AI Gak Perlu Buat Kerjaan Repetitif yang Polanya Udah Jelas

Hampir tiap minggu ada yang nanya ke aku, "Kerjaan ini bisa dibikinin AI nggak?" Kerjaannya macem-macem: rekap laporan harian, mindahin file ke folder yang bener, kirim reminder ke tim, update status stok. Tapi kalau didengerin baik-baik, polanya hampir selalu sama: tiap hari langkahnya itu-itu aja.

Buat kerjaan kayak gitu, jawaban aku biasanya bukan AI. Yang dibutuhin cuma alur kerja yang jalan otomatis.

Beda kerjaan repetitif sama kerjaan yang butuh judgment

Aku biasa bagi kerjaan operasional jadi dua jenis:

• Repetitif dengan pola jelas. Input-nya seragam, langkahnya tetap, hasilnya bisa ditebak. Contohnya: kalau stok di bawah batas minimum, kirim notifikasi. Kalau ada konten baru, bikin folder dengan nama brand dan tanggal.
• Butuh judgment. Input-nya beda-beda, banyak pengecualian, dan harus baca konteks dulu sebelum mutusin sesuatu. Contohnya: jawab pertanyaan tim yang bahasanya bebas, atau ngecek apakah dokumen yang diunggah beneran dokumen yang diminta.

Pembagian ini bukan cuma versi aku. Di panduan A practical guide to building agents, OpenAI nyebut AI agent paling cocok buat tiga kondisi: keputusan yang kompleks dan penuh pengecualian, aturan yang udah terlalu ribet buat di-maintain, dan proses yang bergantung ke data nggak terstruktur seperti bahasa bebas atau isi dokumen. Di luar kondisi itu, menurut mereka, solusi deterministik yang langkahnya tetap mungkin udah cukup.

Kalau polanya udah ketauan, tinggal dibikin alur

Begitu polanya kebaca, pertanyaannya berubah dari "pakai AI apa" jadi "langkahnya apa aja". Langkah yang tetap bisa dijalanin sama tools yang jauh lebih sederhana:

• Rumus dan validasi di spreadsheet buat hitungan dan pengecekan yang aturannya jelas.
• Script, misalnya Google Apps Script, buat mindahin data, bikin file, atau kirim email berdasarkan kondisi tertentu.
• Trigger terjadwal buat laporan harian atau mingguan yang formatnya selalu sama.
• Macro atau tools workflow buat urutan klik yang diulang-ulang.

Anthropic, perusahaan di balik Claude, nulis prinsip yang sama di artikel Building effective agents: cari solusi paling sederhana dulu, dan tambah kompleksitas cuma kalau memang dibutuhin. Mereka juga bedain workflow, yang jalan lewat alur kode yang udah ditentuin, dengan agent yang nentuin langkahnya sendiri. Sistem agent biasanya menukar kecepatan dan biaya demi performa, jadi perlu dipikirin kapan tukar-tambah itu sepadan.

Porsi kerjaan repetitif di kantor juga nggak kecil. Survei Smartsheet ke sekitar 1.000 pekerja kantoran di Amerika Serikat nemuin angka ini:

Waktu yang habis buat kerjaan manual dan repetitif(% responden)

• Habisin minimal seperempat minggu kerja buat tugas manual dan repetitifLebih dari 40%
• Yakin bisa hemat 6 jam atau lebih per minggu kalau bagian repetitifnya diotomasiHampir 60%

Menurut survei yang sama, tugas yang paling makan waktu adalah email, pengumpulan data, dan input data. Hampir semuanya punya pola yang jelas, jadi sebagian besar bisa dirapikan pakai automation biasa tanpa perlu bayar model AI.

AI lebih pas buat kerjaan yang variatif

AI baru benar-benar kepake begitu input-nya nggak bisa ditebak. Misalnya:

• Pertanyaan dengan bahasa bebas dari orang yang berbeda-beda.
• Dokumen atau gambar yang formatnya nggak seragam, dan isinya perlu dipahami, bukan cuma dicocokkan.
• Kasus yang kombinasinya beda-beda, sampai rumus manualnya bakal penuh percabangan.

Di asisten WhatsApp buat tim internal yang aku bangun, AI dipakai karena tim bisa nanya apa aja soal status kerjaan, brief, atau referensi pakai bahasa sehari-hari. Di sistem verifikasi dokumen, AI dipakai buat baca isi dokumen yang diunggah. Tapi di project verifikasi itu pun, rename dan pemindahan file tetap dikerjain script biasa, karena bagian itu polanya tetap.

Contoh dari pengalaman: dua sistem yang sengaja tanpa AI

Dua project ini polanya jelas dari awal, jadi aku bangun tanpa AI sama sekali.

Sistem gudang. Di Warehouse Management System yang aku bangun pakai Google Apps Script, Sheets, dan Drive, aturan stoknya tegas: kalau jumlah barang di bawah batas minimum, barang itu masuk daftar yang perlu diperhatiin. Laporan keluar otomatis, dan dokumentasi yang dulu dikirim lewat WhatsApp sekarang langsung tersimpan di Google Drive. Nggak ada satu pun langkah yang butuh pertimbangan.

Dashboard produksi konten. Di dashboard social media agency, dulu tim produksi harus bolak-balik antar spreadsheet karena tiap brand punya sheet sendiri. Sekarang semuanya ada di satu dashboard, dan tiap konten butuh folder Google Drive dengan struktur yang selalu sama: brand, tahun, bulan, tanggal. Karena strukturnya nggak pernah berubah, cukup Apps Script yang bikinin folder-nya otomatis.

Dua sistem ini jalan tanpa biaya model AI, gampang dicek kalau ada yang salah, dan hasilnya selalu sama tiap kali dijalanin.

Petakan dulu polanya sebelum mikir tools

Sebelum mutusin pakai AI atau nggak, aku biasanya mulai dari hal yang kelihatannya sepele:

1. Tulis langkah kerjanya dari awal sampai akhir, persis seperti yang dikerjain tim sekarang.
2. Tandai mana langkah yang selalu sama, dan mana yang butuh mikir atau baca konteks.
3. Otomasi langkah yang selalu sama pakai rumus, script, atau workflow.
4. Baru pertimbangin AI buat langkah yang tersisa, kalau memang ada.

Seringnya, setelah dipetakan, bagian yang benar-benar butuh AI cuma sebagian kecil, atau malah nggak ada sama sekali. Kalau mau lihat gambaran lebih umum soal kapan tools sederhana lebih masuk akal, aku juga pernah bahas di artikel Gak Semuanya Harus Pakai AI.