Proposal dan Lembar Wawancara Agensi Web Lebih Cepat 50% dengan Claude Code

Jumat sore, dan hari Senin depan ada pitching. Kebutuhan klien cuma tersebar sepotong-sepotong di Slack. Catatan wawancara dari tim sales ada di tiga file Google Docs, itupun terputus di tengah daftar poin.

Dari kondisi seperti ini, saya dulu menyusun proposal sendirian sambil lembur. Halaman sampul, rangkuman masalah, draf peta situs, jadwal, asumsi untuk estimasi biaya. Pukul dua dini hari, ketika proposal akhirnya jadi dan saya baca ulang, kalimat penting dari wawancara, “memperkuat rekrutmen adalah prioritas utama kuartal ini”, tidak muncul di mana pun. Sudah didengar, tapi tidak tertangkap.

Kalau Anda direktur di agensi web, perasaan “sudah didengar tapi lolos” ini pasti terasa familiar. Proposal dan lembar wawancara itu jumlahnya banyak, tapi banyak orang menulisnya dari nol setiap kali. Kalau bagian ini diserahkan ke AI generatif, waktu yang tersisa bisa dipakai untuk “mengasah isi proposal”. Hari ini saya tulis cara konkretnya, lengkap dengan prompt yang bisa langsung disalin dan skrip verifikasi.

Poin penting

Proposal dan lembar wawancara adalah “dokumen dengan format yang sudah baku”, jadi cocok dengan AI generatif seperti Claude Code. Sekitar 70% draf bisa diserahkan.
Yang diserahkan adalah “merapikan informasi yang berantakan” dan “mengisi draf ke dalam template”. Strategi proposal dan keputusan akhir soal angka estimasi tetap dilakukan manusia. Mencampur dua hal ini bikin celaka.
Dengan menyerahkan catatan wawancara untuk menyusun kerangka proposal, di tangan saya waktu per proyek menyusut dari 90 menit menjadi sekitar 40 menit.
Pengaturan agar nama perusahaan dan data pribadi klien tidak dipakai untuk pelatihan, serta cara menyerahkan informasi, butuh perhatian. Saya buatkan checklist-nya di bagian akhir.
Saya sertakan template prompt siap pakai, template Markdown lembar wawancara, dan skrip verifikasi yang mengecek otomatis apakah ada bagian proposal yang terlewat.

Pembaca seperti apa yang cocok: direktur agensi web yang mana

Yang saya bayangkan adalah orang dengan posisi seperti ini. Agensi produksi dengan 5 sampai 30 karyawan, di mana direktur juga merangkap sales. Mengeluarkan 2 sampai 5 proposal per bulan, dan sering ikut pitching atau perbandingan vendor. Desainer dan engineer terpisah, tapi wawancara dan pembuatan proposal terpusat pada satu direktur.

Keluhan posisi ini biasanya mirip. Ingin menang dengan isi proposal, tapi waktunya tersedot untuk merapikan dokumen. Wawancara berjalan seru, tapi catatannya sepotong-sepotong dan sulit direkonstruksi belakangan. Ada template, tapi setiap proyek sedikit berbeda, jadi akhirnya diperbaiki manual juga.

AI generatif berguna persis di bagian “pekerjaan merapikan” ini. Bukan berarti ide proposalnya dilempar bulat-bulat ke AI.

Alur kerja agensi web dan di mana waktu menguap

Kalau alur sampai proposal dijejer, terlihat di mana waktu menguap.

Menerima pertanyaan dan balasan pertama
Mencatat saat wawancara (tatap muka atau online)
Merapikan catatan dan merangkum kebutuhan
Menentukan arah peta situs dan wireframe
Menyusun jadwal dan estimasi kasar
Menuangkan ke proposal (slide atau dokumen)
Review internal lalu kirim

Dari ini, nomor 3 dan 6 adalah bottleneck terbesar. Catatan wawancara tidak bisa dipakai mentah, jadi merapikannya makan waktu. Proposal selalu strukturnya mirip, tapi karena informasi tiap proyek diisi manual, sering ada pengulangan kerja.

Menurut perasaan saya, pembuatan proposal saja makan 90 sampai 120 menit per proyek. Kalau 3 proyek sebulan, 5 sampai 6 jam habis hanya untuk “merapikan dokumen”.

Pengulangan kerja dan masalah yang sering terjadi

Saya jejer jujur hal-hal yang benar-benar pernah saya lakukan.

Terlewat menanyakan saat wawancara. Lupa menanyakan kisaran anggaran dan tanggal rilis yang diinginkan, lalu setelah proposal dikirim klien bilang “ini melebihi anggaran”, dan harus dibuat ulang.
Salah tafsir catatan. “Ingin mendukung ponsel” itu ambigu, antara responsif atau aplikasi khusus, dan diajukan tanpa kejelasan sehingga estimasi meleset dua kali lipat.
Kesalahan menyalin template. Nama perusahaan dari proyek sebelumnya masih tertinggal di sampul saat hampir dikirim. Yang ini benar-benar bikin keringat dingin.
Bagian yang terlewat di proposal. Lupa mencantumkan biaya pemeliharaan, lalu setelah deal jadi muncul masalah “saya tidak dengar soal biaya bulanan”.

Sebagian besar dari ini bisa dicegah hanya dengan “mengisi setiap item baku tanpa ada yang terlewat”. Kalau manusia melakukannya manual tiap kali, pasti ada yang lolos. Maka biarkan mesin yang menjaganya.

Apa yang berubah sebelum dan sesudah penerapan

Saya buatkan tabel before-after-nya.

Item	Sebelum	Sesudah
Merapikan catatan wawancara	Tulis ulang manual 30 menit	AI strukturkan 5 menit, manusia cek
Membuat kerangka proposal	60 menit dari nol	Isi ke template 20 menit
Cek hal yang terlewat ditanya	Andalkan ingatan	Cek otomatis dengan skrip verifikasi
Salah nama perusahaan di sampul	Kadang terjadi	Hampir nol dengan variabel template
Total per proyek	90 sampai 120 menit	40 sampai 60 menit

Waktu untuk memikirkan strategi tidak berkurang. Yang berkurang hanya waktu “merapikan dan memeriksa”. Justru bagian itulah yang ingin saya otomatiskan, jadi bagi saya ini sesuai sasaran.

Use case 1: Menyusun kerangka proposal dari catatan wawancara

Yang paling berdampak adalah ini. Serahkan catatan mentah tepat setelah wawancara, lalu minta AI menyusun draf yang mengikuti bab-bab proposal.

Dengan Claude Code, Anda bisa menaruh file teks catatan wawancara di proyek, lalu langsung dibaca. Lewat salin-tempel juga jalan, tapi membiarkan file dibaca langsung mengurangi kesalahan penyalinan.

Pakai prompt di bawah sebagai template.

Anda adalah asisten direktur agensi web.
Baca catatan wawancara terlampir, lalu buat draf proposal dengan bab-bab berikut.

# Bab
1. Masalah klien saat ini (sebatas yang terbaca dari catatan. Tandai "perkiraan" jika menebak)
2. Tujuan proyek ini
3. Peta situs perkiraan (halaman utama saja)
4. Cara kerja dan jadwal kasar
5. Asumsi estimasi kasar (jangan tulis angka, hanya poin asumsi yang dibutuhkan untuk estimasi)

# Aturan yang harus dipatuhi
- Jangan mengarang hal yang tidak ada di catatan. Kumpulkan kekurangan sebagai "perlu dikonfirmasi" di akhir
- Ganti istilah teknis dengan bahasa mudah karena klien yang akan membaca
- Jangan terlalu memastikan, tulis sebagai bahan diskusi awal

Kuncinya adalah mengikat dengan “jangan mengarang hal yang tidak ada di catatan”. AI cenderung ingin mengisi bagian kosong, jadi kalau dibiarkan ia akan membuat kebutuhan yang tidak ada. Dengan mengusir semuanya ke “perlu dikonfirmasi”, hal yang terlewat ditanya jadi terlihat jelas.

Use case 2: Mengoptimalkan lembar wawancara per proyek

Lembar wawancara sering dipakai berulang dengan daftar pertanyaan tetap, padahal hal yang perlu ditanya berubah tergantung industri dan skala proyek. Antara situs rekrutmen dan situs belanja, urutan dan isi pertanyaannya berbeda.

Maka serahkan ringkasan proyek dan minta AI menyusun ulang daftar pertanyaannya.

Buatkan daftar pertanyaan wawancara pertama untuk proyek berikut.

# Ringkasan proyek
- Industri: klinik gigi
- Tujuan: menambah reservasi pasien baru
- Skala: situs korporat sekitar 10 halaman plus alur reservasi

# Format keluaran
- Pisahkan "pertanyaan wajib" dan "pertanyaan jika memungkinkan"
- Tambahkan satu kalimat di tiap pertanyaan: kenapa ditanya (berpengaruh ke bagian mana dari proposal atau estimasi)
- Anggaran, tanggal rilis, ada tidaknya situs lama, dan kesiapan materi foto harus selalu masuk

Dengan meminta AI menambahkan “kenapa ditanya”, pemahaman direktur sendiri pun jadi lebih dalam di hari wawancara. Ini juga bisa dipakai untuk melatih direktur baru.

Use case 3: Menggabungkan banyak catatan dan mengecek kelengkapan proposal

Ketika informasi tersebar di banyak tempat, seperti email dari sales, direktur, dan pihak klien, gabungkan semuanya jadi satu lembar. Pakai checklist di bawah untuk pemeriksaan akhir proposal.

Nama perusahaan dan nama proyek di sampul sudah sesuai yang ini
Kisaran anggaran atau asumsi estimasi sudah ditulis
Tanggal rilis dan jadwal tidak bertentangan
Perlakuan biaya pemeliharaan dan operasional sudah dijelaskan
Peta situs dan jumlah halaman pada estimasi cocok
Permintaan prioritas utama dari wawancara sudah tercermin
Tidak ada item “perlu dikonfirmasi” yang masih tersisa saat dikirim

Pemeriksaan ini bisa dilakukan dengan mata manusia, tapi di bagian akhir saya tunjukkan cara mengeceknya dengan mesin. Mata manusia pasti ada yang lolos.

Batas yang diserahkan ke AI dan batas yang diputuskan manusia

Kalau bagian ini dibiarkan kabur, bisa celaka. Saya buatkan garis pembatasnya dalam tabel.

Pekerjaan	Diserahkan ke AI	Diputuskan manusia
Merapikan dan menstrukturkan catatan	OK	Cek akhir
Draf sesuai susunan bab	OK	Koreksi konteks
Menyusun ulang daftar pertanyaan	OK	Pendalaman di hari H
Strategi proposal dan arah diferensiasi	Bahan diskusi saja	Keputusan akhir
Menetapkan angka estimasi	Tidak	Ya
Boleh tidaknya dikirim ke klien	Tidak	Ya

Keputusan akhir soal angka dan pengiriman mutlak dilakukan manusia. Mengirim estimasi kasar dari AI apa adanya ke klien sama saja dengan melempar estimasi ke karyawan baru lalu membiarkannya kirim diam-diam. Kalau Anda tegas membatasi cakupan AI sampai bahan diskusi saja, Anda bisa pakainya dengan tenang.

Skrip verifikasi untuk mengecek kelengkapan proposal otomatis

Pemeriksaan dengan mata pasti lolos saat Anda lelah. Maka saya taruh skrip kecil yang membaca Markdown proposal dan mengecek secara mekanis “apakah item wajib sudah masuk”. Jalan kalau ada Node.js.

Asumsinya proposal ditulis dalam Markdown. Untuk slide pun bisa dipakai kalau diekspor ke teks dulu.

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

// Item yang wajib ada di proposal, dan kata kunci yang menandakannya
const checks = [
  { label: "Rangkuman masalah", keywords: ["masalah", "kondisi saat ini"] },
  { label: "Tujuan", keywords: ["tujuan", "sasaran", "KGI", "KPI"] },
  { label: "Peta situs", keywords: ["peta situs", "struktur halaman"] },
  { label: "Jadwal", keywords: ["jadwal", "tahapan", "rilis"] },
  { label: "Asumsi estimasi", keywords: ["asumsi", "kasar", "estimasi"] },
  { label: "Pemeliharaan", keywords: ["pemeliharaan", "operasional", "bulanan"] },
];

const file = process.argv[2] || "proposal.md";
const text = await readFile(file, "utf8");

let missing = 0;
for (const c of checks) {
  const hit = c.keywords.some((k) => text.includes(k));
  if (hit) {
    console.log(`OK  ${c.label}`);
  } else {
    console.log(`NG  ${c.label}  <- item ini tidak ditemukan`);
    missing++;
  }
}

// Cek sederhana apakah nama perusahaan dari proyek lama masih tertinggal
const ghost = ["PT Contoh", "Perusahaan XX", "proyek sebelumnya"];
for (const g of ghost) {
  if (text.includes(g)) {
    console.log(`NG  placeholder "${g}" masih tertinggal`);
    missing++;
  }
}

if (missing === 0) {
  console.log("\nSemua item lolos. Silakan ke pemeriksaan mata terakhir sebelum kirim.");
} else {
  console.log(`\nAda ${missing} item terlewat. Perbaiki dulu sebelum dikirim.`);
  process.exitCode = 1;
}

Cara pakainya cuma ini.

node check-proposal.mjs proposal.md

Hanya beberapa puluh baris, tapi ini bisa mencegah dua kesalahan langganan: lupa menulis biaya pemeliharaan, dan nama perusahaan yang tertinggal di sampul. Sesuaikan kata kunci dengan gaya bahasa proposal perusahaan Anda. Bukan penilaian yang sempurna, tapi pas dipakai sebagai “penjaga gerbang terakhir” sebelum diletakkan di depan mata manusia.

Anda juga bisa menyuruh Claude Code menjalankan skrip ini, melihat hasilnya, lalu memperbaiki proposalnya sekalian. Dasar caranya saya rangkum di panduan memulai Claude Code.

Keamanan dan perhatian soal data pribadi

Karena menangani informasi klien, bagian ini tidak boleh asal. Minimal patuhi hal-hal ini.

Matikan penggunaan untuk pelatihan. Kalau dipakai untuk kerja, pilih paket atau pengaturan di mana input tidak dipakai untuk pelatihan. Cek perlakuannya di kebijakan privasi Anthropic.
Serahkan informasi seminimal mungkin. Untuk membuat kerangka proposal, tidak perlu menyerahkan nomor ponsel pribadi PIC klien atau harga pokok estimasi. Serahkan hanya yang dibutuhkan.
Anonimkan dulu sebelum diserahkan. Ganti nama perusahaan dan nama orang jadi “Perusahaan A” atau “PIC X” sebelum diproses, lalu kembalikan ke nama asli oleh manusia di akhir. Ini saja sudah menurunkan kerusakan kalau bocor.
Hasil generasi wajib dicek manusia. Jangan kirim tulisan AI apa adanya ke klien. Kadang ada kesalahan atau ungkapan yang berlebihan tercampur.

Kalau di kontrak dengan klien ada “pembatasan subkontrak atau penggunaan tool eksternal”, wajib konfirmasi dulu sebelum melewatkannya ke AI generatif. Kalau bagian ini dilompati, bukan efisiensi yang didapat melainkan masalah kepercayaan.

Perkiraan ROI sederhana

Saya hitung kasar. Misal proposal per proyek menyusut dari 90 menit jadi 50 menit, berarti hemat 40 menit. Kalau 3 proyek sebulan, jadi 2 jam. Andai tarif per jam direktur 200.000 rupiah, berarti hemat senilai 400.000 rupiah waktu per bulan.

Yang lebih besar dari angka adalah bisa mengalihkan 2 jam itu untuk “menggodok isi proposal” atau “meneliti kompetitor”. Waktu yang tadinya untuk merapikan dokumen bisa dialihkan ke pekerjaan yang berpengaruh ke tingkat closing. Ini lebih berdampak daripada angkanya.

Kalau akurasi prompt ditingkatkan, waktunya menyusut lebih banyak lagi. Tips menulisnya bisa Anda lihat di teknik prompt tingkat lanjut dan kumpulan tips mempercepat kerja.

Pertanyaan umum

T. Boleh tidak proposal buatan AI langsung dikirim ke klien? Jangan dikirim. Itu bahan diskusi. Validitas strategi, angka, dan ungkapan wajib diperbaiki manusia. Kirim hanya setelah manusia mengeceknya dan siap bertanggung jawab.

T. Catatan wawancara saya tulisan tangan dan berantakan, masih bisa dipakai? Bisa, kalau fotonya diubah jadi teks dulu lalu diserahkan. Tapi karena ada salah baca tercampur, nama diri dan angka (anggaran, tanggal) harus dicek ulang manusia.

T. Bisa disesuaikan dengan template kami? Bisa. Tempel susunan bab perusahaan Anda ke prompt, dan AI akan menulis dengan format itu. Prompt yang sudah jadi sebaiknya dibagikan ke tim agar dipakai berulang.

T. Berguna tidak kalau menanyakan soal desain? Untuk bahan diskusi arah bisa, tapi keputusan akhir soal desain serahkan ke desainer. AI jago “merapikan dengan kata-kata”, tapi penilaian akhir baik-buruknya visual adalah ranah manusia.

T. Bisa dijalankan tanpa pengetahuan teknis? Bisa. Kalau hanya menempel prompt dan mengecek hasilnya, tidak perlu kode. Cara pikir penerapan ke tim saya rangkum di pemanfaatan Claude Code untuk non-engineer.

Yang saya konfirmasi setelah benar-benar mencobanya

Saya mencoba alur ini dengan 5 catatan wawancara lama yang ada di tangan saya. Ada 3 hal yang saya pastikan.

Pertama, waktu. Pembuatan kerangka menyusut rata-rata dari 60 menit jadi sekitar 20 menit. Total sampai selesai pun, banyak yang masuk dari 90 menit ke 40 sampai 50 menit. Bukan sekadar jadi cepat dramatis, melainkan rasanya “tanjakan merapikan yang selalu bikin macet” itu hilang.

Kedua, hal yang terlewat ditanya. Efek mengikat “jangan mengarang hal yang tidak ada di catatan” besar, dan proyek lama yang anggaran atau tanggal rilisnya terlewat memang berbaris rapi di “perlu dikonfirmasi”. Dibanding andalkan ingatan, jelas lebih pasti tertangkap.

Ketiga, skrip verifikasi. Ketika saya alirkan proposal yang sengaja saya hapus biaya pemeliharaannya, dan proposal dengan nama perusahaan lama yang tertinggal, keduanya berhenti dengan NG. Sebagai benteng terakhir tepat sebelum kirim, ini sudah cukup berguna.

Kesimpulannya, ide proposal tetap dikerjakan manusia seperti biasa. Tapi tahap sebelumnya, “merapikan informasi yang berantakan”, “mengisi ke template”, “mengecek yang terlewat”, tidak perlu lagi dikerjakan manual. Alihkan waktu yang tersisa ke isi proposal. Cara pakai inilah yang menurut saya paling berdampak bagi direktur agensi web.

Kalau Anda ingin menjalankannya sebagai sistem di tim, atau menerapkannya sebagai pelatihan, hubungi kami lewat halaman pelatihan dan konsultasi.