Bab 1: Dari Chatbot ke AI Agent

Dalam artikel sebelumnya tentang NLP, kita sempat membahas bagaimana Chatbot membantu perusahaan melayani pelanggan 24 jam. Chatbot pada dasarnya menunggu pertanyaan, lalu menjawab. Alurnya satu arah dan sudah ditentukan sejak awal.

AI Agent melangkah lebih jauh. Ia tidak hanya menjawab, tetapi juga bisa mengerjakan sesuatu: membaca data, memanggil aplikasi lain, mengambil keputusan sederhana, lalu melaporkan hasilnya kepada kita. Kalau Chatbot itu seperti resepsionis, AI Agent lebih mirip asisten yang bisa kita minta menyelesaikan satu tugas dari awal sampai akhir.

Bab 2: Otomasi Tidak Harus Canggih Dulu

Sebelum bicara AI, ada baiknya kita jujur dulu: sebagian besar pekerjaan kantor yang menyita waktu bukanlah pekerjaan yang sulit, melainkan pekerjaan yang berulang. Menyalin data dari satu file ke file lain. Merekap laporan bulanan. Mengecek angka yang sama setiap awal bulan.

Pekerjaan seperti ini punya dua sifat yang berbahaya kalau digabungkan:

  • Membosankan, sehingga kita mengerjakannya sambil setengah sadar.
  • Berisiko, karena satu angka yang salah ketik bisa berdampak ke tagihan atau laporan resmi.

Justru di titik inilah otomasi paling terasa manfaatnya, bahkan sebelum AI dilibatkan sama sekali.

Bab 3: Pengalaman Saya dengan n8n

Di pekerjaan saya, ada satu tugas rutin yang dulu dikerjakan manual: menghitung man-days setiap bulan untuk keperluan penagihan. Datanya banyak, formatnya berulang, dan salah hitung bukan pilihan karena angkanya berhubungan langsung dengan tagihan ke klien.

Tugas ini akhirnya saya pindahkan ke n8n, sebuah workflow automation tool. Cara kerjanya sederhana: kita menyusun alur kerja dari kotak-kotak yang saling terhubung. Satu kotak mengambil data, kotak berikutnya menghitung, kotak terakhir mengirimkan hasilnya. Sekali alurnya jadi, ia berjalan sendiri setiap bulan.

Yang berubah bukan hanya waktunya. Peran saya bergeser dari “menghitung” menjadi “memeriksa hasil hitungan”, dan itu jauh lebih aman. Komputer tidak lelah dan tidak salah ketik. Manusia cukup memastikan logikanya benar.

Menariknya, membangun otomasi seperti ini sekarang jauh lebih mudah karena kita bisa dibantu AI saat menyusun logikanya. Saya menulis kebutuhan dalam bahasa sehari-hari, AI membantu menerjemahkannya menjadi langkah-langkah teknis, lalu saya uji dan perbaiki sampai hasilnya konsisten.

Bab 4: Mulai dari Mana?

Saran saya sederhana: jangan mulai dari teknologinya, mulai dari daftar pekerjaan yang paling sering Anda ulang. Pilih satu yang risikonya kecil, otomasikan, lalu amati satu bulan. Kalau hasilnya konsisten, baru naik ke pekerjaan yang lebih penting.

Otomasi terbaik bukan yang paling canggih, tetapi yang benar-benar dipakai setiap hari.