Memilih Tugas yang Cocok untuk AI

Nilai AI tidak terlihat dari panjang daftar fiturnya. Nilainya terlihat saat satu pekerjaan nyata jadi lebih mudah, lebih jelas, atau lebih cepat direview.

Orientasi

Durasi: sekitar 35 menit Prasyarat: bisa memakai KIFF dan iteration loop Output modul: satu mini-project dari masalah nyata

Di modul ini, kamu tidak akan mengumpulkan 100 ide use case. Kamu akan memilih satu tugas yang cukup kecil untuk dicoba hari ini.

4.1 Cara menemukan tugas yang cocok

Mulai dari pekerjaan, bukan tool.

Cari tugas yang:

• sering berulang;
• banyak memakai teks, pola, atau format;
• punya bahan input yang jelas;
• hasilnya masih bisa direview manusia;
• tidak langsung membuat keputusan berisiko tinggi;
• bisa diuji dalam 10–30 menit.

Contoh yang cocok untuk eksperimen pertama:

• mengubah catatan menjadi daftar tindakan;
• membuat tiga versi subject email;
• merapikan FAQ;
• membuat pertanyaan interview, bukan memutuskan kandidat;
• mengelompokkan feedback anonim;
• mengubah outline menjadi checklist.

Contoh yang kurang cocok untuk eksperimen pertama:

• menentukan siapa yang layak dipecat;
• mendiagnosis penyakit;
• memberi keputusan hukum;
• mengirim pesan massal tanpa review;
• mengolah data pelanggan mentah di akun personal;
• menandatangani transaksi otomatis.

4.2 Sepuluh use case untuk profesional Indonesia

Setiap use case di bawah memakai pola:

Input aman → AI membantu → manusia mengecek → hasil dipakai

1. Email dan pesan kerja

Masalah: pesan terlalu lama ditulis atau nadanya mudah disalahpahami. AI membantu: membuat draft, versi ringkas, atau variasi tone. Manusia mengecek: nama, tanggal, janji, tone, dan penerima.

Prompt starter:

Ubah poin berikut menjadi email untuk [penerima]. Tujuannya [tujuan].
Format: subjek + isi 100–140 kata.
Tone: [tone].
Pertahankan semua nama, angka, dan tanggal. Jangan menambah komitmen baru.

Poin:
- [poin aman]

2. Rangkuman meeting dan daftar tindakan

Masalah: catatan tercecer dan tidak jelas siapa melakukan apa. AI membantu: mengelompokkan keputusan, action item, owner, dan deadline. Manusia mengecek: apakah keputusan benar-benar disepakati dan apakah data boleh diproses.

Gunakan hanya catatan yang kuberikan. Pisahkan menjadi:
1. keputusan,
2. action item,
3. owner,
4. deadline,
5. pertanyaan terbuka.

Jika owner atau deadline tidak disebut, tulis “belum ditentukan”. Jangan menebak.

3. Brainstorming dengan kriteria

Masalah: ide pertama terlalu biasa atau diskusi muter. AI membantu: menghasilkan alternatif dari beberapa sudut. Manusia mengecek: kelayakan, diferensiasi, anggaran, dan konteks pasar.

Buat 12 ide untuk [tujuan]. Kelompokkan menjadi: aman, eksperimen, dan berani.
Nilai tiap ide 1–5 untuk biaya, kecepatan eksekusi, dan kesesuaian audiens.
Jelaskan asumsi penilaiannya. Jangan mengarang data pasar.

4. Terjemahan dan adaptasi

Masalah: terjemahan literal terasa kaku atau salah konteks. AI membantu: membuat beberapa versi berdasarkan audiens. Manusia mengecek: makna, istilah bidang, budaya, dan konsekuensi hukum.

Adaptasikan teks ini ke [bahasa] untuk [audiens]. Pertahankan makna, angka, nama produk, dan komitmen.
Setelah hasil, tulis bagian yang tidak punya padanan langsung dan alasan pilihanmu.

5. Struktur presentasi

Masalah: banyak bahan, tetapi pesan utama belum jelas. AI membantu: membuat urutan dan menunjukkan bukti yang diperlukan. Manusia mengecek: logika, akurasi data, dan keputusan yang diharapkan.

Buat outline presentasi 8 slide untuk [audiens]. Tujuannya agar mereka memutuskan [keputusan].
Untuk setiap slide, tulis: pesan utama, bukti yang diperlukan, dan pertanyaan audiens yang harus dijawab.
Tandai slide yang belum punya bukti. Jangan mengarang angka.

6. Tutor pribadi

Masalah: penjelasan sumber terlalu teknis atau tidak sesuai level. AI membantu: analogi, latihan, pertanyaan Socratic, dan feedback. Manusia mengecek: fakta serta aturan belajar atau penilaian.

Jadilah tutor untuk topik [topik]. Jangan langsung memberi jawaban akhir.
Tanyakan pemahamanku, beri satu petunjuk setiap kali, lalu minta aku menjelaskan kembali dengan bahasaku sendiri.
Tandai bagian yang memerlukan sumber resmi terbaru.

7. Analisis data ringan

Masalah: tabel sulit dibaca dan pertanyaan analisis belum tajam. AI membantu: membersihkan label, menyarankan pertanyaan, dan menjelaskan pola. Manusia mengecek: rumus, data hilang, bias sampel, dan interpretasi.

Untuk latihan, gunakan data fiktif atau publik. Jangan unggah data pribadi mentah.

Berikut tabel data fiktif. Sebelum menganalisis, cek kolom, nilai kosong, duplikasi, dan definisi metrik.
Lalu berikan 5 pertanyaan analisis yang bisa dijawab dari data ini. Jangan menyimpulkan hubungan sebab-akibat dari korelasi.

8. Draft dan editing konten

Masalah: blank page atau draft belum rapi. AI membantu: outline, alternatif hook, editing struktur, dan kritik. Manusia mengecek: suara brand, fakta, orisinalitas, serta hak penggunaan.

Review draft di bawah. Jangan tulis ulang dulu.
Berikan feedback dalam 4 bagian: pesan utama, bagian kuat, bagian membingungkan, dan 3 revisi paling berdampak.
Setelah aku memilih revisi, baru bantu edit.

9. Planning dan prioritas

Masalah: to-do list panjang tanpa urutan. AI membantu: mengelompokkan, mencari dependensi, dan membuat skenario. Manusia mengecek: urgensi nyata, energi, komitmen, dan dampak.

Kelompokkan daftar tugasku menjadi: harus hari ini, jadwalkan, delegasikan, dan hapus.
Sebelum mengelompokkan, tanyakan deadline, dampak jika terlambat, dan dependensi.
Jangan menganggap semua tugas sama penting.

10. Troubleshooting

Masalah: gejala ada, akar masalah belum jelas. AI membantu: membuat hipotesis dan urutan pemeriksaan. Manusia mengecek: keamanan tindakan dan hasil nyata setiap langkah.

Masalah: [gejala].
Kondisi sebelum masalah muncul: [kondisi].
Yang sudah dicoba: [langkah].

Buat maksimal 5 hipotesis, urutkan dari paling mungkin, dan berikan satu langkah aman untuk menguji tiap hipotesis. Jangan menyarankan reset, hapus data, atau perubahan permanen tanpa backup dan konfirmasi.