Perusahaan Menghabiskan Rata-rata $1.800 Per Karyawan untuk Reskilling AI — Apakah Itu Cukup?

Rata-rata perusahaan menghabiskan $1.800 per karyawan untuk reskilling AI pada 2025. Perusahaan yang benar-benar menggerakkan jarum produktivitas menghabiskan antara $5.400 dan $9.200.

Selisih itulah yang menjadi ceritanya. Bukan angka $1.800 itu sendiri, melainkan perbedaan 3-5x antara apa yang dihabiskan organisasi rata-rata dan apa yang dikomitkan organisasi dengan keuntungan produktivitas AI yang terukur. Dan cara mereka menghabiskannya sama berbedanya dengan jumlahnya.

Global Workforce Intelligence Report 2025 Josh Bersin, dikombinasikan dengan Workplace Learning Report 2025 LinkedIn Learning dan AI Training Investment Survey ATD, memberi pemimpin operasi gambaran paling lengkap sejauh ini tentang apa yang sebenarnya dibiayai reskilling AI, ke mana uang itu pergi, dan apa yang membedakan investasi pelatihan yang mengubah perilaku tenaga kerja dari yang tidak.

Benchmark $1.800 dalam Konteks

Angka $1.800 per karyawan berasal dari analisis Josh Bersin terhadap anggaran L&D yang diungkapkan di 800 organisasi. Namun untuk memahami artinya, ada baiknya membandingkannya dengan total pengeluaran L&D: rata-rata perusahaan menghabiskan sekitar $1.275 per karyawan per tahun untuk semua pembelajaran dan pengembangan. Reskilling AI pada 2025 secara efektif merepresentasikan baris anggaran tambahan yang terpisah. Organisasi tidak mengarahkan ulang pengeluaran L&D yang ada. Mereka menambahkannya.

Konteks tersebut penting karena membingkai ulang pertanyaan "apakah cukup". Pertanyaan sebenarnya bukan apakah $1.800 per karyawan memadai dalam istilah absolut. Melainkan apakah angka itu menghasilkan hasil yang terukur — dan data menunjukkan, pada median, tidak.

Analisis Bersin menemukan bahwa organisasi yang menghabiskan $1.500-$2.500 per karyawan untuk reskilling AI menunjukkan rata-rata 9% peningkatan penggunaan alat AI yang dilaporkan sendiri. Berguna, tetapi bukan transformasional. Organisasi yang menunjukkan peningkatan produktivitas 25%+ pada output yang terukur — volume output, waktu siklus, tingkat kesalahan — menghabiskan jauh lebih banyak dan menyusun program secara berbeda.

Ke Mana Uangnya Pergi

Rata-rata $1.800 terbagi kira-kira sebagai berikut di seluruh organisasi dalam dataset ATD:

Perbedaan struktural terlihat dalam dua item baris: coaching manajer dan kohort, serta pengembangan program internal.

Organisasi rata-rata menghabiskan 12% anggaran pelatihan AI mereka untuk pembelajaran yang dipimpin manajer dan berbasis kohort. High performer menghabiskan 24%, dua kali lebih banyak, dan secara proporsional jumlah dolar yang jauh lebih besar mengingat total pengeluaran 3-5x lebih tinggi. Itu bukan kebetulan. Data tingkat penyelesaian program menjelaskannya secara langsung.

Tingkat Penyelesaian Menceritakan Kisah Sebenarnya

Data survei ATD tentang tingkat penyelesaian pelatihan AI berdasarkan jenis program adalah data point paling praktis berguna dalam seluruh kumpulan benchmark:

Kursus eksternal mandiri — kategori pengeluaran terbesar untuk organisasi rata-rata — selesai pada 23%. Kurang dari satu dari empat karyawan yang memulai sertifikasi AI benar-benar menyelesaikannya.

Program kohort yang difasilitasi manajer selesai pada 74%. Pelatihan workflow tertanam, di mana pembelajaran dibangun langsung ke dalam alat yang digunakan karyawan setiap hari, selesai pada 81%.

Inilah mengapa high performer mengalihkan anggaran dari kursus eksternal dan menuju coaching manajer dan pengembangan program internal. Bukan berarti sertifikasi eksternal tidak berguna. Melainkan bahwa matematika penyelesaian berarti biaya-per-hasil-produktif jauh lebih tinggi dari yang terlihat pada harga stiker. Lisensi Coursera $400 yang diselesaikan 23% karyawan menghasilkan ROI yang sangat berbeda dari program kohort $400-per-orang yang diselesaikan 74%.

Bagi Kepala Operasi yang merancang program reskilling, data ini memiliki implikasi langsung: struktur program sama pentingnya dengan kualitas konten, dan keterlibatan manajer adalah pendorong utama penyelesaian.

Kalkulasi ROI yang Digunakan High Performer

Organisasi rata-rata mengukur ROI pelatihan AI terutama melalui tingkat penyelesaian dan skor kepuasan, yang keduanya tidak berkorelasi kuat dengan perubahan produktivitas aktual.

High performer mengukur secara berbeda. Tiga metrik muncul secara konsisten dalam organisasi yang diidentifikasi Bersin menghasilkan keuntungan produktivitas terukur:

Output-per-jam pada tugas yang relevan AI. Untuk peran yang menggunakan alat penulisan AI, ini bisa berupa konten yang dihasilkan per minggu. Untuk analis yang menggunakan alat pemodelan AI, itu adalah model yang divalidasi per minggu. Untuk koordinator operasi yang menggunakan alat workflow AI, itu adalah siklus proses yang diselesaikan per hari. Kuncinya adalah mengukur throughput spesifik tugas sebelum dan sesudah pelatihan, bukan kepuasan umum.

Time-to-proficiency untuk rekrutan baru di lingkungan alat AI. High performer melacak berapa lama waktu yang dibutuhkan karyawan baru untuk mencapai benchmark kompetensi pada alat AI dalam peran mereka, dan mereka menggunakan metrik ini untuk mengevaluasi apakah program onboarding mereka berfungsi, bukan hanya apakah rekrutan baru menyelesaikan modul yang diperlukan.

Perbandingan biaya reskilling vs. rekrutmen ulang. Ini adalah metrik justifikasi anggaran yang paling langsung. Pekerja dengan kefasihan AI menuntut premi gaji 27% dibandingkan rekrutan yang setara yang tidak fasih AI. Untuk peran operasi $75K, itu adalah perbedaan biaya tahunan sekitar $20K per rekrutmen. Jika reskilling karyawan yang ada membiayai $4.500 dan mempertahankan mereka dalam peran selama tiga tahun lagi, analisis biaya-menunggu jelas: reskilling pada $4.500 vs. rekrutmen ulang pada premi tiga tahun $60K. Matematika ROI sangat mendukung reskilling, bahkan pada level pengeluaran high performer.

Dua Contoh ROI Reskilling yang Terukur

Zurich Insurance Group (2025): Zurich menerapkan program kefasihan AI yang difasilitasi manajer di seluruh tim penjaminan emisi dan klaim mereka, disusun sebagai kohort delapan minggu dengan sesi tinjauan mingguan yang dipimpin manajer. Pengeluaran: sekitar $6.200 per karyawan dalam kohort program. Hasil: 34% pengurangan waktu siklus dokumentasi rutin dan 28% peningkatan output underwriter per hari pada penilaian berbantuan AI, diukur pada enam bulan pasca-program. Zurich mengaitkan $43 juta peningkatan produktivitas tahunan dengan kohort yang mengikuti program pada 2025.

Kyndryl (2025-2026): Perusahaan layanan IT ini membangun pengembangan keahlian AI langsung ke dalam workflow alat penyampaiannya daripada menjalankan program pelatihan standalone, menyematkan prompt micro-learning di dalam alat yang digunakan karyawan setiap hari. Tingkat penyelesaian untuk modul yang tertanam dalam workflow: 84%. Hasil: 22% peningkatan waktu resolusi tiket dan pengurangan terukur dalam tingkat eskalasi untuk workflow dukungan berbantuan AI. Anggaran per karyawan: sekitar $3.800, di bawah rata-rata high performer — tetapi struktur program menghasilkan hasil setara high performer.

Contoh Kyndryl sangat instruktif. Mereka tidak menghabiskan di puncak kisaran high performer, tetapi tingkat penyelesaian mereka, yang didorong oleh menyematkan pelatihan dalam alat workflow daripada memisahkannya ke dalam kursus standalone, menghasilkan hasil yang sebanding dengan program dengan pengeluaran jauh lebih tinggi.

Apa Artinya Jika Anda Merancang Program Sekarang

Data benchmark mengarah pada beberapa prinsip desain yang jelas bagi pemimpin operasi:

Jangan terpancang pada $1.800. Itu adalah median semua organisasi, sebagian besar yang tidak menghasilkan hasil terukur. Jika Anda merancang program untuk mendorong perubahan produktivitas aktual, benchmark yang relevan adalah $5.000-$9.000 per karyawan untuk peran di mana kefasihan alat AI berdampak tinggi, dan nol untuk peran di mana tidak. Tidak setiap peran memerlukan investasi yang sama.

Prioritaskan keterlibatan manajer daripada volume konten. Kesenjangan tingkat penyelesaian antara program mandiri dan yang difasilitasi manajer adalah 50+ poin persentase. Program yang lebih kecil dengan akuntabilitas manajer akan mengungguli program komprehensif yang diselesaikan 23% karyawan. Bangun kefasihan AI manajer terlebih dahulu, sebelum meningkatkan ke tenaga kerja yang lebih luas. Program AI champions adalah salah satu cara untuk membangun kemampuan tingkat manajer dengan cepat tanpa mengharuskan setiap manajer menjadi ahli AI dari awal.

Ukur output, bukan penyelesaian. Tingkat penyelesaian mudah dilacak dan pada dasarnya tidak berarti sebagai indikator ROI. Jika metrik keberhasilan program Anda adalah "X% karyawan menyelesaikan Modul 3," Anda mengukur aktivitas, bukan perubahan. Tentukan seperti apa kemahiran alat AI dalam output kerja yang dapat diamati untuk setiap fungsi, dan ukur hal itu.

Persyaratan keahlian AI kini muncul dalam lowongan pekerjaan non-teknis, di marketing, keuangan, hukum, dan operasi, yang berarti tekanan eksternal untuk menutup kesenjangan kefasihan AI tidak lagi terbatas pada rekrutmen teknologi. Underinvestasi dalam reskilling hari ini berarti menghadapi kesenjangan keahlian yang lebih lebar di pasar rekrutmen di setiap fungsi secara bersamaan.

Yang Perlu Dipantau

Dua dinamik ke depan akan membentuk pasar reskilling korporat selama 12-24 bulan ke depan.

Pertama, standardisasi pengukuran ROI. Saat ini, setiap organisasi mengukur ROI pelatihan AI secara berbeda, atau tidak mengukurnya sama sekali. Jika industri bertemu pada metrik output standar (mirip dengan bagaimana organisasi penjualan menstandardkan pendapatan per rep), percakapan anggaran akan lebih mudah untuk dilandasi. Tim Josh Bersin sedang aktif mengerjakan kerangka AI Productivity Index yang mungkin mempercepat standardisasi ini.

Kedua, konsolidasi vendor. Pasar pelatihan AI saat ini terfragmentasi — ratusan penyedia menjual sertifikasi, program kohort, dan pembelajaran tertanam platform dengan kualitas dan hasil yang sangat bervariasi. Konsolidasi sudah berlangsung, dengan LinkedIn Learning, Coursera for Business, dan segelintir platform yang berfokus enterprise menangkap bagian yang semakin besar. Saat pilihan vendor menyempit, benchmark harga dan kualitas akan lebih dapat dibandingkan — yang seharusnya meningkatkan rasio signal-to-noise tentang apa yang sebenarnya berhasil.

Pasar sertifikasi AI mencapai $4B pada 2026, tetapi pertumbuhan pengeluaran belum diimbangi oleh pertumbuhan standar kualitas. Untuk saat ini, indikator paling andal dari program yang benar-benar akan menggerakkan produktivitas adalah arsitektur tingkat penyelesaian — dan data mengatakan program kohort dan yang tertanam workflow memenangkan perbandingan itu dengan margin yang lebar.

$1.800 rata-rata memberi tahu Anda di mana pasar berada. Kisaran high performer $5.000-$9.000 memberi tahu Anda apa yang diperlukan untuk benar-benar menutup kesenjangan.

Pelajari Lebih Lanjut

• Pekerja dengan Kefasihan AI Menuntut Premi Gaji 27%
• Pasar Sertifikasi AI Mencapai $4B — Tapi Hanya Segelintir Kredensial yang Menandakan Kesiapan Kerja
• Persyaratan Keahlian AI Kini Muncul dalam Lowongan Pekerjaan Non-Teknis
• Cara Membangun Business Case untuk Anggaran Pelatihan AI
• Hambatan AI Middle Management — Dan Cara Mengubahnya Menjadi Peluang