Memuat
Memuat
Ingin belajar lebih dalam?
Ikuti kursus kami atau tanyakan langsung lewat WhatsApp.
Dipilih dari software, topik, dan level “Kelas Agentic AI Tanpa Coding #5: Praktik: Memetakan 5 Pekerjaan Berulang yang Akan Diserahkan ke AI”.
Pilihan lain dari kami untuk Agentic AI.
Belajar bareng mentor
Kursus AI & Kecerdasan Buatan terjadwal, dibimbing langsung, bersertifikat.

Kursus MATLAB Agentic AI: Membangun AI Agent Otomatis dengan MATLAB & Simulink

Kursus Midjourney: Buat Gambar AI Memukau dari Teks
★ 4.9

Kursus DALL-E: Membuat Gambar AI Profesional dari Teks
★ 4.9
Minta dibuatkan
Tidak sempat belajar Agentic AI? Tim kami bisa mengerjakan proyeknya.

Jasa Pembuatan Matlab & Simulink — Agentic AI untuk Otomatisasi Simulasi dan Analisis Data

Jasa Pembuatan Gambar AI dengan Stable Diffusion — Produksi Visual Custom Tanpa Batas
★ 4.9

Jasa Pembuatan Gambar & Video AI dengan Leonardo AI — Visual All-in-One untuk Bisnis
★ 4.9
Kabari saya kalau ada kelas Agentic AI baru
Paling banyak satu email per minggu. Berhenti kapan saja dengan satu klik.
Narasi lengkap video ini. Kalimat yang sedang diucapkan disorot saat video diputar; klik kalimat untuk melompat ke sana.
Halo, selamat datang kembali di kelas Agentic AI Tanpa Coding. Ini episode lima, episode penutup Sesi 1. Hari ini kita menghasilkan output pertama kelas ini: daftar lima pekerjaan berulang yang akan Anda serahkan ke AI. Kita memetakannya di Google Sheets dengan skor sederhana, yaitu frekuensi kali waktu kali aman.
Langkah pertama adalah menemukan pekerjaan yang berulang. Jangan mengandalkan ingatan. Lihat buktinya: kalender atau catatan kerja seminggu terakhir. Ini contoh minggu kerja Dimas, admin Kopi Senja. Setiap pagi, satu jam pertama habis untuk membalas chat WhatsApp. Senin sampai Jumat, polanya sama persis. Padahal ini baru sesi pagi; chat terus masuk sepanjang hari. Selasa siang, Dimas menulis caption Instagram untuk satu minggu sekaligus, sekitar satu jam. Rabu sore, ia mengecek stok bahan lalu berbelanja. Dan setiap Jumat, dua setengah jam habis untuk merekap penjualan mingguan untuk Laras. Kalau dilihat seperti ini, pola berulangnya langsung kelihatan. Tetapi kalender juga punya titik buta. Pekerjaan kecil yang dikerjakan di sela-sela, seperti mencatat pesanan dari chat ke spreadsheet, tidak pernah masuk kalender. Padahal dikerjakan berkali-kali sehari. Karena itu, gunakan lima sumber. Pertama, kalender dan catatan kerja, seperti yang baru kita lihat. Kedua, riwayat chat dan email. Cari pertanyaan yang sama yang datang berulang-ulang, misalnya harga, ongkir, dan jam buka. Ketiga, folder Terkirim. Email atau laporan yang Anda buat ulang setiap minggu dengan format yang mirip adalah kandidat kuat. Keempat, pekerjaan yang paling membosankan, yang sering Anda tunda. Biasanya itu pekerjaan berulang yang tidak butuh banyak kreativitas. Kelima, tanya tim. Orang yang mengerjakan langsung paling tahu pekerjaan mana yang isinya hanya menyalin dan menempel. Sering kali, pekerjaan paling membosankan justru tidak terlihat oleh pemilik usaha. Mari praktikkan sumber kedua. Ini cuplikan chat yang masuk ke WhatsApp Kopi Senja di Senin pagi. Rina bertanya harga kopi susu satu liter. Budi menanyakan ongkir ke Buahbatu. Putri menanyakan jam buka hari ini. Dan Joko kembali menanyakan harga kopi susu literan. Dalam satu jam, empat pertanyaan yang jawabannya sudah tertulis di katalog. Inilah tanda paling jelas sebuah pekerjaan berulang: pertanyaannya mirip, jawabannya selalu sama, dan datanya sudah ada. Kalau Anda bekerja dalam tim, kumpulkan pekerjaan berulang dengan Google Form sederhana. Satu formulir untuk satu pekerjaan, sehingga setiap anggota tim bisa mengisinya dari HP di sela-sela kerja. Ini contoh yang diisi Dimas: membalas chat harga dan stok di WhatsApp. Pertanyaan berikutnya: seberapa sering, dan berapa lama sekali kerja. Dimas menjawab berkali-kali setiap hari, tiga puluh sampai enam puluh menit per sesi. Lalu, apa akibatnya jika salah? Pelanggan mendapat info harga yang keliru dan bisa komplain. Pertanyaan ini menjadi dasar skor risiko nanti. Terakhir, data apa yang dipakai: katalog harga, stok, dan ongkir. Pekerjaan yang datanya sudah tertulis jauh lebih mudah diserahkan ke AI. Kalau datanya belum tertulis, catat sebagai pekerjaan rumah: rapikan datanya dulu.
Daftar dari kalender dan formulir kadang belum lengkap. Di sini AI bisa membantu. Kita minta Claude mendaftar pekerjaan berulang yang umum di usaha seperti Kopi Senja. Perhatikan kalimat terakhirnya: jangan minta data pelanggan. Claude memberi tabel delapan pekerjaan beserta frekuensinya. Sebagian sudah ada di kalender Dimas. Tetapi ada yang terlupa, misalnya mencatat pesanan, membalas komplain, membayar pemasok, dan riset harga pesaing. Ingat, ini hanya bahan. Anda yang paling tahu pekerjaan Anda sendiri. Coret yang tidak relevan, dan tambahkan yang khas di usaha Anda. Anda bisa memakai ChatGPT, Claude, atau Gemini, sesuai pilihan di Episode 4. Pindahkan daftar finalnya ke Google Sheets. Buat file baru bernama Peta Pekerjaan Berulang, dengan enam kolom: pekerjaan, frekuensi, waktu, aman, skor, dan cara. Isi dulu kolom pekerjaan. Empat pekerjaan pertama berasal dari kalender dan formulir Dimas: membalas chat, mencatat pesanan, menulis caption, dan cek stok. Empat berikutnya ditambahkan dari hasil diskusi dengan AI: rekap penjualan, membalas komplain, membayar pemasok, dan riset harga pesaing. Delapan baris, kolom lainnya masih kosong. Delapan sampai sepuluh baris sudah cukup untuk mulai. Tidak perlu sempurna.
Sekarang kita beri skor. Ada tiga kriteria dengan skala satu sampai lima. Baris skor satu adalah kandidat terlemah: dikerjakan sebulan sekali, selesai kurang dari lima menit, dan kalau salah bisa merugikan uang atau membocorkan data. Di tengah ada skor dua sampai empat. Misalnya skor tiga: dua sampai tiga kali seminggu, lima belas sampai tiga puluh menit sekali kerja, dan kalau salah cukup dengan minta maaf. Lalu baris skor lima: dikerjakan berkali-kali sehari, lebih dari satu jam sekali kerja, dan kalau salah hampir tanpa akibat. Inilah kandidat terkuat untuk diserahkan ke AI. Kolom frekuensi mengukur seberapa sering pekerjaan muncul. Kolom waktu mengukur lama sekali mengerjakannya. Makin sering dan makin lama, makin besar waktu yang bisa dihemat. Kolom ketiga perlu perhatian. Namanya aman, kebalikan dari risiko. Skor tinggi berarti risikonya rendah. Kita membaliknya supaya ketiga angka bisa langsung dikalikan: makin besar hasilnya, makin cocok pekerjaan itu diotomasi. Jadi skor tinggi berarti tiga hal sekaligus: sering, lama, dan aman. Rumusnya sederhana: frekuensi dikali waktu dikali aman. Skor maksimumnya seratus dua puluh lima, yaitu lima kali lima kali lima. Sebagai patokan, skor tiga puluh ke atas adalah kandidat kuat. Mengapa dikalikan, bukan dijumlah? Karena satu nilai yang sangat rendah, misalnya risiko yang tinggi, langsung menurunkan skor secara drastis. Pekerjaan berisiko tidak bisa ditolong oleh frekuensi yang tinggi. Sebaliknya, pekerjaan yang aman dan sering akan naik ke atas, walaupun sekali kerjanya tidak terlalu lama.
Sekarang isi skornya. Baris pertama, membalas chat harga dan stok. Frekuensinya lima, karena berkali-kali sehari. Waktunya empat, tiga puluh sampai enam puluh menit per sesi. Amannya empat: kalau salah bisa dikoreksi, apalagi bila AI hanya menjawab dari data. Skornya delapan puluh. Ini skor tertinggi di tabel kita. Baris kedua, mencatat pesanan. Frekuensi lima, waktu dua karena setiap pesanan hanya beberapa menit, dan aman empat. Skornya empat puluh. Menulis caption Instagram: seminggu sekali sehingga frekuensinya dua, waktunya empat, dan amannya lima, karena caption selalu bisa Anda baca dulu sebelum diposting. Skornya empat puluh. Cek stok dan belanja: seminggu sekali, sekitar satu jam, aman empat. Skornya tiga puluh dua. Rekap penjualan mingguan juga hanya seminggu sekali, tetapi sekali kerja lebih dari satu jam, jadi waktunya lima. Skornya empat puluh. Lalu dua pekerjaan berisiko. Membalas komplain mendapat aman dua, karena menyangkut perasaan pelanggan dan uang. Skornya dua belas. Membayar pemasok mendapat aman satu, karena salah transfer berarti rugi uang. Skornya hanya empat. Terakhir riset harga pesaing: sebulan sekali, tetapi lama dan aman. Skornya dua puluh lima. Kolom skor cukup diisi rumus perkalian sekali di baris pertama, lalu ditarik ke bawah. Kalau ragu memberi skor, AI bisa menjadi teman diskusi. Kita berikan skala yang sama ke Claude, lalu minta skor awal untuk tiga pekerjaan, lengkap dengan alasan singkat. Perhatikan kalimat terakhir: saya akan mengoreksi. Claude memberi skor awal beserta alasannya. Untuk membayar pemasok, ia memberi aman satu karena salah transfer berarti rugi uang. Masuk akal. Tetapi untuk komplain, ia memberi aman tiga. Dimas tahu kenyataannya: komplain di Kopi Senja biasanya soal uang kembali, dan pelanggan sedang kesal. Jadi Dimas mengoreksi menjadi dua. AI menerima koreksi dan menambahkan catatan berguna: komplain tetap bisa dibantu dalam bentuk draf. Inilah pembagian peran yang sehat. AI memberi usulan cepat, manusia yang memutuskan berdasarkan pengalaman. Tiga tips saat memberi skor. Pertama, konsisten lebih penting daripada tepat. Tidak ada yang tahu persis apakah sebuah pekerjaan bernilai tiga atau empat. Yang penting, patokannya sama untuk semua baris. Kedua, nilai bersama orang yang mengerjakannya. Laras mungkin mengira membalas chat itu cepat, padahal Dimas yang tahu berapa lama sebenarnya. Ketiga, skor boleh direvisi. Setelah satu pekerjaan dicoba diotomasi beberapa minggu, Anda akan tahu apakah perkiraan risikonya tepat.
Urutkan tabel berdasarkan kolom skor, dari yang terbesar. Di puncak ada membalas chat harga dan stok dengan skor delapan puluh, jauh di atas yang lain. Disusul tiga pekerjaan dengan skor empat puluh: mencatat pesanan, menulis caption, dan rekap penjualan mingguan. Di posisi kelima, cek stok dan belanja dengan tiga puluh dua. Lima baris yang berwarna hijau inilah kandidat kita. Kalau Anda punya kandidat dengan skor sama di batas lima besar, pilih yang datanya paling siap. Tiga di bawahnya tidak masuk daftar: riset harga pesaing, membalas komplain, dan membayar pemasok. Perhatikan kolom cara. Komplain tetap dibantu AI dalam bentuk draf, tetapi dikirim manual. Pembayaran tetap dikerjakan manusia. Kolom cara diisi memakai tiga pertanyaan penentu dari Episode 1: apakah langkahnya selalu sama, perlu memahami atau menulis, dan perlu memakai beberapa aplikasi. Hasilnya sekaligus menunjukkan di sesi mana pekerjaan itu akan kita kerjakan. Sebelum menetapkan, lakukan uji kewajaran untuk setiap kandidat. Pertama, apakah datanya sudah tertulis? Katalog, sheet, atau email. Kalau masih di kepala Laras, tuliskan dulu. Kedua, apakah ada aturan atau contoh hasil yang baik? AI paling cepat menangkap maksud kita dari contoh. Ketiga, jelas siapa yang memeriksa dan menyetujui hasilnya. Keempat, apakah hasilnya benar-benar terasa: waktu yang dihemat, atau pelanggan yang dibalas lebih cepat. Kalau tidak ada yang merasakan bedanya, pekerjaan itu belum layak didahulukan. Dan tanda silang merah: jika pekerjaan itu menyangkut uang atau data sensitif tanpa pengawasan, keluarkan dari daftar. Kelima kandidat Kopi Senja lolos uji ini. Seberapa besar dampaknya? Ini ilustrasi untuk Kopi Senja. Membalas chat harga dan stok bisa membebaskan sekitar lima jam per minggu, karena sebagian besar pertanyaan rutin dijawab agent, dan Dimas hanya menangani kasus khusus. Empat pekerjaan lainnya, yaitu mencatat pesanan, menulis caption, rekap penjualan, dan cek stok, bila dijumlahkan juga sekitar lima jam per minggu. Totalnya sekitar sepuluh jam per minggu, lebih dari satu hari kerja. Waktu ini bisa Dimas pakai untuk hal yang tidak bisa dikerjakan AI, seperti melayani pelanggan langsung di kedai atau mencoba menu baru. Angka ini ilustrasi, dan di Sesi 10 Anda mengukur penghematan nyata dari usaha Anda sendiri.
Supaya terbayang untuk pekerjaan lain, ini hasil pemetaan dari tokoh contoh kita. Bagi Dewi di CV Maju Bersama, skor tertinggi adalah merangkum email dan menyiapkan draf balasan, yang akan dikerjakan dengan asisten email di Sesi 5. Bagi Nadia, menulis caption dan kalender konten untuk empat klien. Ia memakai template prompt dari Sesi 2, lalu pipeline konten otomatis di Sesi 9. Dan bagi Pak Hendra, memberi umpan balik latihan soal setiap minggu, dengan asisten khusus dan rubrik di Sesi 3. Pekerjaannya berbeda-beda, tetapi cara memetakannya sama. Silakan pilih tokoh yang paling mirip dengan pekerjaan Anda sebagai acuan. Inilah output Sesi 1 untuk Kopi Senja: daftar lima pekerjaan yang akan diotomasi. Nomor satu, membalas chat harga dan stok di WhatsApp, yang akan menjadi agent customer service di Sesi 7 dan 8. Nomor dua, mencatat pesanan ke Google Sheets dengan otomasi dan langkah AI di Sesi 6. Nomor tiga, menulis caption Instagram dengan template prompt di Sesi 2. Nomor empat, rekap penjualan mingguan, yang mulai dibantu AI di Sesi 5 dan bisa menjadi proyek akhir di Sesi 10. Dan nomor lima, cek stok dengan pengingat belanja otomatis yang terjadwal, juga di Sesi 6. Daftar ini menjadi peta jalan Kopi Senja sampai akhir kelas. Tempel daftar ini di tempat yang mudah dilihat, supaya setiap sesi Anda ingat tujuan akhirnya. Satu hal lagi: skor tertinggi tidak harus dikerjakan pertama. Kita mulai dari yang paling aman. Caption Instagram di Sesi 2, karena risikonya paling rendah dan hasilnya langsung terasa. Lalu rekap penjualan di Sesi 5, yang hanya membaca data dan tidak mengirim apa pun ke pelanggan. Kemudian mencatat pesanan dan cek stok di Sesi 6, memakai otomasi dengan langkah AI. Dan agent CS WhatsApp, yang skornya tertinggi, di Sesi 7 dan 8, setelah Anda punya cukup pengalaman. Skor menentukan apa yang diotomasi, sedangkan urutan kelas menentukan kapan, dari yang paling mudah dan aman. Sekarang giliran Anda. Kumpulkan delapan sampai sepuluh pekerjaan berulang dari kalender, riwayat chat, masukan tim, dan bantuan AI. Gunakan catatan dari Episode 1 sebagai titik awal. Kerjakan dengan santai, kira-kira tiga puluh sampai enam puluh menit sudah cukup. Beri skor frekuensi, waktu, dan aman dengan skala satu sampai lima, lalu kalikan. Urutkan, lakukan uji kewajaran, lalu pilih lima teratas. Isi kolom cara dan sesinya, lalu simpan file ini baik-baik. Kita akan membukanya lagi di banyak sesi berikutnya, dan menghitung penghematan nyatanya di Sesi 10.
Selamat, Sesi 1 selesai. Anda sudah memahami bedanya chatbot, otomasi, dan agent, cara agent berpikir, contoh beserta risikonya, membandingkan tiga asisten AI, dan kini memegang daftar lima pekerjaan yang akan diotomasi. Di Sesi 2 kita belajar prompting untuk hasil yang konsisten, dimulai dari Episode 6: anatomi prompt yang baik, yaitu peran, konteks, tugas, format, dan contoh. Sampai jumpa di sesi berikutnya.
Kerjakan sendiri setelah menonton supaya materinya benar-benar melekat.
Ketik pertanyaan atau kata kunci; kami carikan bagian episode ini yang menjelaskannya dan lompatkan videonya ke sana.
Catatan disimpan bersama menit video saat ini dan hanya terlihat oleh Anda.
Bingung di salah satu langkah? Tanyakan di sini; pengajar dan peserta lain bisa menjawab.
Belum ada pertanyaan.

Tim Cerdas Inovasi Digital
Pengembang software, engineer BIM & 3D, dan praktisi AI
Sehari-hari kami mengerjakan software, model BIM, game, dan otomasi AI untuk klien, lalu menjadikan pengalaman praktik itu kelas langkah demi langkah: setiap langkah diperlihatkan di layar dan dilengkapi panduan PDF.
Lihat klien kami →