Selasa, 18 November 2025

Tetapi, ketika karyawan meninggalkan organisasi atau resign, tanpa ada penyimpanan pengetahuan yang baik maka mereka membawa serta pengetahuan perusahaan dan pengalaman kerja unik mereka.

Hal itu menciptakan kesenjangan yang dapat melemahkan kinerja dan mengikis pengetahuan organisasi secara keseluruhan.

Di negara barat khususnya Amerika dan Kanada, selain menggantikan beberapa pekerjaan yang berulang (repetitive job) dengan memanfaatkan AI atau Artificial Intelegence mereka sudah mulai meninggalkan teori atau tips dan trik untuk mempertahankan loyalitas karyawan karena banyaknya fenomena job hopping pada gen z dan milenial.

Mereka fokus pada knowledge management atau manajemen pengetahuan yakni proses proses menangkap, mendokumentasikan, mengembangkan, berbagi, dan menggunakan pengetahuan organisasi secara efektif.

Dengan menggunakan kerangka kerja Data, Information, Knowledge and Wisdom (DIKW) dapat membantu perusahaan dalam mengelola data mentah yang akan  berguna pada calon karyawan di masa depan. 

Bayangkan seorang tehnisi senior di perusahaan manufaktur akan pensiun. Selama bertahun-tahun, ia telah mengumpulkan data kinerja mesin (catatan suhu, catatan waktu henti, tingkat output).

Data (D) ini, ketika terstruktur, menjadi informasi (I), menunjukkan pola seperti ”Mesin D sering kepanasan setelah 500 jam kerja”. Dengan pengalamannya, ia mengubah hal ini menjadi pengetahuan (K), mengajarkan bahwa pemeliharaan preventif sebaiknya dijadwalkan pada 450 jam.

Akhirnya, dengan kebijaksanaannya (W), ia menyarankan bahwa penjadwalan pemeliharaan sebaiknya lebih awal, meskipun lebih mahal di awal, namun dapat menghindari kerusakan besar dan menjaga kinerja mesin dalam jangka panjang.

Komentar

Terpopuler