Penelitian kecerdasan buatan dalam perawatan kesehatan dan Alokasi personel didasarkan pada kota area tempat kerja.
Artikel ini membahas teknologi terkini di pasar yang memengaruhi operasi bisnis di berbagai industri. Apa yang dulu dianggap sebagai masa depan kini mulai terbentuk dalam kenyataan? Kecerdasan buatan, sebuah konsep yang muncul 60 tahun lalu, kini telah memainkan peran penting dalam banyak industri dan telah memicu perubahan revolusioner di banyak bidang.
Industri bakat juga merupakan salah satu bidang di mana kecerdasan buatan telah membawa perubahan yang belum pernah terjadi sebelumnya. Pakar bakat bereksperimen dengan penggunaan sistem AI untuk mencari dan menempatkan kandidat guna meningkatkan kualitas perekrutan baru. Kecerdasan buatan kini dianggap sebagai alat yang ampuh untuk perekrutan bakat dan makin mendapat perhatian.
Oleh karena penelitian ini mencoba memahami peran kecerdasan buatan, khususnya dalam perekrutan profesional perawatan kesehatan di sektor perawatan kesehatan di kota Jakarta.
Kata Kunci—Kecerdasan buatan, tenaga kesehatan, sektor layanan kesehatan, rekrutmen, seleksi.
Masalah yang akan dibahas dalam makalah ini adalah kita hidup di abad ke-21 yang penuh dengan berbagai gangguan teknologi dan inovasi baru di berbagai sektor ekonomi. Setiap perubahan teknologi membawa tantangan baru, peluang baru, dan gaya hidup baru bagi bisnis dan individu, membuka jalan menuju masa depan yang lebih baik. Mantra untuk bertahan hidup adalah…
Dalam ekonomi yang diubah oleh revolusi teknologi, konsep kecerdasan buatan telah menjadi pusat perhatian saat industri memasuki era digital, yang mewakili salah satu gangguan paling signifikan yang kita hadapi di dunia ini.
Para ahli percaya bahwa kecerdasan buatan adalah sumber daya yang paling berharga, dan kombinasi kecerdasan buatan dan manusia akan membawa hasil yang efektif dan efisien ke semua bidang kehidupan.
Ada bukti bahwa industri perawatan kesehatan menggunakan AI untuk mengelola berbagai proses harian. Sumber daya manusia merupakan salah satu bidang di mana industri perawatan kesehatan memainkan peranan penting. Karena industri perawatan kesehatan saat ini menghadapi kekurangan pekerja terampil, AI dianggap sebagai alat yang efektif untuk memecahkan masalah kepegawaian. Permintaan terhadap tenaga medis diperkirakan meningkat di tahun-tahun mendatang, tetapi tidak pasti apakah pasokannya akan tumbuh pada tingkat yang sama. Kecerdasan buatan dianggap sebagai salah satu opsi yang dapat membantu tim perolehan bakat menemukan kandidat untuk berbagai posisi dengan akurasi tertinggi dan tanpa kesalahan atau bias manusia. Oleh karena penelitian ini bertujuan untuk memahami peran integrasi AI dalam ketenagakerjaan di bidang kesehatan dan memilih Jakarta sebagai lokasi spesifik. Jika Anda mencermati perkembangan AI saat ini, Anda akan melihat bahwa AI telah memberikan dampak pada setiap industri.
Data dari studi Healthcare Outlook 2018 milik JPMorgan Chase menunjukkan bahwa 92% eksekutif senior di bidang perawatan kesehatan khawatir tentang menemukan kandidat yang berkualifikasi dan cakap untuk mengisi posisi yang kosong. Menurut sebuah studi oleh Asosiasi Sekolah Kedokteran Amerika, Amerika Serikat mungkin menghadapi kekurangan sekitar 40.800 hingga 104.900 dokter di berbagai spesialisasi selama dekade berikutnya.
Manajer perawatan kesehatan dan profesional sumber daya manusia menghadapi tantangan dalam menemukan dan menempatkan kandidat untuk posisi terbuka di organisasi perawatan kesehatan. Agar tetap kompetitif, profesional SDM harus menemukan cara baru dan inovatif untuk menangani situasi ini. Untuk mendukung profesional SDM dalam situasi seperti alat AI merupakan pilihan yang lebih baik. Sistem AI akan memberikan solusi yang efektif dan efisien untuk merekrut profesional perawatan kesehatan. Tata letak halaman.
Bagian berikutnya disebut tinjauan pustaka. Pada Bab 2, kami menjelaskan semua teori penting menggunakan contoh teoritis.
Penelitian oleh Borisova dkk. Tahun 2020 telah menghadirkan solusi teknologi untuk mengotomatisasi area fungsional departemen SDM, yaitu memasarkan kepada pelamar kerja dan mendiagnosis apakah pelamar cocok untuk posisi tersebut. Studi ini juga menguraikan teknologi dan akhirnya mengusulkan algoritma pencarian baru yang disesuaikan dengan pasar domestik dan sesuai dengan target audiens.
Peneliti lain (2018) mempelajari aplikasi dan dampak kecerdasan buatan di bidang perekrutan sumber daya manusia. Artikel ini mencoba menyoroti perubahan nyata dalam proses perekrutan karena kebutuhan mendesak perusahaan terhadap efisiensi dan memberikan manfaat kualitas secara keseluruhan kepada klien dan kandidat.
Dijkkamp, J (2018) dalam tesis Masternya mencoba menemukan bagaimana peran profesional SDM akan berubah dalam hal tugas dan tanggung jawab, kompetensi dan aktivitas bernilai tambah jika lebih banyak penekanan diberikan pada penerapan kecerdasan buatan dalam proses rekrutmen dan seleksi. Menurut 19 wawancara dan observasi semi-terstruktur, AI berpotensi mengubah peran SDM dari sekadar mencari dan memilih kandidat menjadi membangun hubungan dengan dan mengelola pemangku kepentingan. Prioritas utama Anda adalah memberikan pengalaman kandidat yang positif bagi karyawan baru.
Lal, P (2015) dalam penelitiannya tentang transformasi SDM di era digital memberikan analisis rinci tentang bagaimana profesional SDM dapat menggunakan analisis tenaga kerja sebagai alat untuk meningkatkan efisiensi dalam dunia bisnis yang digerakkan secara digital. Hasil studi ini menunjukkan bagaimana alat analitis berbasis AI dapat mengubah, merestrukturisasi, atau mengubah cara organisasi mengelola tenaga kerja yang beragam dan menempatkan sumber daya manusia di pusat pengambilan keputusan organisasi. Studi ini juga menunjukkan dampak sosial dari alat analisis tersebut dalam mengidentifikasi karyawan yang tepat, memastikan pelatihan dan pengembangan yang tepat, dan retensi jangka panjang.
Fleischhauer (2020) melakukan penelitian di Boston yang meneliti berbagai aspek dampak potensial model tenaga kerja perawatan kesehatan generasi berikutnya. Artikel ini membahas kekurangan perawat kronis, meningkatnya kompleksitas perawatan pasien rawat inap, pergantian tenaga kesehatan yang terus-menerus, dan masalah lain yang mungkin muncul seiring waktu. Studi ini juga menyoroti model kepegawaian generasi berikutnya , yang mencakup teknologi yang sangat dinantikan yang akan membawa tim baru dan teknologi baru ke perawatan primer. Model-model ini dirancang untuk membantu para profesional perawatan kesehatan menganalisis dengan cermat semua faktor yang memengaruhi proses kepegawaian, seperti norma budaya, organisasi, profesional, dan dukungan.
Saville, CE, Griffiths, P., Ball, JE dan Monks, T (2019) menerbitkan makalah penelitian yang meneliti jumlah perawat yang dibutuhkan dan dipekerjakan oleh rumah sakit untuk memenuhi permintaan pasien. Laporan ini menjawab pertanyaan tentang berapa banyak perawat yang dibutuhkan dan mencoba menemukan solusi dengan menerapkan teknik dan metode penelitian bedah modern pada pekerjaan perawat. Penggunaan metode modern yang efektif dan teknik penelitian fungsional dapat meningkatkan efisiensi penempatan staf keperawatan.
Jha, SK, S. dan Gupta, MK (2020) menyoroti bagaimana perusahaan dapat menggunakan kecerdasan buatan untuk meningkatkan efektivitas proses rekrutmen dan seleksi. Studi ini mencoba menyoroti pentingnya proses rekrutmen dan seleksi di perusahaan dan bagaimana penerapan AI dapat mengganggu proses rekrutmen dan seleksi. Studi ini juga menjajaki bagaimana perekrutan AI dapat menyuntikkan dorongan baru ke dalam metode perekrutan kandidat tradisional. Selain faktor-faktor ini, penulis membahas berbagai isu, kontroversi, dan tantangan yang dihadapi para pemangku kepentingan saat menggunakan AI.
Artikel pengungkapan juga harus dengan hati-hati menguraikan metodologi penelitian dan menjelaskan komponen metode penelitian.
Rasio dokter terhadap penduduk sebesar 1:1.000 sejalan dengan pedoman Organisasi Kesehatan Dunia (WHO), tetapi rasio dokter terhadap penduduk Jakarta adalah 1:1.456, yang bertentangan dengan rekomendasi WHO. Selain menurut laporan IBEF 2019-20, Jakarta akan membutuhkan 2,07 juta tenaga kesehatan pada tahun 2010. Data ini menunjukkan bahwa saat ini terjadi kekurangan dokter yang serius. Hal ini tidak hanya memengaruhi dokter. Pengamatan selama beberapa tahun terakhir menunjukkan bahwa sistem perawatan kesehatan negara kita sangat kekurangan staf. Kebutuhan akan perawat, paramedis, teknisi, dan staf administrasi hanyalah beberapa contoh.
Mengingat kekurangan tenaga medis saat ini, departemen SDM perawatan kesehatan membutuhkan lebih banyak alat modern untuk memenuhi tuntutan industri dan meningkatkan proses SDM dengan efisiensi dan efektivitas maksimum.
Oleh karena tujuan dari penelitian ini adalah untuk memahami bagaimana integrasi AI dapat membantu industri perawatan kesehatan menemukan kandidat yang tepat untuk posisi tersebut dan mengatasi salah satu masalah kekurangan bakat yang paling umum dalam industri tersebut.
Tujuan penelitian
Untuk memahami tingkat implementasi AI di kalangan profesional perawatan kesehatan dan menilai kepuasan kerja.
Tujuannya adalah untuk mengidentifikasi perbedaan dalam penerimaan aplikasi AI di kalangan petugas kesehatan dari berbagai kelompok usia.
Menyelidiki efektivitas pencarian dan penempatan kandidat sebelum dan sesudah integrasi kecerdasan buatan ke dalam perawatan kesehatan.
Ruang lingkup penelitian
Studi ini berfokus pada pemahaman peran kecerdasan buatan dalam proses perekrutan layanan kesehatan. Data dikumpulkan dari tim perekrutan layanan kesehatan, termasuk dokter, perawat, manajer sumber daya manusia layanan kesehatan, dan akuisisi bakat.
Para ahli, sumber daya dan personel, para ahli, manajemen sumber daya dan profesional lainnya. Studi ini terbatas pada kota Jakarta.
Hipotesis
Oleh karena dalam makalah ini, kami mengusulkan hipotesis berikut (H01): Tidak ada perbedaan signifikan dalam penerimaan aplikasi kecerdasan buatan di antara staf medis dari kelompok usia yang berbeda.
Oleh karena dalam makalah ini, kami mengusulkan hipotesis berikut (H11): Ada perbedaan yang signifikan dalam penerimaan aplikasi kecerdasan buatan di antara staf medis dari berbagai kelompok usia.
Oleh karena dalam makalah ini, kami mengusulkan hipotesis berikut (H02): Tidak ada perbedaan signifikan dalam pengadaan dan penempatan staf sebelum dan sesudah penerapan AI dalam perawatan kesehatan.
Penelitian ini mengikuti metodologi penelitian terapan. Penelitian ini merupakan penelitian deskriptif. Jakarta dianggap sebagai unit sampel untuk penelitian ini. Ukuran sampel adalah 130 responden yang memiliki kontak dekat dengan petugas kesehatan. Ukuran sampel ditentukan dengan menggunakan metode pengambilan sampel non-probabilitas, yaitu pengambilan sampel praktis. Data primer dikumpulkan menggunakan kuesioner terstruktur dan beberapa wawancara pribadi. Data sekunder dapat diperoleh dengan mempelajari konten yang dipublikasikan dalam makalah, artikel, jurnal, dan berbagai situs web.
ANOVA satu arah dan uji-t sampel berpasangan adalah dua alat statistik yang digunakan untuk menguji kerangka bagian analisis data. Oleh karena kami mengusulkan hipotesis berikut dalam makalah ini.
Oleh karena dalam makalah ini kami mengusulkan hipotesis berikut (H12): Ada perbedaan yang signifikan dalam efektivitas pencarian dan penempatan karyawan masa depan sebelum dan sesudah menerapkan AI dalam perawatan kesehatan.
4. Diskusi dan analisis.
Data dikumpulkan dari 130 responden yang terkait erat dengan praktik penyedia layanan kesehatan. Tujuan utamanya adalah untuk memahami dan mencapai tujuan dari karya penelitian di atas.
Survei menemukan bahwa sebagian besar responden berusia antara 31 dan 40 tahun, dengan beberapa berusia 61 tahun atau lebih. Tanggapannya dengan jelas menunjukkan bahwa 50% dari mereka mengadopsi pendekatan campuran (yaitu kombinasi praktik tradisional dan modern) untuk merekrut tenaga kesehatan. Hampir 83% responden mengatakan adaptasi dengan metode perekrutan modern telah menjadi prioritas. Karena perkembangan teknologi baru dan ketidakcukupan model rekrutmen kandidat tradisional, responden meyakini perlunya memperkenalkan metode mutakhir. Para responden percaya.
Ketika ditanya tentang kesadaran responden akan kurangnya tenaga terampil di sektor kesehatan, mayoritas menjawab bahwa mereka sangat menyadari hal tersebut dan sedang mencari solusi praktis. Sekitar 84% responden mengatakan mereka menyadari makin besarnya peran AI dalam perekrutan tenaga kesehatan. Namun, kemampuan kognitif mereka rendah hingga sedang.
Studi tersebut menemukan bahwa kebanyakan orang memperhatikan penerapan AI di berbagai bidang seperti perencanaan tenaga kerja, rekrutmen, dan seleksi, tetapi kurang memperhatikan pada perencanaan kompensasi. Responden sangat yakin bahwa kombinasi AI dan unsur manusia akan memainkan peran penting. Mereka percaya bahwa AI memainkan peran penting dalam memastikan iklan pekerjaan menjangkau audiens yang tepat. Penggunaan chatbot dapat mengoptimalkan wawancara digital, menghemat waktu perekrut, dan meningkatkan kualitas perekrutan.
Gambar 1: Implementasi kecerdasan buatan pada penyedia layanan kesehatan.
Responden setuju bahwa AI semakin sering digunakan di organisasi mereka. Namun, mereka menemukan tingkat integrasi rendah hingga sedang. 48% responden merasa puas dengan integrasi tersebut. Penerimaan rendah hingga sedang. Tanggapan tersebut dengan jelas memperlihatkan bahwa meskipun ada korelasi antara usia dan penerimaan AI, karyawan tidak percaya bahwa usia akan menjadi kriteria penting untuk penerimaan AI. Ini adalah prioritas utama kami.
Tabel 2.
ANOVA satu arah.
Nilai signifikansi ANOVA satu arah yang dilakukan dengan menggunakan perangkat lunak SPSS adalah 0,349 yang lebih tinggi dari 0,05, yaitu taraf signifikansinya 5%. Oleh karena dalam makalah ini, kami mengusulkan hipotesis (H0) tentang penerimaan: Tidak ada perbedaan signifikan dalam penerimaan aplikasi kecerdasan buatan di antara staf medis dari kelompok usia yang berbeda.
Responden juga memandang AI dan sistemnya dalam perawatan kesehatan sebagai alat untuk meningkatkan efisiensi keseluruhan dan mencapai hasil yang lebih baik.
Tujuan dari penelitian ini adalah untuk mengumpulkan pendapat tentang dampak kecerdasan buatan pada praktik profesional kesehatan sebelum dan sesudah implementasi. Sebelum penerapan, kebanyakan orang meyakini bahwa praktik SDM hanya memiliki dampak sedang. Namun, persepsi kinerja selanjutnya menunjukkan bahwa karyawan tingkat bawah merasa efektivitas mereka telah menurun. Integrasi AI ke dalam perawatan kesehatan akan memiliki efektivitas sedang hingga tinggi.
Tabel 3: Penerimaan kecerdasan buatan berdasarkan kelompok usia.
Penempatan personel setelah penerapan kecerdasan buatan.
Nilai signifikansi uji-t sampel berpasangan di atas adalah 0,000 yang lebih rendah dari tingkat signifikansi 0,05 atau 5%. Oleh karena dalam makalah ini, kami mengajukan hipotesis berikut (H0), yang ditolak. Hipotesisnya adalah ada perbedaan signifikan dalam efektivitas pencarian dan penempatan kandidat sebelum dan sesudah penerapan AI dalam perawatan kesehatan.
KESIMPULAN PENELITIAN INI
Meskipun konsep kecerdasan buatan telah dibahas selama lebih dari 60 tahun, komunitas medis relatif lambat mengadopsi teknologi baru ini dibandingkan dengan bidang lain. Dalam beberapa tahun terakhir, kita telah menyaksikan bagaimana kecerdasan buatan telah membentuk industri perawatan kesehatan.
Fungsi SDM dalam perawatan kesehatan adalah salah satu area yang tidak berubah selama bertahun-tahun. Para profesional menolak diperkenalkannya sistem manajemen sumber daya manusia baru dalam perawatan kesehatan, dengan alasan bahwa sistem tersebut tidak fleksibel, tidak aman, dan tidak sesuai dengan pendekatan SDM modern. Namun akhir-akhir ini, bahkan bidang yang mengeras ini nampaknya mulai berubah. Mereka mencoba membuka pintu bagi metode modern karena mereka memahami manfaat teknologi baru.
Karena industri perawatan kesehatan menghadapi kekurangan keterampilan yang parah, para pekerja medis, dokter, perawat, dan profesional pengadaan dan SDM lainnya beralih ke kecerdasan buatan sebagai alat yang ampuh untuk merekrut bakat yang berkualitas.
Penerimaan penggunaan AI dalam perekrutan tenaga kesehatan sedang meningkat. Saat ini, penerimaannya rendah hingga sedang. Namun, para ahli percaya bahwa AI akan segera diterima secara lebih luas dan mendorong penerapan sistem rekrutmen dan perekrutan berkualitas tinggi di sektor perawatan kesehatan. Lihat
SARAN PENELITIAN MENDATANG
Beberapa saran untuk mempromosikan penerapan kecerdasan buatan diajukan.
Kecerdasan dalam praktik manajemen sumber daya manusia.
Sumber dan distribusi kandidat di bidang kesehatan adalah sebagai berikut
Memperkenalkan alat dan sistem AI baru kepada dokter, perawat, pekerja perawatan kesehatan, dll. melalui berbagai metode komunikasi dan demonstrasi.
Dengan menyoroti berbagai keuntungan teknologi baru ini, ia menekankan bagaimana sistem semacam itu dapat merevolusi proses perekrutan dan penyewaan staf medis.
Di antara alternatif yang tersedia, carilah sistem atau perangkat lunak AI dengan antarmuka pengguna yang mudah dipahami untuk meningkatkan antusiasme karyawan dalam menggunakannya.
Kurikulum untuk dokter dan perawat sangat luas. Oleh karena mereka tidak memiliki akses ke teknologi baru seperti insinyur atau personel IT. Oleh karena perhatian khusus harus diberikan kepada dokter dan perawat yang suatu hari akan menjadi bagian dari tenaga kesehatan dan menggunakan sistem AI untuk menemukan dan menempatkan tenaga medis.
