AI & Automasi
Petakan proses berulang, uji prototipe AI dengan data sintetis, dan tetapkan pemeriksaan manusia, batas akses, serta kriteria hasil bersama BTJ.
Memahami kebutuhan
Kapan AI membantu proses kerja?
AI dapat membantu tugas seperti menyusun draf atau mengelompokkan teks ketika hasilnya bisa diperiksa. Automasi berbasis aturan lebih sesuai untuk langkah yang pasti. Pembahasan layanan dimulai dengan memilih satu alur, menetapkan masukan dan keluaran, lalu menentukan siapa yang menyetujui hasilnya.
Tugas berulang yang perlu dipetakan
Pekerjaan berulang sering tersebar di dokumen, percakapan, dan aplikasi yang berbeda. Sebelum memakai AI, tentukan tugas yang benar-benar perlu dibantu dan keputusan yang harus tetap diperiksa manusia.
Masih memindahkan data dan memeriksa pekerjaan yang sama berulang kali?
Ketika alurnya belum dipetakan, automasi bisa sekadar mempercepat kesalahan. Pilih satu tugas, tentukan keluaran yang diharapkan, lalu uji sebelum memperluas penggunaannya.
Ruang lingkup
Batas prototipe dan akses data
- Pemetaan proses, sumber data, serta batas akses pengguna.
- Prototipe automasi untuk satu alur dengan masukan dan keluaran yang jelas.
- Integrasi yang memungkinkan peninjauan hasil, penanganan kesalahan, dan proses manual saat diperlukan.
Tahapan kerja
Dari contoh masukan ke pengujian
- Pilih satu proses dan ukur kondisi awalnya.
- Susun contoh data sintetis serta kriteria hasil yang dapat diterima.
- Uji prototipe, kesalahan keluaran, dan kebutuhan pemeriksaan manusia.
- Dokumentasikan batas penggunaan, akses, dan cara pengelolaan.
Contoh hasil kerja
Bahan evaluasi dan dokumentasi
Hasil akhir, jadwal, biaya, dan tanggung jawab mengikuti kebutuhan serta kesepakatan layanan.
- Pemetaan kebutuhan dan alur data
- Prototipe dengan kriteria keberhasilan
- Dokumentasi dan pelatihan penggunaan
Tentukan batas penggunaan data, cara menguji keluaran, kebutuhan review manusia, serta biaya layanan pihak ketiga. Automasi tidak langsung menggantikan persetujuan untuk keputusan yang berdampak pada pengguna.
Contoh untuk pengkajian
Contoh lembar evaluasi asisten draf
Contoh rancangan sintetis, bukan studi kasus klien atau demonstrasi implementasi yang telah selesai. Misalnya, sebuah tim ingin membuat draf ringkasan dari catatan rapat buatan. Sebelum menguji model, tentukan hasil yang boleh diteruskan dan yang wajib dihentikan.
Manual: baca dan susun ulang
Operator membaca catatan buatan, mencari tugas dan menyusun draf ringkasan satu per satu.
Prototipe: draf lalu review
Asisten menyiapkan draf dengan rujukan catatan; manusia memeriksa keputusan, tugas dan informasi yang belum tersedia. Bukan pengiriman otomatis.
Pada layar kecil, geser tabel untuk membaca seluruh kolom.
| Skenario | Perilaku yang diperiksa |
|---|---|
| Catatan lengkap | Draf membedakan keputusan, tugas, dan hal yang belum diputuskan; setiap ringkasan diperiksa terhadap catatan sumber. |
| Nama atau tenggat tidak disebut | Keluaran menandai informasi belum tersedia, bukan membuat nama atau tanggal. |
| Teks meminta akses di luar tugas | Instruksi dari dokumen tidak memberi kewenangan menjalankan tindakan atau membaca sumber lain. |
| Layanan model gagal | Operator mendapat status gagal yang jelas dan dapat melanjutkan proses manual tanpa mengirim draf otomatis. |
Kriteria penerimaan dan contoh kesalahan disepakati sebelum aktivasi. Tidak ada janji persentase akurasi atau penghematan tanpa pengukuran terhadap alur yang sama. Keputusan berdampak pada orang atau keuangan tetap memerlukan penanggung jawab manusia.
Dari contoh ke kebutuhan Anda
Dari tugas berulang ke prototipe yang bisa diperiksa.
Proses yang berulang, sumber data tanpa isinya, pemeriksa hasil, dan keluaran yang ingin diuji.
Pertanyaan awal
Pertanyaan tentang penggunaan AI
Haruskah semua proses langsung diotomasi?
Mulai dari satu proses yang batasnya jelas. Diskusikan kebutuhan prototipe, cara menilai hasil, dan kondisi saat proses manual tetap diperlukan sebelum memperluasnya.
Apakah akun dan biaya platform termasuk?
Kebutuhan akun, hak penggunaan, dan biaya platform perlu dibahas terpisah dari pekerjaan implementasi. Jangan membagikan password atau kode akses dalam diskusi awal.
Apakah setiap automasi harus memakai AI?
Tidak. Aturan sederhana sering lebih mudah diaudit untuk perhitungan, validasi format, atau perpindahan status. AI dipertimbangkan ketika ada kebutuhan memahami atau menyusun teks dan tersedia cara menilai hasilnya.
Data apa yang diperlukan untuk pembahasan awal?
Cukup gambaran alur dan contoh sintetis tanpa identitas pelanggan atau rahasia. Pemakaian data nyata, hak akses, pemroses pihak ketiga, dan ketentuan penyimpanan harus dibahas sebelum pengujian di lingkungan operasional.
Langkah berikutnya
Siapkan diskusi
yang terarah.
- Tugas berulang apa yang ingin dibantu dan siapa penggunanya?
- Data apa yang diperlukan, siapa pemiliknya, dan bagaimana batas aksesnya?
- Bagaimana keluaran akan diperiksa manusia sebelum digunakan?
Lisensi dan layanan pihak ketiga
Hak lisensi mengikuti ketentuan pemegang hak. Pendampingan implementasi tidak dengan sendirinya menunjukkan kemitraan atau otorisasi reseller. Penggunaan akun, biaya provider, dan hak publikasi perlu disepakati terpisah.
Sumber primer
Rujukan teknis untuk pembahasan
- OWASP — Excessive Agency
Alasan membatasi fungsi, izin dan otonomi sistem AI; bukan bukti sertifikasi BTJ.
Dokumentasi pihak ketiga menjelaskan prinsip atau fitur teknis. Tautan ini tidak menyatakan kemitraan, sertifikasi, atau hasil pekerjaan BTJ.
Dari kebutuhan
ke rencana proyek.
Ceritakan masalah dan target Anda. Ruang lingkup serta penawaran dibahas setelah kebutuhan dipahami.