AI untuk produktivitas kerja

Saat ini perusahaan tempat saya bekerja, PT Aktiva Kreasi Investama, sedang mengembangkan dua aplikasi: Sazara dan Akfina. Keduanya memiliki fokus yang berbeda. Sazara berfokus pada pengelolaan pertanian, sedangkan Akfina berfokus pada perencanaan keuangan. Di sinilah cerita tentang AI untuk produktivitas kerja ini bermula.

Di dua proyek tersebut, banyak sekali pekerjaan yang sifatnya berulang, seperti membuat dokumen perencanaan. Ada juga hal-hal yang idealnya perlu penilaian orang lain sebelum disampaikan ke tim, agar konsepnya lebih matang ketika dideliver.

Sehari-hari saya biasanya dibantu ChatGPT untuk mengerjakan pekerjaan seperti itu. Namun seiring aplikasi berkembang dan kebutuhannya semakin besar, saya mulai merasa, “Seharusnya ini bisa lebih efektif kalau didelegasikan.” Masalahnya, tim saat ini sudah memiliki tanggung jawab yang besar masing-masing, jadi saya mulai berpikir bagaimana kalau ini didelegasikan ke AI saja.

Tapi ada masalah dengan cara lama. Setiap kali saya ingin meminta ChatGPT mengerjakan sesuatu, saya harus memberikan pengarahan ulang dari awal. Lama-kelamaan itu melelahkan, apalagi dengan ritme kerja yang cukup padat.

Belakangan ini saya cukup intens mengeksplorasi Claude AI, dan perjalanan itu sendiri berawal dari kursus AI yang sempat saya ceritakan sebelumnya. Dari situlah sebuah koneksi muncul. Di Claude, kita bisa membuat skill, yaitu instruksi yang sudah ditulis sebelumnya dan bisa dipanggil kapan saja tanpa perlu prompting ulang. Berbeda dengan ChatGPT, dengan skill ini kita cukup memanggil namanya dan Claude langsung bekerja sesuai ketentuan yang sudah dibuat. Inilah yang saya rasa paling cocok sebagai AI untuk produktivitas kerja sehari-hari, apalagi Claude Code juga memiliki akses ke dokumen lain, termasuk membaca codebase prototipe jika dibutuhkan dalam konteks pembuatan dokumen teknis.

Dari situ saya mulai membuat apa yang saya sebut sebagai tim virtual. Bukan tim sungguhan, tapi instruksi yang sudah saya tulis dengan detail untuk masing-masing kebutuhan, lalu disimpan sebagai skill di Claude. Setiap skill punya nama, cara kerja, dan format output yang sudah saya tentukan sejak awal.

Yang pertama saya buat adalah Ira. Ia berperan sebagai UX Analyst. Kalau saya ingin mengecek sebuah halaman dari sisi usability, saya tinggal ketik /ux-audit dan paste HTML-nya. Ira langsung membaca halaman tersebut, menyimpulkan sendiri konteksnya, lalu menyajikan temuan mulai dari yang kritis sampai yang sekadar nice-to-have, lengkap dengan skor UX per dimensinya.

Kemudian ada Auri, Flow Specialist. Auri saya panggil ketika saya butuh memetakan atau menganalisis user flow sebuah fitur. Dia akan mengidentifikasi friction point, edge case yang mungkin terlewat, sampai langkah-langkah mana yang berisiko membuat pengguna berhenti di tengah jalan.

Yang terakhir, Raira. Ia berperan sebagai Product Analyst, khusus untuk me-review dokumen PRD atau spec sebelum saya bagikan ke tim engineering. Raira tidak hanya mencari yang kurang, tapi juga menandai hal-hal yang ambigu atau berpotensi jadi masalah teknis di kemudian hari.

Ketiganya bekerja dengan cara yang sama: saya panggil, saya berikan konteks yang dibutuhkan, dan mereka langsung mengerjakan sesuai ketentuan yang sudah saya tulis sebelumnya. Tidak ada pengarahan ulang, tidak ada penjelasan dari awal. Konsisten setiap kali dipanggil.

Pertama kali mencoba Ira, saya cukup terkejut. Bukan karena hasilnya sempurna, tapi karena saya tidak perlu melakukan apa-apa selain menyerahkan file-nya. Ira membaca sendiri, menyimpulkan sendiri tujuan halaman itu, bahkan meminta konfirmasi asumsi konteks sebelum menyajikan temuan. Persis seperti yang saya instruksikan.

Ira, Auri, dan Raira bukan pengganti tim sungguhan. Mereka tidak bisa diajak diskusi panjang, tidak punya sudut pandang dari pengalaman nyata, dan tidak akan protes kalau saya keliru mengambil keputusan. Tapi dalam kondisi tim yang masih terbatas, mereka cukup mengisi celah yang ada.

Hal yang saya pelajari dari ini: keterbatasan bukan selalu hambatan. Kadang ia hanya mendorong kita untuk lebih kreatif mencari jalan lain.

Terima kasih sudah menyempatkan membaca. Sampai jumpa di cerita selanjutnya.