Perpustakaan Digital ITB

Bagi perusahaan multi-entitas terutama pada sektor dengan risiko operasional, lingkungan, dan keselamatan kerja yang tinggi, kinerja ESG menjadi salah satu tolak ukur penting dalam memastikan keberlanjutan bisnis. Dalam konteks konglomerasi, tantangan utama dalam mencapai kinerja ESG yang baik secara konsisten terletak pada kemampuan organisasi dalam menerjemahkan arahan ESG di berbagai entitas dengan karakter bisnis yang berbeda. PT United Tractors Tbk (UT), sebagai korporasi multi-entitas yang menjalankan operasi melalui anak usaha lintas sektor, juga menghadapi tantangan yang serupa. Sustainability Index, yang menjadi indikator internal Grup UT dalam menilai kinerja ESG, menunjukkan bahwa klaster non-coal mining pada tahun 2024 mencapai 110,43%, lebih rendah dari target manajemen sebesar 125%. Kesenjangan tersebut menunjukkan adanya heterogenitas kinerja ESG antar entitas, meskipun Grup UT telah memiliki struktur tata kelola ESG, cascading KPI, dan mekanisme pelaporan berjenjang dari tingkat operasional ke tingkat holding. Oleh karena itu, penelitian ini melihat performance gap bukan hanya sebagai persoalan capaian angka, tetapi sebagai indikasi adanya perbedaan mekanisme internal dalam mengubah pembelajaran ESG menjadi praktik yang konsisten. Penelitian ini bertujuan menjelaskan bagaimana mekanisme Organizational Learning (OL) dan Knowledge Management (KM) membentuk heterogenitas kinerja ESG, sekaligus mengidentifikasi mekanisme internal yang menjelaskan persistensi gap antar entitas. Dalam penelitian ini, KM diposisikan sebagai mekanisme internal yang mengkonversi pembelajaran organisasi menjadi pengetahuan yang dapat disimpan, dicari, digunakan ulang, ditransfer, dan diperbarui. Studi ini menggunakan pendekatan qualitative single embedded case study pada tiga unit analisis sebagai representative analytical contrast, yaitu UT Holding sebagai fungsi tata kelola korporat, UTCM sebagai business unit operasional single-entity dengan ESG maturity yang relatif matang, dan PT Anindita Multi Industri (PT AMI; nama disamarkan untuk menjaga kerahasiaan) sebagai sub-holding multi-entity dengan portofolio yang heterogen. Data dikumpulkan melalui semi-structured interviews terhadap tujuh key informants dan review dokumen internal, kemudian dianalisis menggunakan thematic analysis, cross-entity comparison, dan pattern matching terhadap kerangka konseptual OL–KM–ESG. Pendekatan ini memungkinkan penelitian menangkap perbedaan pola pembelajaran, pengelolaan pengetahuan, dan praktik ESG pada level korporat maupun operasional secara lebih utuh. Hasil penelitian menunjukkan bahwa tata kelola ESG dan KPI embedding di UT Group sudah relatif kuat, tetapi pembelajaran ESG belum secara konsisten dikonversi menjadi reusable organizational knowledge. Akar masalah ini termanifestasi dalam empat bentuk yang saling memperkuat, yaitu Vision-Internalization Asymmetry, Person-Dependent Capability, Knowledge Codification Gap, dan Cross-Entity Connectivity Gap. Knowledge Codification Gap diidentifikasi sebagai primary intervention lever karena menjelaskan mengapa pembelajaran, praktik baik, dan pengalaman korektif belum dapat direplikasi secara sistematis lintas entitas. Sebagai solusi bisnis, penelitian ini mengusulkan ESG Learning-to-Practice Mechanism dengan Codification Core sebagai engine utama. Mekanisme ini dijalankan melalui lima operating modules, yaitu Learning-to-Standard Pipeline, ESG Knowledge Registry, Cross-Entity Learning Forum, Structured Handover Protocol, dan Ownership and Refresh Routine. Solusi ini dirancang sebagai enabler-level intervention untuk memperkuat rutinitas ESG yang sudah ada, bukan membentuk layer tata kelola baru. Kontribusi penelitian ini terletak pada penjelasan empiris mengenai bagaimana OL dan KM bekerja dalam konteks ESG pada konglomerasi jasa alat berat di Indonesia, serta pada penempatan knowledge codification sebagai lever spesifik dalam hubungan OL–KM–ESG. Penelitian ini menggunakan selected entities sebagai representative analytical contrast, sehingga temuan ditujukan untuk analytical generalization, bukan statistical generalization.