Satu Folder 'Otak Bisnis' Lokal Supaya Semua Chat AI Kamu Pakai Keputusan yang Sama

Kalau chat AI kamu mulai saling bertentangan, solusinya adalah memindahkan keputusan bisnis dari riwayat chat ke satu folder file lokal, lalu membuat setiap tool AI membaca folder itu sebelum bekerja. Chat dipakai untuk mengerjakan. File dipakai untuk mengingat. Dengan begitu, sales page, email, dan brief desain berangkat dari offer, harga, dan voice yang sama.
Bagian dari playbook: Playbook AI untuk Produktivitas dan Efisiensi Bisnis
Ini cara yang sederhana. Tapi ada beberapa mekanisme di baliknya yang perlu kamu pahami. Kalau tidak, folder itu cuma jadi tumpukan file yang tidak pernah dibaca siapa pun, termasuk AI-nya.
Coba kamu bayangin dua minggu kerja dengan tiga chat AI terpisah
Misalnya kamu solopreneur yang jualan kelas online. Hari Senin kamu buka satu chat untuk sales page. Di tengah obrolan, kamu memutuskan target utamanya ibu bekerja, bonusnya dua template, dan kalimat “tanpa ribet” dihapus karena terasa murahan.
Hari Rabu kamu buka chat baru untuk email launching. Chat ini tidak tahu keputusan hari Senin. Hasilnya email untuk “siapa saja yang ingin belajar”, dengan tiga bonus, dan kalimat “tanpa ribet” muncul lagi di subject line.
Hari Jumat kamu pakai tool lain untuk brief desain. Kamu copy-paste ringkasan dari ingatan. Ada detail yang terlewat, misalnya warna yang sudah kamu putuskan atau janji yang sengaja tidak kamu pakai.
Tidak ada satu pun AI yang salah di sini. Masing-masing bekerja dengan informasi yang ia terima. Masalahnya, keputusanmu tersebar di tiga tempat, dan satu-satunya jembatan di antara mereka adalah ingatanmu sendiri.
Nah, ini yang sering bikin founder merasa “AI-nya nggak konsisten”. Padahal yang tidak konsisten adalah tempat penyimpanan keputusannya.
Kenapa chat AI kamu bisa saling bertentangan?
Ada tiga mekanisme yang bekerja bersamaan.
Setiap sesi mulai dari konteks yang kosong
Model AI bekerja dengan apa yang ada di context window, yaitu teks yang sedang ia “lihat” saat menjawab. Dokumentasi Claude Code menulisnya terang-terangan: setiap sesi dimulai dengan context window yang baru. Pengetahuan baru terbawa ke sesi berikutnya hanya lewat mekanisme khusus, seperti file instruksi atau fitur memory.
Fitur memory di aplikasi chat memang membantu. Tapi memory itu tinggal di satu aplikasi. Keputusan yang tersimpan di satu tool tidak otomatis pindah ke tool lain yang kamu pakai.
Keputusan terkubur di tengah percakapan
Keputusan penting jarang dibuat di awal chat. Biasanya muncul di pesan ke-15, setelah kamu bolak-balik revisi. Waktu kamu buka chat baru, keputusan itu tidak ikut. Kalau mau dipakai lagi, kamu harus ingat, mencari, lalu menyalinnya.
Ringkasan dari ingatan selalu bergeser sedikit
Setiap kali kamu menjelaskan ulang offer ke chat baru, versinya berubah sedikit. Satu kata diganti, satu syarat terlupa, satu janji tambahan muncul. Dalam satu kali, bedanya kecil. Setelah sepuluh kali, offer di email bisa berbeda cukup jauh dari offer di sales page.
Ini mirip permainan bisik berantai. Makin banyak perantara, makin jauh pesannya bergeser. Folder lokal memotong rantai itu karena setiap tool membaca sumber yang sama.
Kenapa satu folder lokal bisa jadi sumber keputusan untuk semua chat AI
Folder lokal bekerja sebagai single source of truth, yaitu satu tempat resmi untuk keputusan bisnis. Semua tool AI membaca dari situ. Saat ada keputusan baru, kamu memperbarui file lebih dulu, baru meneruskan pekerjaan di chat.
Ada tiga alasan kenapa formatnya file teks lokal, misalnya Markdown.
- Bisa dibaca oleh model mana pun. File teks biasa bisa di-upload, di-paste, atau dibaca langsung oleh agent. Kamu tidak terkunci di satu aplikasi. Soal pentingnya portabilitas ini, saya bahas lebih jauh di tulisan tentang otak AI bisnis yang bisa pindah platform.
- Kamu pemiliknya. File ada di komputermu atau penyimpanan yang kamu kontrol. Kamu bisa membuat backup, melihat riwayat perubahan, dan menghapus yang sudah usang.
- Satu perubahan, semua ikut. Kalau harga atau target audiens berubah, kamu cukup mengedit satu file. Tool yang membaca file itu akan memakai versi terbaru di sesi berikutnya.
Perbedaan intinya ada pada pembagian peran. Chat menyimpan proses kerja, termasuk draft, revisi, dan brainstorm. Folder menyimpan hasil akhir yang sudah kamu putuskan. Ketika peran ini jelas, kamu tidak perlu lagi mencari keputusan di riwayat chat minggu lalu.
Tool mana yang membaca file sendiri, dan mana yang perlu kamu suapi
Ini bagian yang sering bikin ekspektasi meleset. Tidak semua tool AI membaca folder lokal dengan cara yang sama.
Agent yang bekerja di folder kamu bisa membaca file instruksi secara otomatis. Beberapa contohnya, berdasarkan dokumentasi resmi per November 2026:
- AGENTS.md adalah format terbuka untuk file instruksi agent. Situsnya mencantumkan dukungan dari Codex, Jules, Cursor, Aider, VS Code, dan tool lain. Kalau ada beberapa AGENTS.md bertingkat, agent membaca file yang paling dekat dengan folder kerjanya.
- Claude Code membaca file CLAUDE.md di awal sesi. Menurut dokumentasi memory-nya, Claude Code juga bisa membaca AGENTS.md, dan CLAUDE.md bisa mengimpor AGENTS.md lewat baris
@AGENTS.md. - Gemini CLI memakai GEMINI.md sebagai nama default. Dokumentasinya menjelaskan nama file bisa diatur lewat
context.fileName, termasuk AGENTS.md. Isi file-file konteks itu digabung dan dikirim bersama setiap prompt.
Artinya, kalau kamu memakai lebih dari satu agent, satu AGENTS.md bisa menjadi pintu masuk bersama. File lain di folder tinggal dirujuk dari situ.
Aplikasi chat di browser biasanya perlu kamu suapi. Contohnya fitur Projects di Claude. Menurut halaman bantuannya, kamu bisa meng-upload dokumen ke project knowledge dan menulis project instructions. Claude memakai konteks itu untuk setiap chat di dalam project tersebut.
Yang perlu kamu ingat, file yang di-upload adalah salinan. Saat file lokal berubah, perlakukan salinan di aplikasi sebagai versi lama, lalu upload ulang. Bagian inilah yang paling sering bikin “sinkron” jadi tidak sinkron.
Apa saja yang perlu masuk ke file keputusan?
Isi file keputusan sebaiknya hal yang kamu ingin semua AI patuhi setiap kali bekerja. Kalau isinya cuma relevan untuk satu tugas, simpan di tempat lain.
Yang layak masuk:
- Offer aktif. Nama produk, untuk siapa, masalah yang diselesaikan, isi paket, dan bonus yang berlaku.
- Harga dan sumbernya. Tulis harga yang sedang berlaku beserta tanggal mulai berlakunya. Kalau harga sering berubah, cukup tulis di mana harga resmi bisa dicek.
- Batas klaim. Janji yang boleh dan tidak boleh dipakai. Misalnya, “jangan menjanjikan hasil dalam waktu tertentu”.
- Audiens dan bahasa mereka. Siapa pembacanya, bagaimana mereka menyebut masalahnya sendiri.
- Voice. Kata ganti, tingkat formalitas, kata yang dihindari, contoh kalimat yang sesuai.
- Log keputusan bertanggal. Satu baris per keputusan, lengkap dengan tanggal dan alasan singkat.
Yang sebaiknya tidak masuk:
- Draft, brainstorm, dan ide yang belum diputuskan.
- Data pelanggan, password, atau token akses.
- Penjelasan panjang yang AI bisa simpulkan sendiri dari file lain.
Contoh ilustrasi untuk brand fiktif kelas menjahit di Bandung:
# KEPUTUSAN.md
## Offer aktif
- Kelas: Jahit Gamis Pemula, online, 6 sesi
- Untuk: ibu rumah tangga yang ingin menjahit untuk keluarga dulu
- Bonus: 2 pola dasar (bukan 3, keputusan 10 Nov)
## Batas klaim
- Jangan janjikan bisa jualan setelah kelas
- Jangan pakai kata "tanpa ribet"
## Voice
- Pakai "kamu", hangat, kalimat pendek
- Istilah teknis jahit dijelaskan sekali
## Log keputusan
- 10 Nov: bonus jadi 2 pola, karena pola ke-3 belum selesai diuji
- 12 Nov: target utama ibu rumah tangga, bukan pemula umum
Perhatikan log keputusannya. Alasan singkat di tiap baris membantu kamu sendiri, tiga bulan lagi, saat lupa kenapa sesuatu diputuskan begitu.
Cara memasangnya dalam satu minggu
Langkah ini sengaja dibuat kecil supaya bisa jalan di sela pekerjaan harian. Urutannya penting, jadi ikuti dari atas.
- Panen keputusan dari chat lama. Buka tiga sampai lima chat terakhir yang paling sering kamu pakai. Minta AI-nya merangkum keputusan yang sudah final, lalu periksa sendiri. Hapus yang ternyata masih ide.
- Buat satu file dulu. Mulai dari satu KEPUTUSAN.md. Pecah jadi beberapa file nanti, kalau isinya sudah terlalu panjang. Kalau kamu ingin struktur folder yang lebih lengkap, panduan menyusun folder AI jadi operating system bisnis bisa jadi lanjutan.
- Tulis instruksi yang bisa dicek. “Pakai bahasa yang bagus” sulit diperiksa. “Pakai kamu, maksimal dua kalimat per paragraf” mudah diperiksa. Dokumentasi Claude Code memberi saran yang sama: instruksi konkret lebih mudah diikuti dan diverifikasi.
- Hubungkan ke setiap tool. Untuk agent, taruh file di folder kerja atau rujuk dari AGENTS.md. Untuk aplikasi chat, upload ke project dan tulis instruksi singkat: “Ikuti KEPUTUSAN.md. Kalau ada konflik dengan permintaanku, tanyakan dulu.”
- Pasang aturan update. Setiap keputusan baru ditulis ke file dulu, baru dilanjutkan di chat. Setelah itu, upload ulang salinan di aplikasi yang memakai upload.
- Tes sinkronnya. Ajukan tiga pertanyaan yang sama ke setiap tool. Misalnya: “Untuk siapa offer ini? Apa bonusnya? Kata apa yang tidak boleh dipakai?” Kalau jawabannya beda, kamu langsung tahu tool mana yang membaca versi lama.
Tes di langkah terakhir ini murah tapi sangat berguna. Kamu tidak perlu menebak-nebak apakah AI sudah “ingat”. Kamu bisa langsung memeriksanya.
Kenapa ini penting buat bisnis dengan tim tipis
Di bisnis kecil, satu orang sering memegang banyak peran sekaligus. Pagi menulis caption, siang membalas calon pembeli, malam menyusun email. Tiap peran sering memakai tool AI yang berbeda.
Tanpa sumber keputusan bersama, kamu jadi satu-satunya penghubung antar tool. Setiap kali pindah tugas, kamu menjelaskan ulang bisnismu dari nol. Energi habis untuk mengulang konteks, padahal seharusnya dipakai untuk mengambil keputusan baru.
Folder keputusan juga memudahkan saat kamu mulai dibantu orang lain. Admin atau freelancer bisa membaca file yang sama dengan yang dibaca AI. Ini sejalan dengan logika membuat SOP, yang saya bahas di tulisan tentang memakai AI untuk menyusun SOP bisnis. Bedanya, file keputusan berisi “apa yang kita pilih”, sementara SOP berisi “bagaimana kita mengerjakannya”.
Jebakan dan kapan cara ini tidak cocok
Cara ini punya batas. Lebih baik kamu tahu dari awal daripada kecewa belakangan.
File keputusan adalah konteks, belum tentu dipatuhi seratus persen
Dokumentasi Claude Code menyebut file instruksinya diperlakukan sebagai konteks, belum sebagai konfigurasi yang dipaksakan. AI membaca dan berusaha mengikuti, tapi tetap bisa meleset. Karena itu, hasil penting seperti harga di sales page tetap perlu kamu cek manual.
File yang terlalu panjang malah melemahkan kepatuhan
Dokumentasi yang sama menyarankan target di bawah 200 baris per file CLAUDE.md. Alasannya, file yang lebih panjang memakai lebih banyak konteks dan bisa menurunkan kepatuhan. Angka itu spesifik untuk Claude Code, tapi prinsipnya berguna secara umum. Tulis yang penting saja, dan pindahkan detail ke file terpisah yang dibaca saat perlu.
Instruksi yang bertentangan membuat AI memilih sendiri
Kalau satu file bilang “bonus dua pola” dan file lain masih menulis “tiga pola”, AI bisa memilih salah satunya secara acak. Dokumentasi Claude Code menyebut risiko ini secara eksplisit. Jadwalkan pengecekan rutin untuk membuang keputusan lama.
Salinan di aplikasi chat tidak ikut berubah
Ini jebakan paling umum. Kamu sudah mengedit file lokal, tapi project di aplikasi chat masih memakai upload minggu lalu. Kalau kamu sering lupa, kurangi jumlah aplikasi chat yang kamu pakai untuk pekerjaan inti.
Kapan cara ini belum perlu
- Kamu cuma memakai satu tool AI dan satu project. Fitur bawaan aplikasinya mungkin sudah cukup.
- Bisnismu masih mencari offer, dan keputusan berubah hampir setiap hari. Di fase ini, tulis log keputusan saja dulu, tanpa membangun struktur lengkap.
- Datamu sensitif dan kamu belum punya kebijakan soal data apa yang boleh dikirim ke penyedia AI. Rapikan aturan itu dulu sebelum meng-upload apa pun.
Satu lagi. Godaan untuk memakai banyak tool sekaligus memang besar. Tapi setiap tool baru menambah satu salinan yang harus dijaga sinkron. Kalau kamu sedang menimbang soal fokus ini, tulisan tentang nasihat fokus satu hal bisa membantu melihat trade-off-nya.
Langkah yang bisa kamu mulai minggu ini
Pilih satu offer yang sedang aktif. Tulis keputusannya dalam satu file, maksimal satu halaman. Hubungkan file itu ke dua tool AI yang paling sering kamu pakai. Lalu jalankan tes tiga pertanyaan tadi.
Kalau kedua tool menjawab sama, kamu sudah punya fondasinya. Kalau berbeda, kamu baru saja menemukan sumber ketidakkonsistenan yang selama ini bikin kerja dua kali.
Pada akhirnya, AI akan selalu sekonsisten sumber yang ia baca. Rapikan sumbernya, dan pekerjaanmu ikut rapi.
Kalau kamu ingin dibimbing membangun sistem seperti ini sampai benar-benar dipakai di bisnismu sendiri, kamu bisa lihat Program Mentoring AI.
Pertanyaan yang sering muncul
Apakah saya harus bisa coding untuk memakai folder otak bisnis lokal?
Tidak harus. File keputusan cukup berupa teks biasa yang bisa kamu tulis di aplikasi catatan mana pun. Kalau kamu hanya memakai aplikasi chat di browser, file itu cukup di-upload ke fitur project dan diperbarui saat ada keputusan baru. Agent seperti Claude Code atau Gemini CLI hanya membuat proses membacanya lebih otomatis.
Apa bedanya file keputusan dengan fitur memory di aplikasi chat?
Fitur memory tersimpan di dalam satu aplikasi dan isinya diatur oleh aplikasi tersebut. File keputusan berada di tempat yang kamu kontrol, bisa kamu edit langsung, dan bisa dibaca oleh beberapa tool sekaligus. Keduanya bisa dipakai bersamaan, dengan file keputusan sebagai acuan resmi.
Seberapa sering file keputusan perlu diperbarui?
Setiap kali ada keputusan yang mengubah offer, harga, audiens, batas klaim, atau voice. Selain itu, jadwalkan pengecekan rutin untuk menghapus keputusan lama yang sudah tidak berlaku, supaya tidak ada instruksi yang saling bertentangan.
Bagaimana cara tahu apakah semua tool AI sudah membaca versi terbaru?
Ajukan pertanyaan yang sama ke setiap tool, misalnya untuk siapa offer ini, apa bonusnya, dan kata apa yang tidak boleh dipakai. Kalau jawabannya berbeda, tool yang menjawab berbeda kemungkinan masih memakai salinan lama dan perlu diperbarui.




