Day 7: Mini Project Pemula – Bangun Workflow AI untuk Satu Tugas Nyata
Setelah belajar prompt dan evaluasi, saatnya membuat mini project. Tujuannya bukan membuat sistem rumit, tetapi membangun satu workflow AI yang benar-benar berguna.
Apa itu workflow AI?
Workflow AI adalah rangkaian langkah yang memakai AI untuk menyelesaikan tugas dari awal sampai akhir. Contoh: dari ide konten, outline, draft, revisi, sampai caption final.
Contoh mini project: kalender konten 7 hari
- Minta AI membuat 10 ide konten.
- Pilih 7 ide terbaik.
- Minta outline untuk tiap ide.
- Minta caption singkat untuk tiap posting.
- Minta checklist visual atau hook pembuka.
Aturan mini project
- Pilih tugas yang sering Anda lakukan.
- Batasi output agar tidak terlalu besar.
- Simpan prompt yang berhasil.
- Review hasil akhir sebelum digunakan.
Bantu saya membuat workflow AI untuk [tugas]. Pecah menjadi langkah-langkah kecil, berikan prompt untuk tiap langkah, dan jelaskan output yang harus saya cek.
Target hari ketujuh: Anda punya satu workflow nyata yang bisa dipakai ulang.
Memilih Tugas untuk Mini Project
Kriteria memilih tugas yang tepat untuk mini project: (1) Frekuensi — tugas yang Anda lakukan minimal sekali seminggu. (2) Repetitif — tugas yang polanya sama setiap kali. (3) Terukur — hasilnya bisa dinilai secara objektif. (4) Tidak terlalu kompleks — bisa diselesaikan dalam 1-2 jam. (5) Ada bagian yang bisa diotomatisasi. Contoh ideal: menulis email follow-up, membuat laporan mingguan, atau menyusun konten social media. Hindari tugas yang terlalu kreatif atau membutuhkan keputusan subjektif tinggi.
Membangun Workflow yang Bisa Diulang
Workflow yang baik harus bisa diulang (reusable) dan bisa dibagikan. Dokumentasikan setiap langkah: prompt apa yang digunakan, parameter apa yang diubah, dan bagaimana mengecek kualitas output. Simpan prompt terbaik di dokumen atau spreadsheet. Seiring waktu, Anda akan memiliki perpustakaan workflow yang bisa dipakai untuk berbagai tugas. Workflow yang sudah teruji bisa menghemat waktu 50-80% setiap kali digunakan.
Contoh Mini Project: Workflow Meeting Notes
Workflow catatan rapat: (1) Rekam atau catat poin-poin meeting. (2) Minta AI merapikan catatan menjadi struktur: agenda, diskusi, keputusan, action items. (3) Minta AI mengidentifikasi pemilik tugas dan deadline. (4) Minta AI menulis ringkasan 1 paragraf untuk dibagikan ke tim. (5) Simpan di Google Docs atau Notion. Workflow ini mengubah catatan berantakan menjadi dokumentasi rapi dalam 10 menit.
Contoh Mini Project Lain
Selain workflow konten dan meeting notes, beberapa mini project yang bisa dicoba: (1) Workflow riset kompetitor — minta AI mencari informasi tentang 3 pesaing, bandingkan fitur, harga, dan kelemahan. (2) Workflow onboarding karyawan — buat template email sambutan, panduan hari pertama, dan checklist perlengkapan. (3) Workflow laporan mingguan — kumpulkan data aktivitas, minta AI menyusun laporan dengan grafik dan insight. (4) Workflow katalog produk — buat deskripsi 50 produk dengan format konsisten. Pilih satu yang paling relevan dengan pekerjaan Anda.
Mengukur Keberhasilan Mini Project
Ukur keberhasilan workflow AI Anda dengan: (1) Waktu — berapa menit yang dihemat per tugas? (2) Kualitas — apakah output AI perlu banyak diedit? (3) Konsistensi — apakah hasilnya seragam setiap kali? (4) Skalabilitas — apakah workflow bisa dipakai untuk volume lebih besar? (5) Reproducibility — apakah orang lain bisa memakai workflow yang sama? Catat metrik ini dan iterasi untuk perbaikan. Workflow yang baik adalah yang terus dioptimasi.
Kesimpulan Day 7
Mini project adalah jembatan antara teori dan praktik. Pilih satu tugas nyata, bangun workflow AI, uji coba, iterasi, dan dokumentasikan. Dalam seminggu, Anda akan memiliki workflow yang bisa diandalkan untuk tugas yang sebelumnya memakan waktu berjam-jam.
Otomatisasi dengan AI + Tools Lain
Workflow AI Anda bisa dikombinasikan dengan tools lain untuk otomatisasi lebih lanjut: (1) Zapier + AI — trigger otomatis saat ada email masuk, AI memproses dan merespon. (2) Google Apps Script + AI — AI memproses data spreadsheet dan mengirim laporan. (3) Make (Integromat) + AI — workflow visual dengan AI sebagai pemroses. (4) Python script + AI — otomatisasi penuh dengan kode. Mulai dari kombinasi sederhana: saat file diupload ke Google Drive, AI otomatis meringkas dan mengirim ringkasan ke email Anda.
Mengintegrasikan AI dengan Google Workspace
Contoh integrasi AI dengan Google Workspace: (1) Google Docs + AI — minta AI menulis draft dokumen, lalu edit langsung di Docs. (2) Google Sheets + AI — minta AI membuat rumus kompleks atau menganalisis data. (3) Gmail + AI — minta AI merespon email dengan konteks dari thread. (4) Google Calendar + AI — optimasi jadwal. (5) Google Slides + AI — buat outline presentasi. Integrasi ini menghemat waktu secara signifikan karena Anda tidak perlu copas antar aplikasi.
Konsep Konteks dalam Prompt Engineering
Konteks adalah informasi latar yang membantu AI memahami situasi, kebutuhan, dan preferensi Anda. Tanpa konteks yang cukup, AI hanya bisa memberikan jawaban generik. Konteks yang baik mencakup: (1) Siapa Anda — profesi, tingkat keahlian, kebutuhan spesifik. (2) Siapa target audiens — demografi, tingkat pemahaman, preferensi gaya. (3) Tujuan — apa yang ingin dicapai dengan output ini. (4) Latar belakang — apa yang sudah terjadi, apa yang sudah dicoba. (5) Batasan — budget, waktu, sumber daya, brand voice. Semakin kaya konteks, semakin relevan output AI.
Teknik Context Dumping
Context dumping adalah teknik menuangkan semua informasi relevan ke dalam prompt sebelum meminta AI mengerjakan tugas. Contoh: “Saya adalah content creator yang fokus pada AI untuk UKM. Target audiens saya pemilik usaha kecil (30-50 tahun) yang tidak paham teknologi. Sudah 2 tahun saya membuat konten edukasi AI. Tantangan saya: engagement rate turun 20% dalam 3 bulan terakhir. Konten yang dulu viral: studi kasus konkret dengan hasil angka. Konten yang gagal: penjelasan teori panjang. Harus saya buat konten mingguan. Budget konten: Rp 0 (hanya waktu saya). Tolong bantu saya strategi konten 30 hari ke depan.” Konteks selengkap ini membuat AI bisa memberikan rekomendasi yang sangat personal dan actionable.
Membangun Konteks Berlapis
Untuk proyek besar, gunakan pendekatan konteks berlapis: Layer 1 — Konteks proyek keseluruhan. Layer 2 — Konteks tugas spesifik. Layer 3 — Konteks output. Layer 4 — Contoh konkret. Contoh: “Konteks proyek [Layer 1]: Saya sedang membangun platform edukasi AI untuk pemula Indonesia. Target: 10.000 pengguna dalam 6 bulan. Konteks tugas [Layer 2]: Saya butuh outline 10 modul belajar, masing-masing dengan 5 sub-bab. Target pembaca: karyawan non-teknis. Konteks output [Layer 3]: Setiap modul 2000 kata, bahasa Indonesia, nada santai- edukatif, analogi sederhana. Contoh [Layer 4]: Modul 1 tentang AI Fundamentals seperti yang sudah saya buat di [link].” Pendekatan ini memastikan AI memahami konteks global dan lokal secara bersamaan.
Prompt untuk Riset Mendalam
Riset mendalam dengan AI membutuhkan prompt bertingkat: Tahap 1 — “Identifikasi 10 sumber terpercaya tentang [topik] dan jelaskan perspektif unik masing-masing.” Tahap 2 — “Dari sumber yang disebutkan, ekstrak 3 temuan utama yang paling kontroversial.” Tahap 3 — “Bandingkan temuan dari sumber yang pro dan kontra. Analisis metodologi dan bias masing-masing.” Tahap 4 — “Sintesis semua informasi menjadi kesimpulan yang balanced. Identifikasi area yang masih membutuhkan riset lebih lanjut.” Tahap 5 — “Berdasarkan hasil riset, buat rekomendasi kebijakan/strategi untuk [konteks spesifik].” Teknik ini menghasilkan riset mendalam yang setara dengan konsultan profesional.
Kesalahan Umum dalam Memberi Konteks
(1) Konteks terlalu sempit — hanya memberi informasi minimal. AI tidak bisa membaca pikiran. (2) Konteks tidak terstruktur — mencampur semua informasi tanpa urutan logis. AI bingung membedakan prioritas. (3) Konteks tidak konsisten — informasi bertentangan antara satu bagian dengan bagian lain. (4) Konteks outdated — menggunakan informasi lama yang sudah tidak relevan. (5) Over-sharing — memberi informasi yang tidak relevan dengan tugas sehingga AI kehilangan fokus. Solusi: tulis konteks secara terstruktur, verifikasi konsistensi, dan hanya sertakan informasi yang relevan dengan tugas spesifik.
Latihan: Context Building
Ambil satu proyek nyata yang sedang Anda kerjakan. Tulis konteks lengkap dalam 500-700 kata yang mencakup: latar belakang, target, tantangan, sumber daya, timeline, dan preferensi gaya. Gunakan konteks ini untuk 3 prompt berbeda. Bandingkan hasilnya dengan prompt tanpa konteks. Anda akan melihat perbedaan dramatis dalam relevansi dan kualitas output. Biasakan selalu menyertakan konteks dalam setiap prompt — meskipun untuk tugas sederhana.
← Sebelumnya: Day 6: AI untuk Belajar Lebih Cepat – Ringkas Materi dan Buat Rencana Belajar
Berikutnya: Day 8: Pengenalan Agentic AI – AI yang Bisa Merencanakan dan Mengeksekusi →
Lanjut Belajar AI
Jika artikel ini membantu, lanjutkan ke materi terstruktur agar pemahaman AI lebih rapi dan praktis.
