Prompt & ChatGPTBisnis & Produk Digital

Cara Pakai ChatGPT sebagai Simulator Keputusan Bisnis lewat Skenario dan Pre-Mortem

Cara Pakai ChatGPT sebagai Simulator Keputusan Bisnis lewat Skenario dan Pre-Mortem

Kamu bisa memakai ChatGPT untuk menguji satu keputusan bisnis melalui beberapa skenario dan latihan pre-mortem. Berikan konteks, alternatif, batas, serta asumsi; minta kemungkinan hambatan dan cara memeriksanya. Hasilnya berupa hipotesis risiko, sinyal pemantauan, dan rancangan uji. Hasil tersebut bukan ramalan atau bukti bahwa keputusan pasti berhasil. Keputusan akhirnya tetap kamu yang ambil.

Ringkasnya, alur di artikel ini seperti ini:

  • Tulis keputusanmu dengan jelas, termasuk asumsi yang belum terbukti.
  • Minta ChatGPT memetakan dua ketidakpastian terbesar.
  • Susun tiga skenario yang masuk akal dari dua ketidakpastian itu.
  • Anggap keputusanmu sudah gagal, lalu cari penyebabnya di tiap skenario.
  • Ubah temuan itu jadi tindakan pencegahan, sinyal pemicu, dan uji kecil.

Dua pertanyaan yang kelihatannya mirip, hasilnya jauh berbeda

Coba kamu bayangin dua pemilik usaha kecil yang sama-sama sedang ragu.

Pemilik pertama mengetik: “Kalau saya rekrut admin full-time, bisnis saya bakal tumbuh nggak?” ChatGPT membalas dengan jawaban panjang dan rapi. Isinya kurang lebih “bisa tumbuh, asalkan…”, diikuti daftar tips umum. Pemiliknya merasa sedikit lebih tenang, tapi tidak tahu harus melakukan apa besok pagi.

Pemilik kedua menulis konteks usahanya, lalu meminta tiga gambaran setahun ke depan. Setelah itu ia menulis: “Anggap enam bulan lagi keputusan ini terbukti gagal. Apa penyebab paling masuk akalnya?” Hasilnya daftar hal spesifik. Misalnya, pekerjaan admin ternyata belum terdokumentasi, sehingga waktunya habis untuk melatih orang baru.

Contoh tersebut ilustrasi dua cara bertanya. Permintaan simulasi mengarahkan diskusi ke kondisi dan asumsi yang bisa diperiksa, tetapi kualitas jawabannya tetap perlu dinilai. Pertanyaan yang lebih terstruktur belum menjamin temuan benar atau lengkap.

Kenapa ChatGPT lemah kalau dipakai sebagai peramal

Ini mekanisme yang penting dipahami dulu. ChatGPT tidak punya data tentang masa depan bisnismu. Ia menyusun teks yang masuk akal berdasarkan pola bahasa dan konteks yang kamu berikan. Pertanyaan “bakal berhasil nggak?” tidak menyediakan dasar untuk memastikan hasilnya. Minta asisten menyatakan informasi yang belum diketahui, bukan mengisi kekosongan dengan jawaban pasti.

Baca jugaBisnis & Produk DigitalCara Pakai ChatGPT dan Claude Bikin Produk Digital Jadi Live dalam Satu Akhir Pekan

Masalahnya, tebakan itu ditulis dengan bahasa yang lancar. Kalimat yang lancar terasa meyakinkan, padahal dasarnya tipis. ChatGPT sendiri menampilkan peringatan bahwa jawabannya bisa keliru dan informasi penting perlu dicek.

Ada lapisan kedua. Cara kamu bertanya ikut membentuk jawaban. Kalau pertanyaanmu sudah condong, misalnya “ide saya ini bagus kan?”, jawabannya cenderung mengikuti arah itu. Kamu jadi bertanya ke cermin yang bisa bicara.

Nah, di sini ada hal menarik. Kemampuan menyusun cerita yang masuk akal itu justru yang dibutuhkan simulasi. Scenario planning memang meminta banyak cerita masa depan yang masuk akal. Pre-mortem memang meminta banyak alasan gagal yang masuk akal. Kemampuan yang sama berubah fungsi saat pertanyaannya diganti.

Apa itu scenario planning, dan bagaimana memilih jumlah skenario

Scenario planning adalah cara menyusun beberapa gambaran masa depan yang berbeda, lalu menguji keputusanmu terhadap semuanya. Tujuannya mempersiapkan diri untuk beberapa kemungkinan, karena masa depan yang pasti tidak bisa ditebak.

Metode ini terkenal lewat Royal Dutch Shell. Menurut tulisan Angela Wilkinson dan Roland Kupers di Harvard Business Review edisi Mei 2013, Shell sempat memakai sistem perencanaan keuangan berbasis komputer sejak 1965. Sistem itu banyak meleset dan ditutup pada awal 1970-an. Shell kemudian beralih ke pendekatan skenario.

Ringkasan Wikipedia tentang scenario planning mencatat dua hal yang relevan untuk kita. Pertama, tiap skenario harus masuk akal, walau masing-masing belum tentu terjadi. Kedua, sekitar tiga skenario umumnya paling pas untuk dibahas. Terlalu banyak skenario membuat diskusi kabur.

Dalam latihan ini kita memakai tiga skenario agar pembahasannya terkelola. Jumlah itu pilihan kerja, bukan batas yang selalu cukup. Jika ketiga skenario hanya mengulang cerita yang sama atau melewatkan kondisi penting, ubah komposisinya. Dua ketidakpastian pun dapat menghasilkan lebih dari tiga kombinasi; catat kondisi yang belum dibahas.

Satu saran praktis dari saya: hindari label optimis, realistis, dan pesimis. Label seperti itu mengundang kita memilih yang tengah lalu berhenti berpikir. Beri nama skenario sesuai ceritanya, misalnya “Pasar ramai, tim belum siap”.

Apa itu pre-mortem, dan kenapa membayangkan gagal justru membantu

Pre-mortem adalah latihan membayangkan proyek yang sedang kamu rencanakan sudah gagal, lalu menulis alasan-alasan yang masuk akal kenapa itu terjadi. Gary Klein mempopulerkannya lewat artikel Performing a Project Premortem di Harvard Business Review, September 2007.

Klein menulis bahwa banyak proyek gagal karena orang enggan menyampaikan keraguan saat perencanaan. Pre-mortem membuat orang yang paham dan khawatir merasa aman untuk bicara. Rencananya diperbaiki sebelum jalan, sehingga kamu tidak perlu membedahnya setelah gagal.

Sekarang coba kita pindahkan ke konteks solopreneur. Kamu mungkin tidak punya tim yang bisa membantah. Penentangnya ada di kepalamu sendiri, dalam bentuk keraguan kecil yang kamu tekan karena sedang semangat.

ChatGPT dapat membantu menyusun pertanyaan penantang, tetapi tetap bisa mengikuti arah brief atau menghasilkan keberatan yang lemah. Minta alasan yang terhubung ke bahan keputusan. Kritik yang terdengar tajam belum tentu lebih benar daripada jawaban yang mendukung.

Kenapa dua teknik ini lebih kuat kalau digabung

Scenario planning mengubah kondisi yang dipakai untuk menguji keputusan. Pre-mortem membayangkan kegagalan lalu mencari kemungkinan penyebabnya. Keduanya dapat memuat faktor internal maupun eksternal. Bedakan kondisi yang bisa kamu pengaruhi dari kondisi yang hanya bisa dipantau.

Hasil gabungannya memberi dua jenis temuan yang sangat berbeda.

  • Risiko yang muncul di beberapa skenario. Periksa apakah memang relevan lintas kondisi atau sekadar diulang model. Frekuensi penyebutannya bukan bukti bahwa risiko pasti terjadi.
  • Risiko yang muncul pada kondisi tertentu. Nilai dampak, waktu untuk merespons, dan pilihan pencegahannya. Risiko yang hanya muncul sekali tetap bisa membutuhkan tindakan sekarang jika akibatnya berat atau sulit dipulihkan.

Pemisahan ini yang membuat simulasi berguna. Tanpa pemisahan, kamu hanya dapat daftar kekhawatiran yang panjang dan malah makin ragu.

Alur lima langkah menjadikan ChatGPT simulator keputusan

Langkah-langkah ini saling bergantung, jadi jalankan berurutan dalam satu percakapan. Ganti bagian dalam kurung siku dengan kondisimu. Hindari menempelkan data pribadi pelanggan atau karyawan.

Langkah 1: Tulis kartu keputusan sebelum membuka ChatGPT

Kartu keputusan adalah catatan singkat yang memaksa kamu jujur soal apa yang sedang dipertaruhkan. Isinya:

  • Keputusan yang ditimbang, dalam satu kalimat.
  • Alternatifnya, termasuk opsi menunda atau tidak melakukan apa-apa.
  • Fakta yang sudah kamu ketahui pasti.
  • Asumsi yang belum terbukti.
  • Batas kerugian yang masih sanggup kamu tanggung, misalnya berapa bulan kas operasional.
  • Tenggat kapan keputusan ini harus diambil.

Bagian asumsi paling sering terlewat. Padahal di situlah kebanyakan risiko bersembunyi. Setelah kartu siap, kirim prompt ini:

Saya pemilik usaha [jenis usaha] di [kota], tim [jumlah] orang.
Keputusan yang sedang saya timbang: [keputusan].
Alternatifnya: [opsi lain, termasuk menunda].
Fakta yang saya tahu pasti: [daftar].
Asumsi yang belum terbukti: [daftar].
Batas kerugian yang masih sanggup saya tanggung: [jelaskan].
Jangan beri rekomendasi dulu. Tanyakan maksimal 5 hal yang masih kurang jelas dari konteks ini.

Instruksi “jangan beri rekomendasi dulu” membantu mengarahkan urutan kerja. Periksa pertanyaannya, jawab yang kamu ketahui, dan tandai sisanya belum diketahui. Konteks tidak harus dipaksa lengkap dengan angka tebakan; beberapa kekurangan justru menjadi alasan menunda rekomendasi.

Langkah 2: Petakan dua ketidakpastian terbesar

Skenario yang bagus dibangun dari hal yang benar-benar belum pasti. Kalau dibangun dari hal yang sudah pasti, hasilnya cuma variasi cerita yang sama.

Dari konteks tadi, daftar faktor yang perlu diperiksa untuk keputusan ini selama [horizon evaluasi].
Pisahkan faktor yang bisa saya kendalikan dan faktor di luar kendali saya.
Dari faktor di luar kendali, pilih dua yang paling tidak pasti sekaligus paling berdampak. Jelaskan alasannya.

Periksa pilihannya. Jika ada faktor lain yang lebih relevan, jelaskan dasar perubahanmu. Pengetahuan pemilik membantu, tetapi keyakinan pribadi tetap perlu dibedakan dari catatan atau bukti yang tersedia.

Langkah 3: Bangun tiga skenario yang masuk akal

Gunakan dua ketidakpastian itu untuk menyusun tiga skenario selama horizon evaluasi yang sama. Nyatakan kombinasi kondisi yang belum tercakup.
Tiap skenario harus masuk akal dan punya alur sebab-akibat yang jelas.
Hindari label optimis, realistis, pesimis. Beri nama yang menggambarkan ceritanya.
Untuk tiap skenario tulis: apa yang terjadi, tanda awal yang bisa saya amati dalam 1-3 bulan, dan dampaknya ke keputusan saya.
Jangan memberi peluang atau persentase untuk skenario mana pun.

Larangan persentase itu disengaja. ChatGPT tidak punya dasar untuk menghitung peluang masa depan usahamu. Angka seperti “60 persen kemungkinan” hanya memberi kesan presisi yang palsu.

Langkah 4: Jalankan pre-mortem di tiap skenario

Anggap horizon evaluasi tadi sudah berakhir dan keputusan tidak mencapai kriteria hasil yang saya tetapkan.
Untuk masing-masing skenario, tulis kemungkinan penyebab yang relevan dengan bahan saya. Tidak perlu memaksakan jumlah tertentu. Tandai hipotesis dan informasi yang dibutuhkan untuk memeriksanya.
Fokus pada penyebab yang spesifik untuk usaha saya. Hindari alasan umum seperti "kurang promosi".
Tandai penyebab yang muncul di lebih dari satu skenario.

Kalau jawabannya masih generik, dorong sekali lagi:

Periksa kembali asumsi dan alternatif dalam kartu keputusan.
Risiko relevan apa yang belum dibahas? Hubungkan dengan bahan yang tersedia, jangan menebak motif saya atau mengaku mempunyai pengalaman yang tidak diberikan.

Langkah 5: Ubah hasil simulasi jadi sinyal pemicu dan uji kecil

Simulasi tanpa tindakan cuma jadi bacaan yang menegangkan. Langkah terakhir mengubahnya jadi keputusan yang bisa dikelola.

Dari semua penyebab gagal tadi:
1. Mana yang bisa saya cegah sekarang dengan biaya kecil? Usulkan tindakannya.
2. Mana yang tidak bisa dicegah, tapi bisa dideteksi lebih awal? Tulis sinyalnya dan apa yang saya lakukan kalau sinyal itu muncul.
3. Uji kecil apa yang bisa memeriksa asumsi penting sebelum komitmen penuh? Sesuaikan durasi dengan jenis bukti, kapasitas, dan batas biaya yang saya berikan. Nyatakan juga apa yang tidak dapat dibuktikan oleh uji tersebut.

Sinyal pemicu adalah kejadian yang bisa kamu amati dan sudah kamu sepakati artinya sejak awal. Contohnya: “Kalau dalam dua bulan admin baru masih butuh saya untuk setiap balasan pelanggan, saya tunda rekrutmen kedua.” Keputusan sulit jadi lebih ringan karena sudah kamu putuskan saat kepala masih dingin.

Kalau kamu punya beberapa opsi yang sama-sama lolos simulasi, bandingkan dengan matriks skor sederhana untuk memilih satu ide. Kalau pilihannya sendiri masih kabur, mundur dulu ke cara memakai AI untuk memperjelas pilihan sebelum memutuskan.

Contoh mengubah temuan menjadi catatan keputusan

Untuk ilustrasi perekrutan admin, jangan berhenti pada “SOP belum siap”. Turunkan temuan menjadi pekerjaan yang bisa dinilai:

Bagian Contoh hipotetis
Keputusan Merekrut admin untuk satu kelompok tugas layanan pelanggan
Asumsi Tugas tersebut bisa dikerjakan dari dokumentasi yang tersedia
Bahan yang dibutuhkan Contoh kasus, ketentuan layanan, dan catatan waktu kerja saat ini
Uji terbatas Minta calon pelaksana mengerjakan contoh kasus dengan izin dan lingkup yang disepakati
Hasil yang dicatat Ketepatan jawaban, kasus yang harus dieskalasi, dan waktu pendampingan
Pemilik Pemilik usaha menilai hasil dan memutuskan langkah berikutnya
Kondisi tinjau ulang Dokumentasi tidak cukup atau beban pendampingan melampaui kapasitas yang ditetapkan

Tentukan ambang penerimaan sebelum melihat hasil, berdasarkan kebutuhan usaha. Jika belum punya dasar angka, lakukan pengamatan awal untuk menyusun ambang tersebut. Jangan meminta AI menciptakan persentase kelulusan yang tampak ilmiah.

Pisahkan status usulan, disetujui, dijalankan, dan dievaluasi. Hasil simulasi hanya menghasilkan usulan. Merekrut orang, membelanjakan anggaran, atau membuka penjualan tetap memerlukan keputusan pemilik dan persiapan pelaksanaannya.

Contoh penerapan untuk tiga keputusan besar solopreneur

Tiga contoh di bawah adalah ilustrasi hipotetis, dan hanya menunjukkan bentuk keluarannya. Isinya akan berbeda untuk usahamu.

Misalnya kamu ragu merekrut orang pertama

Misalnya kamu menjalankan toko online kosmetik lokal sendirian dan mempertimbangkan admin full-time. Dua ketidakpastian yang masuk akal: apakah volume pesanan stabil, dan apakah pekerjaanmu bisa diserahkan.

Pre-mortem kemungkinan menemukan penyebab yang muncul di semua skenario. Misalnya, cara membalas komplain hanya ada di kepalamu. Artinya, masalah utamanya ada di dokumentasi, dan itu bisa diperbaiki sebelum merekrut. Uji kecilnya bisa berupa pekerja paruh waktu atau lepas untuk satu jenis tugas dulu.

Misalnya kamu mau launch produk digital baru

Misalnya kamu pengajar desain yang ingin menjual kelas rekaman. Ketidakpastian utamanya bisa berupa minat audiens untuk membayar dan kemampuanmu memproduksi materi tepat waktu.

Penyebab gagal yang sering muncul di simulasi seperti ini: asumsi tentang pembeli belum pernah dicek. Di titik ini, persona pelanggan yang disusun dari data nyata membantu memperbaiki asumsi itu. Uji kecilnya bisa berupa daftar tunggu atau sesi pra-penjualan sebelum seluruh materi dibuat.

Misalnya kamu menimbang pindah niche

Misalnya kamu fotografer pernikahan yang ingin pindah ke foto produk untuk UMKM. Ketidakpastiannya bisa berupa ada tidaknya permintaan di kotamu dan cepat tidaknya portofolio baru terbentuk.

Pre-mortem di sini sering menyoroti masa transisi. Penghasilan dari niche lama turun sebelum niche baru menghasilkan. Sinyal pemicunya bisa ditulis sejak awal, misalnya batas waktu kapan kamu kembali menerima klien lama. Kalau kamu belum yakin skill mana yang bisa dibawa, pemetaan enam fase dari skill lama bisa jadi titik awal.

Jebakan dan kapan cara ini tidak berlaku

Simulator ini alat bantu berpikir. Ada beberapa kondisi saat ia justru menyesatkan atau tidak perlu.

  • Konteks tipis menghasilkan skenario generik. Kalau kartu keputusanmu cuma dua kalimat, skenarionya akan terdengar seperti artikel motivasi. Kualitas simulasi mengikuti kualitas konteksmu.
  • Kamu bisa menggiring hasilnya tanpa sadar. Kalau kamu sudah ingin “ya”, kamu cenderung menulis konteks yang mendukung “ya”. Tulis juga alasan terkuat untuk tidak menjalankannya.
  • Fakta yang cepat berubah tetap harus dicek. Tren pasar, aturan, biaya platform, dan regulasi bisa usang atau keliru di jawaban AI. Cek ke sumber resminya sebelum dipakai sebagai dasar.
  • Keputusan kecil yang mudah dibatalkan tidak butuh ini. Ganti desain feed atau coba satu iklan kecil cukup dijalankan dan diukur. Simulasi panjang di sini hanya jadi cara halus untuk menunda.
  • Keputusan dengan aspek hukum, pajak, atau kesehatan perlu ahli. Misalnya kontrak kerja karyawan atau perizinan usaha. ChatGPT bisa membantu menyusun pertanyaan, tapi jawabannya perlu dari profesional yang berwenang.
  • Bukti efektivitasnya terbatas. Ringkasan Wikipedia mencatat bukti nilai scenario planning sebagian besar bersifat anekdot, terutama dari Shell. Perlakukan metode ini sebagai disiplin berpikir, tanpa ekspektasi jaminan hasil.

Satu jebakan lagi yang sering tidak disadari: memperlakukan skenario sebagai ramalan baru. Begitu kamu bilang “skenario B yang paling mungkin”, kamu kembali ke mode peramal. Fungsi skenario adalah menguji apakah keputusanmu tetap masuk akal di beberapa kemungkinan.

Yang bisa kamu lakukan minggu ini

Kamu tidak perlu menunggu keputusan besar berikutnya untuk mencoba alur ini.

Baca jugaPrompt & ChatGPTCara Membedakan Jawaban AI yang Salah Fakta dan Salah Asumsi tentang Bisnis Kamu

  1. Pilih satu keputusan yang sudah lama kamu tunda.
  2. Tulis kartu keputusannya di catatan, terutama bagian asumsi yang belum terbukti.
  3. Jalankan lima prompt di atas dalam satu percakapan.
  4. Ambil tiga hasil saja: satu tindakan pencegahan, satu sinyal pemicu, dan satu uji kecil.
  5. Jadwalkan kapan kamu meninjau sinyal itu lagi.

Kalau keputusan-keputusanmu banyak datang lewat email dan chat, merapikannya dulu ke dashboard keputusan yang ringkas bisa membantu sebelum simulasi.

Kamu tidak perlu tahu masa depan untuk siap menghadapinya. Kamu perlu daftar sinyal, beberapa rencana kecil, dan keberanian untuk memutuskan setelah melihat risikonya dengan jelas. AI membantu kamu melihat lebih banyak kemungkinan. Penilaian akhirnya tetap milikmu.

Kalau kamu ingin membangun kebiasaan seperti ini jadi sistem AI yang dipakai rutin di bisnismu sendiri, kamu bisa melihat Program Mentoring AI.

Pertanyaan yang sering muncul

Apa hasil yang dicari dari simulator keputusan AI?

Hipotesis risiko, asumsi yang perlu diperiksa, sinyal pemantauan, dan rancangan uji terbatas. Hasil itu membantu menyiapkan keputusan, bukan ramalan atau bukti kelayakan usaha.

Apakah selalu harus memakai tiga skenario?

Tidak. Tiga dipakai dalam latihan agar pembahasan terkelola. Pilih skenario yang cukup berbeda dan catat kondisi penting yang belum tercakup; tambah atau ubah jika kebutuhan keputusan menuntutnya.

Apakah risiko yang muncul sekali cukup dipantau saja?

Belum tentu. Nilai dampak, waktu merespons, dan kemudahan pemulihan. Risiko pada satu kondisi dapat memerlukan pencegahan segera; pengulangan risiko dalam jawaban AI juga belum membuktikan prioritasnya.

Kapan simulasi perlu diperbarui?

Ketika informasi baru mengubah asumsi, sinyal tinjau ulang muncul, atau periode evaluasi berakhir. Simpan versi bahan, keputusan pemilik, dan hasil uji agar perubahan dapat ditelusuri.

Artikel terkait