Wawancara
Corey Spencer, GM dan GVP AI di UKG – Seri Wawancara

Poin utamaPekerjaan lini depan adalah mesin ekonomi dan peluang AI terbesar yang terabaikan.
Lihat selengkapnya
- Pekerjaan lini depan adalah mesin ekonomi dan peluang AI terbesar yang terabaikan.
- AI lini depan harus bertindak secara real time dalam batasan operasional, bukan sekadar merangkum informasi.
- AI agentik yang tepercaya memerlukan konteks, kendali, dan akuntabilitas dengan manusia tetap dalam prosesnya.
Corey Spencer adalah Group Vice President dan General Manager Product Management untuk AI & Platform di UKG. Ia memimpin strategi produk dan inovasi dalam AI, platform, dan intelijen tenaga kerja, membantu organisasi mengubah data tenaga kerja menjadi wawasan yang dapat ditindaklanjuti. Dengan pengalaman lebih dari 20 tahun, Spencer dikenal sebagai pemikir tentang masa depan AI dan penerapannya pada pekerjaan garis depan.
UKG adalah penyedia global perangkat lunak manajemen modal manusia, penggajian, dan manajemen tenaga kerja. Platformnya menggabungkan SDM, penggajian, penjadwalan, waktu dan kehadiran, kepatuhan, analitik, serta wawasan tenaga kerja berbasis AI. Dengan pengalaman 50 tahun, UKG mendukung lebih dari 80.000 organisasi di 150 negara dan puluhan juta orang menggunakan solusinya setiap hari.
Anda telah lebih dari dua dekade membantu perusahaan memahami data pelanggan, analitik, dan tenaga kerja di Adobe (ADBE ), Alteryx, dan UKG. Mengapa pekerja garis depan merupakan peluang AI yang penting tetapi terabaikan?
Alasannya sederhana: garis depan adalah tempat ekonomi benar-benar berjalan. AI telah maju pesat dalam pekerjaan pengetahuan, tetapi bagian tenaga kerja terbesar dan paling dinamis kurang terlayani. Pekerja garis depan mencakup hingga 80% tenaga kerja global dan menjalankan kesehatan, ritel, manufaktur, logistik, perhotelan, dan layanan publik.
Bagi banyak perusahaan, garis depan juga merupakan bagian besar dari laba-rugi: biaya tenaga kerja, pengalaman pelanggan, kepatuhan, keselamatan, kualitas layanan, dan keterlibatan bertemu di sana. Namun ini salah satu bagian perusahaan yang paling sedikit dioptimalkan, bukan karena sederhana, melainkan sangat rumit.
Pekerjaan direncanakan mingguan atau bulanan tetapi berubah setiap menit: orang absen, permintaan melonjak, beban pasien berubah, kiriman terlambat, dan aturan berbeda menurut peran, lokasi, sertifikasi, atau jam kerja. Sistem lama mencatat yang sudah terjadi; garis depan memerlukan teknologi yang membantu bertindak selagi keputusan masih berarti.
AI agentik dapat memahami konteks, niat, dan batasan lalu mengoordinasikan tindakan pada jadwal, waktu, gaji, SDM, dan operasi dengan manusia tetap mengendalikan. Peluangnya adalah menutup jarak antara perencanaan dan pelaksanaan, memberi pengalaman lebih baik, mendukung manajer dalam skala besar, dan meningkatkan kecepatan, ketepatan, serta kepercayaan. Ini bukan hanya produktivitas, melainkan eksekusi.
Mengapa industri begitu lama meremehkan kompleksitas dan pentingnya lingkungan garis depan?
Lebih mudah membangun AI untuk pekerjaan yang sudah digital. Pekerjaan kantor berlangsung dalam dokumen, email, rapat, kalender, dan alat kolaborasi. Garis depan bersifat fisik, tersebar, sangat diatur, peka waktu, dan terus berubah, meski mencakup mayoritas tenaga kerja.
Kompleksitas juga terletak pada data: jadwal, mesin absensi, catatan jam, aturan gaji, sertifikasi, perkiraan tenaga kerja, ketidakhadiran, sinyal permintaan, kepatuhan, keputusan manajer, preferensi karyawan, dan perubahan operasional di ribuan lokasi. Semua bergerak dan bergantung pada peran, lokasi, keterampilan, kebijakan, regulasi, permintaan, dan waktu. UKG memiliki keunggulan pengalaman puluhan tahun di sini.
Saat banyak organisasi memahami apa yang terjadi, kesempatan memengaruhi hasil sudah lewat. Kekurangan staf, risiko lembur, masalah kepatuhan, pengecualian penggajian, atau celah cakupan penting ketika masih bisa ditindaklanjuti, bukan seminggu kemudian.
Karena itu AI garis depan tidak cukup merangkum atau membuat konten. Ia harus memahami konteks operasional, menafsirkan sinyal yang bising, dan membantu tindakan real time. UKG Workforce Intelligence Hub bertujuan mengubah sistem pencatatan menjadi sistem tindakan dengan keputusan lebih baik, eksekusi lebih cepat, dan hasil tepercaya.
Perangkat lunak lama dibangun untuk meja, dokumen, rapat, dan pekerjaan pengetahuan. Apa yang berbeda pada pekerjaan garis depan?
Pegawai ritel, perawat, teknisi manufaktur, pekerja gudang, dan manajer hotel sama-sama garis depan tetapi lingkungannya berbeda. Ritel menyesuaikan tenaga kerja terhadap lalu lintas, promosi, cuaca, dan acara; kesehatan membutuhkan orang bersertifikat yang tepat di unit yang tepat; manufaktur menyeimbangkan keterampilan, keselamatan, lembur, produksi, dan aturan kerja.
Rencana Senin bisa salah pada Rabu; jadwal pukul delapan bisa rusak sebelum tengah hari. Sistem lama hanya melaporkan sesudah kejadian. AI agentik dapat memahami konteks, aturan, dan batasan lalu membantu tindakan dalam jadwal, pencatatan waktu, gaji, SDM, dan operasi.
Tujuannya bukan membuat garis depan menyerupai kantor, melainkan teknologi yang menghormati cara kerja nyata dan membantu keputusan real time.
Apa perbedaan teknis dan operasional terbesar antara AI untuk pekerja garis depan dan kopilot pekerja meja?
AI garis depan tidak bisa hanya hidup dalam dokumen, kotak masuk, atau chat. Ia harus berada dalam alur kerja dan memahami siapa yang bekerja, siapa yang memenuhi syarat dan tersedia, bagaimana permintaan berubah, aturan apa berlaku, serta tindakan berikutnya.
AI harus kontekstual, sadar industri, dan berorientasi tindakan; memahami peran, kebijakan, aturan tenaga kerja, implikasi gaji, jadwal, sertifikasi, dan prioritas bisnis dengan kepercayaan, keterjelasan, dan pengawasan manusia.
Manajer tidak punya waktu menafsirkan dasbor ketika shift berjalan dan karyawan tidak membutuhkan sistem lain yang rumit. AI harus tertanam, cepat, intuitif, dan berguna saat itu juga: kecerdasan untuk merasakan, memutuskan, dan bertindak secara real time.
Mengapa eksekusi real time sangat penting bagi sistem AI garis depan?
Masalahnya bukan ketiadaan data, melainkan mengubah sinyal menjadi rekomendasi dan tindakan saat keputusan masih berarti: menyesuaikan jadwal, mengisi shift kosong, memperingatkan manajer, mencegah pelanggaran, atau memperbaiki pengecualian gaji sebelum merusak pengalaman karyawan.
Keputusan kecil berlipat di ribuan karyawan, shift, dan lokasi. Cakupan lebih baik, pengecualian lebih sedikit, keputusan tenaga kerja yang lebih cerdas, dan tindakan manajer yang lebih cepat memberi dampak besar.
Workforce Intelligence Hub menggabungkan pandangan kaya atas SDM, gaji, dan tenaga kerja dengan tolok ukur industri, biaya tenaga kerja, serta AI yang menampilkan wawasan dan tindakan relevan. Eksekutif tidak mendapat dasbor lain, melainkan alat untuk mengelola tenaga kerja, menemukan risiko lebih dini, membandingkan kinerja, dan memutuskan dengan percaya diri.
Pengaman apa yang diperlukan sebelum agen AI boleh bertindak dalam sistem manajemen tenaga kerja?
Keputusan menyentuh jadwal, gaji, kepatuhan, cakupan, kelelahan, keadilan, dan kepercayaan. Agen tidak boleh hanya mengoptimalkan kecepatan; ia harus bekerja dalam kebijakan, izin, dan tujuan.
Pengaman utamanya adalah konteks, kontrol, dan akuntabilitas. Konteks berarti memahami karyawan, peran, lokasi, aturan, kebutuhan bisnis, dan dampak. Kontrol berarti bertindak dalam izin yang ditetapkan dengan persetujuan manusia sesuai risiko. Akuntabilitas berarti setiap rekomendasi dapat dijelaskan, diaudit, dan dibatalkan.
Tindakan berisiko rendah seperti menawarkan shift kepada karyawan yang memenuhi syarat atau memperingatkan risiko lembur dapat otomatis. Tindakan berdampak tinggi pada gaji, kepatuhan, disiplin, atau perubahan jadwal besar harus ditinjau manusia. Tujuannya mendukung manajer dan SDM, bukan menghapus mereka. Setiap kemampuan harus melalui validasi model, tinjauan keamanan, penilaian privasi, dan pemantauan berkelanjutan.
Kasus penggunaan mana—penyeimbangan jadwal, anomali penggajian, dan perekrutan—yang sudah memberi nilai terukur?
Nilai tercepat datang dari menghilangkan gesekan keputusan harian. Deteksi anomali penggajian menemukan catatan jam hilang, lembur, pengecualian aturan, atau kepatuhan lebih awal, menjelaskan kesalahan, dan membantu penyelesaian sebelum penggajian ditutup.
UKG Dynamic Workforce Operations mengoptimalkan tenaga kerja dan jadwal secara real time. Bukan sekadar melihat kekurangan staf, tetapi memahami perubahan, batasan, dan tindakan: mengisi shift, menghindari lembur, dan melindungi cakupan. Keputusan yang dulu berdasarkan intuisi dan terlambat kini mendapat rekomendasi berbasis data sebelum manusia menyadari masalah.
UKG Frontline Worker Network menghubungkan karyawan dengan dukungan kekayaan, kesehatan, dan kebutuhan sehari-hari di dalam alur kerja. Ini kategori baru tetapi penting karena pengalaman karyawan tidak boleh tersembunyi di portal yang tidak sempat digunakan.
UKG Rapid Hire mempercepat perekrutan volume tinggi: waktu dari minat kandidat sampai wawancara terjadwal turun dari minggu atau hari menjadi jam, bahkan menit. AI mengurangi kerja berulang pada pencarian, penyaringan, penjadwalan, onboarding, dan kesiapan hari pertama. Peluang besarnya adalah platform yang merasakan perubahan, merekomendasikan tindakan terbaik, dan menjalankannya dengan tata kelola.
Bagaimana merancang respons cepat di kesehatan, manufaktur, dan logistik tanpa menambah risiko?
Kecepatan tanpa kontrol adalah risiko. Satu ketidakhadiran dapat memengaruhi cakupan pasien, kesenjangan keterampilan memperlambat lini, dan sinyal yang terlewat menunda pengiriman atau memicu lembur. AI harus bergerak cepat di dalam batasan yang tepat.
Ia harus memahami kualifikasi, aturan, cakupan, kepatuhan, dan dampak hilir. Otonomi harus berbasis risiko: peringatan, identifikasi pengganti, atau penawaran shift dapat berisiko rendah; gaji, keselamatan, kepatuhan, dan perubahan besar memerlukan manusia.
Sistem terbaik dapat dijelaskan, diaudit, dan dibalik. Manajer tahu alasan rekomendasi, karyawan mempercayai proses, dan bisnis yakin AI meningkatkan eksekusi. Prinsipnya: merasakan, memutuskan, dan bertindak real time dengan manusia, kebijakan, dan tata kelola sejak awal.
Bagaimana menyeimbangkan otomatisasi dengan pemberdayaan karyawan, bukan ketakutan akan penggantian?
Kita perlu memisahkan sensasi otomatisasi dari realitas. Self-checkout memberi hasil campuran, restoran otomatis masih berupa uji coba, dan pengiriman drone tetap terasa futuristis. Bukan karena teknologi lemah, melainkan banyak pekerjaan garis depan sangat manusiawi.
Pekerja menangani pengecualian, penilaian, perawatan, keselamatan, layanan, empati, dan kepercayaan. Perawat bukan sekadar menyelesaikan tugas; pegawai ritel bukan sekadar memindahkan stok. Peran ini berada di persimpangan manusia, operasi, kepatuhan, dan pengalaman pelanggan.
AI dapat menghilangkan gesekan—jadwal membingungkan, catatan jam hilang, pertanyaan gaji, shift kosong, kepatuhan, kekurangan staf, dan administrasi—agar karyawan mendapat jawaban dan manajer mengambil keputusan lebih baik. Masa depan bukan mengeluarkan orang dari pekerjaan, tetapi memberi alat, panduan, dan dukungan yang lebih baik.
Bagaimana platform tenaga kerja berkembang selama lima tahun saat AI agentik tertanam dalam operasi?
Pertanyaannya adalah organisasi mana yang membangun fondasi sekarang. Keunggulan jatuh pada mereka yang berpindah dari sistem terputus, suite kaku, dan solusi titik menuju platform operasi tenaga kerja yang menghubungkan SDM, gaji, waktu, jadwal, intelijen, dan eksekusi.
Intelijen tidak boleh berada di samping sebagai laporan statis, tetapi menjadi bagian dari cara kerja dipahami, diprioritaskan, dan ditindaklanjuti. Organisasi membutuhkan lapisan intelijen garis depan yang membawa konten tepat ke momen tepat.
Operasi penuh dengan keuntungan dan kerugian kecil: satu sinyal staf, pengecualian gaji, masalah kepatuhan, shift kosong, atau keputusan terlambat berlipat di ribuan orang dan lokasi. AI agentik memahami perubahan, konteks bisnis, tindakan berikutnya, dan membantu eksekusi dengan tata kelola manusia.
Pemimpin bukan mereka yang menambah fitur AI pada alur lama, tetapi yang memikirkan ulang manajemen tenaga kerja sebagai sistem tindakan cerdas. Garis depan sudah bergerak real time; teknologi harus mengikutinya.
Apakah pemenang AI perusahaan akan memiliki model terbaik atau data operasional dan tenaga kerja terdalam yang terhubung dengan alur nyata?
Model terbaik penting, tetapi tidak menentukan pemenang sendirian. Intelijen perusahaan bernilai jika memahami konteks kerja dan membantu tindakan. Rekomendasi bergantung pada siapa terjadwal, memenuhi syarat, aturan, permintaan, implikasi gaji, dan risiko hilir.
Model tanpa konteks hanya menghasilkan jawaban. Platform dengan data tenaga kerja, aturan bisnis, konteks alur, dan tata kelola mendorong hasil. Karena itu lapisan intelijen Workforce Intelligence Hub penting: AI harus tertanam dalam kerja, menafsirkan sinyal dan batasan, serta menampilkan keputusan terpenting.
Saat model makin kuat dan mudah diperoleh, diferensiasi berasal dari seberapa baik AI berakar pada alur nyata dan aman bergerak dari wawasan ke tindakan. Pemenang bukan AI yang sekadar terdengar cerdas, tetapi AI yang memahami cara kerja sebenarnya dan meningkatkan kecepatan, presisi, kepercayaan, serta kemanusiaan.
Terima kasih atas wawancaranya. Untuk informasi lebih lanjut, kunjungi UKG.












