekali tidak boleh menjadi identitas permanen yang baru.

Lalu ada tebasan keempat. Di era AI, ini tebasan yang sangat merepotkan.

Masalah baru.

Kalibrasi historis paling mudah gagal justru ketika perusahaan paling membutuhkan penilaian: hal yang belum pernah dilihat siapa pun. Era AI akan menghasilkan lebih banyak soal seperti ini. Tiga tahun lalu belum ada. Rekam masa lalu tidak bisa dibandingkan. Pemenang lama belum tentu masih akurat.

Pada titik itu sistem harus berani berkata: We don’t know.

Ia tidak boleh membuat otoritas hanya karena sejarahnya kosong. Ia tidak boleh menganggap, karena Alice sangat akurat pada masalah lama, ia tetap harus paling berat pada masalah yang sama sekali baru.

Kadang bobot yang paling jujur adalah: kali ini, tidak ada yang punya hak istimewa.

Lalu apa yang seharusnya dilakukan AI di sini?

Sekarang saya justru merasa jawabannya makin jernih. Pertama, apa yang tidak boleh dilakukannya.

AI tidak boleh menjadi Management God. Ia tidak boleh memberitahu perusahaan bahwa Alice harus mendapat 37% kekuasaan. Kekuasaan tidak dihitung seperti itu.

Yang benar-benar cocok dikerjakan AI justru sangat konkret. Mencari keputusan masa lalu yang sungguh serupa. Melihat sejarah penilaian probabilitas orang yang berbeda. Menemukan bukti yang saling bertentangan. Menandai pendapat yang pada faktanya hanya salinan satu sama lain. Menandai pendapat minoritas. Menyimpan penilaian awal dan revisinya kemudian. Menunjuk bukti apa yang masih absen. Membersihkan konteks keputusan yang rumit.

Dengan kata lain, pekerjaan AI yang paling penting belum tentu membantu perusahaan memutuskan secara langsung. Ia mungkin lebih dulu membantu perusahaan memutuskan ke mana harus melihat dengan saksama sekarang. Siapa yang patut didengar satu kalimat lagi. Risiko mana yang tidak boleh diloloskan. Bukti mana yang belum masuk ke ruangan.

Itu pembedaan yang saya sukai. AI bisa membantu membagi perhatian. Ia tidak boleh otomatis membagi kedaulatan.

AI bisa membantu kekuasaan menemukan penilaian yang lebih baik. Kekuasaan formal yang terakhir tetap harus jatuh pada orang dan aturan yang bisa dijelaskan, bisa ditantang, dan bisa dimintai tanggung jawab.

Kalau tidak, kita hanya mengganti satu jenis penilaian yang dioutsourcing dengan yang lain: serahkan penilaiannya pada model, dan tinggalkan tanggung jawabnya pada udara.

Setelah putaran riset pertama sampai di sini, saya rasa lima prinsip masih berdiri, untuk sementara.

Mereka bukan hukum. Mereka bukan kebenaran yang sudah dibuktikan Future Lab. Hanya, sampai sekarang, kami sendiri belum menembusnya.

Pertama:

Nilai penilaian kali ini. Jangan beri orang skor total.

Score predictions, not people.

Kedua:

Beri bobot pada pendapat kali ini. Jangan beri bobot permanen pada identitas.

Weight judgments, not identities.

Ketiga:

Catat kontribusinya. Jangan beri peringkat pada nilai seorang manusia.

Record contribution, don’t rank human worth.

Keempat:

Munculkan perbedaan yang patut dilihat. Jangan rata-ratakan sampai hilang.

Surface disagreement, don’t average it away.

Kelima:

Biarkan AI membantu kekuasaan menemukan penilaian yang lebih baik. Jangan biarkan AI sendiri menjadi sumber kekuasaan.

Let AI inform authority, never automatically become authority.

Yang paling mudah dikerjakan salah justru yang pertama. Menilai penilaian terlalu gampang tergelincir menjadi: menilai orang. Sistem akan ingin papan peringkat. Pimpinan akan ingin daftar. Karyawan akan ingin angka yang bisa mereka garap.

Pada akhirnya, prediksi kembali menjadi identitas.

Jadi esai ini masih belum menyelesaikan perusahaan masa depan. Ia hanya menjawab pertanyaan yang ditinggalkan esai sebelumnya.

Jika Title tidak seharusnya selamanya menentukan siapa yang punya kata terakhir, kita barangkali tidak seharusnya langsung mencari cara lain untuk memberi peringkat pada orang.

Yang seharusnya dikerjakan lebih dulu adalah belajar menilai: pada masalah konkret hari ini, penilaian yang mana, dan mengapa, yang layak kita dengar dengan serius?

Tetapi begitu kita mulai mencatat penilaian-penilaian itu, pintu berikutnya langsung muncul.

Andaikan kita benar-benar ingin tahu informasi apa yang dipegang orang ini saat itu. Apa yang ia yakini. Probabilitas apa yang ia berikan. Mengapa ia menilai begitu. Apakah ia kemudian mengubah pandangan karena bukti baru. Dan apa yang akhirnya terjadi.

Maka perusahaan harus menyelesaikan masalah lain: bagaimana seharusnya sebuah perusahaan mengingat suatu keputusan?

Begitu hasilnya keluar, ingatan mulai diam-diam menulis ulang sejarah. Pada proyek yang berhasil, semua orang ingat mereka mendukung. Pada yang gagal, semua orang ingat mereka “sudah punya keberatan sejak awal.”

Jika rekam penilaian seseorang benar-benar akan memengaruhi siapa yang lebih layak didengar, organisasi harus meninggalkan penilaian saat itu sebelum hasilnya muncul.