Sudah mencoba banyak aplikasi AI, tetapi masih bingung apa yang bisa ditunjukkan saat melamar kerja? Mulailah dari satu pekerjaan kecil yang dapat kamu selesaikan dan periksa hasilnya.
Misalnya, merangkum catatan rapat menjadi daftar tindak lanjut atau mengubah data contoh menjadi laporan sederhana. Dari tugas seperti ini, kamu bisa menunjukkan cara berpikir, keputusan yang diambil, dan kesalahan yang berhasil diperbaiki.
Dalam Future of Jobs Report 2025, World Economic Forum menempatkan AI dan big data di antara keterampilan yang diperkirakan tumbuh paling cepat hingga 2030. Laporan itu juga menempatkan berpikir analitis sebagai keterampilan inti yang banyak dicari perusahaan. Temuannya berasal dari survei pemberi kerja global, sehingga tidak dapat dibaca sebagai jaminan permintaan untuk setiap posisi di Indonesia. Sumber: World Economic Forum.
Berikut lima keterampilan yang dapat kamu latih melalui proyek sederhana. Susunan latihan ini merupakan usulan editorial Reviewgan, bukan kurikulum resmi WEF.
Studi kasus nyata: AI pada 5.172 agen layanan pelanggan
Studi Generative AI at Work karya Erik Brynjolfsson, Danielle Li, dan Lindsey Raymond, terbit di The Quarterly Journal of Economics pada 2025, meneliti 5.172 agen layanan pelanggan dengan sekitar tiga juta percakapan. Penerapan asisten AI dikaitkan dengan kenaikan rata-rata 15% pada jumlah masalah yang diselesaikan per jam. Agen tetap memegang kendali untuk menerima, mengubah, atau mengabaikan sarannya. Sumber: artikel jurnal, DOI 10.1093/qje/qjae044.
Dampaknya tidak seragam: pekerja yang lebih baru atau berkemampuan awal lebih rendah memperoleh manfaat lebih besar, sementara pekerja paling berpengalaman mengalami peningkatan kecil dan sedikit penurunan mutu percakapan. Hasil ini menunjukkan perlunya mengukur kualitas bersama kecepatan. Angka tersebut memakai versi jurnal 2025, bukan mencampur data dari versi makalah awal.
Contoh penerapan: proyek FAQ dengan pemeriksaan manusia
Untuk portofolio, buat kumpulan FAQ latihan dengan jawaban acuan yang kamu susun dan periksa. Gunakan informasi publik yang boleh digunakan atau data fiktif. Rancangan berikut adalah usulan latihan Reviewgan yang mengambil prinsip pengukuran dari studi, bukan pengulangan eksperimen perusahaan tersebut.
Kerjakan kumpulan pertanyaan yang setara dalam dua kondisi: tanpa bantuan AI dan dengan bantuan AI. Catat waktu, jawaban yang benar, serta koreksi yang diperlukan. Jika kamu sudah mengenali jawabannya pada putaran kedua, hasilnya dapat dipengaruhi latihan; gunakan variasi pertanyaan dan laporkan keterbatasan itu.
| Ukuran | Cara mencatat | Alasan diperiksa |
|---|---|---|
| Jawaban benar per jam | Jumlah jawaban yang lolos pemeriksaan ÷ durasi dalam jam | Kecepatan dinilai bersama ketepatan |
| Kesalahan penting | Catat jawaban yang bertentangan dengan acuan | Jawaban cepat bisa tetap merugikan pengguna |
| Waktu pemeriksaan | Sertakan waktu membuka sumber dan mengoreksi | Jangan menyembunyikan pekerjaan manusia setelah AI menjawab |
| Batas hasil | Tuliskan jenis pertanyaan dan bahan yang digunakan | Pembaca dapat menilai kapan hasil berlaku |
Di studi, kenaikan 15% berarti produktivitas terukur meningkat pada konteks dan sampel tersebut. Itu tidak sama dengan penghematan waktu 15% untuk semua tugas, kenaikan gaji 15%, atau janji bahwa proyekmu akan memperoleh hasil yang sama.
Simpan keluaran awal, versi koreksi, dan alasan perubahan sebagai portofolio. Jika hasil latihan tidak membaik, laporkan juga. Kemampuan mengenali kapan bantuan AI tidak berguna merupakan bagian dari penilaian kerja yang ingin kamu tunjukkan.
1. Mengubah permintaan kabur menjadi tugas yang jelas
“Buat laporan yang bagus” belum menjelaskan hasil yang dibutuhkan. Coba uraikan siapa pembacanya, bahan yang tersedia, format keluaran, dan batas informasi yang boleh dipakai.
Untuk latihan, gunakan instruksi seperti ini:
Dari catatan rapat contoh di bawah, buat tabel berisi tugas, penanggung jawab, dan tenggat. Gunakan hanya informasi dalam catatan. Jika penanggung jawab atau tenggat tidak disebutkan, tulis “belum ditentukan”. Setelah tabel, tulis pertanyaan yang perlu dikonfirmasi.
Nilai hasilnya berdasarkan kesesuaian dengan bahan. Instruksi yang panjang tidak otomatis lebih baik; yang dicari adalah kejelasan tugas dan ukuran keberhasilannya.
2. Memeriksa jawaban sebelum menggunakannya
Jadikan pemeriksaan bagian dari pekerjaan. Untuk ringkasan rapat, cocokkan setiap tugas dengan kalimat asal. Untuk laporan angka, hitung ulang total dan periksa satuannya. Untuk kutipan, buka sumber yang disebut.
Buat catatan kesalahan: informasi yang hilang, detail yang ditambahkan tanpa dasar, atau kesimpulan yang tidak didukung. Kemudian perbaiki hasilnya dan jelaskan alasan koreksi.
Catatan ini dapat menjadi bukti keterampilan yang lebih kuat daripada tangkapan layar satu jawaban yang terlihat rapi.
3. Mengolah data sederhana dengan aturan yang konsisten
Siapkan tabel contoh berisi tanggal, kategori, dan jumlah transaksi. Tentukan aturan sebelum meminta bantuan AI: seperti apa format tanggalnya, bagaimana menangani kolom kosong, dan kapan dua baris dianggap duplikat.
Gunakan data fiktif untuk latihan. Periksa apakah jumlah baris dan total nilai berubah setelah pembersihan. Bila ada perubahan, tulis penyebabnya.
Dengan latihan ini, kamu belajar menjelaskan proses yang bisa diulang. Hasil akhirnya tidak hanya berupa tabel bersih, tetapi juga aturan yang dapat dipahami orang lain.
4. Memilih data yang boleh digunakan
Sebelum memasukkan bahan kerja ke layanan AI, periksa kebijakan tempat kerja dan ketentuan layanan yang digunakan. Untuk portofolio publik, buat contoh sendiri atau gunakan bahan yang jelas izinnya.
Latih kebiasaan menghapus informasi yang tidak diperlukan. Bila tugasnya menyusun format laporan penjualan, kamu dapat memakai nama pelanggan fiktif dan angka simulasi. Identitas pelanggan asli tidak dibutuhkan untuk menunjukkan kemampuan menyusun format.
Sertakan penjelasan asal data dalam proyekmu. Pembaca perlu mengetahui apakah hasil tersebut berasal dari simulasi, bahan publik, atau pekerjaan yang memang diizinkan untuk dibagikan.
5. Menjelaskan manfaat dan batas hasil kerja
Saat mempresentasikan proyek, jelaskan masalah awal, cara AI membantu, bagian yang kamu periksa, dan hal yang masih memerlukan keputusan manusia.
Jika mengukur waktu pengerjaan, gunakan tugas pembanding dan catat kondisinya. Jangan menulis “menghemat 80% waktu” tanpa pengukuran yang bisa dijelaskan. Hasil yang sederhana dengan bukti jelas lebih mudah dinilai daripada klaim besar.
Rencana latihan 30 hari
| Waktu | Fokus | Hasil yang disimpan |
|---|---|---|
| Hari 1–7 | Pilih satu tugas dan tetapkan kriteria hasil | Bahan contoh, instruksi, daftar pemeriksaan |
| Hari 8–14 | Uji pada beberapa variasi bahan | Hasil awal dan catatan kesalahan |
| Hari 15–21 | Perbaiki proses dan periksa ulang | Hasil revisi serta alasan perubahan |
| Hari 22–30 | Susun satu studi kasus | Ringkasan masalah, proses, hasil, dan batasan |
Sesuaikan durasinya dengan waktu yang tersedia. Tiga puluh hari adalah kerangka latihan, bukan janji penguasaan atau penerimaan kerja.
Pada akhir latihan, usahakan kamu dapat menjawab satu pertanyaan dengan contoh nyata: “Bagaimana kamu memastikan hasil bantuan AI layak digunakan?” Jawaban yang disertai bahan, pemeriksaan, dan koreksi akan membuat keterampilanmu lebih mudah dipahami.
Riset diperiksa 25 Oktober 2026. Konteks tren memakai laporan WEF tahun 2025 untuk periode 2025–2030, bukan pengukuran lowongan terbaru Indonesia. Seluruh rancangan latihan disusun untuk artikel ini.
Pembaruan isi 25 Oktober 2026: ditambahkan studi kasus bersumber, batas data, contoh penerapan, dan infografis kasus. Skenario latihan tidak diklaim sebagai pengalaman narasumber atau hasil uji Reviewgan.