FROM TRADITIONAL APPRAISAL TO INTELLIGENT PERFORMANCE MANAGEMENT

Abstrak

Penilaian kinerja tradisional yang bertumpu pada formulir tahunan dan penilaian subjektif atasan semakin dipertanyakan karena dinilai terlambat, bias, dan kurang mendukung pengembangan karyawan. Perkembangan kecerdasan buatan, analitik sumber daya manusia, dan sistem umpan balik berbasis data membuka jalan menuju manajemen kinerja cerdas yang bersifat berkelanjutan, prediktif, dan personal. Penelitian ini bertujuan memetakan pergeseran dari penilaian kinerja tradisional menuju manajemen kinerja cerdas, mengidentifikasi manfaat dan risikonya, serta merumuskan kondisi yang membuat transformasi tersebut diterima karyawan. Penelitian menggunakan metode systematic literature review dengan pedoman PRISMA 2020 terhadap artikel jurnal yang terbit pada periode 2020 hingga 2025. Hasil sintesis menunjukkan bahwa teknologi cerdas berpotensi meningkatkan frekuensi umpan balik, konsistensi, dan kemampuan memprediksi kinerja. Namun, manfaat tersebut bergantung pada transparansi algoritma, keadilan prosedural, kepercayaan karyawan, dan peran manusia sebagai pengambil keputusan akhir. Tanpa tata kelola yang baik, sistem cerdas justru berisiko memperkuat bias, meningkatkan pengawasan, dan menurunkan motivasi. Penelitian ini mengusulkan model empat tahap kematangan dan empat proposisi yang dapat diuji secara empiris. Organisasi disarankan mengadopsi pendekatan augmentasi, bukan substitusi, dalam menerapkan manajemen kinerja cerdas.

Traditional performance appraisal based on annual forms and subjective supervisor ratings is increasingly criticized as late, biased, and weak in supporting employee development. Advances in artificial intelligence, human resource analytics, and data-driven feedback systems open the way toward intelligent performance management that is continuous, predictive, and personalized. This study aims to map the shift from traditional appraisal to intelligent performance management, identify its benefits and risks, and formulate the conditions under which employees accept the transformation. A systematic literature review was conducted following the PRISMA 2020 guidelines on journal articles published between 2020 and 2025. The synthesis shows that intelligent technologies can increase feedback frequency, consistency, and the ability to predict performance. However, these benefits depend on algorithmic transparency, procedural justice, employee trust, and the role of humans as final decision makers. Without proper governance, intelligent systems may reinforce bias, intensify surveillance, and reduce motivation. The study proposes a four-stage maturity model and four propositions for empirical testing. Organizations are advised to adopt an augmentation rather than substitution approach when implementing intelligent performance management.