Bukan cuma buat engineer. Cara mengoper "pekerjaan itu" per profesi ke AI

Jumat sore, kolega sales di meja sebelah saya menghela napas.

“Kartu nama yang dikumpulin minggu ini, 30 lembar. Harus ngetik semuanya ke Excel dulu sebelum pulang—berat banget, kan?”

Saya mengintip layarnya dari samping, lalu berkata, “Itu nggak perlu kamu ketik, kok.”

Saya rasa masih banyak yang menganggap AI itu alat buat engineer menulis program yang ruwet. Tapi yang benar-benar ampuh justru di tempat yang lebih tidak mencolok. Pekerjaan tangan merepotkan yang kamu ulang tiap hari itu. Menyalin kartu nama, memilah email pertanyaan, merapikan notula, memproduksi deskripsi produk secara borongan. Justru “pekerjaan yang tidak mau dikerjakan tapi tidak akan selesai kalau tak ada yang mengerjakan” seperti inilah yang paling dikuasai AI.

Hari ini saya bahas, per profesi, cara mengoper “pekerjaan itu” satu per satu ke AI. Kode hampir tidak muncul. Kalaupun muncul, cuma yang tinggal dicopas dan diganti namanya.

Memangnya, non-engineer bisa apa?

Pertama, saya luruskan dulu salah kaprahnya. Untuk meminta pekerjaan ke AI, kamu tidak butuh pengetahuan pemrograman.

Bayangkan saja seperti anak magang baru yang daya ingatnya luar biasa. Cukup bilang dalam bahasa sehari-hari “tolong ini ya”, umumnya dia kerjakan. Menyusun fungsi Excel, merapikan tulisan, menyamakan data yang berantakan jadi tabel. Hanya saja, karena dia anak baru, kalau tidak menyampaikan “apa, sampai mana, dalam bentuk seperti apa” di awal dengan benar, hasil kerjanya bisa meleset. Cuma itu kuncinya.

Di artikel ini saya bicara dengan asumsi dua alat. Pertama, layar chat ChatGPT atau Claude. Ini siapa pun bisa langsung pakai. Kedua, Claude Code, yaitu AI tipe yang bisa langsung baca-tulis file. Yang kedua ini bikin tegang karena ada embel-embel “Code” di namanya, tapi anggap saja ia petugas yang “melihat file di dalam folder, merapikan, lalu menyimpan”. Bukan pakar yang menulis kode, melainkan petugas pengganti untuk pekerjaan komputer.

Penjelasan resminya ada di dokumentasi Anthropic. Berbahasa Inggris, tapi cukup melihat suasananya saja sudah bikin lebih tenang.

Mulai sini, kita lihat “situasi yang ampuh” per profesi.

Situasi ampuh ke-1: Sales — keluar dari “neraka menyalin” kartu nama dan email

Ini soal kartu nama di awal tadi. Kalau berkecimpung di sales, pekerjaan menyalin kartu nama atau tanda tangan email ke daftar pelanggan selalu mengikuti. Sekartu 2 menit pun, kalau 30 kartu berarti sejam. Diam-diam ia mencuri malammu.

Ini selesai cukup dengan meminta AI “ubah teks ini jadi tabel”. Mau teks hasil pindaian aplikasi kartu nama, mau hasil copas tanda tangan di ujung email, sama saja. Kalimat yang berantakan diubah jadi satu baris tabel yang rapi.

Misalnya, tempel ini ke chat.

Dari teks berikut, ambil nama perusahaan, nama, divisi, jabatan, email, telepon,
lalu jadikan 1 baris CSV. Baris header tidak perlu. Kalau ada kolom yang kosong, biarkan kosong.

PT Sampel Niaga Divisi Penjualan Manajer
Budi Santoso
[email protected] / 021-1234-5678

Yang kembali adalah satu baris PT Sampel Niaga,Budi Santoso,Divisi Penjualan,Manajer,[email protected],021-1234-5678. Tinggal tempel ke spreadsheet, selesai. Tempel 10 kartu sekaligus, 10 baris keluar serentak.

Maju selangkah lagi, draf email pun bisa didelegasikan. Minta “buatkan email ucapan terima kasih ke orang ini soal pameran kemarin, sopan tapi jangan terlalu kaku”, maka rancangan awalnya keluar dalam 3 detik. Menulis dari nol versus mengoreksi kalimat yang sudah keluar—waktunya beda jauh. Soal otomatisasi email sales yang lebih serius saya rangkum di Otomatisasi email dengan Claude Code.

Situasi ampuh ke-2: Customer support — biarkan AI memilah pertanyaan duluan

Pagi di support dimulai dari membuka pertanyaan yang menumpuk lalu memilah “ini refund”, “ini laporan bug”, “ini peluang sales”. Membaca dan mengklasifikasi satu per satu itu diam-diam bikin otak lelah, kan?

AI itu benar-benar jago di urusan “membaca lalu mengklasifikasi” ini. Serahkan teks pertanyaan, lalu minta dia rangkumkan “jenis”, “tingkat urgensi”, dan “rancangan jawaban pertama” sekaligus. Petugas support tinggal mengecek hasil pemilahan, lalu merapikan balasannya saja.

Tapi yang penting di support justru mulai sini. Jangan biarkan AI mengirim balasannya langsung ke pelanggan. Itu cuma draf. Di akhir, manusia membaca lalu mengirim. Garis ini saja, tolong dijaga (alasannya akan terasa sakit di cerita kegagalan nanti).

Kalau kamu tunjukkan beberapa “pertanyaan umum dan jawabannya yang lalu” ke AI, dia akan menulis balasan yang condong ke nada bicara perusahaanmu. Aturan kecil seperti “kami menyebutnya bukan pelanggan, tapi ‘Pengguna Terhormat’” pun akan dipatuhi kalau disampaikan di awal.

Situasi ampuh ke-3: Admin — menyatukan 30 Excel jadi satu

Yang paling sering saya dengar dari orang admin adalah “perhitungan beberapa file”. Ada 30 CSV atau Excel yang acak-acakan per cabang, per bulan, lalu harus dirangkum jadi satu tabel dan dijumlahkan. Kalau manual, jadi badai copas, dan geser satu saja angkanya langsung tidak cocok.

Ini gilirannya Claude Code. Cukup serahkan satu folder, lalu minta dalam Bahasa Indonesia “baca semua CSV di sini, satukan jadi satu, lalu keluarkan juga total per cabang”. Mau filenya 30 atau 300, waktu tunggunya hampir sama.

“Tapi menjalankannya di PC sendiri kayaknya sulit”—mungkin kamu berpikir begitu. Kalau cuma untuk coba, ada juga cara meminta AI di chat membuatkan skrip satu file seperti ini. Di bawah ini contoh super sederhana yang cuma “menjumlahkan semua CSV di folder yang sama jadi satu lembar”. Kalau Python sudah terpasang, simpan dengan nama merge.py, lalu jalankan setara klik dua kali.

# Satukan semua CSV di folder yang sama jadi satu lembar (penangkal "neraka copas" pekerjaan admin)
# Cara pakai: taruh file ini di folder yang sama dengan CSV, lalu jalankan
import csv, glob, os

rows = []
header = None
for path in glob.glob("*.csv"):
    if os.path.basename(path) == "gabungan.csv":
        continue  # lewati file output-nya sendiri
    with open(path, encoding="utf-8-sig", newline="") as f:
        reader = csv.reader(f)
        head = next(reader, None)  # anggap baris pertama sebagai header
        if header is None:
            header = head
        for row in reader:
            rows.append(row)

with open("gabungan.csv", "w", encoding="utf-8-sig", newline="") as f:
    writer = csv.writer(f)
    if header:
        writer.writerow(header)
    writer.writerows(rows)

print(f"{len(rows)} baris sudah ditulis ke gabungan.csv")

Tidak apa-apa kalau kamu tidak paham seluruh maknanya. Intinya, ia petugas yang “menumpuk CSV di dalam folder secara vertikal jadi satu lembar”. Kalau sudah ingin serius sampai perhitungan dan pengkondisian, saya tulis prosedur untuk kerja nyata di Mengotomatiskan integrasi spreadsheet dengan Claude Code.

Situasi ampuh ke-4: Marketing & penulis — produksi massal dan penjaga konsistensi penulisan

Terakhir, marketing dan penulis. Deskripsi produk 20 buah, postingan medsos untuk seminggu, copy iklan 10 versi. Pekerjaan “mengeluarkan jumlah banyak” cocok luar biasa dengan AI.

Tapi yang sering terjadi di sini adalah kegagalan “begitu semuanya ditulis AI, kalimatnya jadi mirip-mirip semua”. Triknya adalah kamu sendiri yang menentukan template dan bahannya, lalu pendagingannya diserahkan ke AI. Cukup serahkan “3 keunggulan produk ini”, “targetnya pasangan kerja usia 30-an”, “kata terlarang ini saja”, lalu minta dia memproduksi kombinasi ungkapannya secara borongan. Manusia beralih jadi petugas yang memilih dari yang keluar.

Satu lagi yang diam-diam ampuh: menyamakan konsistensi penulisan. “ijin/izin”, “praktek/praktik”, “nopember/november”. Tempel naskahnya lalu minta “aturan penulisan kami begini, tolong betulkan”, maka dia akan memunguti bahkan inkonsistensi yang luput dari mata. Sentuhan terakhir saat menyunting jadi jauh lebih ringan.

Tiga kesalahan yang pernah saya bikin

Saya tulis jujur saja. Di awal-awal, saya jatuh cukup keras.

Yang pertama. Saya nyaris menyuruh AI mengirim otomatis balasan support. “Drafnya udah akurat, langsung kirim aja boleh kali”—setan lewat. Saat tes, AI salah baca satu syarat refund, lalu membuat draf bertuliskan “kami akan kembalikan dananya” untuk kasus yang seharusnya ditolak. Kalau tombol kirimnya saya otomatiskan, draf itu langsung sampai ke pelanggan apa adanya. Khusus “mengirim”, wajib tetap di tangan manusia. Ini meresap sampai ke tulang.

Yang kedua. Cara saya meminta terlalu asal. Di perhitungan admin, saat saya cuma bilang “rangkum yang bagus ya”, cara penjumlahan dan urutannya jadi tergantung suasana hati AI, dan tiap kali keluar tabel yang beda. Begitu saya sebut bentuk akhirnya secara spesifik—“urutkan nama cabang A→Z, total taruh di baris paling bawah”—langsung stabil. Cuma dengan menyerahkan ‘mau dalam bentuk seperti apa’ di awal, hasilnya jadi benda yang berbeda total.

Yang ketiga. Saya menyuruh produksi massal tanpa menyerahkan bahan. Saat saya oper bulat-bulat “tulis deskripsi produk yang menarik”, semua produk jadi kalimat kosong macam “berkualitas tinggi dan mudah dipakai” yang cocok untuk apa saja. Begitu saya serahkan tabel spesifikasi dan gambaran target, barulah “wajah produk itu” muncul dengan benar. AI itu orang yang memasak dari bahan, bukan orang yang menciptakan bahan. Di sini saya salah paham.

Kalau mau mulai, mulailah dari sini

Jangan langsung menargetkan “serahkan semuanya ke AI”. Kamu akan menyerah di tengah jalan.

Yang dipilih, cukup satu pekerjaan merepotkan yang kamu kerjakan tiap minggu. Menyalin kartu nama, memilah pertanyaan, menghitung file, menyamakan penulisan. Fokus ke salah satu saja. Lalu, kerjakan begini.

1. Tulis yang kamu inginkan, seolah menjelaskan ke anak magang baru (latar belakang, bahan, bentuk yang diinginkan)
2. Untuk kali pertama, pasti cek sendiri hasil yang keluar (jangan langsung percaya)
3. Khusus operasi “mengirim, menghapus, uang bergerak”, tetap di tanganmu sendiri

Asal menjaga tiga ini, kecelakaan besar tidak akan terjadi. Mulailah dengan satu email hari ini, atau satu kartu nama.

Hasil setelah saya coba sendiri

Kolega sales di awal tadi, setelah itu, mengubah 30 kartu nama jadi teks, membuat daftar pelanggan dalam 5 menit, lalu pulang. “Ternyata jam pulang bisa secepat ini ya,” katanya sambil tertawa—itu tak terlupakan.

Saya sendiri, setelah mencoba mendelegasikan satu pekerjaan per profesi, efek yang jelas terasa ada di tiga hal: “menyalin”, “memilah”, “menghitung”. Persamaannya, otaknya tidak terlalu dipakai, tapi cuma menghabiskan tenaga dan waktu. Sebaliknya, balasan yang perlu menangkap perasaan lawan bicara, atau menelurkan ide rencana, walau drafnya saya suruh AI, ujung-ujungnya saya koreksi besar-besaran sendiri. Bagian itu tetap jadi pekerjaan manusia.

Karena itu kesimpulan saya begini. Yang dioper ke AI adalah “pekerjaan merepotkan tapi tidak pakai otak”, yang disisakan untuk diri sendiri adalah “keputusan dan dorongan terakhir”. Asal bisa menarik garis ini, tak peduli profesinya, lembur harian pasti berkurang 1–2 jam.

Penutup

AI bukan cuma alat buat engineer. Menyalin di sales, memilah di support, menghitung di admin, produksi massal di marketing—tiap profesi punya “pekerjaan merepotkan itu”, dan banyak di antaranya bisa dioper ke AI.

Yang penting cuma tiga. Mulai dari satu pekerjaan / sampaikan bentuk yang diinginkan secara spesifik / “mengirim, menghapus, uang” tetap di tanganmu sendiri. Pemrograman ruwet tidak diperlukan. Mulailah dari satu kartu nama yang kamu dapat hari ini, atau satu pertanyaan yang menumpuk.

Kalau ingin menata “bagian mana dari pekerjaan kami yang bisa dioper ke AI” untuk seluruh tim atau divisi, intip juga halaman pelatihan dan konsultasi.