Belajar AI Mulai dari Mana? Perdalam Satu Skill Lama, Baru Pasang AI di Atasnya

Belajar AI mulai dari mana? Mulai dari satu skill yang sudah kamu kuasai, lalu pasang AI di langkah-langkah kerja skill itu. Kedalaman di satu bidang membuat kamu bisa menilai hasil AI, dan kemampuan menilai itulah yang membuat AI benar-benar berguna.

Bagian dari playbook: Playbook AI untuk Produktivitas dan Efisiensi Bisnis

Intinya:

• Belajar AI secara acak menghabiskan waktu karena kamu tidak punya standar untuk menilai hasilnya.
• AI pandai meniru keluasan, sedangkan kedalaman di satu bidang tetap jadi keunggulan kamu.
• Urutannya: Skill, lalu Integrasi AI, lalu Workflow Niche, baru Daya Ungkit.

Dua orang, satu bulan, hasil yang berbeda

Coba kamu bayangin dua pebisnis kecil. Ini ilustrasi, ya. Keduanya ingin “melek AI” dalam satu bulan.

Misalnya yang pertama, sebut saja Andi, punya toko online perlengkapan bayi. Tiap ada tool viral, dia coba. Minggu ini bikin gambar, minggu depan bikin video avatar, lalu coba agen otomatis yang ramai di timeline. Akhir bulan, dia hafal banyak nama tool. Cara kerjanya sehari-hari hampir sama seperti sebelumnya.

Yang kedua, misalnya Sari, copywriter freelance yang sudah lama menulis deskripsi produk untuk brand fashion lokal. Dia tidak mengejar tool baru. Dia memecah pekerjaannya: riset bahan, tentukan pembeli, pilih angle, tulis draft, revisi. Lalu dia cari bagian mana yang bisa dibantu AI.

Akhir bulan, Sari punya satu alur kerja yang dia pakai tiap ada order. Andi punya daftar bookmark.

Bedanya ada di titik berangkat. Andi berangkat dari tool. Sari berangkat dari skill.

Kenapa belajar AI secara acak bikin capek tapi tidak naik level?

Belajar AI secara acak terasa produktif karena tiap hari ada hal baru. Masalahnya muncul dari tiga mekanisme ini.

Baca jugaAI untuk Produktivitas & OperasionalReset Mingguan Bisnis Solo: 5 Kategori Tugas Biar Gak Bingung Mulai dari Mana

1. Kamu tidak punya penggaris untuk menilai hasilnya

Saat mencoba tool di bidang yang tidak kamu kuasai, semua hasil terlihat bagus. Kamu sulit membedakan output yang rapi dari output yang benar. Akhirnya kamu terkesan, lalu pindah ke tool berikutnya.

2. Demo tool memakai tugas generik

Contoh di video tutorial biasanya tugas umum. Begitu dibawa ke bisnismu, konteksnya berubah. Pelanggannya beda, istilahnya beda, standar kualitasnya beda. Jarak antara demo dan pekerjaan nyata inilah yang jarang dilatih.

3. Tidak ada yang menumpuk

Setiap tool baru berarti mulai dari nol lagi. Prompt, contoh, dan catatan dari tool sebelumnya jarang terbawa. Waktu habis, aset kerja tidak bertambah.

AI meniru keluasan, kamu memegang kedalaman

Model bahasa dilatih dari teks yang sangat luas. Makanya AI bisa menulis soal pajak, resep, hukum, dan iklan dalam satu sesi. Itu yang terasa sebagai keluasan.

Kedalaman bekerja dengan cara lain. Kedalaman domain adalah kemampuan tahu kapan sesuatu salah, walaupun kelihatannya benar. Orang yang dalam di satu bidang paham pengecualian, paham konteks pelanggan, dan paham akibatnya kalau keliru.

Ada studi yang membantu menjelaskan ini. Peneliti dari Harvard Business School, beberapa kampus lain, dan Boston Consulting Group menguji 758 konsultan BCG yang memakai GPT-4. Hasilnya ada di makalah kerja “Navigating the Jagged Technological Frontier” (September 2023).

Untuk tugas yang masih dalam jangkauan kemampuan AI, kualitas kerja konsultan yang memakai AI naik signifikan. Untuk satu tugas yang sengaja dipilih di luar jangkauan AI, hasilnya berbalik. Konsultan yang memakai AI 19 poin persentase lebih kecil kemungkinannya menghasilkan jawaban benar.

Para peneliti menyebut pola ini “jagged technological frontier”. Jagged frontier adalah batas kemampuan AI yang bergerigi, sehingga dua tugas yang terasa sama sulitnya bisa jatuh di sisi berbeda. Satu dikerjakan AI dengan baik, satu lagi malah membuat hasil memburuk.

Pelajaran praktis yang saya tarik: garis itu tidak tertulis di mana pun. Di bidangmu sendiri, kamu yang paling cepat merasakan kapan AI mulai ngawur. Kepekaan itu datang dari kedalaman skill. Ini interpretasi saya atas temuannya, karena studi itu sendiri tidak mengukur kedalaman skill secara langsung.

Apa itu pendekatan skill-first dalam belajar AI?

Pendekatan skill-first adalah cara belajar AI yang dimulai dari satu skill yang sudah kamu kuasai, lalu memasang AI di langkah kerja yang tepat dalam skill itu.

Ciri-cirinya:

• Berangkat dari pekerjaan yang sudah kamu lakukan berulang, idealnya yang sudah pernah dibayar orang.
• Memakai standar kualitas yang kamu pahami untuk menilai output AI.
• Fokus pada satu jenis kasus atau satu jenis pelanggan dulu.
• Menghasilkan aset yang menumpuk, seperti brief, contoh, dan checklist.
• Penilaian akhir tetap di tangan manusia.

Kerangkanya empat langkah berurutan. Tiap langkah butuh hasil dari langkah sebelumnya, jadi jangan dilompati.

Langkah 1: Skill, pecah pekerjaanmu jadi langkah kecil

Pilih satu skill. Tulis langkah-langkahnya dari awal sampai serah terima. Misalnya untuk deskripsi produk: kumpulkan info produk, tentukan pembeli, pilih angle, tulis draft, cek fakta, sesuaikan tone brand.

• Hasil antara: daftar langkah tertulis.
• Cek selesai: orang lain bisa membaca daftarnya dan paham urutan kerjamu.

Langkah 2: Integrasi AI, tandai mana yang dibantu AI dan mana yang tetap kamu pegang

Untuk setiap langkah, tanya dulu. Langkah ini butuh banyak variasi, atau butuh penilaian? AI kuat untuk draft, variasi, ringkasan, dan menyusun ulang. Penilaian, keputusan, dan relasi dengan klien tetap kamu pegang.

Tulis instruksi untuk AI seperti brief ke freelancer: siapa pembacanya, apa tujuannya, apa yang dilarang. Soal ini saya bahas lebih lengkap di tulisan tentang menyusun prompt sebagai brief audiens.

• Hasil antara: satu atau dua langkah yang sudah dicoba dengan AI.
• Cek selesai: kamu bisa menjelaskan kenapa output AI di langkah itu layak dipakai atau perlu diperbaiki.

Langkah 3: Workflow niche, rangkai jadi alur yang dipakai berulang

Workflow niche adalah alur kerja berbantuan AI yang dirancang untuk satu jenis kasus spesifik, misalnya deskripsi produk fashion muslim untuk marketplace. Makin spesifik kasusnya, makin mudah kamu menyiapkan contoh bagus, contoh buruk, dan aturan baku.

Simpan semuanya di satu dokumen: brief, contoh, dan checklist revisi. Nilai dokumen ini bertambah setiap kali dipakai dan diperbaiki.

• Hasil antara: satu dokumen alur kerja.
• Cek selesai: kamu memakainya untuk beberapa order berturut-turut, lalu memperbaikinya setiap ada yang meleset.

Langkah 4: Daya ungkit, lipat gandakan hasil dari alur yang sudah terbukti

Setelah alurnya stabil, baru pikirkan daya ungkit. Daya ungkit di sini adalah tambahan hasil dari alur kerja yang sama, tanpa menambah jam kerja secara sebanding.

Bentuknya bisa macam-macam:

• Menyelesaikan lebih banyak order dengan kualitas yang tetap terjaga.
• Mendelegasikan langkah tertentu ke admin, karena checklist-nya sudah tertulis.
• Menawarkan alur itu sebagai layanan baru. Caranya saya urai di tulisan tentang menjembatani skill lama ke klien AI pertama.

Kenapa ini penting kalau timmu tipis dan budget terbatas?

Pebisnis kecil di Indonesia jarang punya waktu untuk eksperimen panjang. Satu orang sering memegang produksi, admin, dan jualan sekaligus. Setiap jam belajar tool yang akhirnya tidak terpakai adalah jam yang hilang dari operasional.

Pendekatan skill-first memotong risiko itu. Kamu belajar AI di pekerjaan yang memang harus selesai minggu ini. Waktu belajar dan waktu kerja jadi menyatu.

Ada untung kedua yang sering terlewat. Begitu langkah kerja tertulis, bisnismu jadi lebih mudah diajarkan. Karyawan baru atau freelancer bisa mengikuti alur yang sama. Ini fondasi sebelum bicara otomasi yang lebih rumit.

Misalnya ada pemilik katering rumahan di Semarang yang jago menyusun menu mingguan. Dia bisa minta AI menyusun variasi menu dari daftar bahan yang tersedia. Lalu dia sendiri yang menilai mana yang realistis untuk dapurnya dan harga bahan di pasar. Keahliannya tetap jadi saringan terakhir.

Jebakannya: kapan pendekatan ini tidak berlaku?

Pendekatan ini punya batas. Perhatikan kondisi berikut.

• Kamu belum punya skill yang cukup dalam. Kalau belum ada satu bidang pun yang kamu kuasai, pilih satu dan bangun dasarnya dulu. Untuk itu, belajar skill baru dengan memetakan kegagalan lebih dulu lebih cocok.
• Permintaan untuk skill lamamu sedang menyusut. Kedalaman tetap berguna, tapi kamu perlu bergeser ke kasus yang masih dibayar orang. Pakai langkah 3 untuk mencari niche yang lebih sempit.
• Kedalaman jadi alasan untuk tidak mencoba apa pun. Eksplorasi ringan tetap sehat. Batasi waktunya, misalnya satu sesi singkat per minggu, lalu bawa yang berguna ke alur utama.
• Data klien sensitif. Sebelum memasukkan data klien ke tool AI, cek kebijakan privasi tool itu dan perjanjianmu dengan klien.
• Kamu terlalu percaya pada rasa “sudah ahli”. Ahli juga bisa kecolongan oleh output yang meyakinkan. Tetap pakai checklist, terutama untuk fakta, angka, dan klaim.

Langkah yang bisa kamu mulai minggu ini

1. Tulis satu skill yang paling sering kamu kerjakan atau paling sering dibayar.
2. Pecah skill itu jadi lima sampai delapan langkah kerja.
3. Tandai dua langkah yang paling makan waktu dan paling cocok dibantu AI.
4. Tulis brief untuk dua langkah itu, lalu coba di satu pekerjaan nyata.
5. Catat bagian yang meleset dan perbaiki brief-nya.
6. Simpan brief, contoh, dan catatan revisi di satu dokumen.

Kalau setelah seminggu dokumen itu sudah lebih baik dari versi awalnya, kamu sudah di jalur yang benar.

Nah, satu pemikiran untuk dibawa pulang. AI menambah tenaga, dan arahnya tetap datang dari skill kamu. Makin dalam skill-nya, makin jelas ke mana tenaga itu diarahkan.

Kalau kamu ingin dibimbing menyusun alur seperti ini untuk bisnismu sendiri, kamu bisa lihat program mentoring AI yang saya jalankan.