Setiap tanggal 1 sampai 3, tim finance di perusahaan ini praktis menghilang. Empat belas orang menutup kalender dan menghabiskan tiga hari penuh untuk satu pekerjaan: merekap laporan penjualan dan biaya dari 27 distributor jadi satu laporan untuk direksi.
Bukan karena mereka lambat. Justru sebaliknya. Semua sudah hafal shortcut Excel, hafal kolom mana yang sering geser, hafal distributor mana yang formatnya aneh. Masalahnya, pekerjaan itu memang tidak seharusnya dikerjakan tangan manusia.
Ini catatan dari program in-house training lima minggu bersama mereka.
Tiga hari yang hilang setiap bulan
Di sesi pertama kami tidak membahas AI sama sekali. Kami minta mereka menggambar alur rekap dari awal sampai laporan terkirim. Hasilnya memenuhi dua papan tulis.
- Hari 1 pagiMenunggu 27 file Excel masuk via email dan WhatsApp. Rata-rata baru lengkap jam 2 siang.
- Hari 1 siangMembuka satu per satu, menyamakan nama kolom (ada 9 variasi penulisan "Total Penjualan"), membuang baris kosong dan subtotal.
- Hari 2Menggabungkan ke master sheet, mencocokkan kode produk dengan SKU internal, mencari selisih.
- Hari 3 pagiMembuat pivot, grafik, dan narasi highlight untuk direksi.
- Hari 3 soreRevisi karena ada distributor yang kirim file koreksi.
Tiga hal langsung kelihatan.
Sekitar 70 persen waktu habis untuk membersihkan, bukan menganalisis. Pekerjaan yang butuh ketelitian tinggi tapi nol judgement.
Pengetahuan kritis tersimpan di kepala orang. Hanya dua orang yang tahu distributor Lampung memakai kode produk lama. Kalau keduanya cuti, rekap bulan itu pasti telat.
Tidak ada yang sempat benar-benar membaca angkanya. Begitu laporan terkirim, semua langsung kembali ke pekerjaan yang tertunda tiga hari.
Kenapa bukan langsung pakai ChatGPT
Beberapa anggota tim sudah pernah mencoba menempelkan tabel ke ChatGPT dan meminta rekap. Hasilnya mengecewakan, dan ini pola yang sering kami temui.
Masalahnya bukan modelnya, tapi cara pakainya. Menempelkan 27 file ke satu chat window itu seperti meminta konsultan merekap laporan lewat telepon. Bisa, tapi rapuh dan tidak ada yang bisa memverifikasi. Yang mereka butuhkan bukan chatbot yang lebih pintar, melainkan alur kerja yang:
- Bisa dijalankan siapa pun di tim, bukan cuma orang IT.
- Menghasilkan output sama setiap kali dijalankan dengan input sama.
- Punya titik pemeriksaan manusia sebelum angka sampai ke direksi.
- Tetap jalan meski pembuatnya sedang cuti.
Lima minggu, satu masalah nyata
Seluruh program dibangun di sekitar satu proyek: rekap bulanan yang benar-benar mereka kerjakan, dengan data mereka sendiri yang sudah dianonimkan. Bukan dataset latihan.
| Minggu | Fokus | Output |
|---|---|---|
| 1 | Memetakan alur dan memilah mana yang butuh judgement, mana yang mekanis | Peta alur + 11 tugas yang bisa diotomasi |
| 2 | Prompting terstruktur untuk pembersihan data | Template prompt normalisasi kolom |
| 3 | Membangun alur dari folder file masuk sampai master sheet | Pipeline versi 1 |
| 4 | Validasi dan deteksi anomali sebelum masuk laporan | Checklist validasi + laporan selisih |
| 5 | Narasi dan visualisasi untuk direksi | Rekap bulan Juli selesai dalam 40 menit |
Apa yang dibangun
Empat tahap, tanpa satu baris kode pun ditulis peserta.
Pengumpulan. File distributor masuk ke satu folder bersama. Otomasi sederhana memantau folder itu dan mencatat mana yang sudah masuk dan mana yang kurang. Tidak ada lagi buka email satu per satu.
Normalisasi. Di sini AI bekerja paling keras. Tiap file dibaca, kolomnya dipetakan ke skema standar (sembilan variasi "Total Penjualan" jadi satu), baris subtotal dibuang, kode produk dicocokkan dengan SKU internal. Semua keputusan pemetaan dicatat supaya bisa ditelusuri.
Validasi. Sebelum digabung, tiap file diperiksa: total yang tidak cocok dengan rincian, SKU tidak dikenali, lonjakan angka tidak wajar. Hasilnya satu daftar hal yang perlu dilihat manusia, biasanya lima sampai dua belas item per bulan.
Narasi. Setelah tim menyetujui master sheet, AI menyusun draft highlight: apa yang naik, apa yang turun, distributor mana yang menyimpang dari tren. Tim tinggal mengedit nadanya.
- 14 orang, 3 hari penuh
- Pengetahuan kritis di kepala 2 orang
- Nol waktu untuk membaca angka
- Revisi manual tiap ada file koreksi
- Tidak ada jejak kenapa angka jadi begini
- 2 orang, sekitar 40 menit
- Aturan terdokumentasi, siapa saja bisa jalankan
- Tim membahas insight, bukan format kolom
- File koreksi cukup ditaruh ulang ke folder
- Tiap keputusan pemetaan tercatat
Hasil setelah tiga bulan
Kami mengukur ulang di bulan ketiga, saat tim sudah jalan sendiri tanpa pendampingan.
Yang paling menarik bukan angkanya, tapi apa yang mereka lakukan dengan waktu yang kembali. Di bulan kedua mereka untuk pertama kalinya membuat analisis sell-through per distributor, sesuatu yang sudah lama diminta direksi tapi tidak pernah sempat. Di bulan ketiga, dua orang mulai mengotomasi rekonsiliasi bank sendiri, tanpa kami terlibat.
Yang berubah bukan cuma laporannya. Yang berubah adalah kami tidak lagi takut kalau ada permintaan data baru dari atas.
Anggota tim, saat evaluasi bulan ketiga
Yang tidak berjalan mulus
Dua minggu pertama terasa lebih lambat, bukan lebih cepat. Peserta harus mengerjakan rekap dengan cara lama sekaligus membangun cara baru. Di minggu kedua beberapa orang sempat mempertanyakan apakah ini layak.
Tiga peserta tidak sampai mandiri. Bukan karena tidak mampu, tapi karena peran mereka memang tidak bersentuhan dengan rekap. Ke depan kami akan lebih ketat memilih siapa yang ikut.
Satu distributor mengganti format file tanpa pemberitahuan di bulan kedua. Validasi menangkapnya lewat lonjakan SKU tidak dikenali, tapi tim butuh setengah hari menyesuaikan pemetaan. Bukti bahwa titik pemeriksaan manusia bekerja, sekaligus pengingat bahwa otomasi bukan pasang lalu lupakan.
Yang bisa ditiru
Program in-house training ASSAI dirancang di sekitar satu masalah nyata milik tim Anda, bukan materi generik. Kalau tim Anda ingin memulai dari pemetaan alur seperti cerita di atas, ceritakan konteksnya kepada kami.
