Draf Peraturan Perusahaan & Surat Info Subsidi Kantor Konsultan HR/Tenaga Kerja dengan Claude Code

Jumat sore, telepon dari klien masuk: “Mulai minggu depan karyawan kami jadi 10 orang, tolong buatkan peraturan perusahaannya ya.” Saya melihat kalender dan menghela napas pelan. Di laptop ada beberapa template dari perusahaan lain. Tapi tidak bisa diserahkan begitu saja. Pembulatan tunjangan lembur malam, ada-tidaknya lembur tetap (fixed overtime), pasal cuti melahirkan dan cuti merawat keluarga versi terbaru. Bagian yang harus diubah berbeda untuk tiap perusahaan.

Pernah satu kali saya pakai ulang template milik klien lain, dan lupa mengganti jumlah hari cuti khusus. Untung ketahuan saat pengecekan ganda sebelum dikirim, jadi tidak ada masalah. Tapi kalau sampai terkirim, itu soal kepercayaan. Pekerjaan kantor konsultan ketenagakerjaan dinilai bukan dari kuantitas, melainkan dari “nol kesalahan revisi”. Karena itu, justru pekerjaan menyalin-mengedit template yang sepele inilah yang selalu menyita waktu saya.

Surat info subsidi pemerintah juga sama. Saat memperkenalkan program subsidi pelatihan atau subsidi dukungan kerja-keluarga ke klien, setiap kali saya menulis dari nol. Padahal penjelasan syaratnya sama untuk semua perusahaan. Mengetik ulang bagian yang sama setiap kali itu yang terus mengganjal di hati saya.

Bisakah bagian “draf awal” ini saya serahkan ke Claude Code? Saya tulis jujur langkah yang benar-benar saya coba di kantor saya sendiri.

Poin penting

Draf peraturan perusahaan dan surat info subsidi di kantor konsultan ketenagakerjaan bisa dimajukan sampai sekitar 70% oleh Claude Code. Sisa 30% berupa keputusan akhir tetap dilakukan konsultan. Batas inilah yang realistis.
Berikan template dan catatan wawancara klien, lalu minta AI menulis hanya selisihnya (diff). Cara ini mengurangi kesalahan revisi. “Membaca dokumen yang ada lalu mengoreksi” jauh lebih sedikit insiden daripada menulis dari nol.
Untuk surat info subsidi, pisahkan penjelasan syarat umum dari penerapan per perusahaan. Pengetikan ulang setiap kali pun hilang.
Data pribadi klien seperti nama, nomor identitas (NIK), dan nominal gaji harus diganti dengan teks tersamar sebelum diberikan ke AI. Saya sertakan satu skrip kecil untuk verifikasi.
Konfirmasi akhir syarat penerimaan subsidi dan isi pasal wajib dicek manusia ke sumber primer. Jangan pernah serahkan output AI apa adanya.

Pembaca sasaran dan alur kerja kantor konsultan ketenagakerjaan saat ini

Pembaca artikel ini saya bayangkan sebagai konsultan ketenagakerjaan yang menangani 10-50 klien sendirian atau dengan tim kecil. Pilar pekerjaannya adalah penghitungan gaji dan urusan jaminan sosial, lalu di sela-selanya menyusup permintaan pembuatan peraturan atau konsultasi subsidi. Staf 1-3 orang, ada-tidaknya admin khusus tergantung skala kantor.

Alur pembuatan peraturan perusahaan, kalau diurut sesuai kebiasaan, kira-kira begini.

Wawancara ke klien (jumlah karyawan, jam kerja standar, struktur gaji, sistem cuti, ada-tidaknya lembur tetap)
Pilih template yang ada, ganti pasal sesuai hasil wawancara
Selaraskan dengan kesepakatan kerja dan peraturan gaji internal
Cek apakah ada perubahan undang-undang yang belum tercermin
Serahkan ke klien, tangani permintaan revisi
Bantu pelaporan ke kantor pengawas ketenagakerjaan

Yang menyita waktu adalah nomor 2 dan 3. Ubah satu pasal, nomor referensi pasal lain ikut bergeser. Ubah peraturan gaji, kutipan di peraturan perusahaan harus ikut diubah. “Revisi beruntun” inilah beban diam-diam kantor konsultan ketenagakerjaan.

Kekeliruan dan keluhan yang sering muncul

Saya sebutkan kesalahan yang benar-benar terjadi di kantor saya. Banyak yang pasti merasa pernah mengalami.

Nama perusahaan atau divisi dari template tertinggal sebagian, lalu ditegur klien
Pasal versi lama (cuti melahirkan/merawat keluarga) tersalin apa adanya padahal sudah ada perubahan UU
Perusahaan sudah menerapkan tunjangan lembur tetap, tapi pasal tunjangan lembur masih versi standar
Di surat info subsidi, syarat untuk pengusaha dan syarat untuk pekerja tertukar saat ditulis
Tenggat atau batas pengajuan tertukar dengan angka dari program subsidi lain

Semuanya bukan karena “kurang pengetahuan”, melainkan karena “konsentrasi putus di tengah pekerjaan sepele”. Di titik inilah saya ingin menyerahkan draf ke mesin, sementara manusia fokus pada penilaian.

Batas tugas AI dan batas yang wajib diputuskan manusia

Saya pertegas garisnya. Kalau ini dibiarkan kabur, kita akan menelan output AI mentah-mentah dan terjadi insiden.

Tahap	Diserahkan ke Claude Code	Diputuskan konsultan
Draf peraturan perusahaan	Ganti template, samakan gaya bahasa, rapikan nomor referensi	Penetapan kebijakan sistem mana yang dipakai
Penerapan hukum	Mengangkat sudut pandang “apakah pasal ini terbaru”	Konfirmasi pasal ke sumber primer, penilaian akhir kepatuhan
Surat info subsidi	Penjelasan syarat umum, draf penerapan per perusahaan	Penilaian kelayakan syarat, saran kelayakan pengajuan
Data pribadi	Merapikan data yang sudah tersamar	Menentukan apa yang boleh diberikan

Singkatnya, “merapikan dan menyelaraskan teks” itu AI, “apakah legal / apakah subsidinya cair” itu manusia. Syarat subsidi berubah tiap tahun, dan kalau ditolak, langsung merusak kepercayaan klien. Karena itu bagian ini mutlak harus dicek manusia ke sumber primer.

Use case 1: Membuat draf peraturan perusahaan berbasis selisih

Kuncinya: jangan minta menulis dari nol, tapi minta AI membaca template yang ada lalu membuat “selisih” (diff). Sebelum pakai cara ini, mengedit satu perusahaan butuh 3-4 jam. Dengan draf sudah keluar, termasuk pengecekan akhir, menyusut jadi sekitar 1,5 jam.

Berikut template prompt yang bisa langsung disalin-tempel. Ganti dulu informasi klien dengan teks tersamar sebelum menempel.

Kamu adalah asisten yang membantu menyusun peraturan perusahaan. Jangan memberi nasihat hukum; lakukan hanya pembuatan draf dan pengecekan keselarasan.

# Input
- Template yang ada: (tempel template di sini. Nama perusahaan disamarkan jadi [Perusahaan A])
- Kondisi klien kali ini:
  - Jumlah karyawan: 10 orang
  - Jam kerja standar: 8 jam/hari, 40 jam/minggu
  - Lembur tetap: ada (20 jam/bulan dibayar sebagai tunjangan lembur tetap)
  - Cuti khusus: hanya cuti duka/perayaan
  - Lainnya: cuti melahirkan dan merawat keluarga sesuai ketentuan hukum

# Yang harus dilakukan
1. Daftar pasal dalam template yang bertentangan dengan kondisi di atas
2. Susun usulan revisi tiap pasal dalam format sebelum -> sesudah
3. Tunjukkan jika ada keterangan wajib untuk lembur tetap yang masih kurang
4. Cari semua bagian yang masih memuat nama perusahaan/divisi asli dari template

# Format output
- Jangan pakai tabel; tulis "nomor pasal, kondisi saat ini, usulan revisi, alasan" dalam daftar bernomor
- Di akhir, sebutkan 3 hal yang wajib dicek manusia

Intinya: ikat aturan “jangan memberi nasihat hukum” di awal. Tanpa itu, AI akan menulis dengan nada memvonis seperti “sistem ini ilegal”. Penilaian adalah ranah konsultan, jadi batasi AI hanya sampai mengangkat sudut pandang.

Use case 2: Pisahkan surat info subsidi jadi bagian umum dan bagian individual

Kalau struktur surat info subsidi dibagi dua lapis, pengetikan ulang setiap kali pun hilang.

Lapis umum: gambaran subsidi, syarat umum pengusaha sasaran, alur pengajuan secara garis besar
Lapis individual: apakah klien itu memenuhi syarat, sampai kapan harus melakukan apa

Lapis umum dibuat sekali, lalu dipakai berulang. Dengan hanya meminta lapis individual per perusahaan, satu surat info yang tadinya butuh 30 menit jadi 5-10 menit. Berikut template promptnya.

Kamu adalah asisten yang membuat draf surat info subsidi untuk staf kantor konsultan ketenagakerjaan.

# Premis
- Subsidi sasaran: Subsidi Peningkatan Karier (jalur konversi ke karyawan tetap)
- Teks penjelasan umum (tetap):
  (tempel di sini teks gambaran yang sudah diverifikasi di kantormu)

# Kondisi klien kali ini
- Bidang usaha: ritel
- Karyawan kontrak: 3 orang (2 akan dikonversi jadi karyawan tetap)
- Kelengkapan peraturan perusahaan: ada
- Riwayat penerimaan curang: tidak ada

# Yang harus dilakukan
1. Pakai teks penjelasan umum apa adanya
2. Untuk klien ini, tulis terpisah "poin yang tampak memenuhi syarat" dan "poin yang perlu dikonfirmasi"
3. Buat draf isi email untuk dikirim ke klien (sopan tapi tidak bertele-tele)
4. Beri tag [PERLU CEK] pada bagian terkait angka seperti batas pengajuan atau syarat gaji

# Larangan
- Jangan memvonis bahwa subsidi pasti cair atau pengajuan pasti lolos
- Jangan menambah nominal atau tenggat yang tidak ada di teks penjelasan umum

Mengikat “jangan memvonis” dan “beri [PERLU CEK] pada angka” membuat pengecekan sebelum kirim jauh lebih ringan. Cukup cek bagian bertag itu saja ke sumber primer.

Use case 3: Info massal perubahan UU yang sama ke banyak klien

Saat ada perubahan undang-undang, kita kirim info massal ke klien yang relevan. Karena situasi tiap perusahaan berbeda, tidak bisa dikirim dengan teks yang persis sama. Di sini pun penyisipan per perusahaan bisa diserahkan ke AI.

Kalau dijadikan checklist, lebih mudah ditelusuri.

Sudahkah menyiapkan teks gambaran umum perubahan?
Sudahkah merapikan tingkat dampak tiap perusahaan (besar/sedang/kecil)?
Sudahkah melampirkan usulan tindakan khusus untuk perusahaan berdampak “besar”?
Sebelum kirim, sudahkah manusia memeriksa visual nama perusahaan dan angka?
Sudahkah tanggal berlaku perubahan dicek ke sumber primer?

Dua poin terakhir wajib tetap menjadi pekerjaan manusia.

Catatan data pribadi dan keamanan

Yang ditangani kantor konsultan ketenagakerjaan adalah data pribadi paling sensitif: nama, nomor identitas, nominal gaji, hingga informasi kesehatan. Memberikan ini apa adanya ke AI harus dihindari. Yang saya lakukan adalah satu langkah ekstra: “mengganti jadi teks tersamar sebelum diberikan”.

Skrip di bawah adalah contoh verifikasi yang mengganti angka 12 digit yang menyerupai nomor identitas dan label nama yang umum menjadi teks tersamar. Kalau ada Node.js, langsung jalan. Ini bukan anonimisasi sempurna, melainkan penjaga gerbang untuk “mencegah keteledoran” sebelum tempel.

import { readFile, writeFile } from "node:fs/promises";

// Aturan penggantian: tambahkan sesuai format kantor bila perlu
function maskPersonalInfo(text) {
  return text
    // Deret 12 digit yang menyerupai nomor identitas
    .replace(/\b\d{12}\b/g, "[NOMOR ID DISAMARKAN]")
    // Nama berlabel seperti "Nama: Budi Santoso"
    .replace(/(Nama|Nama Lengkap|Nama Karyawan)\s*[:：]\s*\S+/g, "$1: [NAMA DISAMARKAN]")
    // Nominal seperti "Gaji: 5000000"
    .replace(/(Gaji|Upah|Gaji Bulanan|Upah per Jam)\s*[:：]\s*[\d,]+/g, "$1: [NOMINAL DISAMARKAN]");
}

const inputPath = process.argv[2] ?? "input.txt";
const raw = await readFile(inputPath, "utf8");
const masked = maskPersonalInfo(raw);

// Untuk berjaga-jaga, cek sendiri apakah masih ada angka 12 digit tersisa
if (/\b\d{12}\b/.test(masked)) {
  console.error("Ada dugaan masking terlewat. Mohon periksa manual.");
  process.exit(1);
}

await writeFile("masked.txt", masked, "utf8");
console.log("File tersamar masked.txt telah dibuat. Periksa visual dulu sebelum diberikan ke AI.");

Menjalankannya cukup begini.

node mask.mjs input.txt

Skrip ini bukan obat segala penyakit. Alamat dan tanggal lahir belum tercakup, jadi akhirnya tetap dicek dengan mata manusia. Anggap ini “rem terakhir untuk insiden tempel”. Pembuatan aturan dengan premis akan diberikan ke AI sebaiknya didokumentasikan sebagai aturan kantor; lihat cara menulis CLAUDE.md sebagai acuan agar lebih aman.

Apa yang berubah sebelum dan sesudah penerapan (perkiraan ROI sederhana)

Angka berikut hanya perkiraan kasar di kantor saya.

Pekerjaan	Sebelum	Sesudah	Perkiraan per bulan
Ganti template peraturan (1 perusahaan)	sekitar 3,5 jam	sekitar 1,5 jam	hemat 4 jam untuk 2 perusahaan/bulan
Surat info subsidi (1 surat)	sekitar 30 menit	sekitar 8 menit	hemat 2 jam untuk 6 surat/bulan
Info massal perubahan UU	setengah hari	sekitar 2 jam	hemat 2 jam tiap ada perubahan

Kira-kira hemat 6-8 jam per bulan. Kalau tarif jam konsultan dihitung Rp 500.000, itu setara dengan ruang gerak Rp 3-4 juta per bulan. Perubahan terbesar adalah bisa mengalihkan waktu yang tersisa ke pekerjaan konsultasi bertarif tinggi atau merintis klien baru.

Kalau masih ragu dengan operasinya sendiri, baca dulu cara memulai untuk non-engineer dan panduan memulai Claude Code supaya lebih sedikit tersandung.

Pertanyaan umum

T. Bolehkah peraturan perusahaan buatan AI langsung diserahkan ke klien? J. Tidak boleh. Draf hanyalah rancangan awal. Kepatuhan pasal, batas atas lembur tetap, dan pencerminan perubahan UU wajib dicek konsultan ke sumber primer. AI adalah “alat untuk mengurangi kesalahan revisi”, bukan pengambil keputusan.

T. Bisakah bertanya ke AI sampai soal apakah subsidi akan cair? J. Tidak boleh. Syarat penerimaan berubah tiap tahun dan tafsirnya rinci. Batasi AI sampai draf surat info dan perapian syarat saja; saran kelayakan dilakukan konsultan. Itulah sebabnya di template pun saya ikat aturan “jangan memvonis”.

T. Saya cemas memberikan data klien. J. Prinsipnya, data pribadi sensitif disamarkan dulu sebelum diberikan. Selipkan penjaga gerbang seperti skrip masking di artikel ini, lalu cek terakhir dengan mata manusia. Membuat “batas informasi yang boleh diberikan” sebagai aturan kantor membuat staf pun tidak goyah.

T. Menulis prompt setiap kali itu merepotkan. J. Simpan template yang sering dipakai ke file teks, lalu ganti hanya bagian variabelnya. Kalau ingin meningkatkan akurasi prompt, penerapan lanjutan desain prompt juga bisa jadi acuan.

T. Apakah kantor kecil tetap merasakan manfaatnya? J. Justru kantor kecil yang paling terasa. Karena porsi waktu tersedot ke pekerjaan sepele lebih besar, waktu yang dibebaskan otomatisasi draf pun relatif lebih besar. Penghematan kecil sehari-hari saya rangkum juga di tips meningkatkan produktivitas.

Untuk isi program subsidi itu sendiri, selalu konfirmasi informasi terbaru ke sumber primer seperti halaman subsidi Kementerian Ketenagakerjaan RI.

Kalau sebagai perusahaan ingin meninjau ulang sistem penyusunan peraturan dan penanganan subsidi, lewat pelatihan & konsultasi kita bisa merancang bersama cara kerja yang pas dengan kantor Anda.

Hasil yang benar-benar saya coba

Di kantor saya sendiri, saya mencoba membuat draf 1 set peraturan perusahaan dan 3 surat info subsidi dengan langkah ini. Yang ingin saya pastikan adalah “apakah kesalahan revisi benar-benar berkurang”.

Untuk peraturan perusahaan, setelah template dibaca dan diminta keluarkan selisihnya, AI dengan rapi menemukan 4 sisa nama asli. Itu justru bagian yang hampir selalu saya lewatkan saat kerja manual. Sebaliknya, untuk pasal lembur tetap, AI membiarkan pasal tunjangan versi standar sambil menulis “bagian ini perlu dicek”. Artinya keputusan dilempar ke saya, dan sebagai garis batas itu perilaku yang benar.

Untuk surat info subsidi, begitu lapis umum dibuat sekali, draf lapis individual keluar dalam hitungan menit. Cukup cek angka bertag [PERLU CEK] ke sumber primer, dan beban pengecekan sebelum kirim jelas jadi lebih ringan.

Yang sebaliknya saya pahami: kalau wawancara asal-asalan, drafnya pun asal-asalan. AI tidak bisa membuat lebih dari inputnya. Akhirnya, keahlian sejati kantor konsultan ketenagakerjaan justru ada pada wawancara untuk menggali kondisi klien dengan benar. Karena draf saya serahkan ke mesin, saya jadi punya lebih banyak waktu untuk dialog itu.