Workshop Cocok dan Tidak Cocok untuk Siapa

Daftar materi yang panjang tidak menjamin sebuah workshop cocok buat lo. Kecocokannya ditentukan oleh masalah yang ingin lo selesaikan dan cara belajar yang lo butuhkan.

Building AI Employees punya scope yang sengaja dibuat spesifik. Kita tidak akan mengejar daftar tools terpanjang, mengoleksi prompt instan, atau menjanjikan satu agent yang langsung bisa mengambil alih semua fungsi bisnis. Kita akan mengambil satu pekerjaan, membedah workflow-nya, memberi akses secara sadar, memasang approval, lalu menentukan cara mengevaluasi hasilnya.

Kalau pekerjaan lo masih berjalan ad hoc dan batas tanggung jawab agent belum jelas, workshop ini mungkin relevan. Kalau yang dicari adalah prompt instan, satu tool pemenang, atau autopilot tanpa pemeriksaan, ketidakcocokannya sebaiknya diketahui dari awal.

Workshop berlangsung Sabtu, 5 September 2026, pukul 08.30-11.00 WIB via Zoom.

Cocok Kalau Pekerjaan Lo Masih Ad Hoc

Lo mungkin sudah memakai ChatGPT atau Claude untuk menulis, merangkum, riset, atau menyusun ide. Hasil per tugas bisa berguna, tetapi prosesnya masih bergantung pada siapa yang ingat prompt, file mana yang harus dibuka, dan output harus dipindahkan ke mana.

Itu bukan kegagalan. Itu tanda bahwa lo sudah menemukan beberapa kemampuan AI, tetapi belum mengubahnya menjadi workflow.

Workshop ini cocok kalau lo ingin menjawab pertanyaan berikut:

• pekerjaan apa yang layak didelegasikan;
• event apa yang memulai pekerjaan;
• context dan data apa yang boleh dibaca;
• langkah mana yang bisa dijalankan agent;
• action mana yang harus menunggu manusia;
• serta seperti apa output yang dianggap berhasil.

Kita memakai bahasa pekerjaan dan delegasi lebih dulu. Detail teknis masuk ketika dibutuhkan untuk menerjemahkan blueprint menjadi implementasi.

Cocok Kalau Lo Punya Satu Use Case yang Nyata

Lo tidak perlu datang dengan ide agent yang sophisticated. Justru lebih berguna kalau lo membawa pekerjaan berulang yang cukup konkret.

Contohnya: merapikan hasil meeting, menyiapkan draft follow-up, mengelompokkan feedback, membuat rangkuman riset, atau memeriksa kelengkapan informasi sebelum sebuah action dilakukan. Use case final milik lo bisa berbeda dari contoh kelas.

Yang penting, pekerjaan itu punya input, proses, output, dan konsekuensi yang bisa dibahas. Dari situ, kita dapat melihat apakah agent membutuhkan memory, tools, approval, atau cukup berhenti sebagai assistant yang membuat draft.

Meeting Operations Agent dipakai sebagai laboratorium end-to-end. Target flow-nya bergerak dari Calendar dan sample Fathom notes menuju summary, action items, mind map, approval, Telegram, dan selective memory. Flow tersebut adalah target desain dan demo workshop, bukan klaim bahwa sistem sudah terbukti di production atau akan identik di setiap environment.

Cocok untuk Non-Developer, dengan Satu Syarat

Lo tidak harus menjadi developer. Owner, manager, marketer, operator, product person, dan peserta teknis bisa memakai kerangka yang sama karena titik mulainya adalah pekerjaan.

Namun, no-code bukan berarti no-thinking. Lo tetap perlu bersedia mendefinisikan rule, memeriksa data, memahami permission, dan menguji output. Ada bagian setup teknis karena workflow perlu dijalankan di sebuah environment. Materi instalasi direncanakan dalam format pre-recorded supaya sesi live dapat lebih fokus pada desain dan praktik.

Kalau menemukan error, targetnya bukan menghafal semua command. Targetnya adalah bisa membaca posisi masalah: apakah input-nya kurang, credential-nya salah, tool gagal, instruction ambigu, atau approval flow belum dipasang dengan benar.

Cocok Kalau Lo Peduli Kontrol, Bukan Cuma Output

Agent yang menghasilkan teks rapi belum tentu aman untuk diberi action.

Workshop ini relevan kalau lo ingin membedakan read access, draft creation, dan external action. Membaca notes tidak sama risikonya dengan mengirim pesan ke Telegram. Menyiapkan event preview tidak sama dengan menyimpan Calendar event final. Menulis rekomendasi tidak sama dengan mengeksekusinya.

Karena itu, permission, human approval, error handling, dan evaluation bukan materi tambahan. Semuanya bagian dari workflow.

Lo akan melihat kenapa informasi yang tidak tersedia harus ditanyakan atau diberi label, bukan dikarang. Lo juga akan membahas kenapa memory perlu dipilih berdasarkan kebutuhan retrieval, bukan dijadikan gudang semua transcript dan dokumen.

Kurang Cocok Kalau Lo Cuma Mencari Prompt Instan

Kalau target lo adalah pulang dengan satu prompt panjang yang tinggal ditempel untuk semua situasi, kelas ini kemungkinan terasa terlalu banyak membahas boundary.

Prompt tetap punya tempat. Namun, workflow agent juga membutuhkan trigger, context, tools, permission, approval, success criteria, dan respons ketika terjadi kegagalan. Prompt tidak bisa sendirian memutuskan siapa yang boleh menerima output atau apa yang terjadi saat deadline belum tersedia.

Workshop ini juga kurang cocok kalau lo ingin kumpulan seratus use case tanpa membedah satu pun secara dalam. Kita memakai satu contoh lengkap agar keputusan desainnya kelihatan, lalu membahas pola mana yang dapat diadaptasi ke use case lain.

Kurang Cocok Kalau Lo Mencari Satu Tool Terbaik

Hermes dipakai sebagai lab praktik, tetapi workshop tidak menjanjikan bahwa satu platform selalu paling tepat.

Pilihan platform tetap bergantung pada use case, integrasi, data, deployment, maintenance, skill tim, dan batas risiko. Managed cloud, VPS, atau local setup membawa trade-off masing-masing. Open source juga tidak otomatis berarti total cost-nya nol.

Kalau lo hanya ingin verdict cepat tentang tool pemenang, pembahasannya mungkin terasa tidak memuaskan. Kalau lo ingin punya pertanyaan yang lebih baik sebelum memilih platform, arahnya sesuai.

Kurang Cocok Kalau Lo Mengharapkan Autopilot Tanpa Review

Workshop ini tidak menjanjikan AI Employee yang langsung menggantikan satu role secara penuh.

Kita mulai dari satu pekerjaan yang batasnya dapat didefinisikan. Bahkan di dalam pekerjaan itu, sebagian action mungkin harus tetap menunggu manusia. Scope dapat diperluas setelah workflow kecil berhasil melewati evaluation, bukan karena demo terlihat seamless.

Hasil di environment peserta juga dapat berbeda. Provider, credential, permission, kualitas data, dan konfigurasi ikut memengaruhi implementasi. Kelas memberi cara berpikir dan target build; ia bukan garansi bahwa semua setup akan menghasilkan behavior identik.

Tes Sederhana Sebelum Daftar

Coba jawab lima pertanyaan ini:

1. Apa satu pekerjaan berulang yang ingin lo delegasikan?
2. Apa input minimum supaya pekerjaan itu bisa dimulai?
3. Tool atau data apa yang perlu diakses?
4. Action mana yang tidak boleh terjadi tanpa approval?
5. Bagaimana lo tahu output-nya benar atau cukup baik?

Kalau pertanyaan tersebut terasa relevan dan lo ingin membangunnya menjadi blueprint, workshop ini memang dirancang untuk masalah itu.

Kalau lima pertanyaan tadi terasa seperti pekerjaan yang memang perlu lo jawab, Building AI Employees memberi ruang untuk memetakan jawabannya menjadi blueprint.

Lo akan merancang satu workflow nyata, membatasi kewenangannya, dan menentukan cara menguji hasilnya.

Lihat detail Building AI Employees.

Keputusan ikut kelas tidak perlu mengikuti ramai pembicaraan tentang agent. Ukurannya adalah kecocokan: ada pekerjaan nyata, ada kesediaan membatasi tanggung jawab agent, dan ada kesiapan menguji apakah alurnya benar-benar membantu.