Wawas v1 — Bekerja dengan AI secara aman dan dapat diperiksa

Materi belajar mandiri untuk pekerja Indonesia

Versi 1.0 · dirakit 15 Agustus 2026

Wawas · https://wawas.aibnuhibban.space/

Disklaimer. Materi ini bersifat pendidikan, bukan nasihat profesional — termasuk bukan nasihat hukum, medis, atau keuangan. Pembaca tetap bertanggung jawab memeriksa sendiri hasil kerja AI-nya dan menaati aturan yang berlaku di tempat kerjanya.

Materi ini disusun dengan bantuan AI, kemudian diperiksa terhadap sumber yang dicantumkan. AI bukan penulis manusia, pakar, atau pengganti penilaian profesional.

Modul 0 — Penipuan berbantuan AI: pertahanan yang benar-benar bekerja

Penipuan berbantuan AI: pertahanan yang benar-benar bekerja

Modul gratis permanen. Tidak perlu akun, tidak perlu membayar, dan boleh kamu teruskan ke siapa pun. Kalau kamu hanya sempat membaca satu bagian dari seluruh materi Wawas, baca yang ini.

Tujuan belajar

Setelah menyelesaikan modul ini, kamu dapat memperlakukan suara atau video sebagai identitas yang belum terverifikasi, lalu menerapkan tiga pertahanan struktural — verifikasi lewat kanal resmi, jeda wajib sebelum uang bergerak, dan konfirmasi balik ke nomor yang sudah kamu kenal — pada satu skenario permintaan transfer mendesak dari "atasan" atau "keluarga".

Ukuran keberhasilannya bukan "kamu bisa mengenali penipuan". Ukurannya: pertahananmu tetap bekerja meski kamu tertipu 100%.

Kenapa "hati-hati" bukan lagi pertahanan

Selama bertahun-tahun, nasihat anti-penipuan di Indonesia berbunyi kurang lebih sama: perhatikan bahasa Indonesia yang berantakan, curigai nomor asing, lihat apakah fotonya aneh, dengarkan suaranya baik-baik.

Semua nasihat itu punya satu asumsi diam-diam: penipu meninggalkan jejak kecerobohan yang bisa kamu tangkap. Asumsi itulah yang sekarang runtuh.

FBI, lewat peringatan publik nomor I-120324-PSA (3 Desember 2024), menyatakan bahwa pelaku kejahatan memakai AI generatif untuk melakukan penipuan dalam skala lebih besar sekaligus menaikkan tingkat kepercayaan skema mereka. Yang penting untuk kita bukan kata "AI"-nya, melainkan rinciannya. Dokumen yang sama menyebutkan, antara lain:

• Pelaku memakai AI untuk menerjemahkan pesan sehingga bebas dari kesalahan tata bahasa dan ejaan yang selama ini menjadi penanda penipuan.
• Pelaku memakai AI untuk membuat klip audio pendek berisi suara orang yang kamu kenal, lalu berpura-pura menjadi kerabat dekat dalam situasi darurat yang meminta bantuan uang segera.
• Pelaku membuat video untuk percakapan video langsung yang menampilkan sosok "eksekutif perusahaan", "polisi", atau figur berwenang lainnya.

Sumber: FBI Internet Crime Complaint Center, Criminals Use Generative Artificial Intelligence to Facilitate Financial Fraud, Alert I-120324-PSA, 3 Desember 2024 — https://www.ic3.gov/PSA/2024/PSA241203 (diakses 14 Agustus 2026).

Baca ulang daftar itu sambil memikirkan nasihat lama. Tata bahasa berantakan: hilang. Suara yang tidak dikenal: hilang. "Kalau ragu, minta video call saja": hilang. Tiga penanda yang paling sering diajarkan justru tiga hal yang paling murah untuk dipalsukan sekarang.

Menariknya, dokumen FBI yang sama tetap mencantumkan saran "cari cacat kecil pada gambar dan video" dan "dengarkan nada bicara". Kami memilih tidak menjadikan itu inti modul ini, dan kami ingin kamu tahu alasannya: saran jenis itu menaruh beban pembuktian pada indra manusia yang kualitasnya menurun terus seiring alatnya membaik. Sebaliknya, satu saran lain di dokumen yang sama — tutup telepon, cari sendiri nomor resmi lembaganya, lalu telepon balik — tidak menuntut kamu mendeteksi apa pun. Saran itu bekerja bahkan kalau tiruannya sempurna. Itulah yang kami sebut pertahanan struktural, dan itulah isi modul ini.

[BUKTI LEMAH] — kejujuran soal batas materi ini. Bahwa pelatihan kesadaran anti-penipuan benar-benar mengubah perilaku orang saat ditipu sungguhan adalah klaim yang buktinya lemah. Kami menemukan arah temuan itu dari cuplikan sebuah studi keamanan, tetapi PDF-nya tidak bisa kami buka dari server kami, sehingga angkanya sengaja tidak kami kutip. Konsekuensinya untuk kamu: jangan mengandalkan "sudah pernah baca materi ini" sebagai perlindungan. Andalkan prosedur yang kamu tulis dan kamu sepakati dengan orang lain — itulah sebabnya modul ini berakhir dengan menyuruhmu menulis SOP, bukan menghafal ciri-ciri.

Bagian 1 — Tiga pertahanan struktural

Sebuah pertahanan disebut struktural kalau memenuhi satu syarat keras:

Pertahanan itu tetap memutus rantai penipuan walaupun kamu percaya sepenuhnya bahwa orang di seberang sana asli.

Ini pembalikan cara berpikir. Pertahanan personal bertanya "apakah ini palsu?" dan hasilnya bergantung pada ketajamanmu hari itu — saat lelah, saat panik, saat jam 4 sore menjelang tenggat. Pertahanan struktural tidak bertanya apa pun. Ia hanya menambahkan langkah yang penipu tidak bisa ikuti, entah kamu curiga atau tidak.

Ketiganya di bawah ini bukan pilihan berganda. Ketiganya menyerang tiga titik berbeda dalam rantai yang sama, dan yang ketiga adalah yang paling sering dilewatkan orang.

1.1 Verifikasi lewat kanal resmi — bukan kanal yang dikirimkan kepadamu

Aturannya: setiap nomor rekening, nomor telepon, tautan pembayaran, dan alamat surel yang dipakai untuk memindahkan uang harus kamu dapatkan dari sumber yang kamu cari sendiri, bukan dari pesan yang datang kepadamu.

Perhatikan bahwa aturan ini tidak menyebut penipuan sama sekali. Ia berlaku untuk semua pesan, termasuk yang asli. Itu ciri khas pertahanan struktural: ia tidak perlu tahu mana yang palsu.

Bentuk praktisnya di pekerjaan kantor Indonesia:

• Tagihan vendor datang dengan nomor rekening baru → nomor rekening diambil dari kontrak atau data master vendor di sistem, bukan dari lampiran surel tagihan itu. Kalau vendor benar-benar berganti rekening, itu memicu prosedur perubahan data master, bukan sekadar transfer.
• "Petugas bank" menelepon → tutup telepon, buka kartu debitmu sendiri atau aplikasi resmi bank, dan hubungi nomor yang tertera di situ. Nomor yang dia sebutkan tidak dipakai, sebaik apa pun kedengarannya.
• Tautan pembayaran di WhatsApp → jangan diklik; buka aplikasi atau situs penyedianya secara terpisah dan cari tagihan yang sama di sana. Kalau tagihan itu nyata, ia akan ada di sana juga.

Kenapa ini bekerja melawan AI: AI generatif membuat isi pesan jauh lebih meyakinkan — bahasa rapi, suara mirip, wajah bergerak wajar. Yang tidak bisa dilakukannya adalah mengubah apa yang tertulis di kontrak di lemari arsipmu atau di belakang kartu debitmu. Dengan menolak memakai kanal yang dikirimkan kepadamu, kamu memindahkan keputusan ke medium yang tidak dikuasai penipu.

Kesalahan umum yang membatalkannya: menelepon balik ke nomor yang ada di dalam pesan yang mencurigakan itu — termasuk nomor "call center" yang dicantumkan di surel tagihan palsu. Menelepon balik ke nomor pilihan penipu bukan verifikasi; itu hanya penipuan dengan langkah tambahan.

1.2 Jeda wajib sebelum uang bergerak

Aturannya: setiap permintaan uang yang datang dengan tekanan waktu otomatis dikenai jeda minimum yang sudah kamu tetapkan sebelum permintaan itu datang. Tetapkan angkanya sekarang, misalnya 30 menit untuk urusan pribadi dan sampai hari kerja berikutnya untuk urusan kantor.

Jeda itu tidak dipakai untuk berpikir "apakah ini penipuan". Jeda dipakai untuk menjalankan pertahanan 1.1 dan 1.3 dengan tenang.

Kenapa ini bekerja melawan AI: urgensi adalah bahan bakar utama skema ini — lihat kembali contoh FBI tentang "kerabat dekat dalam situasi darurat yang meminta bantuan keuangan segera". Kemampuan barunya ada pada kepercayaan yang dibangun (suara, wajah, bahasa), tetapi mekanisme lamanya tetap sama: kamu harus bertindak sekarang, sebelum sempat memeriksa. Jeda menyerang mekanisme itu langsung, tanpa peduli sebagus apa tiruannya. Penipu tidak bisa menunggu tiga jam sambil mempertahankan cerita darurat; orang sungguhan bisa.

Kesalahan umum yang membatalkannya: menetapkan jeda tapi memberi diri sendiri pengecualian "kecuali kalau memang benar-benar mendesak". Setiap kasus penipuan yang berhasil terasa benar-benar mendesak dari dalam. Jeda tanpa pengecualian lebih lemah di atas kertas tetapi jauh lebih kuat dalam praktik.

1.3 Konfirmasi balik ke identitas yang sudah kamu kenal lebih dulu

Aturannya: konfirmasi permintaan itu lewat jalur kedua yang sudah ada sebelum pesan ini datang — nomor atasan yang sudah tersimpan di kontakmu sejak lama, tatap muka di kantor, atau grup kerja resmi. Bukan membalas pesannya.

Untuk urusan keluarga, tambahkan satu lapis yang secara khusus direkomendasikan FBI dalam peringatan I-120324-PSA: sepakati satu kata atau frasa rahasia dengan keluargamu untuk memverifikasi identitas. Kata itu tidak pernah dituliskan di media sosial, tidak pernah dikirim lewat chat, dan hanya dipakai saat ada permintaan uang mendadak.

Kenapa ini bekerja melawan AI: kloning suara dan video dibangun dari materi yang tersedia — rekaman, unggahan, video rapat. Pengetahuan yang tidak pernah ada dalam bentuk digital, seperti kata sandi keluarga yang disepakati secara lisan, tidak ada di bahan latihannya. Demikian pula, jalur kedua yang kamu pilih sendiri berada di luar kendali penipu: dia bisa meniru bagaimana atasanmu terdengar, tetapi dia tidak memegang nomor atasanmu yang asli.

Kesalahan umum yang membatalkannya: mengonfirmasi lewat kanal yang sama dengan permintaannya ("Bener ini Pak Budi?" dibalas "Iya bener") — itu bukan jalur kedua, itu jalur yang sama. Kesalahan kedua: menyimpan kata sandi keluarga di catatan ponsel atau mengirimkannya sekali lewat WhatsApp "supaya tidak lupa". Begitu ia melewati kanal digital, ia berhenti menjadi rahasia dan berubah jadi data yang bisa bocor.

Ringkasan bagian ini

Perhatikan kolom terakhir. Tidak satu pun dari tiga pertahanan ini menuntutmu mengenali bahwa sesuatu itu palsu. Itulah alasan ketiganya bertahan terhadap alat yang setiap tahun makin meyakinkan.

Bagian 2 — Satu skenario dibedah: "atasan minta transfer via WhatsApp"

Tiga pertahanan di Bagian 1 terdengar masuk akal saat dibaca dengan tenang. Bagian ini menguji apakah ketiganya masih masuk akal saat kamu berada di dalamnya. Ikuti skenario berikut menit per menit.

Situasinya

Pukul 16.40 hari Jumat. Kamu staf keuangan di perusahaan menengah, 40 orang. Masuk pesan WhatsApp dari nomor yang belum tersimpan. Foto profilnya adalah foto Direktur Operasional kamu — foto yang sama dengan yang dipakai di profil LinkedIn-nya.

"Selamat sore, ini saya pakai nomor baru, HP lama ketinggalan di rumah. Tolong bantu ya, ada pembayaran vendor yang harus masuk sore ini juga, kalau tidak kontraknya batal. Nanti saya jelaskan Senin. Nomor rekeningnya saya kirim. Jangan di-share ke grup dulu, ini masih sensitif."

Kamu ragu. Kamu balas: "Betul ini Pak Anton?" Beberapa detik kemudian masuk pesan suara sepuluh detik. Itu suaranya. Logatnya benar, jeda napasnya benar, kebiasaannya membuka kalimat dengan "iya, jadi begini" ada di sana.

Kenapa lingkungan kantor memperbesar risikonya

Perhatikan bahwa skenario ini nyaris tidak bergantung pada teknologi. Yang bekerja adalah lima kondisi yang sudah ada di banyak kantor sebelum AI muncul:

1. Jarak kuasa. Menolak permintaan atasan terasa lebih berisiko secara sosial daripada mentransfer uang perusahaan.
2. WhatsApp sebagai kanal kerja resmi de facto. Perintah kerja sungguhan memang sering datang lewat WhatsApp, jadi kanal ini tidak terasa janggal.
3. Ganti nomor itu hal biasa. Nomor baru bukan sinyal bahaya di Indonesia.
4. Permintaan rahasia terdengar wajar. "Jangan di-share dulu" cocok dengan pengalaman nyata soal informasi yang memang belum boleh beredar.
5. Jumat sore. Orang yang bisa memverifikasi sedang bersiap pulang.

Suara tiruan hanya menambah satu lapis di atas lima kondisi itu. Karena itu pertahanan yang bertumpu pada "saya akan sadar kalau suaranya palsu" salah sasaran sejak awal — bukan suaranya yang membuat orang menurut.

Menjalankan tiga pertahanan, langkah demi langkah

Langkah 1 — Pertahanan 1.1 (kanal resmi) dijalankan lebih dulu, dan sendirian sudah cukup. Pembayaran vendor di kantormu berjalan lewat satu jalur: tagihan masuk, diverifikasi, dibayar ke rekening vendor yang sudah terdaftar. Rekening yang dikirim lewat chat bukan bagian dari jalur itu. Kamu tidak perlu tahu apakah ini penipuan untuk menolaknya. Kamu cukup tahu bahwa ini bukan cara kita membayar. Jawaban yang kamu kirim:

"Siap Pak. Untuk pembayaran vendor saya jalankan lewat prosedur biasa ya, tagihan dan rekening terdaftar. Kalau ada yang perlu dipercepat, saya bantu proses Senin pagi."

Tidak ada tuduhan, tidak ada konfrontasi. Kamu tidak sedang menuduh atasanmu menipu; kamu sedang menyebut prosedur.

Langkah 2 — Pertahanan 1.2 (jeda wajib) menahan eskalasi. Balasan berikutnya kemungkinan besar menaikkan tekanan: "ini urgent banget", "saya yang tanggung jawab", "kok jadi susah". Aturan jeda kantormu — sampai hari kerja berikutnya — sudah kamu tetapkan sebelum sore ini. Tekanan tidak mengubah aturan yang dibuat sebelum tekanan datang. Kamu tidak membalas ulang, dan tidak membuat pengecualian karena orangnya terdengar marah.

Langkah 3 — Pertahanan 1.3 (konfirmasi jalur kedua) menutup kasus. Kamu buka kontak lama, telepon nomor Pak Anton yang tersimpan sejak dua tahun lalu. Kalau dia menjawab dan bingung, selesai. Kalau tidak diangkat, kamu lapor ke grup kerja resmi — justru hal yang diminta untuk tidak kamu lakukan. Permintaan asli hampir tidak pernah rusak karena diverifikasi ke jalur resmi; permintaan palsu selalu rusak.

Perhatikan yang tidak pernah kamu lakukan sepanjang tiga langkah itu: memutar ulang pesan suara untuk menilai apakah terdengar palsu. Kasus ini selesai tanpa kemampuan itu — dan akan tetap selesai tahun depan, saat tiruannya lebih baik.

Bagian 3 — Lima latihan skenario

Kerjakan satu per satu. Tulis jawabanmu dulu sebelum membaca kunci; membaca kunci lebih dahulu membuat latihan ini tidak ada gunanya. Untuk tiap skenario, jawab tiga hal: (a) pertahanan mana yang berlaku (1.1 kanal terverifikasi, 1.2 jeda wajib, 1.3 konfirmasi jalur kedua), (b) kalimat balasan yang kamu kirim, (c) apa yang membuat skenario ini gagal kalau kamu hanya mengandalkan "perasaan bahwa suaranya aneh".

Latihan 1 — Direktur menelepon, minta data karyawan. Nomor tidak dikenal, suara persis direktur utama. Dia minta dikirimkan file daftar karyawan beserta nomor rekening payroll ke alamat email Gmail, "karena email kantor saya sedang bermasalah". Nadanya tenang dan tidak terburu-buru.

Kunci: Yang dipicu bukan urgensi, tapi perpindahan kanal — email kantor ke Gmail. Pertahanan 1.1 sudah cukup: data karyawan hanya dikirim lewat email kantor ke alamat domain kantor. Balasan: "Baik Pak, saya siapkan. Saya kirim ke alamat @perusahaan Bapak ya, sesuai aturan data karyawan." Kalau kanal alternatif ditolak dengan alasan apa pun, itu sendiri jawabannya. Menilai suara tidak membantu: skenario ini dirancang justru tanpa urgensi supaya kamu tidak curiga.

Latihan 2 — Rapat video, wajah dan suara cocok semua. Kamu diundang rapat mendadak. Di layar ada CFO dan dua rekan yang kamu kenal. Mereka meminta kamu memproses pembayaran vendor baru hari itu juga. Semua orang di layar terlihat dan terdengar normal.

Kunci: Nilai 1.2 dan 1.3 sebagai dua keputusan terpisah. Untuk 1.2 (jeda wajib): permintaan "hari itu juga" tidak mengubah aturan yang sudah ditetapkan; pembayaran vendor baru tidak pernah diproses pada hari permintaan dan baru masuk siklus bayar berikutnya. Keputusan ini tetap sama meskipun semua orang di layar asli. Untuk 1.3 (konfirmasi jalur kedua): identitas dan rekening vendor dikonfirmasi lewat prosedur vendor resmi — dokumen vendor dan kontak keuangan yang sudah tersimpan — bukan lewat orang di rapat itu. Balasan: "Saya tidak memproses vendor baru pada hari permintaan. Saya masukkan ke siklus bayar berikutnya setelah data vendor dikonfirmasi melalui prosedur vendor resmi." Mengandalkan mata dan telinga di sini adalah persis titik yang diserang.

Latihan 3 — Anak menelepon, menangis, minta uang. Nomor tidak dikenal. Suara anakmu, panik, mengaku kecelakaan dan butuh transfer sekarang. Ada suara orang dewasa di belakang yang mendesak.

Kunci: Ini versi keluarga dari serangan yang sama, dan kondisinya sengaja dibuat agar berpikir jernih menjadi sulit. Karena itu pertahanannya harus sudah ada sebelum telepon: kata sandi keluarga yang disepakati saat tenang (1.3), dan aturan tetap "tutup telepon, hubungi balik ke nomor tersimpan" (1.3). Balasan: "Sebentar ya, Ibu telepon balik." Lalu tutup, dan hubungi nomor anakmu yang tersimpan. Perasaan bahwa "itu benar-benar suaranya" bukan bukti — justru itulah yang dijual pemalsu.

Latihan 4 — Vendor lama mengabari ganti rekening. Email dari vendor yang sudah tiga tahun bekerja sama, format dan tanda tangannya mirip biasanya, memberitahu perubahan nomor rekening untuk tagihan bulan ini. Ada lampiran surat berkop.

Kunci: Perubahan rekening adalah kejadian berisiko tinggi tanpa urgensi — dan justru karena tidak terburu-buru, ia mudah lolos. Berlaku 1.3: telepon kontak keuangan vendor di nomor yang sudah tersimpan sejak dulu, bukan nomor yang tertera di email baru. Kop surat, tanda tangan, dan gaya email bukan alat verifikasi; semuanya bisa disalin. Tidak ada suara yang perlu dinilai di sini — itu sebabnya latihan ini masuk: pertahanan yang sama bekerja tanpa suara.

Latihan 5 — Rekan kerja minta OTP, alasannya masuk akal. Rekan satu tim mengirim pesan di WhatsApp: sistem absensi mengirim kode ke nomormu karena "server salah kirim", dia minta kodenya diteruskan supaya timesheet tim bisa ditutup malam ini.

Kunci: Ada satu aturan yang tidak punya pengecualian: kode sekali pakai tidak pernah diteruskan ke siapa pun, termasuk orang yang benar-benar rekanmu. Kalau sistem memang salah kirim, penyelesaiannya di sisi sistem, bukan di kodemu. Berlaku juga 1.1: permintaan yang datang lewat WhatsApp ditolak di kanal itu, dan persoalannya dicek ke admin sistem lewat kanal resmi kantor — bukan lewat percakapan yang meminta. Balasan: "Kode ini tidak bisa saya teruskan. Coba minta admin sistem kirim ulang ke nomor yang benar." Perhatikan: skenario ini tidak butuh pemalsuan suara sama sekali — dan tetap berhasil, karena yang diserang adalah kesediaanmu membuat pengecualian kecil.

Bagian 4 — Tugas nyata: tulis SOP pribadimu

Latihan tidak berguna kalau tidak berubah jadi aturan tertulis. Tugas modul ini: tulis satu halaman SOP pribadi, maksimal 15 baris, lalu kirimkan ke orang lain — pasangan, keluarga, atau tim kerjamu. SOP yang hanya kamu simpan sendiri tidak bekerja, karena serangan ini selalu melibatkan dua pihak.

Isi minimal:

1. Daftar tindakan berisiko tinggi milikmu. Tulis spesifik: transfer di atas angka berapa, perubahan nomor rekening, pengiriman data karyawan/pelanggan, pemberian akses akun. Angkanya kamu yang tentukan sekarang, saat tenang.
2. Kanal terverifikasi untuk tiap tindakan itu. Satu kanal, disebut namanya. Bukan "kanal resmi", tapi misalnya "email kantor ke alamat @perusahaan" atau "aplikasi keuangan, disetujui dua orang".
3. Lama jeda wajib. Berapa jam atau sampai kapan. Sebut satu angka.
4. Jalur konfirmasi kedua. Nomor mana, disimpan di mana, dan siapa yang dihubungi kalau orangnya tidak menjawab.
5. Kalimat penolakan bakumu. Satu atau dua kalimat siap pakai, ditulis sebelum kamu membutuhkannya — karena saat dibutuhkan, kamu tidak akan sempat menyusunnya.
6. Satu kata sandi keluarga, disepakati bersama, tidak pernah dikirim lewat chat.

Setelah mengirimkannya, lakukan satu simulasi singkat bersama penerima SOP: salah satu orang menyampaikan permintaan transfer mendesak, lalu orang lain menjalankan kanal terverifikasi, jeda wajib, dan jalur konfirmasi kedua yang tertulis. Tandai bagian yang tidak dapat dijalankan, lalu perbaiki SOP-mu.

Tenggat yang kami sarankan: hari ini juga. SOP yang ditunda sampai "nanti kalau sempat" biasanya baru ditulis setelah kejadian.

Cara memeriksa pemahamanmu sendiri (rubrik)

Nilai dirimu jujur. Ukurannya bukan seberapa yakin kamu bisa mengenali suara palsu — melainkan apakah pertahananmu tetap bekerja saat kamu tertipu.

Ambang lulus modul ini: minimal "Cukup" di seluruh aspek, dan "Mahir" pada Jeda wajib dan Konfirmasi jalur kedua — dua pertahanan itu yang paling menentukan hasil ketika penilaianmu atas keaslian suara meleset.

Tentang sumber & metode

Bagian ini ada supaya kamu bisa menilai sendiri seberapa jauh materi ini layak dipercaya, dan di bagian mana kamu sebaiknya mencari sumber lain.

Siapa yang menyusun

Materi ini disusun dengan bantuan AI. Seluruh isi Wawas ditulis oleh sistem AI, disunting oleh sistem AI, dan diterbitkan tanpa penulis manusia. Kami tidak mencantumkan nama penulis, gelar akademik, afiliasi institusi, atau testimoni — karena tidak ada. Kalau kamu membutuhkan materi yang ditinjau pakar bersertifikat, materi ini bukan penggantinya.

Bagaimana sumber dipilih dan diperiksa

Urutan prioritas sumber yang kami pakai, dari yang terkuat:

1. jurnal dengan tinjauan sejawat;
2. buku akademik dan terbitan lembaga resmi (pemerintah, penegak hukum, badan standar);
3. laporan industri yang metodenya diungkap;
4. artikel media arus utama.

Blog pribadi, konten pemasaran, dan tulisan yang dihasilkan AI lain tidak kami pakai sebagai sumber.

Aturan kerja kami: setiap URL dibuka dan isinya dibaca sebelum dikutip. Sumber yang tidak bisa dibuka, atau yang ternyata tidak memuat klaim yang hendak kami sandarkan padanya, dibuang — bukan diganti dengan sumber lain yang "kira-kira sama". Kalau sebuah gagasan penting tidak punya sumber yang lolos pemeriksaan, kami menuliskannya sebagai pendapat atau tidak menuliskannya sama sekali.

Tiga jenis pernyataan di modul ini

Kerangka tiga pertahanan (kanal terverifikasi → jeda wajib → konfirmasi jalur kedua), skenario kantor Indonesia, kelima latihan, dan rubriknya adalah susunan kami sendiri. Bahan mentahnya sebagian dari peringatan FBI di atas, tetapi penyusunan, urutan, dan tolok ukurnya bukan kutipan dari siapa pun.

Sumber yang dikutip

• FBI Internet Crime Complaint Center, Criminals Use Generative Artificial Intelligence to Facilitate Financial Fraud, Alert I-120324-PSA, 3 Desember 2024 — https://www.ic3.gov/PSA/2024/PSA241203. Diperiksa terakhir 14 Agustus 2026 (dokumen dapat dibuka, isi sesuai kutipan).

Keterbatasan bukti — baca bagian ini

• Satu sumber utama saja. Klaim faktual di modul ini bertumpu pada satu dokumen lembaga. Itu dokumen yang kuat, tetapi satu dokumen tetap satu dokumen. Kami memilih ini daripada menambah sumber yang tidak bisa kami verifikasi sendiri.
• Konteksnya Amerika Serikat. Peringatan FBI menggambarkan pola penipuan di yurisdiksi AS. Pola tekniknya kami anggap berlaku lintas negara; sebaran dan besarannya di Indonesia tidak bisa disimpulkan dari sana.
• Tidak ada angka kerugian Indonesia. Kami sengaja tidak mencantumkan statistik kerugian penipuan di Indonesia karena belum menemukan sumber resmi yang bisa kami buka dan periksa langsung. Angka yang beredar tanpa sumber yang bisa ditelusuri lebih baik tidak dikutip sama sekali.
• Efektivitas pertahanan belum diuji secara eksperimental oleh kami. Ketiga pertahanan ini adalah praktik pengendalian risiko yang lazim, bukan hasil uji terkontrol yang kami lakukan atau kami temukan datanya.

Yang belum tercakup di modul ini

• Langkah pemulihan setelah uang terlanjur ditransfer (pelaporan ke bank, pemblokiran rekening, jalur kepolisian dan OJK) — direncanakan sebagai modul terpisah; karena tidak dicakup di sini, langkah pemulihan sengaja tidak dinilai dalam rubrik modul ini.
• Sisi organisasi: merancang kebijakan pembayaran, pemisahan wewenang, dan pelatihan tim.
• Penipuan berbasis investasi, lowongan kerja palsu, dan pinjaman ilegal.
• Aspek teknis pendeteksian media sintetis. Kami sengaja tidak membahasnya, karena seluruh modul ini justru berargumen bahwa pertahananmu tidak boleh bergantung pada deteksi.

Bukan nasihat profesional

Modul ini menjelaskan praktik pengamanan umum, bukan nasihat hukum, keuangan, atau keamanan siber untuk situasimu. Untuk kerugian nyata, laporkan ke bank penerbit rekeningmu dan kepolisian sesegera mungkin, dan gunakan prosedur resmi institusi terkait.

Kapan halaman ini ditinjau

Terakhir diperiksa 14 Agustus 2026. Materi ini masuk kategori tahan-lama: isinya tidak bergantung pada versi alat AI tertentu, sehingga tinjauan berikutnya dijadwalkan berkala, bukan setiap kali ada alat baru muncul. Kalau kamu menemukan sumber yang salah kutip atau tautan yang mati, itu kekeliruan kami — dan kami ingin memperbaikinya.

Bab 1 — Cara kerja AI generatif dan mengapa ia keliru

Tujuan belajar bab ini

Setelah menyelesaikan bab ini, pembaca dapat:

• TB1. Menjelaskan dalam ≤5 kalimat, tanpa istilah teknis, mengapa model bisa menghasilkan kalimat yang meyakinkan tapi salah.
• TB2. Menyebut mengapa jawaban atas pertanyaan yang sama bisa berbeda-beda, dan mengapa itu perilaku rancangan — bukan kerusakan.
• TB3. Membedakan dua bentuk kekeliruan keluaran: yang bertentangan dengan dokumen sumber dan yang tidak dapat diverifikasi dari dokumen sumber, lalu menyebut mana yang lebih berbahaya di pekerjaan kantor dan mengapa.
• TB4. Menerapkan satu aturan kerja: keyakinan nada jawaban bukan sinyal kebenaran — dan menunjukkannya pada satu contoh nyata yang ia temukan sendiri.

TB4 diukur lewat Latihan 1.3 (inti bab). TB1–TB3 diukur lewat blok "Periksa pemahamanmu" di akhir tiap bagian.

1.0 Sebuah jawaban yang tampak siap dikirim

Tujuan belajar

Setelah bagian ini, pembaca dapat menjelaskan mengapa pembangkitan token demi token tidak menjamin kebenaran isi. (K1, K2) [S7]

Kasus fiktif. Raka diminta meringkas memo rapat untuk atasannya. Ia menempelkan catatan rapat ke asisten AI, lalu menerima ringkasan yang rapi: tiga keputusan, dua tenggat, dan nama penanggung jawab untuk setiap pekerjaan. Bahasanya tegas. Susunannya jauh lebih enak dibaca daripada catatan asli.

Ada satu masalah. Pada catatan rapat, pekerjaan kedua belum mempunyai penanggung jawab. Ringkasan AI mengisi tempat kosong itu dengan nama seorang peserta. Tidak ada tanda tanya, peringatan, atau nada ragu. Kalimat rekaan tersebut tampak sama mantapnya dengan dua kalimat yang benar.

Raka hampir menekan tombol kirim. Ia berhenti bukan karena gaya tulisannya terasa janggal, melainkan karena ia masih mengingat isi rapat. Kalau ia tidak hadir, kesalahan itu mungkin lolos. Untuk memahami mengapa hal semacam ini dapat terjadi, kita perlu membuang satu gambaran yang menyesatkan: AI generatif bukan petugas arsip yang menemukan jawaban tersimpan.

1.1 Mesin peluang, bukan mesin pencari

Tujuan belajar

Pembaca dapat membedakan mesin pencari yang menemukan dokumen dari model bahasa yang membangkitkan kelanjutan token demi token.

Model bahasa bekerja dengan potongan teks yang disebut token. Ketika menghasilkan teks, model membentuk distribusi peluang atas kosakata: sekumpulan kemungkinan token berikutnya beserta peluang masing-masing. Ia tidak sedang mencari satu jawaban jadi di sebuah basis data. Penjelasan ini mengikuti edisi ketiga daring Speech and Language Processing, rilis 6 Januari 2026; karena buku tersebut terus direvisi, tanggal rilis ini penting untuk dicatat. (K1) [S7]

Bayangkan model baru saja menerima kalimat “Mohon kirim laporan sebelum …”. Langkah berikutnya bukan mengambil satu kelanjutan yang telah disimpan, tetapi menilai berbagai token yang mungkin mengikutinya. Gambaran ini menjelaskan mekanismenya, bukan menjamin token mana yang akan dipilih. Setelah satu token dipilih, token itu ditambahkan ke konteks. Model lalu menghitung lagi kemungkinan token berikutnya. Siklus memilih, menambahkan, dan menghitung ulang tersebut berlangsung berulang kali; inilah pembangkitan autoregresif. (K2) [S7]

Akibatnya, paragraf tidak muncul sebagai paket utuh yang sejak awal sudah “diketahui” model. Paragraf dibangun selangkah demi selangkah. Setiap langkah berikutnya dipengaruhi oleh konteks yang sudah ada, termasuk token yang baru saja dihasilkan. (K2) [S7]

Cara membacanya adalah sebagai urutan keputusan kecil. Untuk menghasilkan satu kalimat, model tidak perlu lebih dahulu menetapkan seluruh kalimat lalu menyalinnya. Ia memilih token berikutnya dari distribusi peluang, memperbarui konteks dengan pilihan tersebut, kemudian mengulangi proses yang sama. Dengan demikian, satu pilihan menjadi bagian dari landasan bagi pilihan sesudahnya. (K1, K2) [S7]

Arsitektur yang menjadi asal mekanisme ini adalah Transformer, diperkenalkan oleh Vaswani dan rekan-rekannya pada 2017. Makalah tersebut adalah titik asal arsitektur, bukan uraian lengkap tentang model yang tersedia sekarang. Karena itu, kita memakainya untuk memahami fondasi, bukan untuk menganggap semua sistem modern sama persis dengan sistem dalam makalah itu. (K3) [S1]

Makalah Brown dan rekan-rekannya pada 2020 menunjukkan model bahasa besar yang dilatih sebagai peramal token sekaligus dapat mengerjakan tugas dari contoh yang diberikan di dalam prompt. Namun, hasil itu menggambarkan model yang diteliti pada 2020; ia tidak boleh dipakai untuk menyatakan bahwa kemampuan atau perilakunya setara dengan model sekarang. (K4) [S2]

Di sinilah perbedaan pentingnya. Mesin pencari membantu menemukan dokumen yang kemudian dapat kita buka dan periksa. Model bahasa menghasilkan kelanjutan berdasarkan distribusi peluang token. Keluaran yang terdengar seperti jawaban tetap merupakan hasil proses pembangkitan token demi token, bukan bukti bahwa sebuah fakta telah ditemukan dalam sumber. (K1, K2) [S7]

Perbedaan itu juga mengubah pertanyaan pemeriksaan kita. Terhadap hasil pencarian, kita dapat bertanya, “Dokumen mana yang ditemukan?” Terhadap teks generatif, kita perlu bertanya, “Bagian mana yang didukung oleh sumber yang dapat saya periksa?” Pertanyaan kedua tidak menganggap kelancaran keluaran sebagai asal-usul bukti. (K1) [S7]

Kembali ke kasus Raka: model dapat menyusun bentuk ringkasan yang sesuai dengan pola tugasnya, tetapi mekanismenya tidak dengan sendirinya menjamin setiap rincian bersumber dari memo. Kesimpulan kerja untuk pembaca bukan “jangan gunakan AI”, melainkan “jangan salah mengenali alat”. Saat kita memperlakukan mesin peluang seperti petugas arsip, kelancaran bahasa mudah disalahartikan sebagai bukti bahwa isi jawabannya benar. (K1, K2) [S7]

Kalau teks dibangun dari pilihan token berulang, mengapa hasilnya tidak selalu sama? (K1, K2) [S7]

Periksa pemahamanmu

1. Mengapa keluaran yang lancar belum menjamin fakta ditemukan?
2. Bagaimana satu token memengaruhi token berikutnya?

Kunci ringkas: Model menghasilkan token dari distribusi peluang, bukan mengambil jawaban jadi. Setiap token masuk ke konteks untuk langkah berikutnya. (K1, K2) [S7]

1.2 Mengapa jawabannya berubah-ubah

Tujuan belajar

Setelah menyelesaikan bagian ini, pembaca dapat menjelaskan mengapa satu pertanyaan dapat menghasilkan jawaban berbeda dan mengapa perbedaan itu bukan, dengan sendirinya, tanda bahwa sistem rusak.

Satu distribusi peluang tidak otomatis menentukan satu keluaran. Sistem masih perlu memilih token dari berbagai kemungkinan yang telah diberi peluang. Salah satu cara memilih adalah greedy decoding: pada setiap langkah, sistem selalu mengambil token dengan peluang tertinggi. Karena pilihan tertingginya selalu diambil, cara ini deterministik. Jika masukan dan kondisi awalnya sama, jalur pilihannya juga sama. (K5) [S7]

Namun, pilihan yang selalu paling berpeluang pada setiap langkah bukan berarti rangkaian akhirnya paling berguna. Greedy decoding justru tidak dipakai pada model bahasa besar karena hasilnya repetitif. Jadi, kepastian pada tingkat pemilihan token tidak otomatis menghasilkan teks yang kita inginkan. (K5) [S7]

Alternatifnya adalah temperature sampling. Sebelum peluang dihitung dengan softmax, nilai mentah model—logit—dibagi dengan suhu atau τ: y = softmax(u/τ). Operasi ini membentuk ulang distribusi yang menjadi dasar pemilihan token. Bagian ini tidak membahas top-k atau top-p, sebab sumber yang dipakai di sini belum diverifikasi untuk mendefinisikan keduanya. (K6) [S7]

Perubahan bentuk distribusi itu memberi ruang bagi pemilihan yang tidak selalu identik. Model tetap memilih dari peluang token, tetapi token yang terpilih dapat berbeda. Dengan demikian, mekanisme ini menyediakan ruang bagi variasi keluaran tanpa mensyaratkan perubahan pada pertanyaan yang diajukan. Variasi tersebut merupakan konsekuensi yang kami tafsirkan dari cara pemilihan ini. (K6, K7) [S7]

Contoh fiktif. Nisa meminta asisten AI menulis tiga versi subjek surel untuk pengingat rapat. Pada percobaan pertama, keluar “Pengingat rapat evaluasi Jumat”. Pada percobaan kedua, keluar “Mohon konfirmasi: evaluasi Jumat”. Kedua hasil tidak membuktikan bahwa pertanyaannya berubah atau sistemnya rusak. Contoh ini hanya memperagakan kemungkinan keluaran berbeda ketika pemilihan dilakukan dari distribusi yang dibentuk ulang. (K6, K7) [S7]

Dari mekanisme tersebut, kami menafsirkan — bukan mengutip sumber — bahwa jawaban berbeda atas pertanyaan yang sama adalah perilaku rancangan, bukan gangguan yang muncul setelah sistem selesai dibuat; ruang untuk variasi hadir di dalam cara token dipilih. Batasnya perlu disebut: kami tidak mengatakan setiap perbedaan pasti baik, dan tidak mengatakan semua sistem selalu memberi jawaban berbeda. (K5, K6, K7) [S7]

Bagi pengguna, konsekuensinya sederhana: mengulang pertanyaan bukan pemeriksaan kebenaran. Dua jawaban yang sama tidak berubah menjadi bukti, dan dua jawaban yang berbeda tidak otomatis menunjukkan salah satunya benar. Mekanisme pemilihan token menjelaskan variasi bentuk keluaran; ia tidak, dengan sendirinya, memverifikasi isi keluaran. (K5, K6, K7) [S7]

Periksa pemahamanmu

Tanpa melihat kembali bagian ini, jawab dalam paling banyak tiga kalimat: (1) apa yang dilakukan greedy decoding, (2) apa yang diubah oleh temperature sampling, dan (3) mengapa jawaban berbeda dapat merupakan perilaku rancangan. Setelah itu, cocokkan jawabanmu dengan kunci berikut.

Kunci ringkas: Greedy decoding selalu memilih token yang paling berpeluang dan bersifat deterministik, tetapi pada model bahasa besar dapat menghasilkan keluaran repetitif. Temperature sampling membentuk ulang distribusi dengan membagi logit oleh τ sebelum softmax. Karena token kemudian dipilih dari distribusi tersebut, pertanyaan yang sama dapat menempuh jalur keluaran berbeda; kami menafsirkan variasi ini sebagai perilaku rancangan. (K5, K6, K7) [S7]

Untuk pemeriksaan yang lebih konkret, lakukan Latihan 1.1 pada akhir bab: ajukan satu pertanyaan yang sama tiga kali di percakapan baru, lalu tandai bagian yang tetap dan bagian yang berubah. Pengamatan itu bukan eksperimen untuk membuktikan mekanisme internal suatu produk; fungsinya hanya membantu kamu mengenali variasi pada keluaran yang kamu terima.

1.3 Meyakinkan ≠ benar

Tujuan belajar

Setelah menyelesaikan bagian ini, pembaca dapat menjelaskan mengapa nada jawaban yang terdengar yakin bukan sinyal bahwa isinya benar.

Bagian sebelumnya menjelaskan mengapa bentuk jawaban dapat berubah. Sekarang, tinggalkan persoalan variasi dan ajukan pertanyaan yang lebih penting: ketika sebuah jawaban tersusun rapi, tegas, dan terasa masuk akal, apakah isinya benar? Kesan mantap tidak menjawab pertanyaan itu.

TruthfulQA menyediakan tolok ukur berisi 817 pertanyaan dalam 38 kategori, termasuk kesehatan, hukum, keuangan, dan politik. (K8) [S3] Cakupan tersebut memberi tempat terukur untuk menguji apakah jawaban mengikuti kebenaran atau justru mengikuti gagasan keliru yang lazim dipercaya.

Pada tolok ukur itu, model terbaik menjawab jujur 58% pertanyaan, sedangkan manusia mencapai 94%. (K9) [S3] Tolok ukur ini sengaja adversarial, sehingga 58% bukan tingkat akurasi sehari-hari; hasil tersebut berasal dari data 2021–2022. (K9) [S3] Di antara model yang diuji saat itu, model terbesar justru menjadi yang paling tidak jujur pada tolok ukur tersebut. (K11) [S3] Batas “yang diuji saat itu” penting: temuan ini bukan izin untuk menyamaratakan semua model.

Masalahnya bukan sekadar jawaban salah yang tampak seperti omong kosong. Jawaban salah dapat meniru miskonsepsi populer dan karena itu berpotensi memperdaya manusia. (K10) [S3] Pembaca dapat merasa mengenali suatu gagasan, lalu keliru menganggap rasa akrab itu sebagai bukti.

Dalam konteks hukum AS, pada pertanyaan perkara pengadilan federal yang dapat diverifikasi, tingkat halusinasi tercatat 58% untuk ChatGPT 4 dan 88% untuk Llama 2. (K12) [S4] Temuan ini terbatas pada model 2023–2024 dan konteks tersebut; yang dipindahkan ke pembaca adalah pola, bukan angka. (K12) [S4] Angkanya tidak boleh dipakai sebagai perkiraan untuk konteks Indonesia atau pekerjaan kantor sehari-hari.

Angka 58% pada dua temuan itu kebetulan sama, tetapi artinya berbeda. Pada K9, 58% adalah persentase pertanyaan yang dijawab jujur dalam tolok ukur adversarial; pada K12, 58% adalah persentase jawaban yang berhalusinasi pada pertanyaan hukum yang dapat diverifikasi. (K9) [S3]; (K12) [S4] Menukar kedua arti tersebut akan membalik ukuran keberhasilan menjadi ukuran kegagalan.

Model juga sering gagal mengoreksi premis salah yang diberikan penanya. (K13) [S4] Selain itu, model tidak selalu tahu kapan ia sedang menghalusinasi. (K14) [S4] Karena itu, aturan kerjanya sederhana: perlakukan nada yakin sebagai gaya penyampaian, bukan sinyal kebenaran; periksa isi dengan bukti yang sesuai.

Periksa pemahamanmu

1. Mengapa jawaban salah yang terdengar akrab dapat lebih memperdaya daripada jawaban yang jelas kacau?
2. Apa perbedaan arti angka 58% pada K9 dan K12, dan aturan kerja apa yang dapat kamu tarik darinya?

Kunci ringkas: Jawaban salah dapat meniru miskonsepsi populer, sehingga kelancaran dan rasa akrab tidak membuktikan kebenaran. Angka pertama mengukur jawaban jujur pada tolok ukur adversarial, sedangkan angka kedua mengukur halusinasi dalam konteks hukum AS; keduanya menguatkan aturan untuk memeriksa isi, bukan mempercayai nada.

1.4 Dua wajah kekeliruan

Tujuan belajar

Setelah menyelesaikan bagian ini, pembaca dapat membedakan kekeliruan yang bertentangan dengan sumber dari kekeliruan yang tidak dapat diverifikasi dari sumber, lalu menentukan mana yang lebih berbahaya dalam pekerjaan kantor.

Bagian sebelumnya menunjukkan bahwa jawaban yang meyakinkan belum tentu benar. Langkah berikutnya adalah mengenali salah yang mana. Kekeliruan yang menabrak dokumen dan kekeliruan yang menyisipkan sesuatu di luar dokumen membutuhkan cara pemeriksaan berbeda.

“Halusinasi” bukan kiasan yang kami pilih untuk mendramatisasi kesalahan AI, melainkan istilah teknis yang mapan dalam penelitian. Survei di ACM Computing Surveys (arXiv 2202.03629) menjelaskan bahwa sistem natural language generation dapat menghasilkan teks yang fasih dan koheren, tetapi rentan menghasilkan teks yang tidak diinginkan. (K15) [S5/S8] Istilah ini menamai masalah pada keluaran; ia bukan diagnosis tentang pikiran atau kesadaran mesin.

Wajah pertama adalah halusinasi intrinsik: keluaran bertentangan dengan isi sumber. (K16) [S8] Dalam contoh survei tersebut, ringkasan menyebut vaksin Ebola pertama disetujui pada 2021, padahal teks sumber menyatakan FDA menyetujuinya pada 2019. (K16) [S8] Jika dokumen asal tersedia, pembaca dapat menemukan benturannya dengan membandingkan kedua pernyataan.

Wajah kedua adalah halusinasi ekstrinsik: keluaran tidak dapat diverifikasi dari isi sumber—sumber tidak mendukungnya, tetapi juga tidak membantahnya. (K17) [S8] Batas ini penting: taksonomi tersebut bertumpu pada adanya source content; pada obrolan terbuka, sumber pembanding sering tidak ada. (K17) [S8] Karena itu, “tidak bertentangan dengan dokumen” belum sama dengan “didukung oleh dokumen”.

Penilaian kami: dalam pekerjaan kantor, halusinasi ekstrinsik lebih berbahaya. Ketika AI menambahkan nama kebijakan, alasan keputusan, atau langkah tindak lanjut yang tidak tercantum dalam bahan, pembaca tidak memiliki benturan yang mudah terlihat. Ia hanya bisa menerima tambahan itu atau mengabaikannya. Pemeriksaan yang aman berarti meminta dasar untuk setiap tambahan, bukan sekadar mencari kalimat yang bertentangan.

Kedua wajah itu dapat berakar pada data: source-reference divergence akibat pengumpulan data secara heuristik dan innate divergence yang melekat pada tugas yang menghargai keragaman keluaran. (K18) [S8] Dari sisi pelatihan dan inferensi, daftar penyebabnya mencakup representasi encoder yang tidak sempurna, strategi decoding yang keliru, exposure bias, serta parametric knowledge bias dari pra-pelatihan. (K19) [S8] Daftar ini menunjukkan lokasi masalah yang berbeda; pendalaman mekanismenya dibahas pada bagian berikutnya.

Periksa pemahamanmu

1. Apa perbedaan dasar antara halusinasi intrinsik dan ekstrinsik ketika kamu memeriksa ringkasan dokumen?
2. AI menambahkan tenggat yang tidak ada di memo, sementara memo tidak membenarkan atau membantahnya. Termasuk jenis mana, dan apa tindakan pemeriksaan pertamamu?
3. Dalam pekerjaan kantor, jenis halusinasi mana yang lebih berbahaya, dan mengapa pemeriksaannya lebih sulit?

Kunci ringkas: Halusinasi intrinsik bertentangan dengan sumber, sedangkan halusinasi ekstrinsik tidak dapat didukung ataupun dibantah oleh sumber. Tenggat tambahan itu ekstrinsik; cari dasar lain yang berwenang sebelum menggunakannya. Dalam pekerjaan kantor, halusinasi ekstrinsik lebih berbahaya karena tidak menghasilkan benturan yang mudah terlihat dengan sumber; pemeriksa harus meminta dasar untuk setiap tambahan.

1.5 Sampling yang menghidupkan, sampling yang menghalusinasi

Tujuan belajar

Pembaca dapat menjelaskan mengapa sifat yang membuat jawaban AI terdengar alami juga membuatnya dapat mengarang.

Bagian 1.4 berhenti pada daftar penyebab halusinasi. Salah satu butir dalam daftar itu adalah strategi decoding yang keliru. (K19) [S8] Butir itu menyambung langsung ke cara model memilih token berikutnya dalam Bagian 1.1–1.2. Di sinilah mekanisme pembangkitan dan risiko bertemu.

Greedy decoding selalu memilih token yang paling mungkin berdasarkan konteks. Cara ini deterministik, tetapi tidak digunakan pada model bahasa besar karena repetitif. Temperature sampling membentuk ulang distribusi peluang sebelum token dipilih. [S7] Sampling tidak mengunci pembangkitan pada pilihan yang sama.

Kaitan berikut adalah sintesis kami atas dua sumber yang saling menopang, bukan pernyataan yang diambil utuh dari salah satunya: S7 menjelaskan sampling sebagai mekanisme pembangkitan keluaran, sedangkan S8 memasukkan strategi decoding yang keliru sebagai penyebab halusinasi. Dari keduanya, kami menyimpulkan bahwa sampling yang membuat keluaran terasa hidup adalah mekanisme yang sama yang membuka pintu halusinasi. (K20) [S7+S8]

Penilaian kami: konsekuensi praktisnya bukan mematikan seluruh keragaman keluaran. Keragaman membantu menyusun respons yang berguna, tetapi menuntut pemeriksaan. Memeriksa hasil bukan langkah tambahan; pemeriksaan harus menjadi bagian alur kerja setiap kali keluaran akan dipakai.

Periksa pemahamanmu

1. Mengapa keluaran repetitif dari greedy decoding tidak otomatis menjadi pilihan terbaik untuk pekerjaan kantor?
2. Bagaimana hubungan sampling dengan kewajiban memeriksa hasil sebelum memakainya?

Kunci ringkas: Sampling memberi ruang bagi keluaran yang lebih beragam, sementara strategi decoding juga termasuk jalur yang dapat memicu halusinasi. Karena manfaat dan risikonya hadir bersama, keluaran perlu diperiksa sebagai bagian dari alur kerja.

1.6 Yang berlaku di Indonesia

Tujuan belajar

Pembaca mengetahui rujukan kebijakan yang tersedia, statusnya, dan hal yang belum dapat diketahui dari data terverifikasi.

Kewajiban memeriksa itu tidak berhenti sebagai kebiasaan pribadi. Di banyak tempat kerja, pertanyaannya berubah menjadi pertanyaan kelembagaan: aturan mana yang berlaku, dan sejauh mana ia mengikat. Bagian ini menjawabnya untuk konteks Indonesia — termasuk bagian yang belum bisa kami jawab.

NIST AI Risk Management Framework 1.0 diterbitkan pada 26 Januari 2023, disusul profil khusus AI generatif, Generative Artificial Intelligence Profile NIST AI 600-1, pada 26 Juli 2024. Keduanya merupakan kerangka Amerika Serikat yang bersifat sukarela dan tidak mengikat di Indonesia. Kerangka tersebut dapat dibaca sebagai rujukan pengelolaan risiko, dengan tetap memahami batas yurisdiksinya. (K21) [S6]

Rujukan dalam negeri yang sudah tersedia ialah Surat Edaran Menkominfo No. 9 Tahun 2023 tentang Etika Kecerdasan Artifisial, yang ditetapkan pada 19 Desember 2023. Rekaman JDIH Komdigi mencantumkan statusnya BERLAKU ketika kami memeriksanya pada 14 Agustus 2026. Bentuk Surat Edaran berarti imbauan atau pedoman; dokumen ini dapat menunjukkan arah kebijakan, bukan kewajiban hukum. (K22) [S9]

Penilaian kami: pembaca sebaiknya memakai kedua rujukan sesuai kedudukannya. Kerangka NIST membantu menyusun cara berpikir tentang risiko, sedangkan Surat Edaran menunjukkan arah etika dari kementerian di Indonesia. Keduanya tidak kami sajikan sebagai nasihat hukum.

Kami juga terbuka kepada pembaca: bagian ini tidak menyajikan angka pemakaian AI di dunia kerja Indonesia karena tidak ada sumber resmi yang dapat kami buka dan verifikasi. Saat diperiksa pada 14 Agustus 2026, situs BPS memblokir akses dari infrastruktur kami. Kami memilih tidak mengutip angka yang tidak dapat diperiksa sendiri, sekalipun angka semacam itu beredar di tempat lain. (K23) [S10]

Periksa pemahamanmu

1. Mengapa kerangka NIST dapat menjadi rujukan, tetapi tidak mengikat di Indonesia?
2. Apa perbedaan antara arah kebijakan dalam Surat Edaran dan kewajiban hukum?
3. Hal apa tentang pemakaian AI di dunia kerja Indonesia yang belum dapat diketahui dari data terverifikasi dalam bagian ini?

Kunci ringkas: Kerangka NIST adalah rujukan sukarela dari Amerika Serikat, sedangkan Surat Edaran Menkominfo memberi arah kebijakan berupa imbauan atau pedoman di Indonesia. Keduanya perlu dibaca sesuai statusnya, dan ketiadaan angka terverifikasi perlu dinyatakan secara terbuka. Bagian ini belum dapat menyajikan angka pemakaian AI di dunia kerja Indonesia dari sumber resmi yang dapat dibuka dan diverifikasi.

1.7 Aturan kerja yang bisa dipakai besok

Tujuan belajar

Pembaca dapat menerapkan empat aturan turunan bab ini pada satu pekerjaannya sendiri.

Bab ini telah menjelaskan cara model menghasilkan teks dan bagaimana kekeliruan muncul. Kini, apa yang perlu berubah dalam cara kita bekerja?

Aturan 1 — Nada yakin bukan sinyal kebenaran; periksa justru bagian yang paling terdengar meyakinkan.

Model tidak selalu tahu kapan ia sedang menghasilkan halusinasi. (K14) [S4] Kelancaran kalimat tidak menggantikan pemeriksaan. Pada draf email rapat, tandai tanggal, peserta, dan keputusan, lalu cocokkan dengan undangan serta notulen.

Aturan 2 — Untuk pekerjaan berbasis dokumen, sertakan dokumennya dan minta jawaban hanya dari sana.

Keluaran yang bertentangan dengan sumber bersifat intrinsik, sedangkan keluaran ekstrinsik tidak dapat didukung ataupun dibantah dari sumber. (K17) [S8] Pembatasan ini memudahkan pemeriksaan. Saat merangkum memo internal, lampirkan memo, batasi jawaban pada isinya, lalu telusuri setiap butir ke paragraf asal.

Aturan 3 — Jika hasil harus dapat diulang, simpan keluaran yang dipakai; jangan berharap jawaban berikutnya akan sama.

Keragaman keluaran merupakan perilaku rancangan, bukan tanda kerusakan. Untuk draf pengumuman kantor, simpan versi yang diperiksa bersama masukan dan dokumen acuannya. Rekan berikutnya melanjutkan dari artefak itu, bukan membuat ulang jawaban dan menganggapnya identik.

Aturan 4 — Periksa premis pertanyaanmu sendiri sebelum menyalahkan jawabannya.

Dalam uji perkara pengadilan Amerika Serikat, model sering mengikuti asumsi hukum penanya yang keliru alih-alih mengoreksinya. (K13) [S4] Yang dipindahkan ke pekerjaan kantor adalah polanya. Sebelum meminta rekap keterlambatan, cek apakah target dan status proyek dalam pertanyaan benar; lalu periksa hasilnya.

Penilaian kami: Aturan pertama paling sering diabaikan karena bahasa rapi terasa seperti bukti, sedangkan pemeriksaan menuntut membuka dokumen dan membandingkan rincian.

Periksa pemahamanmu

1. Mengapa nada yakin tidak menambah kekuatan bukti sebuah jawaban?
2. Bagaimana Aturan 2 mengubah jenis kekeliruan yang mungkin kamu temukan saat merangkum dokumen?
3. Pilih satu pekerjaanmu sendiri. Apa tindakan konkret untuk menerapkan masing-masing dari keempat aturan pada pekerjaan itu?

Kunci ringkas: Nada yakin adalah cara penyampaian, sehingga kebenaran tetap harus diperiksa terhadap bukti. Membatasi jawaban pada dokumen membuat klaim dapat ditelusuri dan pertentangan lebih mudah ditemukan. Jawaban butir 3 lengkap jika menyebut satu pekerjaan konkret serta satu tindakan untuk masing-masing aturan: memeriksa bagian yang meyakinkan, membatasi jawaban pada dokumen, menyimpan keluaran yang sudah diperiksa, dan memeriksa premis pertanyaan.

Latihan Bab 1

Kerjakan berurutan dan nilai dengan rubrik.

Latihan 1.1 — Jelaskan tanpa jargon (±5 menit)

Tujuan: Menjelaskan keluaran AI secara nonteknis.

1. Jelaskan mengapa AI dapat terdengar meyakinkan tetapi salah.
2. Jelaskan mengapa pertanyaan sama dapat menghasilkan jawaban berbeda.
3. Gunakan maksimal lima kalimat. Jangan gunakan kata token, sampling, distribusi, atau Transformer.

Selesai kalau: Kedua sebab tersampaikan dalam maksimal lima kalimat tanpa istilah terlarang.

Latihan 1.2 — Bedah ringkasan memo (±10 menit)

Tujuan: Membedakan tiga status pernyataan.

1. Baca memo fiktif berikut.

Rapat tim operasional dijadwalkan pada Selasa pagi. Agenda rapat adalah meninjau draf panduan layanan. Rani membawa catatan pelanggan tersamarkan. Bima mencatat perubahan yang disepakati. Draf revisi akan dibahas kembali pada Jumat sore.

2. Nilai “ringkasan AI” berikut. - Rapat tim operasional dijadwalkan pada Selasa sore. - Rani memimpin rapat karena paling memahami keluhan pelanggan. - Draf revisi akan dibahas kembali pada Jumat sore.
3. Labeli tiap kalimat intrinsik, ekstrinsik, atau didukung. Beri alasan satu kalimat berdasarkan memo.

Selesai kalau: Tiap kalimat memiliki label dan alasan terperiksa.

Latihan 1.3 — Uji nada yakin (±20 menit)

Tujuan: Memeriksa kalimat meyakinkan.

1. Ambil satu keluaran AI dari pekerjaanmu sendiri atau buat contoh. Pakai bahan nonsensitif; samarkan data rahasia.
2. Pilih sedikitnya tiga kalimat yang terdengar meyakinkan.
3. Cari dokumen pembandingnya.
4. Catat hasilnya di tabel.

Selesai kalau: Tiga baris terisi dan tiap status ditopang pembanding.

Rubrik penilaian

Kunci & contoh jawaban

Kunci L1.2:

• Pertama intrinsik: memo menyebut Selasa pagi, bukan sore.
• Kedua ekstrinsik: alasan Rani memimpin tidak didukung ataupun dibantah memo.
• Ketiga didukung: sesuai dengan baris terakhir memo.

Contoh jawaban Kuat L1.1: AI menyusun jawaban dari pola, bukan dengan memastikan setiap pernyataan benar. Kalimatnya dapat terasa lancar meskipun keliru. Beberapa kelanjutan dapat dipilih sehingga percobaan berbeda menghasilkan susunan berbeda.

Tentang sumber & metode — Bab 1

Halaman ini menjelaskan asal bukti, proses penyusunan, dan batas Bab 1. Daftar berikut bukan dukungan institusi terhadap materi kami.

Daftar sumber

Bagaimana bab ini disusun

• Materi disusun dengan bantuan AI. Tidak ada pakar manusia yang meninjau isinya; kami juga tidak mengklaim penulis, gelar, testimoni, atau logo institusi.
• Setiap URL dibuka langsung dari server kami dan isinya dicocokkan dengan klaim yang dikutip. Sumber yang tidak terbuka atau tidak memuat klaim tersebut dibuang.
• Setiap klaim dipetakan satu per satu ke kode sumber melalui penanda [S…] di badan bab. Penanda itu menunjukkan jejak bukti, bukan jaminan bahwa temuan berlaku di semua konteks.
• Dalam naskah, temuan penelitian, keterangan lembaga resmi, dan penafsiran kami dibedakan menurut sandarannya. Keterbatasan sumber dipertahankan agar pembaca dapat menilai ruang berlaku setiap pernyataan.
• Metode kami terbatas pada pembacaan sumber. Kami tidak melakukan penelitian primer, mengumpulkan data pengguna, atau menguji ulang temuan peneliti.

Apa yang belum tercakup

• Data pemakaian AI di Indonesia masih tipis. S10 mencatat hasil negatif: situs BPS tidak dapat diakses dari infrastruktur kami, sehingga gambaran adopsi lokal belum utuh dan tidak ada angka BPS yang dikutip.
• Rincian teknis top-k dan top-p tidak dibahas karena teks sumber yang menjelaskannya belum dibuka dan diverifikasi.
• Tujuh karakteristik kelayakan-percaya NIST tidak diuraikan lengkap karena halaman ringkasan S6 tidak memuat daftarnya.
• Efek pemakaian AI terhadap ketergantungan berlebih dan perilaku verifikasi pekerja kantor belum dibahas karena belum ada sumber yang lolos verifikasi kami.
• S1–S4 kami buka sebagai pracetak arXiv. Sebagian di antaranya kemungkinan sudah terbit di konferensi atau jurnal, tetapi kami belum membuka halaman penerbitnya sendiri, jadi labelnya tetap "makalah primer" dan bukan "jurnal peer-review". S10 tidak mempunyai penerbit, jenis, tanggal akses, maupun URL terverifikasi; tanda — mempertahankan kekosongan itu apa adanya.

Terakhir diperiksa

Terakhir diperiksa: 14 Agustus 2026.

Disklaimer

Bab ini adalah materi belajar umum, bukan nasihat hukum, medis, atau keuangan profesional. Pembaca yang menghadapi keputusan berisiko perlu merujuk pihak yang berwenang. Isi dapat usang ketika aturan dan model berubah.

Bab 2 — Tiga pertanyaan sebelum mendelegasikan ke AI

Tujuan belajar bab ini

1. Setelah menyelesaikan bab ini, pembaca dapat memutuskan bentuk delegasi untuk satu tugas kantor dengan menjawab dan membuktikan tiga pertanyaan: apakah hasilnya dapat diperiksa dengan alat di luar AI, seberapa berat dampaknya bila salah, dan apakah datanya boleh dikirim; lalu memilih mengerjakan sendiri, memakai bantuan AI, atau mendelegasikan sesuai hasil pemeriksaan itu.

Bab 2 · Pertanyaan Pertama: Bisakah saya memeriksa hasilnya?

Tujuan belajar bagian ini. Setelah membaca, kamu bisa membedakan "hasil yang tampak benar" dari "hasil yang sudah diperiksa", dan bisa menyebutkan alat pemeriksa yang berdiri di luar AI untuk satu tugas kantormu sendiri.

Jawaban yang meyakinkan bukan jawaban yang benar

Naluri pertama kebanyakan orang saat menilai keluaran AI adalah membacanya dan bertanya: masuk akal tidak? Naluri itu tidak salah — hanya saja ia mengukur hal yang keliru. Ia mengukur seberapa rapi jawaban itu disusun, bukan seberapa cocok jawaban itu dengan kenyataan.

Ada alasan teknis mengapa keduanya bisa berpisah jauh. Kerangka risiko resmi NIST untuk AI generatif menjelaskan bahwa confabulation — mengarang isi dengan percaya diri — adalah akibat wajar dari cara model dirancang, yaitu memperkirakan distribusi statistik data latihnya, bukan cacat yang akan hilang begitu ada model yang lebih baik (D). Dokumen yang sama mencatat sesuatu yang lebih merepotkan lagi bagi pemeriksa: keluaran AI bisa memuat logika maupun sitasi yang ikut dikarang untuk membenarkan jawabannya, sehingga penalaran yang tampak rapi justru membuat manusia makin yakin pada jawaban yang salah (D). Risiko itu disebut paling relevan pada pertanyaan terbuka, jawaban panjang, dan bidang yang menuntut keahlian domain (D) — persis ciri tugas yang paling ingin kita delegasikan.

Artinya, "masuk akal" dan "berdasar" bisa dihasilkan oleh mesin yang sama, dalam kalimat yang sama, tanpa penanda apa pun yang membedakannya. Kalau alat ukurmu hanya kesan, kamu tidak sedang memeriksa. Kamu sedang menilai gaya bahasa.

"Saya akan hati-hati" bukan pengaman

Keberatan yang wajar: kalau begitu, baca lebih teliti saja. Sayangnya sikap hati-hati saja terbukti bukan pengaman yang memadai.

Tinjauan akademik tentang overreliance mendefinisikan masalah ini bukan sebagai "terlalu sering memakai AI", melainkan sebagai keadaan pengguna mengandalkan model melampaui kemampuan model itu (A). Yang penting bagi kita: penyebabnya ditunjukkan datang dari tiga arah sekaligus — sifat model itu sendiri, desain antarmuka sistem yang kita pakai, dan bias kognitif kita sebagai pengguna (A). Jadi ini bukan semata soal kedisiplinan pribadi. Dua dari tiga penyebabnya berada di luar kendali niat baikmu.

Kerangka NIST menyebut hal serupa dari sisi lain, lewat kategori risiko Human-AI Configuration, yang secara eksplisit memasukkan automation bias dan over-reliance sebagai risiko yang perlu dikelola (D). Dua sumber yang berbeda jenis — satu tinjauan akademik, satu kerangka lembaga standar — bertemu di titik yang sama: kecenderungan terlalu percaya pada keluaran mesin adalah pola yang bisa diperkirakan, bukan kelemahan segelintir orang ceroboh.

Sumber A juga menandai risiko ketiga yang jarang disadari: pengikisan keterampilan (cognitive deskilling) (A). Kalau satu tugas adalah satu-satunya latihan rutin bagi keterampilan intimu, mendelegasikannya penuh berarti secara perlahan melumpuhkan kemampuanmu sendiri untuk memeriksanya nanti.

Aturan operasionalnya

Dari sini kami turunkan aturan kerja Bab 2 — dan perlu ditegaskan bahwa perumusan di bawah ini pendapat kami, bukan anjuran yang tertulis di sumber mana pun:

P1 bukan "apakah saya percaya hasilnya?", melainkan "apakah saya punya cara memeriksa yang berdiri di luar AI yang menghasilkan jawaban itu?"

Pemeriksa yang sah harus memenuhi tiga syarat sederhana:

1. Berada di luar model. Bertanya "apakah kamu yakin?" kepada AI yang sama — atau meminta AI lain menilai — bukan pemeriksaan independen, karena sumber kesalahannya (cara model menghasilkan teks) tetap yang itu-itu juga (D).
2. Bisa memberi jawaban salah. Alat pemeriksa yang selalu meloloskan apa pun bukan alat pemeriksa. Kalau tidak ada kondisi yang membuatmu menolak hasil, kamu tidak punya pemeriksa.
3. Terjangkau dalam waktu yang wajar. Pemeriksaan yang lebih lama daripada mengerjakan sendiri menghapus alasan mendelegasikan.

Bentuk konkretnya berbeda per tugas: dokumen sumber asli yang bisa dibuka, perhitungan ulang, aturan tertulis, kode yang dijalankan dan diuji, atau rekan yang menguasai bidangnya. Kalau tidak satu pun tersedia — tugas itu gagal P1, dan delegasi penuh belum layak.

Batas bukti bagian ini

Dua sumber yang dipakai punya keterbatasan yang harus kamu tahu. Sumber A adalah preprint di arXiv yang belum dipastikan lolos peer-review, dan isinya berupa kerangka serta agenda pengukuran — bukan studi berangka; ia tidak dan tidak bisa membuktikan berapa persen orang gagal memeriksa keluaran AI. Sumber D adalah dokumen kerangka risiko untuk organisasi, bukan penelitian empiris: tidak ada angka frekuensi, ukuran efek, maupun sampel di dalamnya. Keduanya juga disusun dalam konteks berbahasa Inggris, bukan pekerja kantor Indonesia. Yang keduanya tunjukkan adalah mekanisme — mengapa kesalahan itu mungkin dan mengapa pemeriksaan sulit — bukan seberapa sering terjadi.

Contoh: rekap keluhan pelanggan

Seorang staf layanan pelanggan di Jakarta menempelkan 300 tiket keluhan bulan lalu dan meminta AI meringkasnya menjadi lima tema utama plus jumlah tiket per tema. Hasilnya rapi dan angkanya terlihat pas.

Uji P1: apakah ada pemeriksa di luar AI? Ada — data mentahnya masih dia pegang. Ia bisa menghitung ulang satu tema memakai filter kata kunci di spreadsheet, dan membaca acak sepuluh tiket dari tema terbesar untuk memastikan isinya memang sesuai label. Kalau angkanya meleset, hasil ditolak. Pemeriksaan itu memakan sepuluh menit, jauh lebih singkat daripada membaca 300 tiket. Lolos P1 — dengan syarat pemeriksaan itu benar-benar dijalankan, bukan sekadar mungkin dijalankan.

Periksa pemahamanmu

Ambil satu tugas yang minggu ini ingin kamu serahkan ke AI. Tulis di selembar kertas:

1. Apa pemeriksa di luar AI untuk tugas ini? Sebut namanya secara konkret — nama berkas, nama aturan, atau nama orang.
2. Kondisi apa yang akan membuatmu menolak hasilnya?
3. Berapa lama pemeriksaan itu?

Kalau nomor 1 kosong, atau nomor 2 tidak bisa kamu jawab, tugas itu belum lolos P1 — lanjutkan membaca sebelum mendelegasikannya.

Penanda sumber: (A) = Ibrahim dkk., "Measuring and mitigating overreliance to build human-compatible AI", arXiv:2509.08010 (preprint). (D) = NIST AI 600-1, Generative AI Profile, Juli 2024. Rincian, tautan, dan status verifikasi kedua sumber ada di company/research/20260814-sumber-bab2-delegasi-ai.md. Materi ini disusun dengan bantuan AI.

Bab 2 · Pertanyaan Kedua: Seberapa buruk kalau salah?

Tujuan belajar bagian ini. Setelah membaca, kamu bisa menaksir dampak kesalahan satu tugas kantor memakai tiga penakar yang konkret (siapa yang kena, seberapa cepat ketahuan, seberapa mahal dibatalkan), dan bisa memilih satu dari tiga bentuk delegasi — penuh, sebagian, atau tidak sama sekali — beserta alasannya.

Mengapa P1 saja tidak cukup

Bagian sebelumnya berhenti pada satu syarat: adakah pemeriksa di luar AI. Tapi lolos P1 belum berarti tugas itu aman didelegasikan, karena P1 hanya menjawab apakah kesalahan bisa tertangkap — bukan apa yang terjadi kalau lolos.

Dua tugas bisa sama-sama lolos P1 dengan pemeriksa yang sama kuatnya, tapi salah satunya berujung pada revisi lima menit dan satunya lagi pada surat yang sudah terkirim ke 4.000 pelanggan. P2 mengurus jarak antara keduanya.

Kesalahan AI bukan kekhawatiran hipotetis

Sebelum masuk cara menakar, satu hal perlu ditegakkan: kesalahan sistem AI sudah terjadi dan sudah dicatat orang, bukan sesuatu yang baru mungkin terjadi nanti.

Laporan tahunan AI Index dari Stanford HAI, edisi 2025, mencatat bahwa jumlah insiden terkait AI yang dilaporkan naik menjadi 233 sepanjang 2024 — rekor tertinggi, dan 56,4% lebih banyak daripada 2023 (B).

Angka itu harus dibaca dengan hati-hati, dan kami memilih menyebutkan keterbatasannya di sini alih-alih membiarkannya terdengar lebih dramatis daripada yang sah. Itu adalah insiden yang dilaporkan, bukan jumlah sebenarnya. Kenaikannya bisa sebagian berarti pelaporan dan pemantauan membaik, bukan semata-mata risikonya melonjak. Jadi angka ini tidak boleh kamu bawa sebagai "risiko AI naik 56% setahun". Yang sah disimpulkan darinya cuma satu, dan itu sudah cukup untuk keperluan kita: kategori "kesalahan AI yang merugikan orang" bukan kategori kosong.

Jangan berasumsi kantormu sudah punya pengaman

Keberatan yang sering muncul di sini: "kantor saya pasti sudah mengatur ini." Data dari laporan yang sama membuat asumsi itu mahal.

Dalam survei organisasi yang dilaporkan AI Index 2025, terdapat jurang antara mengenali risiko dan benar-benar menanganinya: hanya 64% responden yang benar-benar mengelola risiko ketidakakuratan (inaccuracy), 63% yang mengelola risiko kepatuhan regulasi, dan 60% yang mengelola risiko keamanan siber (B) — padahal ketiganya termasuk risiko yang paling banyak diakui.

Perhatikan siapa respondennya: organisasi yang sudah cukup sadar untuk ikut survei tentang AI bertanggung jawab. Bahkan di kelompok itu, sepertiga sampai empat puluh persen belum mengelola risiko yang mereka sendiri sebut penting. Responden survei ini mayoritas global, bukan khusus Indonesia — jadi angkanya bukan potret kantormu. Tapi arahnya jelas: berasumsi ada jaring pengaman di belakangmu adalah taruhan, bukan fakta. Sampai kamu melihat sendiri aturannya tertulis, anggap pemeriksa terakhir sebelum pekerjaan itu keluar adalah kamu.

Tiga penakar dampak

Ini bagian yang bisa langsung kamu pakai. Perumusan tiga penakar di bawah adalah kerangka kami sendiri, bukan kutipan dari sumber mana pun; yang berasal dari sumber adalah bahan mentahnya, dan ditandai.

1. Siapa yang kena kalau salah — dan tahukah mereka bahwa ini keluaran AI? Kesalahan yang berhenti di mejamu sendiri berbeda kelas dengan kesalahan yang sampai ke pelanggan, atasan, kandidat pelamar, atau publik. Semakin jauh jangkauannya dan semakin tidak sadar penerimanya bahwa ada mesin di baliknya, semakin besar taruhannya.

2. Seberapa cepat kesalahan itu ketahuan? Kesalahan yang muncul dalam hitungan menit adalah gangguan. Kesalahan yang baru ketahuan tiga bulan kemudian — angka salah yang sudah masuk laporan yang jadi dasar keputusan lain — adalah kerusakan berlapis. Pertanyaan praktisnya: apakah ada titik di mana kesalahan ini pasti terpergok, atau bisakah ia lewat begitu saja tanpa jejak?

3. Seberapa mahal membatalkannya? Draf yang belum dikirim: nol. Pesan yang sudah terkirim: mahal tapi bisa diralat. Uang yang sudah ditransfer, data yang sudah terhapus, tawaran kerja yang sudah dicabut, kepercayaan klien yang sudah retak: sebagian tidak bisa dikembalikan sama sekali.

Ada satu penakar tambahan yang datang langsung dari sumber, dan ini memperbesar skor ketiganya sekaligus. Kerangka NIST untuk AI generatif menyebut risiko mengarang paling relevan pada pertanyaan terbuka, jawaban panjang, dan bidang yang menuntut keahlian domain (D) — dan mencatat bahwa mengarang itu adalah akibat wajar dari cara model dirancang, bukan cacat yang akan hilang dengan model berikutnya (D). Jadi kalau tugasmu berciri seperti itu, naikkan taksiran dampaknya, jangan turunkan.

Dari taksiran ke keputusan: tiga bentuk delegasi

Kerangka manajemen risiko AI NIST (AI RMF 1.0, terbit Januari 2023) berporos pada empat fungsi: GOVERN, MAP, MEASURE, MANAGE (C). Urutan MAP → MEASURE → MANAGE itulah yang kami pinjam sebagai tulang punggung: petakan dampaknya dulu (P2), baru periksa hasilnya (P1), baru putuskan bentuk delegasinya.

Dua catatan jujur soal peminjaman ini. AI RMF adalah kerangka sukarela yang ditujukan untuk organisasi, bukan untuk individu karyawan; memakainya di tingkat satu orang adalah adaptasi turun-skala oleh kami, bukan anjuran NIST. Dan ia standar Amerika Serikat — tidak mengikat siapa pun di Indonesia. Yang kami ambil hanyalah urutan berpikirnya, karena urutan itu masuk akal, bukan karena ada otoritas yang mewajibkannya.

Hasil pemetaan diterjemahkan jadi salah satu dari tiga bentuk:

Aturan praktis kami untuk baris terakhir: kalau kesalahannya menyangkut nasib orang lain dan tidak bisa dibatalkan, tidak ada pemeriksaan sebaik apa pun yang membuatnya layak didelegasikan penuh. P1 yang kuat menurunkan peluang kesalahan; ia tidak mengubah akibatnya kalau kesalahan itu tetap lolos.

Contoh: dua tugas yang sama, dampak berbeda

Tugas A — merapikan notulen rapat internal. Peserta rapat sama-sama hadir dan akan membaca notulennya; salah tulis akan langsung dikoreksi di grup dalam hitungan jam. Siapa yang kena: tim sendiri. Ketahuan: cepat. Membatalkan: tinggal kirim ralat. Dampak rendah → delegasi penuh, cukup dibaca ulang sekali.

Tugas B — menyusun surat pemberitahuan perubahan tarif ke 4.000 pelanggan. Satu angka atau satu tanggal yang salah akan sampai ke 4.000 orang sekaligus, baru ketahuan saat keluhan masuk, dan tidak bisa ditarik. Penerimanya pun tidak tahu ada AI di baliknya. Ketiga penakar menyala. Dampak tinggi → delegasi sebagian: AI boleh menyusun kerangka dan alternatif kalimat, tetapi angka, tanggal, dan kalimat final wajib dicocokkan ke dokumen keputusan tarif dan disetujui manusia yang berwenang sebelum dikirim.

Perhatikan bahwa keduanya sama-sama lolos P1 — notulen bisa dicek ke rekaman, surat bisa dicek ke dokumen tarif. Yang membedakan keputusannya bukan P1, tapi P2.

Batas bukti bagian ini

Angka 233 insiden dan 64/63/60% berasal dari AI Index edisi 2025; ada edisi yang lebih baru dan angkanya kemungkinan sudah berubah — sebutkan tahun edisinya kalau kamu mengutip ulang. Laporan itu terbitan lembaga akademik dengan metodologi terbuka, tapi bukan studi peer-review, dan bagian survei mengandalkan laporan mandiri organisasi (responden mayoritas global, bukan Indonesia). NIST AI RMF dan AI 600-1 adalah dokumen kerangka untuk organisasi, bukan penelitian empiris: tidak ada angka frekuensi, ukuran efek, maupun sampel di dalamnya, dan keduanya standar AS yang bersifat sukarela. [BUKTI LEMAH] juga berlaku untuk klaim apa pun soal rincian isi AI RMF di luar keempat fungsi inti — kami baru memverifikasi halaman ikhtisarnya, bukan seluruh dokumen intinya.

Tiga penakar dampak dan tabel tiga bentuk delegasi adalah kerangka orisinal kami. Tidak ada sumber yang mengujinya; anggap sebagai alat berpikir yang masuk akal, bukan temuan penelitian.

Satu hal yang belum bagian ini bahas: apakah data yang kamu ketikkan boleh keluar dari kantormu. Itu pertanyaan ketiga, dan dampaknya berbeda jenis.

Periksa pemahamanmu

Ambil kembali tugas yang kamu tulis di akhir bagian P1. Jawab tiga hal, satu kalimat masing-masing:

1. Kalau hasilnya salah dan lolos pemeriksaanmu, siapa yang kena — dan apakah mereka tahu ada AI di baliknya?
2. Kapan kesalahan itu paling cepat ketahuan: menit, hari, atau bulan?
3. Apa yang harus dilakukan untuk membatalkannya, dan apakah semuanya bisa dikembalikan seperti semula?

Lalu lingkari satu: penuh / sebagian / tidak sama sekali. Kalau jawaban nomor 3 memuat kata "tidak bisa", pilihanmu hanya dua yang terakhir — berapa pun bagusnya pemeriksa yang kamu punya di P1.

Penanda sumber: (B) = Stanford HAI, Artificial Intelligence Index Report 2025, Bab 3 "Responsible AI". (C) = NIST, AI Risk Management Framework (AI RMF 1.0), Januari 2023. (D) = NIST AI 600-1, Generative AI Profile, Juli 2024. Rincian, tautan, dan status verifikasi ketiga sumber ada di company/research/20260814-sumber-bab2-delegasi-ai.md. Materi ini disusun dengan bantuan AI.

Bab 2 · Pertanyaan Ketiga: Apakah datanya boleh keluar?

Tujuan belajar bagian ini. Setelah membaca, kamu bisa memilah satu tugas kantor menjadi bagian yang boleh diketik ke layanan AI dan bagian yang tidak, menyebut alasannya dengan istilah yang tepat, dan tahu persis di mana batas pengetahuan kami berakhir sehingga kamu harus bertanya ke orang lain.

Peringatan yang harus dibaca lebih dulu. Bagian ini bukan nasihat hukum. Kami tidak memberi tahu apa kewajiban hukummu atau perusahaanmu atas data pribadi orang lain, karena kami belum punya sumber yang cukup baik untuk itu (alasannya di bagian "Batas bukti" di bawah — dan itu bagian terpenting dari halaman ini). Yang bisa kami bantu adalah cara berpikirnya sebelum jarimu menekan Ctrl+V.

Dua pertanyaan pertama tidak menyentuh soal ini

P1 menanyakan apakah kamu bisa memeriksa hasilnya. P2 menanyakan seberapa buruk kalau hasilnya salah. Keduanya menilai keluaran.

Pertanyaan ketiga menilai masukan, dan itu jenis kerugian yang berbeda: kerugian yang terjadi walaupun AI-nya menjawab dengan sempurna. Kamu bisa lolos P1 dan P2 dengan mulus — hasilnya benar, bisa diperiksa, dampaknya kecil — lalu tetap merugikan orang lain karena yang kamu tempelkan ke kolom obrolan adalah nomor rekening, hasil pemeriksaan kesehatan, atau daftar gaji yang bukan milik kamu untuk disebarkan.

Karena itu P3 tidak bisa "ditawar" dengan mutu jawaban. Tidak ada jawaban yang cukup bagus untuk membatalkan data yang sudah terlanjur keluar.

Apa yang benar-benar diketahui tentang risiko data pada AI generatif

Kerangka risiko NIST untuk AI generatif punya satu kategori risiko bernama Data Privacy, yang didefinisikan sebagai dampak dari kebocoran serta pemakaian, pengungkapan, atau de-anonimisasi tanpa izin atas data biometrik, kesehatan, lokasi, dan data pribadi atau sensitif lain (D). Tiga temuan di dalamnya layak kamu ketahui apa adanya:

1. Model bisa memunculkan kembali informasi sensitif yang ada di data latihnya. Fenomena ini disebut data memorization, dan NIST mencatat risikonya bisa muncul bahkan untuk data yang hanya hadir di sedikit sampel latih (D).
2. Model bisa menyimpulkan data pribadi yang tidak pernah ada di data latih dan tidak pernah kamu sebutkan — dengan merangkai potongan informasi dari sumber-sumber yang terpisah. NIST menambahkan satu hal yang mudah terlewat: kesimpulan semacam itu merugikan bahkan bila keliru (D).
3. Kamu tidak bisa tahu data apa yang dipakai melatih model yang kamu pakai. Sebagian besar pengembang tidak mengungkapkan sumber data latihnya (D).

Perhatikan bentuk ketiga temuan itu. Semuanya berbicara tentang data latih dan kemampuan menyimpulkan, bukan tentang perlakuan atas kalimat yang kamu ketik hari ini. Itu perbedaan yang akan kami pegang teguh sepanjang bagian ini.

Kosakata yang membuatmu tidak salah menuduh

Percakapan soal data mudah kacau karena istilahnya dipakai serampangan. Undang- Undang Pelindungan Data Pribadi memberi tiga definisi yang cukup untuk membuat duduk perkaranya jelas (E, Pasal 1 angka 5–7): Subjek Data Pribadi adalah orang yang datanya melekat pada dirinya; Prosesor Data Pribadi adalah pihak yang memproses data pribadi atas nama pihak lain; Setiap Orang mencakup orang perseorangan maupun badan.

Kegunaan praktisnya sederhana. Ketika kamu menempelkan daftar pelanggan ke sebuah chatbot, orang-orang di daftar itu adalah subjek data — dan mereka tidak ada di ruangan. Kamu bukan pemilik data itu; kamu sedang memegangnya. Penyedia layanan AI yang menerima tempelanmu pun bukan subjek data, melainkan pihak lain yang ikut memegang. Menyebut ini dengan benar sudah setengah menjawab pertanyaannya: yang sedang dipertaruhkan bukan kenyamananmu, melainkan data orang yang tidak kamu tanyai.

Aturan kerja: pisahkan tugas dari datanya

Kebanyakan orang memperlakukan P3 sebagai saklar — boleh pakai AI atau tidak. Itu keliru, dan mahal: tugas yang sebenarnya aman ikut ditolak. Yang lebih tepat adalah memisahkan bentuk pekerjaan dari isi data. Hampir selalu, yang kamu butuhkan dari AI adalah bentuknya.

Ini kerangka kami — bukan temuan penelitian, melainkan cara kerja yang kami anggap masuk akal:

Alur kerjanya jadi: minta bentuknya ke AI dengan contoh karangan, lalu isi data sungguhan dilakukan sendiri di dokumenmu. Kamu tetap mendapat hampir seluruh manfaat kecepatannya, tanpa memindahkan data siapa pun ke tempat yang tidak kamu kendalikan.

Tiga pertanyaan cepat sebelum menempel apa pun:

1. Ada nama orang di dalamnya? Kalau ya, apakah orang itu tahu?
2. Kalau ini muncul di layar orang lain, siapa yang dirugikan?
3. Apakah saya butuh data ini untuk dapat jawabannya, atau cuma malas mengetik ulang? Jawaban jujurnya sering nomor dua.

Batas bukti — baca ini, jangan lewati

Bagian ini paling lemah di antara ketiga pertanyaan, dan kami memilih mengatakannya daripada menutupinya dengan bahasa yang terdengar meyakinkan.

• Kami tidak tahu bagaimana penyedia layanan AI memperlakukan kalimat yang kamu ketik. [BUKTI LEMAH] Sumber yang kami punya berbicara tentang data latih dan inferensi model, bukan data masukan pengguna. Kami sengaja tidak menyimpulkan "makanya jangan tempel dokumen kantor" dari sumber itu, karena kesimpulan tersebut tidak ada di sana. Aturan kerja di atas kami sajikan sebagai kehati-hatian yang masuk akal, bukan sebagai temuan. Cara memeriksanya sendiri: baca ketentuan layanan dan pengaturan privasi produk yang kamu pakai, lalu tanyakan ke bagian TI kantormu.
• Kami tidak menyatakan apa pun tentang kewajiban hukummu. Dari UU PDP kami hanya memakai tiga definisi peran (Pasal 1 angka 5–7). Salinan resmi yang dapat kami akses adalah hasil pindai dengan OCR rusak pada pasal-pasal kewajiban, sehingga mengutipnya berarti menebak isi undang-undang — dan itu tidak akan kami lakukan. Untuk kewajiban hukum, rujuk teks resmi dan penasihat hukum, bukan materi ini.
• NIST AI 600-1 adalah dokumen kerangka untuk organisasi, bukan studi empiris — tidak ada angka frekuensi, ukuran efek, atau sampel di dalamnya. Standar AS, bersifat sukarela, tidak mengikat di Indonesia, terbit Juli 2024.
• Tabel tiga lapis dan tiga pertanyaan cepat adalah kerangka orisinal kami. Belum diuji siapa pun.

Kami akan memperbarui bagian ini kalau menemukan sumber yang benar-benar menjawab dua celah pertama. Sampai itu terjadi, anggap halaman ini memberimu cara berpikir dan kosakata — bukan kepastian.

Periksa pemahamanmu

Ambil satu tugas yang minggu ini ingin kamu serahkan ke AI. Tulis dua daftar berdampingan: apa yang saya minta (bentuk) dan apa yang saya tempel (data). Lalu coret setiap butir di kolom kanan yang memuat nama orang sungguhan, dan ganti dengan contoh karangan. Kalau setelah dicoret tugas itu jadi tidak masuk akal untuk diserahkan ke AI, kamu baru saja menemukan tugas yang memang sebaiknya kamu kerjakan sendiri.

Lalu jawab satu pertanyaan tambahan: dari butir yang kamu coret, siapa Subjek Data Pribadinya — orang yang datanya melekat pada dirinya — dan kepada siapa kamu akan meminta kepastian sebelum data itu keluar? Kriteria jawaban: kamu menyebut subjek datanya secara spesifik (bukan "pihak terkait") dan satu pihak yang benar-benar bisa kamu tanyai, misalnya subjek data itu sendiri, atasanmu, atau bagian TI/hukum kantormu — halaman ini tidak bisa memberi kepastian itu.

Penanda sumber: (D) = NIST AI 600-1, Generative AI Profile, Juli 2024, §2.4 Data Privacy dan daftar risiko hal. 4–5. (E) = Undang-Undang No. 27 Tahun 2022 tentang Pelindungan Data Pribadi, Pasal 1 angka 5–7 (definisi saja). Rincian, tautan, dan status verifikasi keduanya ada di company/research/20260814-sumber-bab2-delegasi-ai.md. Materi ini disusun dengan bantuan AI dan bukan nasihat hukum.

Bab 2 · Penutup: Tiga Pertanyaan dalam Satu Halaman

Tujuan belajar bagian ini. Setelah membaca, kamu bisa menjalankan P1, P2, dan P3 berurutan atas satu tugas nyata dan sampai pada satu keputusan yang jelas — lengkap dengan tindakan apa yang harus kamu lakukan hari itu juga.

Bagian ini tidak menambahkan klaim faktual baru. Semua dasarnya sudah diletakkan di tiga bagian sebelumnya; di sini semuanya dirangkai jadi satu alur yang bisa kamu tempel di dekat meja kerja.

Urutannya bukan selera

Jalankan P3 → P2 → P1, bukan sesuai nomornya.

Alasannya praktis. P3 bisa membatalkan seluruh tugas sebelum kamu repot menakar apa pun: kalau data yang harus keluar tidak boleh keluar, tidak ada gunanya memikirkan pemeriksa. P2 menentukan seberapa ketat pemeriksaan yang pantas kamu bayar dengan waktu. P1 baru menjawab apakah pemeriksaan seketat itu tersedia.

Nomornya tetap P1–P2–P3 karena itu urutan yang enak dipelajari. Urutan menjalankannya dibalik.

Pohon keputusan

Jawab dari atas. Berhenti di kotak pertama yang cocok.

TUGAS
  │
  ├─ P3 · Apakah tugas ini menuntut saya menempelkan data nyata
  │        milik orang lain (nama, NIK, rekening, kesehatan, gaji,
  │        isi kontrak klien)?
  │
  │   ├─ YA, dan bisa dipisah  ──► PISAHKAN DULU.
  │   │   Minta bentuknya saja ke AI dengan contoh karangan; isi
  │   │   data sungguhan sendiri di dokumenmu. Lalu ulangi dari
  │   │   atas dengan versi tugas yang sudah dipisah.
  │   │
  │   ├─ YA, dan tidak bisa dipisah ──► KERJAKAN SENDIRI. Selesai.
  │   │   Tidak ada mutu jawaban yang membatalkan data yang
  │   │   terlanjur keluar.
  │   │
  │   └─ TIDAK ──► lanjut ke P2.
  │
  ├─ P2 · Kalau hasilnya salah dan lolos pemeriksaan saya:
  │        (a) siapa yang kena? (b) kapan ketahuan? (c) berapa
  │        mahal membatalkannya?
  │
  │   ├─ Menyangkut nasib orang lain DAN ada yang "tidak bisa
  │   │   dikembalikan" ──► DAMPAK TINGGI.
  │   │   AI hanya boleh jadi bahan diskusi. Tidak ada keluarannya
  │   │   yang keluar apa adanya. Selesai — P1 tidak mengubah ini.
  │   │
  │   ├─ Kena orang lain tapi masih bisa diralat ──► DAMPAK SEDANG,
  │   │   lanjut ke P1 dengan standar ketat.
  │   │
  │   └─ Berhenti di meja saya, cepat ketahuan, murah dibatalkan
  │       ──► DAMPAK RENDAH, lanjut ke P1 dengan standar wajar.
  │
  └─ P1 · Adakah pemeriksa yang (1) berada di luar AI itu,
           (2) bisa memberi jawaban "salah", (3) selesai lebih cepat
           daripada mengerjakan sendiri?
      │
      ├─ TIDAK ADA ──► JANGAN DIDELEGASIKAN, apa pun dampaknya.
      │   Cari dulu pemeriksanya; kalau tidak ketemu, kerjakan
      │   sendiri.
      │
      ├─ ADA + dampak sedang ──► DELEGASI SEBAGIAN.
      │   AI menyusun draf dan bahan mentah; angka, tanggal, dan
      │   kalimat akhir kamu cocokkan sendiri ke dokumen sumber
      │   sebelum keluar.
      │
      └─ ADA + dampak rendah ──► DELEGASI PENUH.
          AI mengerjakan, kamu periksa sekilas — dan pemeriksaan
          itu benar-benar dijalankan, bukan sekadar mungkin
          dijalankan.

Matriks sekali lihat

Untuk tugas yang sudah lolos P3 (tidak ada data nyata orang lain yang keluar):

Perhatikan dua hal yang sering mengejutkan pembaca. Kolom kanan seragam: tanpa pemeriksa, dampak rendah pun tidak lolos — bukan karena bahaya, tapi karena kamu kehilangan kemampuan membedakan hasil benar dari hasil yang sekadar rapi. Baris bawah juga seragam: di dampak tinggi, punya pemeriksa bagus tidak menaikkan kamu satu tingkat pun.

Ada satu hal yang matriks ini tidak tanggung

Bagian P3 menutup dengan pengakuan yang perlu ikut dibawa ke sini: kami tidak tahu bagaimana penyedia layanan AI memperlakukan kalimat yang kamu ketik [BUKTI LEMAH]. Sumber yang kami punya berbicara tentang data latih dan kemampuan model menyimpulkan, bukan tentang nasib masukan pengguna.

Konsekuensinya untuk pohon di atas: cabang P3 disusun sebagai kehati-hatian yang masuk akal, bukan temuan penelitian. Kalau bagian TI kantormu punya jawaban yang lebih pasti tentang layanan yang kamu pakai — jawaban itu menang atas halaman ini.

Hal kedua yang tidak kami tanggung: kewajiban hukum. Bab ini bukan nasihat hukum. Dari UU PDP kami hanya memakai tiga definisi peran, bukan pasal kewajiban.

Dan tiga penakar dampak, tabel tiga bentuk delegasi, serta tabel tiga lapis data adalah kerangka orisinal kami — alat berpikir yang belum diuji siapa pun, bukan temuan penelitian.

Kartu saku

Salin tiga baris ini ke catatanmu:

1. Boleh keluar? Kalau data nyata orang lain harus ikut ditempel dan tidak bisa dipisah — berhenti di sini. 2. Seberapa buruk? Siapa yang kena · kapan ketahuan · bisa dibatalkan atau tidak. Ada kata "tidak bisa" → jangan delegasi penuh. 3. Bisa saya periksa? Sebut nama pemeriksanya. Tidak bisa menyebut → belum punya.

Periksa pemahamanmu

Ambil tugas yang kamu tulis di akhir bagian P1 dan kamu taksir di P2. Jalankan sekali lagi lewat pohon keputusan, kali ini urut P3 → P2 → P1, dan tulis satu kalimat: "Tugas ini saya delegasikan [penuh / sebagian / tidak sama sekali], karena ___."

Kalau kalimat itu tidak bisa kamu tulis dalam satu tarikan napas, biasanya penyebabnya satu dari dua hal: kamu belum menyebut nama pemeriksanya secara konkret, atau kamu belum menjawab jujur apakah kesalahannya bisa dibatalkan. Keduanya lebih murah diselesaikan sekarang daripada nanti.

Bagian ini merangkum P1, P2, dan P3 tanpa menambah sumber baru. Penanda sumber, tautan, dan status verifikasinya ada di sumber-dan-metode.md Bab 2. Materi ini disusun dengan bantuan AI dan bukan nasihat hukum.

Bab 2 · Latihan dan Rubrik Mandiri

Rangkaian ini menguji tiga pertanyaan Bab 2 dan urutan pemakaiannya. Sediakan sekitar 80 menit; jawaban hanya untuk pemeriksaan mandiri dan tidak dikirim kepada siapa pun.

Latihan 2.1 — Uji keterperiksaan (±15 menit)

Tujuan: Menentukan apakah keluaran dapat dibandingkan dengan bukti yang tersedia.

1. Baca lima pernyataan keluaran AI berikut.
2. “Batas pengumpulan laporan adalah Jumat pukul 15.00,” sesuai kalender proyek karangan yang ada di mejamu.
3. “Draf ketiga menghapus bagian lampiran,” sesuai riwayat versi dokumen karangan yang kamu simpan.
4. “Susunan ini adalah cara paling mudah dipahami oleh seluruh calon pembaca.”
5. “Tidak ada satu pun rumusan lain yang akan menghasilkan keputusan lebih baik.”
6. “Semua petugas di kantor cabang karangan memakai urutan kerja yang sama,” padahal satu-satunya cara memeriksanya adalah mengamati setiap petugas dan cabang.
7. Tentukan sumber pembanding dan status tiap pernyataan.
8. Isi tabel tanpa menilai kelancaran bahasanya.

Selesai kalau: lima baris terisi dan tiap status menyebut satu sumber pembanding konkret — atau, bila pembandingnya memang tidak ada, satu alasan spesifik mengapa pembanding itu tidak tersedia (misalnya “tidak ada daftar seluruh calon pembaca”). “Cek internet” tidak diterima sebagai keduanya.

Latihan 2.2 — Taksir dampak, pilih bentuk delegasi (±20 menit)

Tujuan: Memilih bentuk delegasi berdasarkan dampak jika keluaran salah.

1. Nilai siapa yang terkena, kapan kesalahan diketahui, dan biaya pembatalan untuk setiap tugas karangan.
2. Membuat tiga variasi judul untuk catatan ide pribadi yang belum dibagikan.
3. Merangkum notulen karangan menjadi draf agenda rapat internal; pemilik rapat memeriksa setiap butir sebelum mengirimnya.
4. Menjawab pertanyaan terbuka dengan jawaban panjang tentang kepatuhan bidang khusus, lalu mengirim jawabannya kepada mitra sebagai keputusan final tanpa pemeriksa berkeahlian domain.
5. Pilih Penuh, Sebagian, atau Tidak sama sekali.
6. Catat penakar yang paling menentukan pilihanmu.

Selesai kalau: tiga baris terisi dengan ketiga penakar (siapa yang kena, kapan ketahuan, biaya membatalkan) terisi pada setiap baris, dan tiap bentuk delegasi memiliki alasan yang menunjuk penakar mana yang paling menentukan pilihan itu.

Latihan 2.3 — Pisahkan bentuk dari data (±15 menit)

Tujuan: Meminta bantuan bentuk tanpa menyerahkan data nyata orang lain.

1. Pilih satu tugas pekerjaanmu yang datanya tidak boleh keluar.
2. Tandai unsur Bentuk, Contoh netral, dan Data nyata orang lain.
3. Tulis permintaan kepada AI hanya untuk bentuknya, memakai contoh yang jelas karangan.
4. Rencanakan pengisian data nyata secara mandiri setelah hasil diterima.

Selesai kalau: permintaan baru tidak memuat nama, nomor, atau nominal nyata, tetapi tugas tetap dapat diselesaikan.

Tugas nyata — Tiga pertanyaan atas satu tugas minggu ini (±30 menit)

Tujuan: Mengambil satu keputusan delegasi dengan menjalankan P3, P2, lalu P1 — urutan operasional yang diajarkan pada pohon keputusan bab ini.

1. Pilih satu tugas nyata minggu ini.
2. Jalankan P3: tulis data yang tidak akan ditempel ke AI dan cara mengisinya sendiri.
3. Jalankan P2: petakan siapa yang terkena, kapan salahnya diketahui, dan biaya pembatalannya.
4. Jalankan P1: tulis bagian keluaran yang akan diperiksa serta nama dokumen pembandingnya.
5. Ringkas keputusan dalam satu kalimat: “Saya memilih … karena …; saya tidak menempel …; saya memeriksa … ke ….”

Selesai kalau: keputusan terdiri dari satu kalimat, disusun menurut urutan P3 → P2 → P1, dan kamu dapat menunjuk bagian bab yang mendasari setiap bagiannya.

Rubrik penilaian mandiri

Kunci & contoh jawaban

Kunci L2.1:

1. Bisa diperiksa ke kalender proyek karangan karena waktu tercatat langsung.
2. Bisa diperiksa ke riwayat versi karena penghapusan lampiran terlihat langsung.
3. Tidak bisa diperiksa karena klaim tentang seluruh calon pembaca tidak punya pembanding yang ditetapkan.
4. Tidak bisa diperiksa karena semua rumusan alternatif yang mungkin tidak dapat dibandingkan.
5. Mahal diperiksa karena pengamatan setiap petugas dan cabang melampaui usaha mengerjakan tugas sendiri.

Kunci L2.2:

1. Penuh; hanya pembuat yang terkena dan ide belum dibagikan, sehingga pembatalannya ringan.
2. Sebagian; penerima internal terkena, tetapi pemeriksaan pemilik sebelum pengiriman membuat kesalahan cepat diketahui dan masih dapat dibatalkan.
3. Tidak sama sekali; mitra terkena keputusan final, kesalahan bisa terlambat diketahui, pembatalannya mahal, dan bidangnya menuntut keahlian domain.

Contoh Kuat L2.3: “Buat struktur tabel tindak lanjut dengan contoh ‘Pegawai A’, ‘Nomor X’, dan ‘RpX’; saya akan mengisi sendiri nama, nomor, serta nominal nyata di dokumen lokal.” Bentuk dan contoh netral dikerjakan AI; data nyata diisi pembaca.

Contoh Kuat tugas nyata: “Saya memilih delegasi sebagian karena agenda internal diperiksa sebelum dibagikan; saya tidak menempel nama maupun nomor kontak peserta; saya mencocokkan tanggal dan pemilik tugas ke notulen karangan.” Keputusan mengikuti P3, P2, lalu P1.

Usulan klaim baru

Tidak ada.

Tentang sumber & metode — Bab 2

Halaman ini menjelaskan asal bukti, proses penyusunan, dan batas Bab 2 ("Tiga pertanyaan sebelum mendelegasikan ke AI"). Daftar berikut bukan dukungan institusi terhadap materi kami.

Daftar sumber

Kutipan mentah yang kami pakai tersimpan di company/research/raw/nist-600-1-kutipan.md dan company/research/raw/uu-pdp-27-2022-kutipan.md. Catatan verifikasi lengkap ada di company/research/20260814-sumber-bab2-delegasi-ai.md.

Peta klaim → sumber

Bukan klaim bersumber — kerangka orisinal kami, tidak diuji siapa pun dan tidak berasal dari sumber mana pun: tiga syarat pemeriksa yang sah (P1), tiga penakar dampak dan tabel tiga bentuk delegasi (P2), tabel tiga lapis data serta tiga pertanyaan cepat (P3), dan seluruh pohon keputusan serta matriks di penutup.md. Urutan MAP → MEASURE → MANAGE kami pinjam dari C sebagai cara berpikir, tetapi penerapannya ke tingkat satu karyawan adalah adaptasi turun-skala oleh kami, bukan anjuran NIST.

Bagaimana bab ini disusun

• Materi disusun dengan bantuan AI. Tidak ada pakar manusia yang meninjau isinya; kami tidak mengklaim penulis, gelar, testimoni, atau logo institusi.
• Setiap URL di tabel di atas dibuka langsung dari server kami dan isinya dicocokkan dengan klaim yang dikutip. Sumber yang tidak terbuka atau tidak memuat klaim tersebut dibuang.
• Dalam naskah, temuan penelitian, keterangan lembaga standar, dan pendapat kami dibedakan secara eksplisit. Kalimat "ini kerangka kami" bukan basa-basi kerendahan hati — itu penanda status bukti.
• Klaim yang buktinya tipis ditandai [BUKTI LEMAH] di badan naskah dan tidak dihaluskan dengan bahasa yang terdengar meyakinkan.
• Metode kami terbatas pada pembacaan sumber. Kami tidak melakukan penelitian primer, tidak mengumpulkan data pengguna, dan tidak menguji ulang temuan peneliti.

Batas bukti dan apa yang belum tercakup

• Perlakuan penyedia layanan AI atas masukan pengguna: BELUM TERTUTUP [BUKTI LEMAH]. Ini celah terbesar Bab 2. Sumber D berbicara tentang data latih dan inferensi model, bukan tentang apa yang terjadi pada kalimat yang kamu ketik hari ini. Aturan kerja di P3 karena itu disajikan sebagai kehati-hatian, bukan temuan.
• Kewajiban hukum di Indonesia: BELUM TERTUTUP. Dari E kami hanya memakai tiga definisi peran. Salinan resmi yang dapat kami akses adalah hasil pindai dengan OCR rusak pada pasal-pasal kewajiban; mengutipnya berarti menebak isi undang-undang, dan itu tidak kami lakukan.
• A adalah pracetak dan berupa kerangka serta agenda pengukuran — bukan studi berangka. Ia tidak dapat membuktikan berapa persen orang gagal memeriksa keluaran AI.
• B bukan studi peer-review, bagian surveinya mengandalkan laporan mandiri organisasi, dan respondennya mayoritas global — bukan potret kantor Indonesia. Angka 233 adalah insiden yang dilaporkan, bukan jumlah sebenarnya; kenaikannya bisa sebagian mencerminkan pelaporan yang membaik. Angka-angka itu dari edisi 2025; edisi lebih baru kemungkinan sudah mengubahnya.
• C dan D adalah dokumen kerangka untuk organisasi, bukan penelitian empiris: tidak ada angka frekuensi, ukuran efek, maupun sampel. Keduanya standar AS yang bersifat sukarela dan tidak mengikat di Indonesia. [BUKTI LEMAH] berlaku untuk klaim apa pun soal isi AI RMF di luar keempat fungsi intinya — kami baru memverifikasi halaman ikhtisarnya, bukan seluruh dokumen inti.
• Semua sumber disusun dalam konteks berbahasa Inggris (kecuali E). Yang ditunjukkannya adalah mekanisme — mengapa kesalahan mungkin dan mengapa pemeriksaan sulit — bukan seberapa sering hal itu terjadi pada pekerja kantor Indonesia.
• Belum tercakup: data adopsi AI di dunia kerja Indonesia, panduan sektoral (kesehatan, hukum, keuangan), dan cara kerja teknis mitigasi di sisi penyedia.

Terakhir diperiksa

Terakhir diperiksa: 14 Agustus 2026.

Disklaimer

Bab ini adalah materi belajar umum. Bukan nasihat hukum, medis, atau keuangan profesional. Untuk kewajiban hukum atas data pribadi, rujuk teks resmi peraturan dan penasihat hukum, bukan materi ini. Isi dapat usang ketika aturan, model, dan ketentuan layanan berubah.

Bab 3 — Menulis instruksi yang bisa diulang

Tujuan belajar bab ini

Setelah bab ini pembaca bisa:

1. Membedah satu instruksi AI miliknya sendiri menjadi enam bagian (peran, tugas, bahan, batasan, bentuk keluaran, contoh) dan menyebut bagian mana yang hilang.
2. Menulis ulang satu instruksi sekali-jadi menjadi templat dengan minimal dua slot isian bertanda {...} yang bisa dipakai lagi minggu depan.
3. Menguji keterulangan templat itu: menjalankannya dua kali pada dua bahan berbeda dan menilai apakah bentuk keluarannya sama walau isinya beda.
4. Menyimpan templat yang lulus ke satu berkas catatan pribadi dengan format yang ditentukan bab ini.

Keempat butir itu terukur karena butir 2–4 meninggalkan barang bukti yang bisa kamu periksa sendiri tanpa penilai: satu templat, dua keluaran, satu baris catatan. Kalau ketiganya tidak ada di layarmu saat bab ini selesai, bab ini belum selesai.

Bab 3 · Dari mantra ke resep

Hari Selasa sore kamu berhasil. Setelah tujuh kali bongkar-pasang kalimat, asisten AI yang kamu pakai akhirnya mengeluarkan ringkasan notulen rapat yang rapi: keputusan di atas, penanggung jawab di tengah, tenggat di bawah. Kamu salin ke grup, dapat jempol dari atasan, tutup laptop.

Selasa berikutnya kamu buka lagi. Rapatnya sama, formatnya sama, tapi kalimat saktinya sudah hilang — tertimbun riwayat percakapan, dan kamu cuma ingat kira-kira bunyinya. Tujuh kali bongkar-pasang itu terulang dari nol.

Yang kamu punya minggu lalu bukan keterampilan. Itu mantra: kalimat yang kebetulan bekerja sekali, tidak dicatat, tidak bisa diwariskan ke siapa pun, termasuk ke dirimu sendiri tujuh hari kemudian. Bab ini memindahkan kamu dari mantra ke resep — sesuatu yang tertulis, punya bagian-bagian bernama, dan memberi hasil dengan bentuk yang sama walau bahannya ganti.

Definisi kerja

Sepanjang bab ini, instruksi yang bisa diulang berarti satu hal yang sempit dan bisa diperiksa:

Templat berslot yang, dijalankan pada bahan berbeda, menghasilkan keluaran dengan bentuk yang sama.

Tiga kata di situ dipilih dengan sengaja. Templat berarti tersimpan sebagai teks, bukan diingat. Berslot berarti ada bagian yang jelas ditandai untuk diganti — {notulen mentah}, {nama proyek} — sehingga kamu tahu persis apa yang boleh berubah dan apa yang harus tetap. Bentuk berarti susunan keluarannya: jumlah bagian, urutannya, panjangnya, ada-tidaknya tabel. Isinya tentu berbeda tiap minggu; yang diuji bukan isinya.

Batas bab

Bab ini tidak mengajarkan cara memeriksa kebenaran isi keluaran — itu Bab 4. Bab 3 berhenti di keterulangan bentuk.

Pembatas ini penting sampai perlu diulang dengan kalimat lain: instruksi yang rapi bukan jaminan jawaban yang benar. Templat yang bagus membuat AI salah dengan cara yang konsisten dan enak dibaca — nama yang tidak pernah disebut di rapat tetap bisa muncul sebagai penanggung jawab, dalam kolom yang tepat, dengan huruf tebal yang meyakinkan. Kerapian justru membuat kesalahan itu lebih sulit kamu tangkap. Karena itu keterulangan dan kebenaran dilatih terpisah, dan urutannya sengaja begini: rapikan dulu bentuknya supaya ada yang stabil untuk diperiksa, baru periksa isinya.

Dipakai kapan

Bab ini dipakai setelah sebuah tugas lulus tiga pertanyaan Bab 2 — kalau tugas itu belum layak didelegasikan sama sekali, membuatkannya templat hanya mempercepat pekerjaan yang seharusnya tidak dikerjakan AI.

Bab 3 · Enam bagian sebuah instruksi

Instruksi yang sulit diulang biasanya bukan kekurangan kata. Masalahnya, ada keputusan penting yang hanya tersimpan di kepala orang yang menulisnya. Ia tahu rapat mana yang dimaksud, siapa pembacanya, dan bentuk ringkasan yang disukai atasan. Asisten AI yang kamu pakai tidak menerima pengetahuan tak tertulis itu. Akibatnya, ia harus menebak. Tebakan tersebut mungkin terlihat masuk akal pada percobaan pertama, tetapi berubah ketika bahan atau percakapannya berganti.

Enam bagian di bawah membantu memindahkan keputusan itu dari kepala ke teks. Daftar ini bukan mantra baru dan bukan syarat agar setiap instruksi menjadi panjang. Pakai sebagai alat bedah: tunjuk setiap bagian yang sudah ada, lalu putuskan apakah bagian yang kosong memang bebas ditebak atau perlu ditulis.

Peran: memilih sudut kerja

Peran menyatakan sudut kerja yang relevan, bukan menyuruh AI berpura-pura menjadi tokoh terkenal atau pemegang kewenangan. “Sekretaris rapat yang teliti” lebih berguna daripada “pakar kelas dunia”, sebab yang pertama mengarahkan perhatian pada keputusan, penanggung jawab, dan tenggat. Peran juga tidak boleh dipakai untuk mengakali batas: menyebut “penasihat hukum” tidak membuat keluaran menjadi nasihat profesional.

[BUKTI LEMAH] Peran adalah bagian yang paling lemah dasar buktinya dalam materi ini. Kami belum memiliki sumber terverifikasi yang menopang anjuran tersebut, dan S3 tidak kami kutip untuk klaim ini. Perlakukan peran sebagai pilihan perancangan yang perlu diuji, bukan teknik yang sudah terbukti. Kalau tugas dan bentuk keluaran sudah cukup jelas, hapus peran lalu bandingkan hasilnya. Simpan hanya jika ada perubahan bentuk yang memang kamu butuhkan.

Tugas: memakai kata kerja yang bisa diperiksa

Tugas adalah pusat instruksi. Mulailah dengan kata kerja yang meninggalkan hasil terlihat: ringkas, kelompokkan, ubah, tandai, atau susun. “Bantu saya dengan rapat ini” tidak menjelaskan kapan pekerjaan selesai. “Susun notulen dan daftar tindakan dari catatan rapat ini” memberi dua benda yang bisa dicari pada keluaran.

Satu instruksi boleh memuat beberapa tindakan bila urutannya jelas. Namun, jangan menyembunyikan rangkaian keputusan besar di balik satu kata. “Analisis” bisa berarti mencari tema, membandingkan pilihan, memeriksa angka, atau memberi rekomendasi. Tulis tindakan yang benar-benar kamu perlukan. Makin mudah hasilnya ditunjuk, makin mudah pula templat dipakai ulang oleh rekan kerja.

Bahan: membatasi wilayah kerja

Bahan adalah isi yang berubah setiap kali templat dipakai: catatan rapat, daftar keluhan pelanggan, draf surel, atau tabel proyek. Tandai bahan dengan awal dan akhir yang jelas. Saat templat disimpan, gantikan isi sementara dengan slot seperti {catatan-rapat}. Dengan begitu, orang berikutnya tahu apa yang harus diganti tanpa merusak aturan yang tetap.

Tuliskan juga hubungan AI dengan bahan itu. Frasa “gunakan hanya catatan di bawah” berbeda dari “gunakan catatan ini sebagai bahan awal”. Yang pertama menutup sumber lain; yang kedua masih membuka ruang penambahan. Untuk notulen, pilihan pertama biasanya lebih mudah diperiksa karena setiap butir hasil harus bisa dilacak kembali ke catatan. Ini belum membuktikan isinya benar, tetapi membuat batas pemeriksaan lebih jelas.

Batasan: menyebut pagar yang berarti

Batasan menjawab apa yang tidak boleh berubah dan apa yang harus dilakukan saat bahan tidak cukup. Pilih pagar yang terkait dengan risiko tugas. Pada notulen, larangan mengarang nama, keputusan, dan tenggat lebih berarti daripada perintah kabur seperti “jangan membuat kesalahan”. Tambahkan perilaku ketika data hilang: tulis “belum disebut”, jangan melengkapinya dengan tebakan.

Batasan bukan tempat menumpuk semua kekhawatiran. Terlalu banyak larangan yang saling tumpang tindih membuat bagian terpenting sulit ditemukan. Untuk setiap batasan, tanyakan: kesalahan spesifik apa yang dicegah, dan apakah kesalahan itu bisa diperiksa pada hasil? Kalau jawabannya tidak jelas, perbaiki kalimatnya atau hapus.

Bentuk keluaran: mengunci wadah

Bentuk keluaran menentukan wadah, bukan isi. Sebut urutan bagian, nama kolom, panjang yang relevan, dan penanda untuk informasi yang hilang. Untuk pekerjaan berulang, inilah bagian yang membuat dua keluaran dapat dibandingkan. Catatan minggu ini dan minggu depan boleh membahas proyek berbeda, tetapi keduanya tetap memiliki bagian keputusan, tindakan, dan isu terbuka.

Hindari kata “rapi” atau “profesional” sebagai satu-satunya petunjuk bentuk. Dua orang dapat menafsirkan rapi secara berbeda. Nama bagian dan urutan kolom lebih mudah diamati. Kunci secukupnya: bila hasil akan ditempel ke aplikasi yang punya kolom tetap, tulis format dengan ketat; bila hasil masih akan disunting, ruang gerak yang lebih longgar mungkin justru berguna.

Contoh: menunjukkan pola yang susah dijelaskan

Contoh adalah potongan pasangan masukan dan keluaran yang dikehendaki. Ia berguna ketika aturan bentuk masih dapat ditafsirkan dengan beberapa cara. Satu baris contoh dapat menunjukkan bahwa “tindakan” harus memisahkan pemilik, pekerjaan, dan tenggat tanpa perlu paragraf penjelasan tambahan.

Contoh bukan sumber fakta untuk tugas berikutnya. Pakai nama dan isi karangan, lalu katakan bahwa semuanya karangan. Jangan biarkan tanggal, nama, atau status dari contoh tersalin ke notulen nyata. Jika polanya sudah sederhana dan jelas dari bentuk keluaran, bagian contoh boleh dikosongkan. Enam bagian ini adalah daftar pertanyaan, bukan enam hiasan wajib.

Bedah utuh: notulen PT Sinar Kirana

Kasus berikut sepenuhnya karangan: PT Sinar Kirana, nama orang, proyek, tanggal, dan isi rapat tidak merujuk perusahaan atau orang nyata. Bayangkan catatan rapat koordinasi mingguan akan dikirim kepada tim setelah diperiksa manusia.

Versi mentah (satu kalimat): Buatkan notulen dari rapat ini supaya rapi dan bisa dikirim ke tim.

Kalimat itu memiliki tugas secara samar, tetapi tidak membawa bahan, pagar, atau bentuk yang bisa dipakai ulang. Kata “rapi” menyerahkan keputusan tampilan pada AI. Penulisnya mungkin memperoleh notulen yang enak dibaca hari ini, tetapi tidak punya dasar untuk mengharapkan susunan yang sama minggu depan. Berikut versi yang memindahkan enam keputusan penting ke dalam teks.

Peran:
Bertindak sebagai sekretaris rapat yang teliti.

Tugas:
Ubah catatan rapat koordinasi mingguan PT Sinar Kirana menjadi notulen.

Bahan:
Gunakan hanya isi di antara penanda MULAI CATATAN dan SELESAI CATATAN.
MULAI CATATAN
Nadia: draf katalog Proyek Lazuardi selesai Kamis.
Bagus memeriksa harga sebelum Jumat. Mira menunggu foto produk dari tim studio.
Keputusan: peluncuran tetap Senin bila foto diterima Jumat pukul 15.00.
SELESAI CATATAN

Batasan:
Jangan menambah nama, keputusan, alasan, atau tenggat yang tidak tertulis.
Jika penanggung jawab atau tenggat tidak disebut, tulis “belum disebut”.
Semua identitas dan isi pada contoh latihan ini adalah karangan.

Bentuk keluaran:
Susun tepat tiga bagian dengan urutan berikut:
1. Keputusan — daftar butir.
2. Tindakan — tabel berkolom Penanggung jawab | Tindakan | Tenggat.
3. Isu terbuka — daftar informasi yang masih ditunggu.
Jangan tambahkan pembuka atau penutup.

Contoh:
Masukan: “Raka mengirim rancangan pada Selasa.”
Baris tindakan: “Raka | Mengirim rancangan | Selasa”.
Nama dan isi contoh ini karangan; tiru bentuknya, bukan faktanya.

Sekarang keenam bagian dapat diperiksa satu per satu. Peran menetapkan sudut kerja, tugas menyebut hasil, bahan memagari sumber, batasan menentukan perilaku saat informasi kurang, bentuk keluaran mengunci susunan, dan contoh memperlihatkan satu baris yang benar secara struktural. Minggu depan isi di antara penanda dapat diganti tanpa menulis ulang lima bagian lainnya.

Tetap ada pekerjaan manusia. Sebelum mengirim hasil, cocokkan setiap keputusan, nama, dan tenggat dengan catatan asli. Bab ini baru membuat bentuk instruksi terlihat dan dapat diulang; ia belum menilai kebenaran notulen. Untuk saat ini, uji yang tepat lebih sempit: bisakah orang lain menunjukkan keenam bagiannya, mengganti bahannya, lalu memperoleh wadah keluaran yang sama?

Bab 3 · Tiga pola yang layak dihafal

Enam bagian instruksi adalah daftar periksa. Tiga pola berikut adalah gerakan yang dipakai berulang kali di dalam daftar itu — cukup sedikit untuk dihafal, cukup umum untuk dipakai pada hampir semua pekerjaan kantor yang berulang. Ketiganya punya nama teknis dalam literatur prompting, dan nama itu kami ambil dari satu sumber saja: survei The Prompt Report (Schulhoff dkk., arXiv:2406.06608, versi 6). Sumber tersebut merangkum teknik yang dipakai orang, bukan membuktikan bahwa satu susunan instruksi selalu lebih baik daripada yang lain. Karena itu, kalimat "pola ini membantu" di bawah ditulis sebagai konsensus praktik, bukan temuan penelitian — dan setiap pola datang dengan kondisi ketika sebaiknya tidak dipakai.

Satu peringatan sebelum mulai. Survei yang sama mencatat, pada bagian sensitivitas prompt, bahwa perubahan kecil pada instruksi — spasi, kapitalisasi, pembatas, atau pilihan sinonim — "can significantly impact performance" (§5.2.1). Artinya hasil ketiga pola ini bergantung pada model, tugas, dan detail penulisan. Pola bukan jaminan; pola adalah titik awal yang lebih baik daripada menulis dari nol setiap minggu.

Pola 1 — Beri contoh dulu

Kapan dipakai: ketika bentuk keluaran yang kamu mau lebih mudah diperlihatkan lewat satu contoh daripada dijelaskan lewat aturan.

Ubah setiap keluhan pelanggan menjadi satu baris ringkas.

Contoh:
Masukan: "Paketnya telat tiga hari dan kurirnya tidak mengangkat telepon."
Keluaran: Pengiriman | telat 3 hari | kurir sulit dihubungi

Masukan: "Aplikasi keluar sendiri tiap saya buka menu riwayat."
Keluaran: Aplikasi | keluar sendiri | menu riwayat

Sekarang kerjakan daftar berikut dengan bentuk yang sama:
{daftar-keluhan}

Apa yang berubah pada keluaran: susunan baris menjadi seragam sejak percobaan pertama, sehingga hasilnya bisa langsung ditempel ke kolom spreadsheet tanpa dirapikan ulang. Istilah teknisnya few-shot prompting — survei tersebut mendefinisikannya sebagai menyelesaikan tugas "with only a few examples (exemplars)" (§2.2.1).

Jangan dipakai kalau: contohnya terlalu mirip satu sama lain sehingga menyempitkan pekerjaan — misalnya tiga contoh yang semuanya keluhan pengiriman, padahal daftar aslinya juga memuat keluhan tagihan.

Dua catatan praktis. Pertama, dua sampai tiga contoh biasanya sudah cukup; menempelkan sepuluh contoh membuat instruksi berat dan lebih sulit disunting rekan kerja. Kedua, isi contoh harus karangan atau data yang sudah boleh disebarkan. Contoh ikut terkirim setiap kali templat dipakai, jadi jangan menaruh nama pelanggan, nomor kontrak, atau angka internal di sana.

Ada juga cara memilih contoh yang membedakan templat berguna dari templat setengah jadi. Pilih contoh yang mewakili kasus sulit, bukan kasus termudah. Satu keluhan yang menyebut dua masalah sekaligus mengajarkan lebih banyak daripada tiga keluhan yang masing-masing hanya menyebut satu hal, karena ia sekalian menunjukkan apa yang harus dilakukan ketika satu masukan tidak rapi. Kalau pekerjaanmu punya kasus batas yang selalu bikin ragu — keluhan tanpa tanggal, catatan rapat tanpa penanggung jawab — jadikan salah satunya contoh, lengkap dengan keluaran yang kamu anggap benar untuk kasus itu.

Pola 2 — Minta langkahnya, bukan cuma hasilnya

Kapan dipakai: ketika pekerjaan punya beberapa tahap yang perlu diperiksa manusia — memilah, membandingkan, lalu menyimpulkan — dan kesalahan di tahap awal akan terbawa ke jawaban akhir.

Tentukan tiga keluhan yang paling mendesak dari daftar berikut.

Kerjakan dengan urutan ini dan tampilkan hasil tiap langkah:
1. Kelompokkan keluhan menurut jenis masalah.
2. Untuk tiap kelompok, tulis jumlah keluhan dan dampak yang disebut pelanggan.
3. Baru setelah itu, pilih tiga yang paling mendesak dan sebut alasannya
   dengan menunjuk angka pada langkah 2.

{daftar-keluhan}

Apa yang berubah pada keluaran: jawaban tidak lagi berupa tiga butir yang muncul begitu saja, melainkan disertai bahan pemeriksaan — kelompok dan angka yang bisa dicocokkan sendiri dengan daftar asli. Kalau pengelompokannya salah, kesalahan itu terlihat sebelum kesimpulan diambil.

Jangan dipakai kalau: tugasnya sudah satu langkah, seperti mengubah format tanggal, karena permintaan langkah hanya menambah teks yang harus dibaca tanpa menambah hal yang bisa diperiksa.

Kalimat pemicu seperti "kerjakan langkah demi langkah" disebut thought inducer dalam survei tersebut, yaitu "instructions that cause the model to generate reasoning steps" (§6.1.1). Perhatikan kata generate. Yang keluar adalah teks langkah kerja, bukan jendela ke proses internal model. Karena itu langkah yang tertulis rapi tidak membuktikan penalarannya benar; ia hanya memberi kita lebih banyak permukaan untuk diperiksa. Untuk pekerjaan kantor, permukaan tambahan itulah manfaat utamanya — dan sebaiknya diminta dalam bentuk yang terpisah jelas dari jawaban akhir, supaya bagian yang dikirim ke atasan mudah dipotong.

Pola 3 — Kunci bentuk keluarannya

Kapan dipakai: ketika hasilnya akan dipakai berulang di tempat yang sama — kolom spreadsheet, badan surel mingguan, atau slide dengan bagian tetap.

Bentuk keluaran:
Kembalikan tepat satu tabel, tanpa kalimat pembuka atau penutup.
Kolom, urut: Jenis masalah | Jumlah | Contoh keluhan | Tindakan usulan.
Satu baris untuk tiap jenis masalah, maksimal delapan baris.
Kalau sebuah kolom tidak bisa diisi dari bahan, tulis "belum disebut".

Apa yang berubah pada keluaran: keluaran minggu ini dan minggu depan memiliki wadah yang sama meski isinya berbeda, sehingga dua hasil bisa ditumpuk dan dibandingkan tanpa penyuntingan manual. Pola ini juga memindahkan keputusan tampilan dari kepala penulis ke teks templat, yang membuat templat bisa diserahkan ke rekan kerja.

Jangan dipakai kalau: kamu masih mencari bentuk yang tepat — mengunci format terlalu dini menyembunyikan kemungkinan susunan yang lebih berguna yang belum terpikirkan.

Bagian yang paling sering dilupakan adalah aturan untuk data kosong. Tanpa kalimat "kalau tidak bisa diisi, tulis belum disebut", kolom kosong adalah undangan untuk ditebak. Aturan kecil itu mengubah kekosongan menjadi penanda yang terlihat, dan penanda yang terlihat jauh lebih mudah diperiksa daripada kalimat halus yang kebetulan terdengar meyakinkan.

Kunci bentuk secukupnya, sesuai tujuan pemakaian hasilnya. Kalau keluaran akan ditempel langsung ke aplikasi berkolom tetap, sebut nama kolom dan urutannya dengan ketat, termasuk larangan menambah pembuka atau penutup. Kalau keluaran masih akan disunting manusia sebelum dikirim, kunci cukup pada nama bagian dan urutannya saja; membatasi jumlah kata sekaligus sering membuat isi yang penting terpotong tanpa diberi tahu. Aturan sederhananya: kunci hal yang akan menyakitkan kalau berubah, biarkan longgar hal yang memang perlu menyesuaikan bahan.

Menggabungkan ketiganya

Ketiga pola tidak bersaing; semuanya bisa hidup dalam satu instruksi. Susunan yang paling sering berguna: kunci bentuk keluaran lebih dulu, tambahkan satu contoh kalau bentuk itu masih bisa ditafsirkan dua cara, lalu minta langkah hanya untuk tugas yang memang bertahap. Kalau ketiganya dipakai sekaligus pada tugas sederhana, instruksi menjadi panjang tanpa menambah apa pun yang bisa diperiksa — dan instruksi panjang lebih jarang dipakai ulang oleh orang lain.

Cara memilih tidak perlu rumit: tanyakan kesalahan apa yang paling mengganggu pada hasil minggu lalu. Bentuk yang berubah-ubah menunjuk ke Pola 3. Bentuk yang benar tetapi isi yang meleset sejak tahap awal menunjuk ke Pola 2. Hasil yang "hampir benar" tetapi susunannya sulit dijelaskan dengan aturan menunjuk ke Pola 1. Satu pola per perbaikan, lalu jalankan lagi. Bagian berikutnya menjelaskan cara menjalankan uji itu supaya jawabannya tidak bergantung pada kesan sesaat.

Bab 3 · Menguji ulang: benarkah bisa diulang?

Templat baru belum layak disebut bisa diulang hanya karena menghasilkan satu jawaban yang rapi. Uji yang lebih berguna adalah memberinya dua bahan yang berbeda, lalu memeriksa apakah keduanya kembali dalam wadah yang sama. Bagian sebelumnya memakai templat keluhan pelanggan dengan tiga kolom: jenis masalah, ringkasan masalah, dan konteks. Kita akan melanjutkan contoh itu, bukan membuat kasus baru.

Tujuan pengujian ini sederhana: rekan kerja yang memakai templat minggu depan seharusnya tahu di mana menemukan setiap unsur keluaran tanpa menebak-nebak. Isinya tentu berubah mengikuti keluhan yang masuk. Yang tidak semestinya berubah adalah urutan kolom, jumlah baris untuk setiap masukan, penanda data yang tidak tersedia, serta ada atau tidaknya kalimat tambahan di luar hasil.

Prosedur uji dua bahan

1. Tulis templat yang hendak diuji. Salin versi yang benar-benar akan dipakai, bukan versi yang masih tersimpan di kepala. Untuk contoh ini, tulis instruksi agar setiap keluhan menjadi tepat satu baris dengan urutan Jenis masalah | Ringkasan masalah | Konteks. Tambahkan aturan bahwa data yang tidak tersedia harus ditulis belum disebut, dan larang kalimat pembuka atau penutup. Jangan memperbaiki templat selama satu putaran uji berjalan; perubahan di tengah uji membuat dua hasil tidak lagi dapat dibandingkan secara adil.

2. Siapkan dua bahan yang berbeda. Bahan A dapat berisi keluhan pengiriman yang menyebut keterlambatan dan kurir. Bahan B dapat berisi keluhan aplikasi yang keluar sendiri, tanpa menyebut perangkat atau waktu kejadian. Perbedaan ini disengaja: templat harus tetap bekerja ketika kategori dan kelengkapan informasinya berubah. Hapus nama, nomor pesanan, alamat, dan data pelanggan lain sebelum bahan dimasukkan. Pertahankan tingkat kesulitan yang wajar; jangan membuat B sebagai salinan A dengan mengganti satu kata.

3. Jalankan templat dua kali. Masukkan Bahan A pada salinan pertama dan Bahan B pada salinan kedua. Gunakan teks templat yang persis sama. Simpan kedua keluaran apa adanya sebelum menyunting salah satunya. Bila hasil langsung dirapikan, kita kehilangan bukti mengenai perilaku templat. Survei The Prompt Report mencatat sensitivitas terhadap perubahan kecil dalam prompt (§5.2.1); itulah alasan pengujian perlu menjaga instruksi tetap dan mengganti hanya bahannya.

4. Bandingkan bentuk, bukan isi. Abaikan apakah satu hasil membahas paket dan hasil lain membahas aplikasi. Tandai unsur yang seharusnya tetap: nama dan urutan kolom, satu baris per keluhan, penanda belum disebut, serta larangan teks di luar tabel. Jangan memberi nilai berdasarkan kalimat mana yang terasa lebih bagus. Pertanyaan uji bukan “apakah A dan B mengatakan hal yang sama?”, melainkan “apakah pembaca dapat mengambil unsur yang sama dari tempat yang sama?” Catat setiap perbedaan bentuk secara harfiah agar perbaikannya jelas.

5. Simpan atau perbaiki. Simpan templat bila seluruh unsur bentuk penting konsisten. Jika tidak, ubah satu aturan yang paling langsung menyasar kegagalan, lalu ulangi kelima langkah dari awal. Misalnya, bila Keluaran B menghilangkan kolom konteks karena bahannya tidak lengkap, tambahkan aturan penanda data kosong; bila muncul paragraf pembuka, tegaskan “tanpa kalimat pembuka atau penutup”. Jangan menumpuk banyak aturan sekaligus. Satu perubahan per putaran membantu menunjukkan aturan mana yang benar-benar memperbaiki bentuk.

Hasil pencatatan satu putaran dapat terlihat seperti ini:

Baris terakhir menunjukkan kegagalan yang berguna. Walaupun nama kolom sama, ringkasan belum mempunyai bentuk yang stabil. Perbaikan berikutnya dapat menyebut “ringkasan berupa frasa tanpa tanda titik, maksimal satu masalah utama”. Sesudah itu, jalankan lagi kedua bahan. Jangan mengubah hasil lama agar terlihat lulus; hasil lama adalah catatan mengapa versi templat berubah.

Format simpan templat

Templat yang lulus perlu disimpan bersama konteks pemakaiannya. Lima medan berikut cukup untuk menemukan, memakai, dan menguji ulang tanpa membuat sistem dokumentasi yang berat:

nama: Ringkas keluhan pelanggan menjadi tiga kolom
dipakai-untuk: Menyiapkan daftar keluhan sebelum rekap mingguan
slot: {daftar-keluhan}
terakhir-diuji: 2026-08-14
catatan: Lulus pada bahan pengiriman dan aplikasi; uji ulang jika format rekap berubah

nama membedakan templat dari instruksi lain. dipakai-untuk membatasi tugas yang cocok. slot menunjukkan bagian yang boleh diganti tanpa menyentuh aturan. terakhir-diuji mencegah versi lama dianggap selalu berlaku. catatan menyimpan kondisi uji dan alasan revisi terakhir. Jika satu tim menyimpan templat di folder bersama, kelima medan itu juga membantu rekan kerja memilih versi yang benar tanpa membaca seluruh riwayat percobaan.

Keluaran AI tidak deterministik: instruksi dan bahan yang sama pun dapat menghasilkan pilihan kata yang berbeda. Karena itu, uji ini menilai kesamaan struktur, bukan kesamaan kalimat atau isi. Lulus uji struktur juga tidak berarti isi keluarannya benar, lengkap, atau aman dipakai. Pemeriksaan fakta, kecocokan dengan sumber, dan keputusan untuk menerima atau menolak isi dibahas secara khusus di Bab 4. Templat yang stabil hanya membuat kesalahan lebih mudah ditemukan di tempat yang konsisten; ia tidak menghapus kewajiban memeriksa.

Bab 3 · Penutup: Kartu saku instruksi

Tujuan belajar bagian ini. Setelah membaca, kamu bisa memeriksa satu instruksi milikmu sendiri terhadap enam bagian tanpa membuka lagi halaman sebelumnya, lalu memutuskan bagian mana yang perlu ditambahkan.

Bagian ini tidak menambahkan pola, istilah, atau sumber baru. Semuanya sudah ada di empat bagian sebelumnya; di sini semuanya dipadatkan jadi satu layar yang bisa kamu tempel di dekat meja kerja.

Kartu saku enam bagian

Cara pakainya satu menit: baca instruksimu, centang bagian yang ada, tulis ulang yang kosong. Kolom paling kanan sengaja tidak berisi definisi, melainkan gejalanya — karena begitulah bagian yang hilang biasanya kamu temukan. Kamu jarang menyadari "instruksi ini tidak menyebut Batasan"; yang kamu sadari adalah kolom yang mestinya kosong tiba-tiba berisi tebakan. Bekerja mundur dari gejala ke bagian lebih cepat daripada membaca ulang instruksimu baris demi baris.

Dari enam bagian itu, hanya tiga yang harus kamu tulis ulang tiap kali: Bahan, dan dua slot isian yang menyesuaikan pekerjaan minggu itu. Tiga sisanya — Peran, Batasan, Bentuk keluaran — ditulis sekali lalu dipakai berulang. Di situlah selisih waktu antara menulis instruksi baru setiap Senin dan memanggil templat yang sudah tersimpan.

Bagian yang paling sering hilang di instruksi kantor adalah Batasan dan Contoh — dua bagian yang justru paling menentukan apakah keluaran minggu depan masih sebentuk dengan keluaran hari ini.

Dan ingat batas bab ini: instruksi yang lengkap enam bagiannya dan lulus uji dua bahan hanya membuktikan bentuknya stabil. Apakah isinya benar adalah urusan Bab 4, dan tidak ada satu pun baris di tabel atas yang menanggungnya.

Periksa pemahamanmu

Ambil templat yang kamu simpan di akhir bagian pengujian ulang, cocokkan dengan enam baris tabel di atas, lalu tulis satu kalimat: "Templat ini kehilangan bagian ___, dan itu terlihat dari ___."

Kalau kamu tidak bisa menyebut satu pun bagian yang hilang, uji lagi templatmu pada bahan ketiga yang paling tidak biasa — biasanya di situ bagian yang hilang baru menampakkan diri.

Bagian ini merangkum Bab 3 tanpa menambah sumber baru. Penanda sumber, tautan, dan status verifikasinya ada di sumber-dan-metode.md Bab 3. Materi ini disusun dengan bantuan AI.

Bab 3 · Latihan dan Rubrik Mandiri

Rangkaian ini mengubah satu instruksi milikmu menjadi templat yang dapat diuji dan disimpan. Gunakan bahan karangan atau bahan kerja yang sudah dibersihkan dari data orang lain. Jawaban cukup untuk pemeriksaan mandiri.

Latihan 3.1 — Bedah satu instruksimu sendiri (±15 menit)

Tujuan: Menemukan bagian yang sudah ada dan yang masih hilang dari satu instruksi.

1. Pilih satu instruksi yang pernah kamu pakai untuk tugas kantor.
2. Salin potongannya ke kolom yang sesuai; jangan menambah isi yang belum ada.
3. Tulis “hilang” pada bagian yang tidak dapat ditunjuk di dalam instruksi.
4. Buat daftar bagian yang bertanda “hilang” di bawah tabel.

Selesai kalau: keenam kolom terisi dengan potongan asli atau kata “hilang”, lalu semua bagian yang hilang tercatat dalam satu daftar.

Latihan 3.2 — Ubah jadi templat berslot (±20 menit)

Tujuan: Menulis ulang instruksi sekali-jadi sebagai templat dengan sedikitnya dua bagian yang dapat diganti.

1. Pakai hasil bedah Latihan 3.1 dan lengkapi bagian yang memang tidak boleh ditebak.
2. Ganti bahan sementara dengan slot {catatan-rapat}.
3. Ganti penerima sementara dengan slot {penerima-ringkasan}.
4. Pastikan aturan yang tetap berada di luar slot, lalu salin templat utuh ke catatanmu.

Selesai kalau: templat utuh memuat minimal dua slot {...} yang dapat diganti tanpa mengubah tugas, batasan, atau bentuk keluaran.

Latihan 3.3 — Pasang satu pola, lihat bedanya (±15 menit)

Tujuan: Memasang satu pola bab ini dan mencatat perubahan bentuk keluaran yang dapat diamati.

1. Jalankan templat Latihan 3.2 sekali dan simpan keluarannya sebagai versi awal.
2. Pilih Pola 3 — Kunci bentuk keluarannya.
3. Tambahkan nama bagian, urutan bagian, dan aturan untuk informasi yang tidak tersedia.
4. Jalankan lagi dengan bahan yang sama, lalu catat hanya perubahan bentuknya.

Selesai kalau: tabel menunjukkan sedikitnya satu perubahan yang dapat ditunjuk pada bentuk keluaran, tanpa memakai penilaian “lebih bagus”.

Latihan 3.4 — Terapkan Pola 1 (±15 menit)

Tujuan: Memasang satu contoh ke dalam templat yang sama dan mencatat keseragaman unsur keluaran sebelum dan sesudahnya.

1. Pakai templat Latihan 3.2 dan bahan yang sama seperti Latihan 3.3.
2. Pilih satu kasus sulit yang pernah salah dikerjakan — misalnya butir tanpa penanggung jawab, angka yang belum pasti, atau kalimat yang bukan keputusan.
3. Tulis satu contoh pendek berpasangan: potongan bahan apa adanya dan bentuk keluaran yang kamu harapkan untuk potongan itu.
4. Tempelkan contoh itu ke templat, jalankan ulang dengan bahan yang sama, lalu bandingkan unsur keluaran sebelum dan sesudah contoh dipasang.

Selesai kalau: contoh yang dipasang dapat ditunjuk di dalam templat, dan tabel menunjukkan sedikitnya satu kesesuaian bentuk antara keluaran sesudah dan contoh tersebut, tanpa memakai penilaian “lebih bagus”.

Latihan 3.5 — Terapkan Pola 2 (±15 menit)

Tujuan: Meminta satu tahap antara yang dapat diperiksa dan menunjuk hubungannya dengan hasil akhir.

1. Pilih satu tugas bertahap dari pekerjaanmu — misalnya memilah catatan menjadi keputusan lalu menyusun ringkasan untuk penerima.
2. Tambahkan ke templat satu perintah agar tahap antara dikeluarkan lebih dulu dan diberi nama, misalnya “Daftar keputusan mentah”.
3. Jalankan ulang, lalu simpan tahap antara dan hasil akhir sebagai dua bagian terpisah.
4. Ambil satu butir pada hasil akhir dan tunjuk baris tahap antara yang menjadi asalnya.

Selesai kalau: tahap antara dan hasil akhir tersimpan terpisah, dan ada sedikitnya satu rujukan eksplisit dari butir hasil akhir ke baris tahap antara yang menjadi asalnya.

Tugas kantor — Templat untuk satu tugas berulang mingguan (±30 menit)

Tujuan: Menguji satu templat pada dua bahan berbeda dan menyimpan versi yang lulus.

1. Tulis satu templat untuk tugas berulang mingguan yang nyata, setelah menghapus data orang lain.
2. Siapkan dua bahan berbeda dengan slot yang sama.
3. Jalankan teks templat yang persis sama satu kali untuk setiap bahan dan simpan kedua keluaran apa adanya.
4. Bandingkan bentuk, bukan isi, memakai tabel berikut.
5. Simpan templat bila unsur penting sama; jika tidak, perbaiki satu aturan dan ulangi pengujian.

Salin versi yang lulus dengan lima medan berikut:

nama: …
dipakai-untuk: …
slot: …
terakhir-diuji: …
catatan: …

Selesai kalau: ada dua keluaran asli, satu tabel perbandingan bentuk, dan satu templat tersimpan dengan kelima medan terisi.

Rubrik penilaian mandiri

Kunci & contoh jawaban

Latihan 3.1: Instruksi “Ringkas catatan rapat ini” memiliki Tugas dan Bahan secara samar. Peran, Batasan, Bentuk keluaran, dan Contoh masih hilang. Jawabanmu dapat berbeda, tetapi setiap bagian yang dianggap ada harus berupa potongan yang benar-benar tertulis.

Latihan 3.2: Contoh slot yang lulus ialah {catatan-rapat} dan {penerima-ringkasan}. Keduanya menandai isi yang diganti, sedangkan larangan menambah keputusan dan urutan bagian tetap tertulis di templat.

Latihan 3.3: Sebelum Pola 3, keluaran dapat berupa paragraf dengan pembuka. Sesudah pola dipasang, keluaran memiliki tiga bagian bernama dengan urutan tetap dan memakai “belum disebut” untuk informasi kosong. Itu catatan perubahan bentuk; kelancaran kalimat tidak dinilai.

Latihan 3.4: Contoh yang lulus berupa satu pasangan pendek: potongan bahan asli dan bentuk keluaran yang diharapkan untuk potongan itu. Yang dinilai adalah apakah contoh benar-benar ada di templat dan apakah keluaran sesudahnya memakai bentuk yang sama untuk kasus sejenis — bukan apakah isinya lebih tepat. Keluaran AI tidak deterministik, jadi satu kesesuaian bentuk yang dapat ditunjuk sudah cukup.

Latihan 3.5: Tahap antara yang lulus punya nama sendiri dan tersimpan terpisah dari hasil akhir, misalnya “Daftar keputusan mentah” berisi baris-baris pendek. Rujukan yang lulus menyebut butir hasil akhir dan baris tahap antara asalnya secara harfiah. Jika satu butir hasil akhir tidak dapat dirujuk ke baris mana pun, catat itu apa adanya — temuan seperti itu justru guna pola ini.

Tugas kantor: Templat lulus bila dua bahan berbeda menghasilkan letak unsur yang sama. Pilihan kata boleh berbeda karena keluaran AI tidak deterministik. Jika satu hasil menambah pembuka, catat “Tidak” pada unsur tersebut, perbaiki satu aturan, dan uji ulang sebelum menyimpan.

Tentang sumber & metode — Bab 3

Halaman ini menjelaskan asal bukti, cara Bab 3 ditempatkan dalam kurikulum, serta batas materi. Daftar sumber bukan dukungan institusi terhadap Wawas.

Daftar sumber dan status verifikasi

Catatan verifikasi, URL lengkap, lokasi bagian, dan kutipan pendek yang dipakai tersimpan di company/research/20260814-sumber-bab3-instruksi.md. Tidak ada sumber lain yang dipakai untuk klaim faktual Bab 3.

Pemetaan TEC / Apply

Bab ini dipetakan ke aspek AI techniques and applications (TEC) karena pembaca berlatih menggunakan teknik instruksi pada aplikasi AI. Dasar pemetaan aspek itu adalah uraian UNESCO bahwa TEC memberi pengetahuan dan keterampilan dasar AI.

Tingkat Apply dipilih karena pembaca tidak berhenti pada pengenalan konsep: pembaca menulis templat, menjalankannya pada dua bahan, membandingkan bentuk keluaran, lalu menyimpan hasil uji. Namun, Apply adalah tafsir kurikulum Wawas. Halaman UNESCO yang kami buka tidak menyebut urutan Understand–Apply–Create dan tidak menetapkan Bab 3 pada tingkat Apply. [BUKTI LEMAH] berlaku untuk hubungan tingkat Apply dengan kerangka UNESCO; hubungan itu bukan penetapan langsung UNESCO.

Tiga pola dalam bab juga merupakan kerangka orisinal Wawas. S3 menopang istilah contoh (few-shot), instruksi yang menghasilkan langkah penalaran, serta pentingnya menguji instruksi yang sensitif terhadap perubahan kecil. S3 tidak membuktikan bahwa tiga pola Wawas efektif bagi pekerja Indonesia. Teks langkah yang dihasilkan model pun bukan akses ke proses mental internal model.

Cara penyusunan dan transparansi

Materi disusun dengan bantuan AI. Tidak ada pakar manusia yang meninjau Bab 3, dan kami tidak mengklaim nama penulis, gelar, testimoni, atau afiliasi institusi. Setiap URL sumber dibuka dari server, lalu isi yang relevan dicocokkan dengan klaim sebelum ditulis. Metode ini adalah telaah sumber, bukan penelitian primer atau pengujian pengguna.

Temuan sumber, konsensus praktik, dan kerangka Wawas dibedakan dalam naskah. Klaim yang tidak ditopang langsung oleh sumber ditandai [BUKTI LEMAH] atau disebut sebagai pilihan kurikulum. Kami tidak memakai angka peningkatan performa karena hasil bergantung pada model, tugas, bahasa, dan rincian instruksi.

Catatan ketahanan

Bab ini berstatus [CEPAT BASI]. Teknik, istilah, perilaku model, dan versi sumber dapat berubah. Pemeriksaan berikutnya dijadwalkan 14 November 2026; pemeriksaan dipercepat bila ada perubahan besar pada model yang dipakai dalam latihan atau revisi baru S3. Sampai diperiksa ulang, contoh bab harus dibaca sebagai cara menguji bentuk keluaran pada kondisi saat ini, bukan jaminan hasil lintas model.

Yang belum tercakup

• Teknik instruksi lanjutan di luar tiga pola dasar, termasuk rangkaian instruksi bertahap dan evaluasi sistematis banyak variasi.
• Otomasi dan penggunaan API, termasuk pengelolaan versi templat, pengujian massal, biaya, keamanan, serta pemantauan produksi.
• Bukti efektivitas kerangka Wawas pada pekerja dan bahasa Indonesia; belum ada uji pengguna atau perbandingan terkontrol.
• Verifikasi kebenaran isi keluaran. Bab 3 hanya menguji keterulangan bentuk; cara memeriksa isi diarahkan ke Bab 4.

Bab 4 — Memeriksa hasil: daftar periksa verifikasi Wawas

Tujuan belajar bab ini

• Setelah bab ini pembaca dapat memverifikasi satu keluaran AI memakai daftar periksa enam butir dan menandai butir mana yang gagal, disertai bukti singkat untuk tiap tanda.

Bab 4 · Mengapa pemeriksaan itu bagian dari pekerjaan

Seorang staf legal di sebuah perusahaan distribusi diminta menyiapkan surat teguran untuk vendor yang telat kirim. Ia menyusun instruksi yang rapi ke asisten AI, dan dalam dua menit surat itu jadi: kop benar, kronologi benar, nada tegas tapi sopan. Di paragraf ketiga ada kalimat yang membuat surat itu terdengar berwibawa — kutipan sebuah nomor peraturan menteri beserta pasalnya, lengkap dengan tahun. Surat dikirim atas nama direktur.

Dua hari kemudian kuasa hukum vendor membalas satu paragraf pendek: nomor peraturan itu tidak ada. Bukan salah tafsir, bukan sudah dicabut — memang tidak pernah terbit. Yang rusak bukan cuma surat itu. Yang rusak adalah posisi tawar perusahaan di seluruh sengketa itu, karena pihak lawan sekarang punya satu bukti bahwa dokumen dari sebelah tidak diperiksa sebelum keluar.

Kalimat yang bikin celaka itu justru kalimat yang paling meyakinkan di seluruh surat. Itu pola yang sudah kita lihat di Bab 1: keluaran AI paling berbahaya bukan yang terdengar ngawur, tapi yang terdengar profesional.

Tiga jenis kesalahan, dan kenapa ketiganya bermuara ke satu orang

Di Bab 1 kita memisahkan kesalahan keluaran AI jadi tiga jenis, karena masing- masing perlu penanganan berbeda.

Salah fakta. Modelnya menghasilkan sesuatu yang terdengar spesifik padahal tidak ada rujukannya di dunia nyata: nomor peraturan, nama pejabat, judul penelitian, angka yang tidak pernah dipublikasikan siapa pun. Ini jenis yang paling merusak reputasi karena paling gampang dibantah orang lain.

Kedaluwarsa. Fakta itu benar, tapi benar untuk waktu yang sudah lewat. Tarif berubah, aturan direvisi, struktur organisasi dirombak. Kesalahan jenis ini sering lolos justru karena pemeriksanya menemukan sumbernya — dan berhenti di situ tanpa melihat tanggalnya.

Tidak ada jawabannya. Pertanyaannya memang belum punya jawaban yang mapan: datanya tidak dikumpulkan siapa pun, kasusnya belum pernah diputus, atau jawabannya bergantung pada hal yang cuma diketahui orang dalam. Model tetap menjawab, karena menjawab adalah yang ia lakukan. Yang hilang bukan akurasi, tapi pengakuan bahwa ini seharusnya dijawab "kita belum tahu".

Ketiganya berbeda cara mendeteksinya, tapi berakhir di tempat yang sama. Tidak ada satu pun dari ketiga kesalahan itu yang bisa dituntut ke penyedia layanan AI, dibebankan ke vendor, atau dijelaskan ke atasan dengan kalimat "sistemnya yang salah". Yang tanda tangannya menempel di surat itu manusia. Yang namanya disebut di rapat evaluasi manusia. Itulah isi butir terakhir daftar periksa ini, V6 — pertanyaan tentang siapa yang menanggung kalau ini salah. V6 bukan tambahan moral di ujung bab; ia alasan kelima butir sebelumnya ada. Kalau jawaban V6 memang "saya", maka V1 sampai V5 berhenti jadi pekerjaan tambahan dan jadi pekerjaan itu sendiri.

Cara berpikir yang keliru soal ini terdengar begini: "AI-nya sudah bikin, saya tinggal periksa." Yang lebih jujur: pekerjaan itu tetap utuh milik pembaca — sebagian penyusunannya saja yang didelegasikan. Delegasi tidak memindahkan tanggung jawab; itu berlaku ke bawahan manusia, dan berlaku sama ke alat.

Yang akan kamu dapat di bab ini

Sisa bab ini berisi Daftar Periksa V6: enam butir pemeriksaan yang bisa dijalankan berurutan pada satu dokumen. Enam butir itu dibagi dua kelompok — V1–V3 memeriksa hal yang bisa dibuktikan hitam di atas putih (sumber, angka, nama), V4–V6 memeriksa hal yang paling mudah terlewat justru karena tidak kelihatan salah (konteks Indonesia, kerahasiaan data, tanggung jawab).

Untuk dokumen ukuran satu sampai dua halaman, keenam butir itu berjalan dalam sekitar sepuluh menit. Alokasi menitnya ada di bagian keempat bab ini, lengkap dengan aturan kapan pemeriksaan dihentikan dan dokumennya disusun ulang dari awal alih-alih ditambal terus.

Sepuluh menit. Dibandingkan satu paragraf balasan dari kuasa hukum vendor, itu murah.

Bab 4 · V1–V3: memeriksa yang bisa dibuktikan

Tiga butir pertama punya sifat yang sama: hasilnya tidak bisa diperdebatkan. Sumbernya terbuka atau tidak. Angkanya cocok atau tidak. Nomor aturannya ketemu atau tidak. Karena itu ketiganya dikerjakan lebih dulu — kalau salah satunya sudah gagal, kamu belum perlu repot menilai hal yang lebih halus.

V1 — Sumber yang bisa dibuka

Yang diperiksa: setiap kalimat yang mengandung fakta yang bisa salah — angka, tanggal, nama, kutipan, klaim "menurut penelitian" — punya sumber, dan sumber itu benar-benar bisa dibuka dan benar-benar memuat klaim tersebut.

Cara memeriksa (3 langkah):

1. Tandai tiap kalimat berfakta di keluaran. Kalimat pendapat dan kalimat penghubung lewati saja.
2. Untuk tiap tanda, tanyakan: sumbernya apa? Kalau keluarannya tidak menyebut sumber, itu sudah gagal — jangan ditawar dengan "kelihatannya masuk akal".
3. Buka sumbernya. Cari kalimat atau angka yang persis mendukung klaim itu. Kalau kamu harus menyimpulkan sendiri dari tiga paragraf berbeda supaya klaimnya cocok, tandai gagal.

Contoh gagal. Sebuah draf laporan HR menulis: "Berdasarkan survei Kementerian Ketenagakerjaan tahun lalu, 62% karyawan swasta di Jabodetabek mempertimbangkan pindah kerja." Terdengar wajar, tapi tidak ada nama survei, tidak ada tautan, dan angka bulat berkoma satu itu tidak pernah muncul di mana pun saat dicari. Yang benar-benar terjadi: modelnya menyusun kalimat yang berbentuk seperti temuan survei. Bentuknya betul, isinya kosong.

Jebakan umum. Tautan yang bisa dibuka bukan berarti tautan yang mendukung. Ini kegagalan V1 yang paling sering lolos: pemeriksa mengklik, halamannya terbuka, halamannya memang dari lembaga resmi — lalu berhenti. Padahal halaman itu membahas topik yang mirip, bukan angka yang dikutip. Buka, lalu cari angkanya di halaman itu. Kalau tidak ketemu dalam satu menit, anggap tidak ada.

Jebakan keduanya: sumber yang mengutip sumber. Sebuah artikel media menyebut "data kementerian menunjukkan…", lalu dipakai sebagai bukti. Yang kamu punya sebenarnya bukan data kementeriannya, tapi versi ringkas orang lain atas data itu — beserta kemungkinan salah kutipnya. Untuk angka yang akan kamu bela di rapat, telusuri satu tingkat lagi sampai ke penerbit aslinya. Untuk angka latar yang tidak menentukan keputusan, cukup catat bahwa sumbernya sekunder.

V2 — Hitung ulang sendiri

Yang diperiksa: setiap angka hasil perhitungan dihitung ulang oleh kamu, dengan kalkulator, terpisah dari keluaran AI. Termasuk satuan dan periodenya: per bulan atau per tahun, kotor atau bersih, per orang atau per keluarga.

Cara memeriksa (3 langkah):

1. Tulis ulang rumusnya dengan kata-katamu sendiri. Kalau kamu tidak bisa menulis rumusnya, kamu belum bisa menilai angkanya.
2. Hitung dari angka mentah, jangan dari angka antara yang disajikan keluaran — angka antara yang salah akan membawa kamu ke hasil salah yang sama.
3. Cocokkan satuan dan periode di kalimat akhir.

Contoh hitung ulang bernomor. Sebuah keluaran menghitung upah lembur untuk karyawan bergaji Rp 6.000.000 sebulan yang lembur 3 jam pada satu hari kerja, dan menyimpulkan Rp 225.000. Hitung ulang dengan rumus yang dipakai di tempat kerja kamu — misalnya upah sejam lembur = 1/173 × upah sebulan, jam pertama dikali 1,5, jam berikutnya dikali 2:

1. Upah sejam: 6.000.000 ÷ 173 = Rp 34.682
2. Jam ke-1: 1,5 × 34.682 = Rp 52.023
3. Jam ke-2 dan ke-3: 2 × 2 × 34.682 = Rp 138.728
4. Total: 52.023 + 138.728 = Rp 190.751

Selisihnya Rp 34.249 dari angka keluaran. Setelah ditelusuri, keluaran itu memakai pembagi 160 dan mengalikan ketiga jam dengan 2. Dua kesalahan kecil, satu angka yang salah dibayarkan tiap bulan ke banyak orang.

Perhatikan satu hal: rumus di atas dipakai sebagai contoh cara menghitung ulang, bukan sebagai pernyataan aturan yang berlaku untuk kasusmu. Pembagi dan pengalinya sendiri adalah klaim faktual — memastikan mana yang berlaku di kasusmu adalah pekerjaan V1 dan V3, bukan V2. V2 hanya menjawab: dengan rumus yang kamu anggap benar, apakah aritmatikanya benar?

Jebakan umum. Hasil yang mendekati terasa seperti hasil yang benar. Selisih 3% membuat orang berpikir "berarti cuma pembulatan" lalu meloloskannya. Selisih kecil justru lebih berbahaya daripada selisih besar: yang besar ketahuan sendiri, yang kecil bertahan berbulan-bulan di dalam spreadsheet.

V3 — Nama, lembaga, aturan

Yang diperiksa: semua yang punya nama resmi benar-benar ada dengan nama itu — nomor dan tahun peraturan, nama lembaga, nama jabatan, judul dokumen, nama produk atau perusahaan.

Cara memeriksa (3 langkah):

1. Salin nama atau nomornya persis, huruf per huruf, lalu cari.
2. Cocokkan tiga hal sekaligus: nomor, tahun, dan judulnya. Ketiganya harus cocok pada satu dokumen yang sama.
3. Periksa statusnya: masih berlaku, sudah diubah, atau sudah dicabut.

Contoh gagal. Draf surat teguran di bagian pertama bab ini gagal tepat di sini. Nomor peraturan menterinya berbentuk sempurna — ada nomor, ada tahun, ada pasal — dan tidak pernah terbit. Kalau langkah 1 dijalankan selama tiga puluh detik, surat itu tidak akan pernah keluar.

Jebakan umum. Nomor yang ada, tapi milik peraturan lain. Kombinasi nomor-tahun-judul sering tertukar sebagian: nomornya nyata, judulnya nyata, tapi keduanya bukan pasangan. Karena itu langkah 2 mensyaratkan ketiganya cocok pada satu dokumen, bukan cocok satu per satu di tempat berbeda.

Tiga butir ini menghabiskan sekitar setengah dari sepuluh menit pemeriksaan. Sisanya untuk hal yang tidak bisa dicari mesin pencari: apakah dokumen ini masuk akal di Indonesia, apakah ada yang bocor, dan siapa yang menanggungnya.

Bab 4 · V4–V6: memeriksa yang mudah terlewat

V1–V3 memeriksa hal yang bisa dibantah dengan bukti di layar: tautan, angka, nomor peraturan. Tiga butir sisanya memeriksa hal yang tidak akan pernah ditandai merah oleh siapa pun kecuali kamu. Justru di sinilah kerusakan yang paling mahal terjadi — bukan karena sulit diperiksa, tapi karena tidak ada yang mengingatkan bahwa perlu diperiksa.

V4 — Konteks Indonesia

Yang diperiksa: apakah dokumen ini masuk akal kalau dijalankan di Indonesia, oleh orang Indonesia, di kantor tempat kamu bekerja. Yang paling sering meleset: mata uang dan besaran, format tanggal, hari kerja dan hari libur, nama dokumen administratif, cara menyapa dalam surat, serta asumsi hukum ketenagakerjaan atau perpajakan yang sebenarnya berasal dari negara lain.

Cara memeriksa (3 langkah):

1. Tandai semua yang punya satuan atau bentuk lokal. Angka uang, tanggal, persentase pajak, jangka waktu, nama formulir, nama jabatan. Lewati kalimat yang tidak memuat satu pun dari itu — kalimat begitu bukan urusan V4.
2. Tanyakan satu per satu: ini dari mana asalnya? Kalau jawabannya "biasanya memang begitu", itu belum cukup. Bentuk yang benar: "ini dari aturan/kebiasaan di tempat ini, yang bisa saya tunjukkan".
3. Uji dengan kalimat pelaksana. Bacakan langkahnya seolah kamu menyuruh orang mengerjakannya besok pagi. Kalau ada langkah yang tidak bisa dikerjakan karena lembaganya tidak ada di sini atau formulirnya tidak dikenal, butir ini gagal.

Contoh gagal. Sebuah draf kebijakan cuti internal menyebut karyawan berhak "dua minggu cuti berbayar per tahun setelah masa percobaan 90 hari", lengkap dengan tabel akrual per bulan. Bentuknya rapi dan terdengar profesional. Tapi angka, satuan waktu, dan cara menghitungnya berasal dari kebiasaan kerja negara lain, bukan dari aturan yang berlaku di sini — dan tidak seorang pun di rapat menanyakannya karena tabelnya terlihat sudah dihitung. Yang gagal bukan aritmatikanya; aritmatikanya benar. Yang gagal adalah asalnya.

Jebakan umum. Kalimat yang sudah diterjemahkan dengan mulus terasa seperti kalimat yang sudah disesuaikan. Padahal terjemahan hanya mengganti kata, bukan mengganti asumsi. Semakin enak dibaca sebuah draf, semakin kecil kemungkinan seseorang mempertanyakan dari negara mana isinya berasal.

V5 — Kerahasiaan data

Yang diperiksa: apa yang ikut keluar dari kantor waktu kamu mengetik perintah. Bukan apa yang keluar dari model, tapi apa yang kamu masukkan — nama dan nomor identitas pelanggan, daftar gaji, isi kontrak, harga penawaran yang belum diumumkan, keluhan pasien atau klien, tangkapan layar sistem internal.

Cara memeriksa (3 langkah):

1. Baca ulang perintahmu, bukan jawabannya. Ini butir satu-satunya yang diperiksa dengan melihat ke belakang, ke apa yang sudah kamu kirim.
2. Tandai tiap bagian yang bisa dipakai mengenali satu orang atau satu perusahaan tertentu. Nama, nomor, alamat, kombinasi jabatan dan divisi yang hanya dimiliki satu orang.
3. Ganti atau buang. Nama jadi "Karyawan A", angka nyata jadi angka contoh dengan besaran mirip, nama perusahaan jadi "vendor X". Kalau setelah diganti pertanyaannya jadi tidak bisa dijawab, itu pertanda pekerjaan ini memang tidak boleh dikerjakan lewat layanan luar.

Contoh gagal. Seorang staf HR menempelkan satu tabel penggajian utuh — berisi nama, jabatan, dan gaji satu tim — hanya untuk minta bantuan merapikan formatnya. Yang dibutuhkan sebenarnya cuma format kolomnya, bukan isinya. Lima baris contoh dengan nama samaran akan memberi hasil yang sama persis.

Jebakan umum. Merasa aman karena "cuma sebagian". Sebagian data sering cukup untuk mengenali orangnya, terutama di tim kecil: satu jabatan plus satu divisi kadang hanya menunjuk ke satu orang.

Butir ini sengaja dangkal di sini. Aturan perlindungan data pribadi di Indonesia sudah ada dan punya konsekuensi nyata bagi perusahaan, dan cara menanganinya — termasuk apa yang boleh dan tidak boleh keluar, serta bagaimana menyusun aturan internal — dibahas tersendiri di Bab 5. Di Bab 4, V5 hanya berfungsi sebagai rem: berhenti sebentar, lihat apa yang sudah kamu kirim.

V6 — Siapa yang bertanggung jawab

Yang diperiksa: satu pertanyaan, dan jawabannya hanya boleh satu.

Kalau dokumen ini salah dan sampai ke tangan orang lain, nama siapa yang tertulis di bawahnya? Yang menanggung akibatnya adalah kamu, bukan alat yang membantu menyusunnya. Alat itu tidak akan hadir di ruang rapat, tidak menandatangani apa pun, dan tidak menanggung apa pun. Kalau kamu belum bersedia menjawab "saya" atas dokumen ini, dokumen ini belum siap keluar — dan itu bukan soal moral, itu soal letak konsekuensinya. Verifikasi lima butir sebelumnya adalah cara membuat jawaban "saya" itu murah: sepuluh menit sekarang, atau berminggu-minggu memperbaiki kepercayaan nanti.

Enam butir sudah lengkap. Yang tersisa adalah membuatnya cukup cepat untuk benar-benar dijalankan setiap hari — dan itu isi bagian berikutnya.

Bab 4 · Menjalankan V6 dalam sepuluh menit

Daftar periksa yang butuh setengah jam tidak akan dipakai orang yang sedang dikejar tenggat. Karena itu V6 dirancang muat dalam sepuluh menit untuk satu dokumen sepanjang satu sampai dua halaman. Angka sepuluh menit bukan hasil pengukuran ilmiah; itu batas yang kami tetapkan sendiri supaya pemeriksaan tetap dilakukan, bukan ditunda. Kalau dokumenmu jauh lebih panjang, jangan menambah waktunya secara membabi buta — potong dokumennya jadi bagian-bagian dan periksa per bagian.

Alokasi sepuluh menit

Urutannya sengaja tidak boleh dibalik. V1–V3 memakan tujuh dari sepuluh menit karena di situlah kesalahan paling sering bersembunyi, dan karena hasilnya menentukan apakah tiga butir sisanya masih relevan. Kalau V1 sudah menunjukkan tiga tautan mati dari empat, tidak ada gunanya kamu meneruskan ke V4 — dokumen itu perlu ditulis ulang, bukan diperiksa lebih lanjut.

Kapan berhenti dan mengulang dari instruksi

Godaan terbesar saat memeriksa adalah menambal. Satu tautan mati diganti sendiri, satu angka dibetulkan sendiri, satu nama dihapus. Rasanya cepat, tapi kamu jadi menanggung pekerjaan yang seharusnya diulang — dan tambalanmu menyamarkan seberapa buruk keluaran aslinya. Pakai aturan berhenti berikut, dan patuhi tanpa menawar:

• Dua butir atau lebih gagal → berhenti. Jangan tambal. Kembali ke instruksi, perbaiki instruksinya, minta keluaran baru.
• Satu butir gagal tapi menyentuh inti dokumen (angka utama, dasar hukum, kesimpulan) → berhenti juga. Cacat di inti berarti alasan dokumen itu ada sudah runtuh.
• Satu butir gagal di bagian pinggir (satu contoh tambahan, satu kalimat ilustrasi) → boleh diperbaiki langsung, asal kamu catat apa yang kamu ubah.

Yang diperbaiki saat mengulang adalah instruksinya, bukan permintaannya. Kalau V1 gagal, instruksi berikutnya menyebut sumber mana yang boleh dipakai. Kalau V2 gagal, instruksi berikutnya memuat angka dasarnya secara eksplisit dan meminta langkah hitungnya ditulis. Mengulang dengan instruksi yang sama hanya menghasilkan kesalahan yang sama dengan kalimat berbeda.

Pemeriksaan berjenjang

Tidak semua dokumen pantas mendapat sepuluh menit. Sesuaikan kedalaman pemeriksaan dengan besarnya kerugian kalau dokumen itu salah — bukan dengan panjangnya. Tiga tingkat yang kami pakai:

Risiko rendah — cukup V1–V2 (±6 menit). Tulisan yang hanya kamu sendiri yang membacanya, atau yang salahnya ketahuan sebelum berdampak. Contoh: ringkasan notulen untuk catatan pribadi, draf kerangka presentasi yang akan kamu tulis ulang, daftar ide kampanye yang masih akan disaring rapat.

Risiko sedang — V1–V4 (±9 menit). Beredar di dalam kantor, dipakai orang lain untuk mengambil keputusan kecil, tapi masih bisa diralat tanpa malu. Contoh: materi pelatihan internal, ringkasan riset untuk atasan, balasan surel ke tim lain, draf prosedur yang masih akan direview.

Risiko tinggi — keenam butir, tanpa kecuali. Apa pun yang keluar dari perusahaan, menyentuh uang, atau menyentuh data orang. Contoh: surat ke vendor atau klien, dokumen penawaran, pengumuman ke publik, laporan ke regulator, apa pun yang memuat angka yang akan dibayar atau ditagih. Untuk kelompok ini V5 dan V6 justru yang paling menentukan, meski waktunya paling pendek.

Tiga contoh cara mengklasifikasi, supaya batasnya terasa nyata:

1. Draf balasan keluhan pelanggan yang akan dikirim hari itu juga → risiko tinggi. Keluar dari perusahaan, menyebut nama pelanggan, sering memuat janji.
2. Rangkuman lima artikel untuk bahan diskusi tim → risiko rendah, kecuali rangkuman itu akan disalin ke dokumen resmi. Kalau iya, naik ke sedang.
3. Perhitungan simulasi biaya untuk usulan anggaran → risiko tinggi meski hanya beredar internal. Ada angka yang akan dipakai orang lain sebagai dasar keputusan, dan V2 wajib dijalankan dua kali.

Kalau kamu ragu sebuah dokumen masuk kelompok mana, naikkan satu tingkat. Biaya salah menebak ke atas adalah tiga menit. Biaya salah menebak ke bawah adalah surat yang sudah terkirim.

Bab 4 · Studi kasus terpandu: menjalankan V6 pada satu draf kantor

Semua isi kasus ini sintetis. Nama orang, nama perusahaan, nomor aturan, angka, dan dokumen di bawah kami karang sebagai bahan ajar. Tidak ada satu pun yang boleh dikutip sebagai fakta, dan tidak ada klaim hukum, efektivitas, atau angka dunia nyata yang ditambahkan di halaman ini. Batas sumbernya sama dengan Bab 4 secara keseluruhan: Daftar Periksa V6 adalah rancangan Wawas, bukan standar yang diterbitkan atau disahkan lembaga mana pun.

Situasinya

Sinta (sintetis) adalah staf komunikasi internal di PT Ladang Bening (sintetis, ±180 karyawan). Pukul 16.10 atasannya meminta satu paragraf pengumuman untuk grup karyawan tentang perubahan jam layanan bagian SDM. Sinta meminta bantuan AI, menempelkan draf lama beserta lampirannya, lalu menerima keluaran ini.

Draf awal (keluaran mentah, belum diperiksa)

Mulai 08/17/2026, sehubungan dengan Peraturan Internal LB-17 tentang Jam Layanan Kepegawaian (rujukan sintetis yang sengaja dibuat salah), layanan SDM berubah menjadi 08.00–15.00, total 8 jam per hari. Perubahan ini telah menaikkan kepuasan karyawan sebesar 34% menurut survei internal. Pertanyaan dapat dikirim ke Kepala Divisi Sumber Daya Insani, Bapak Raka Widodo, atau lewat data karyawan pada lampiran gaji terlampir.

Draf ini enak dibaca, dan justru itu bahayanya: keenam masalahnya tidak terasa saat dibaca cepat. Sinta menjalankan keenam butir, satu per satu, sebelum mengirim.

Hasil pemeriksaan V1–V6

Perhatikan pola yang muncul. V1 sampai V4 adalah butir yang bisa dijawab dengan bukti: ada tautannya atau tidak, hasil hitung ulangnya cocok atau tidak, nama itu ada di struktur organisasi atau tidak. V5 adalah butir yang tidak bisa dibatalkan — pada kasus ini data sudah telanjur dikirim ke layanan luar sebelum pemeriksaan dimulai, dan yang tersisa hanya melaporkannya. V6 tidak menghasilkan koreksi teks sama sekali; ia menentukan apakah dokumen ini pantas keluar atas nama siapa pun.

Draf sesudah perbaikan

Mulai 17 Agustus 2026, jam layanan bagian SDM menjadi pukul 08.00–15.00 (tujuh jam per hari). Perubahan ini menyesuaikan jam sibuk permintaan layanan; rincian kebijakannya ada di Kebijakan Internal SDM-04 yang dibagikan bersama pengumuman ini. Pertanyaan dapat dikirim ke Manajer SDM melalui kanal #tanya-sdm.

Yang hilang dari draf: satu nomor peraturan, satu persentase, satu nama jabatan, dan satu lampiran berisi data pribadi. Tidak ada satu pun yang benar-benar dibutuhkan pembaca. Dalam kasus sintetis ini, draf sesudah pemeriksaan lebih pendek karena bagian yang tidak bisa dibuktikan dibuang.

Keputusan lanjut/ulang

Lima butir gagal pada tabel di atas. Itu jauh melewati aturan berhenti: dua atau lebih butir gagal, atau satu butir inti gagal, berarti draf ini tidak ditambal — draf ini diulang dari instruksi. Jadi keputusan yang benar di kasus ini adalah ulang dari instruksi, bukan memperbaiki kalimat satu per satu.

Draf sesudah perbaikan di atas ditampilkan supaya kamu tahu seperti apa isi akhir yang lolos V6, bukan sebagai contoh proses menambal yang dianjurkan. Kalau kamu menambal lima kegagalan satu-satu, kamu menghabiskan waktu lebih lama dan tetap tidak tahu bagian mana lagi yang dikarang.

Instruksi ulang yang dipakai untuk kasus ini:

Tulis pengumuman perubahan jam layanan SDM. Gunakan hanya keterangan yang saya berikan: berlaku 17 Agustus 2026, jam baru 08.00–15.00, kanal pertanyaan #tanya-sdm, penanggung jawab Manajer SDM. Hitung sendiri durasi jam kerja per hari dari jam mulai dan jam selesai itu dan sebutkan hasilnya. Jangan menyebut nomor peraturan, persentase, atau data apa pun yang tidak saya berikan, dan jangan menyertakan lampiran atau data pribadi karyawan.

Pemeriksaan mandiri

Tutup tabel di atas, lalu jawab dari ingatan:

1. Dari keenam masalah pada draf awal, mana yang tidak akan tertangkap kalau kamu hanya memeriksa V1?
2. Kenapa V5 pada kasus ini ditandai gagal walau isi pengumumannya sudah diperbaiki?
3. Kalau kamu hanya punya waktu memeriksa dua butir sebelum tenggat, dua butir mana yang kamu pilih untuk pengumuman internal seperti ini, dan apa alasanmu?
4. Tulis ulang satu kalimat pertama draf awal sehingga lolos V1 tanpa menghilangkan informasi yang memang dibutuhkan pembaca.

Kunci pemeriksaan mandiri

Cocokkan jawabanmu sesudah menuliskannya, bukan sebelum.

1. Empat masalah lolos dari V1: kesalahan hitung 8 versus 7 jam (V2), jabatan "Kepala Divisi Sumber Daya Insani" yang tidak ada dalam struktur organisasi (V3), format tanggal 08/17/2026 yang mudah disalahbaca (V4), dan lampiran gaji yang ikut tertempel (V5). V1 hanya menanyakan apakah klaim punya sumber yang bisa dibuka, sehingga kalimat yang sumbernya memang tidak pernah disebut tetap lewat.

2. V5 memeriksa apa yang kamu kirim, bukan apa yang kamu terbitkan, jadi memperbaiki isi pengumuman tidak mengubah fakta bahwa nomor rekening dan NIK sudah keluar ke layanan luar. Butir ini satu-satunya yang tidak bisa dibatalkan dengan menyunting; yang tersisa hanya melaporkannya.

3. Tidak ada satu pasangan jawaban yang mutlak — yang dinilai adalah alasannya. Jawaban kuat: memilih dua butir berdasarkan risiko dokumen ini, lalu menyebutkan akibat kalau butir itu dilewat. Contoh: V2 dan V3, karena pengumuman ini berisi satu angka jam kerja dan satu nama jabatan yang akan dipakai orang lain untuk bertindak, dan keduanya bisa diperiksa dalam hitungan menit. Contoh lain yang sama kuatnya: V2 dan V6, dengan alasan angka salah adalah kerusakan yang menyebar sedangkan V6 menentukan apakah dokumen boleh keluar sama sekali. Jawaban lemah: menyebut dua butir tanpa mengaitkannya ke isi draf ("V1 dan V2 karena paling penting"), atau memilih butir yang tidak ada bahannya di dokumen ini.

4. Contoh tulisan ulang: "Mulai 17 Agustus 2026, jam layanan bagian SDM berubah menjadi 08.00–15.00 sesuai Kebijakan Internal SDM-04 yang dilampirkan pada pengumuman ini." Kriteria lolos yang bisa kamu periksa sendiri: (a) tidak tersisa klaim yang sumbernya tidak bisa ditunjukkan — angka 34% dan nomor peraturan LB-17 hilang; (b) tiap rujukan yang masih ada bisa dibuka pembaca; dan (c) informasi yang memang dibutuhkan pembaca — tanggal berlaku dan jam layanan baru — masih utuh. Kalau salah satu dari tiga itu tidak terpenuhi, tulisan ulangmu belum lolos.

Kalau pertanyaan 2 masih terasa sulit, baca ulang V5 — Kerahasiaan data sebelum melanjutkan ke latihan bab.

Bab 4 · Penutup: Kartu saku V6

Enam butir itu panjang kalau dibaca sebagai bab. Dipakai sehari-hari, wujudnya cuma enam kalimat. Bagian ini memampatkannya jadi satu kartu yang bisa ditempel di dekat layar atau disalin ke catatan kerja.

Kartu ini bukan ringkasan bab. Ini alat kerja: dibaca sambil memeriksa, bukan sebelum memeriksa. Kalau satu baris terasa tidak jelas artinya, kembali ke bagian butir itu — bukan menebak maksudnya di tengah pekerjaan.

Kartu saku V6

1. V1 — Buka tiap sumber; yang tak bisa dibuka, buang.
2. V2 — Hitung ulang sendiri; angka mesin tidak dipercaya begitu saja.
3. V3 — Cek nama, lembaga, dan nomor aturan ke terbitan resminya.
4. V4 — Pastikan konteksnya Indonesia, bukan salinan aturan negara lain.
5. V5 — Jangan tempel data rahasia; ganti dengan contoh sebelum bertanya.
6. V6 — Nama yang mengirim, itu yang bertanggung jawab.

Cara memakainya

Tempel kartu, lalu pakai urutannya apa adanya. V1 sampai V3 memeriksa apakah isinya benar. V4 dan V5 memeriksa apakah isinya pantas dipakai di tempat kerja ini. V6 bukan pemeriksaan — itu pengingat siapa yang menanggung hasilnya.

Untuk dokumen berisiko rendah, dua baris pertama sudah cukup, sesuai pemeriksaan berjenjang di bagian sebelumnya. Untuk apa pun yang keluar dari perusahaan, keenam baris dijalankan, tanpa pengecualian karena sedang buru-buru.

Satu tanda bahwa kartu ini sedang dipakai dengan benar: pekerjaan kadang berhenti. Ada baris yang gagal, keluaran dibuang, instruksi ditulis ulang dari awal. Kalau kartu dipakai berminggu-minggu dan tidak pernah ada yang gagal, kemungkinan besar kartunya dibaca, bukan dijalankan.

Yang dibawa ke bab berikutnya

Bab ini sengaja berhenti di permukaan untuk urusan data rahasia. V5 hanya memberi aturan praktis: ganti dulu, baru tanya. Alasannya, batas apa yang boleh keluar dari kantor bukan soal ketelitian pribadi, melainkan aturan yang berlaku bagi seluruh organisasi — dan itu dibahas tersendiri di Bab 5.

Kalau cuma satu hal yang terbawa dari bab ini, ambil V6. Lima butir lain mengajarkan cara memeriksa. Butir keenam menjelaskan kenapa pemeriksaan itu tetap jadi pekerjaan manusia.

Bab 4 · Latihan dan Rubrik Mandiri

Empat latihan berikut memakai bahan yang sudah disediakan, jadi kamu tidak perlu akses internet untuk mengerjakan tiga latihan pertama. Kerjakan berurutan: menemukan cacat lebih dulu, baru menghitung, baru memutuskan seberapa dalam pemeriksaan perlu dilakukan.

Latihan 4.1 — Temukan butir yang gagal (±15 menit)

Berikut satu draf paragraf keluaran AI yang kami tulis sendiri untuk latihan. Draf ini mengandung tepat tiga cacat: satu gagal di V1, satu di V3, dan satu di V4. Tandai ketiganya, tulis kode butirnya, dan tulis satu kalimat bukti untuk tiap tanda.

Berdasarkan Peraturan Menteri Ketenagakerjaan Nomor 6 Tahun 2016 tentang Tunjangan Hari Raya Keagamaan, THR wajib dibayarkan paling lambat tujuh hari sebelum hari raya. Survei Lembaga Riset Ketenagakerjaan Nasional menemukan 82% perusahaan membayar tepat waktu. Untuk pekerja yang belum genap satu tahun, THR dihitung proporsional dari upah bulanan sebesar USD 450.

Batas waktu 15 menit. Kalau lewat dan kamu baru menemukan dua, berhenti dan lanjut ke kunci — menemukan dua dari tiga pada percobaan pertama itu wajar.

Latihan 4.2 — Hitung ulang satu angka (±10 menit)

Sebuah draf menyebut: "Pekerja dengan masa kerja 7 bulan dan upah Rp 4.800.000 per bulan berhak atas THR proporsional sebesar Rp 3.200.000."

Hitung ulang sendiri dengan kalkulator biasa. Tulis rumusnya, tulis hasilmu, lalu putuskan: angka draf benar, atau tidak? Jawaban latihan ini tunggal.

Latihan 4.3 — Klasifikasi risiko tiga dokumen (±10 menit)

Pakai aturan pemeriksaan berjenjang dari bagian sebelumnya. Untuk tiap dokumen, tentukan cukup V1–V2 atau wajib keenam butir, dan tulis alasannya satu kalimat.

1. Ringkasan notulen rapat tim untuk arsip internal.
2. Surat penawaran harga ke calon klien, memakai kop perusahaan.
3. Draf balasan email ke kandidat yang lamarannya ditolak.

Tugas kantor — Jalankan V6 pada satu dokumen nyata (±30 menit)

Ambil satu keluaran AI yang benar-benar kamu pakai minggu ini. Jalankan keenam butir dan catat dalam tabel tiga kolom: butir, lulus/gagal, bukti. Simpan catatannya — itu jejak yang menunjukkan kamu memeriksa, bukan sekadar meneruskan. Kalau keenam butir lulus semua, periksa sekali lagi: pemeriksaan yang tidak pernah menemukan apa pun biasanya pemeriksaan yang terlalu longgar.

Setelah tabel terisi, tulis satu kalimat keputusan: lanjut atau ulang dari instruksi, beserta alasan yang merujuk aturan berhenti (berapa butir gagal, dan apakah ada butir inti yang gagal). Kalau keputusanmu ulang dari instruksi, tulis juga satu kalimat instruksi perbaikan yang akan kamu kirim ulang.

Rubrik penilaian mandiri

Mahir hanya tercapai kalau kamu menjalankan keenam butir pada tugas kantor di atas dan menemukan minimal satu masalah.

Kunci & contoh jawaban

4.1 — V1 gagal: angka 82% tidak disertai sumber yang bisa dibuka, jadi tidak bisa diperiksa siapa pun. V3 gagal: "Lembaga Riset Ketenagakerjaan Nasional" bukan nama lembaga yang bisa ditemukan; nama yang terdengar resmi bukan bukti bahwa lembaganya ada. V4 gagal: upah pekerja Indonesia ditulis dalam dolar, konteks mata uangnya salah. Bagian tentang batas tujuh hari sebelum hari raya bukan cacat — itu memang isi peraturan yang dirujuk.

4.2 — Rumus: masa kerja ÷ 12 × upah bulanan. Hitungan: 4.800.000 ÷ 12 = 400.000; 400.000 × 7 = Rp 2.800.000. Angka draf Rp 3.200.000 salah, selisih Rp 400.000 atau satu bulan penuh. V2 gagal.

4.3 — Dokumen 1 berisiko rendah, cukup V1–V2. Dokumen 2 keluar perusahaan dan mengikat harga, wajib keenam butir. Dokumen 3 keluar perusahaan dan menyentuh data pribadi kandidat, wajib keenam butir — terutama V5.

Untuk 4.1 dan 4.3, jawabanmu boleh berbeda dari kunci ini asal alasannya kuat dan kamu bisa menunjukkan buktinya. Untuk 4.2, jawabannya tunggal.

Tentang sumber & metode — Bab 4

Halaman ini menjelaskan dari mana isi Bab 4 ("Memeriksa hasil: daftar periksa verifikasi Wawas") berasal, bagaimana disusun, dan apa batasnya. Bab 4 berbeda dari Bab 1–3: sebagian besar isinya bukan kutipan dari sumber luar.

Status Daftar Periksa V6: rancangan kami

Daftar Periksa V6 adalah rancangan Wawas, bukan standar eksternal. Tidak ada lembaga, jurnal, atau badan standar yang menerbitkan, meninjau, atau mengesahkan kerangka enam butir ini. Nama "V6", pembagian butirnya, urutannya, aturan berhenti-dan-ulang, konsep pemeriksaan berjenjang, tabel alokasi sepuluh menit, kartu saku, serta seluruh latihan dan rubrik adalah susunan kami sendiri.

Yang mengikutinya, dan perlu dinyatakan terus terang:

• Kami tidak mengklaim V6 menurunkan kesalahan sebesar angka apa pun. [BUKTI LEMAH] Kami tidak menemukan — dan karena itu tidak mengutip — penelitian yang mengukur efek daftar periksa terhadap keluaran AI dalam konteks pekerjaan kantor. Kami juga tidak melakukan pengujian sendiri. Klaim efektivitas tidak dibuat di bab ini; kalau pembaca menemukan kalimat yang terbaca seperti janji hasil, itu kesalahan kami dan layak dilaporkan.
• Angka "sepuluh menit" adalah batas rancangan, bukan hasil pengukuran. Itu anggaran waktu yang kami tetapkan supaya pemeriksaan tetap dikerjakan, bukan durasi rata-rata yang pernah diukur pada sekelompok orang.
• Contoh, kasus, dan angka di dalam latihan kami tulis sendiri sebagai bahan ajar. Lembaga fiktif di Latihan 4.1 sengaja dibuat tidak ada, dan hal itu dinyatakan di kunci jawaban supaya tidak beredar sebagai fakta.

Daftar sumber

S1 dipakai hanya sebagai kaitan tematik: bahwa pengawasan manusia atas keluaran AI, etika, dan kecakapan teknologi adalah bahan pembicaraan di tingkat lembaga internasional. S1 tidak kami pakai untuk mendukung isi butir V1–V6, urutan pemeriksaan, maupun anggaran waktunya. Pencantuman ini bukan bentuk dukungan UNESCO terhadap materi kami.

Angka hitung ulang pada contoh V2 dan Latihan 4.2 diverifikasi dengan hitungan manual, bukan dengan sumber luar; langkahnya ditulis lengkap di kunci jawaban supaya pembaca bisa memeriksanya sendiri.

Bagaimana bab ini disusun

• Materi disusun dengan bantuan AI. Tidak ada pakar manusia yang meninjau isinya. Kami tidak mengklaim penulis, gelar, testimoni, atau logo institusi, dan tidak akan menambahkannya.
• Satu-satunya URL di halaman ini dibuka langsung dari server kami pada tanggal akses di tabel dan mengembalikan halaman yang hidup. Sumber yang tidak terbuka tidak dicantumkan.
• Di badan bab, tiga hal dibedakan secara eksplisit: apa yang merupakan rancangan kami, apa yang merupakan praktik umum, dan apa yang berstatus dugaan.
• Bab ini ditulis untuk tahan lama: tidak menyebut nama model, versi, atau harga layanan AI mana pun, karena bagian itulah yang paling cepat basi.

Batas bukti dan apa yang belum tercakup

• V5 (kerahasiaan data) sengaja dangkal di sini. Pembahasan mendalam — termasuk kewajiban hukum atas data pribadi di Indonesia — dilanjutkan di Bab 5. Bab 4 hanya mengenalkan butirnya supaya daftar periksanya utuh.
• Belum tercakup: cara memverifikasi keluaran non-teks (gambar, tabel besar, kode program), pemeriksaan pada pekerjaan tim yang melibatkan banyak peninjau, dan panduan sektoral untuk bidang berisiko tinggi.
• Belum diuji pada pembaca nyata. Rubrik penilaian mandiri belum pernah dicoba di luar tim kami, jadi tingkat kesulitan latihan bisa meleset.
• Bab ini adalah kerangka kerja, bukan penelitian. Ia bisa keliru dalam hal cakupan: mungkin ada jenis kesalahan yang tidak tertangkap oleh keenam butir.

Terakhir diperiksa

Terakhir diperiksa: 14 Agustus 2026.

Disklaimer

Bab ini adalah materi belajar umum. Bukan nasihat hukum, medis, atau keuangan profesional. Contoh perhitungan dipakai untuk melatih kebiasaan menghitung ulang, bukan sebagai rujukan hak atau kewajiban siapa pun; untuk itu rujuk teks resmi peraturan dan pihak berwenang. Isi dapat usang ketika aturan dan cara kerja alat berubah.

Bab 5 — Data, kerahasiaan, dan aturan tempat kerja

Tujuan belajar bab ini

Setelah menyelesaikan bab, pembaca dapat:

1. menginventarisasi sedikitnya 10 unsur data dalam satu tugas kantor nyata;
2. mengklasifikasikan setiap unsur ke boleh ditempel / harus dikurangi atau disamarkan / tidak boleh keluar, disertai alasan yang dapat diperiksa;
3. membuat salinan aman sebuah contoh dokumen dengan membuang data yang tidak diperlukan dan mengganti pengenal yang masih diperlukan;
4. menemukan aturan penggunaan AI di tempat kerjanya atau, bila belum ada, menyusun tiga pertanyaan konkret untuk pihak yang berwenang;
5. memilih tindakan aman untuk empat skenario abu-abu tanpa menganggap ketiadaan larangan sebagai izin.

Bab 5 · Data Berpindah Saat Kita Menekan Kirim

Tujuan belajar bagian ini. Setelah membaca, kamu bisa menunjuk unsur-unsur informasi di dalam satu dokumen kantor biasa, membedakan data pribadi dari rahasia bisnis dan informasi internal, dan menjelaskan mengapa "menempel satu dokumen utuh" adalah keputusan — bukan langkah teknis yang netral.

Bukan nasihat hukum. Bab ini berisi kebiasaan kerja yang konservatif untuk mengurangi risiko, bukan tafsir hukum atas kasusmu. Kami tidak menafsirkan pasal untuk situasimu, tidak menjamin sebuah dokumen "aman", dan tidak menggantikan kebijakan kantormu atau arahan pihak yang berwenang di sana. Kalau kasusmu berdampak hukum, tanyakan ke orang yang memang berwenang.

Satu notulen yang tampak biasa saja

CONTOH SINTETIS — semua nama orang, organisasi, nomor, dan angka di bawah dikarang untuk keperluan latihan. Kemiripan dengan pihak nyata tidak disengaja.

Notulen Rapat Mingguan Divisi Penjualan — PT Wira Sentosa Mandiri (fiktif) Kamis, 6 Agustus 2026, 10.00–11.15, Ruang Rapat 2

Hadir: Rani Prakoso (Manajer Penjualan, 08xx-xxxx-1102), Dimas Aryo (Supervisor Wilayah Timur), Sekar Ningtyas (Admin Penjualan).

1. Realisasi Juli Rp 4,12 miliar dari target Rp 5,00 miliar (82%). Target Agustus dinaikkan ke Rp 5,60 miliar.
2. Klien Koperasi Tirta Jaya (fiktif) diberi harga khusus Rp 84.500/unit, 18% di bawah harga daftar. Perpanjangan kontrak belum diumumkan.
3. Efisiensi: dua posisi admin wilayah akan dirampingkan per 1 Oktober. Nama karyawan terdampak belum disampaikan ke yang bersangkutan.
4. Sekar diminta merapikan notulen ini menjadi ringkasan untuk direksi.

Sekar punya tenggat sore ini. Merapikan notulen adalah pekerjaan yang memang cocok didelegasikan ke AI — persis jenis tugas yang kita bahas di Bab 2. Maka langkah paling wajar di dunia adalah menyalin seluruh isi notulen, menempelkannya ke alat AI, dan meminta ringkasan satu halaman.

Di situlah keputusan yang tidak terlihat itu terjadi. Bukan karena AI-nya jahat, melainkan karena satu gerakan tempel memindahkan semuanya sekaligus: yang diperlukan untuk membuat ringkasan, dan yang sama sekali tidak diperlukan.

Tiga jenis informasi yang tercampur dalam satu halaman

Notulen di atas memuat setidaknya tiga jenis informasi yang berbeda sifat risikonya.

Data pribadi. Nama dan nomor kontak Rani adalah contoh yang jelas. Undang- Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi membedakan data pribadi yang bersifat umum — seperti nama dan nomor telepon — dari data pribadi yang bersifat spesifik, seperti data kesehatan, data biometrik, data keuangan pribadi, dan catatan kejahatan; keduanya sama-sama dilindungi, dan pemrosesannya dibebani kewajiban [S2]. Yang ingin kami tekankan di sini hanya satu: unsur seperti ini punya status khusus, bukan sekadar teks biasa.

Rahasia bisnis. Harga khusus Rp 84.500/unit, diskon 18%, dan kontrak yang belum diumumkan tidak melekat pada seseorang, tetapi nilainya justru terletak pada belum diketahuinya informasi itu oleh pihak lain. Sekali beredar, nilainya tidak bisa ditarik kembali.

Informasi internal yang belum waktunya. Rencana perampingan dua posisi adalah kategori tersendiri. Ia belum final, belum disampaikan kepada orang yang paling berkepentingan, dan kalau bocor lebih dulu, kerugiannya tidak berbentuk denda melainkan kepercayaan yang rusak.

Ketiganya bisa tumpang tindih. "Dua posisi admin wilayah timur" bukan nama siapa-siapa, tetapi di kantor yang admin wilayah timurnya hanya berjumlah tiga orang, kalimat itu praktis menunjuk orang. Karena itu "bukan data pribadi" tidak pernah otomatis berarti "aman dibagikan" — itu dua pertanyaan yang berbeda, dan keduanya harus ditanyakan.

Yang berpindah bukan cuma teks yang kamu tempel

Menekan kirim menyentuh beberapa hal sekaligus: masukan yang kamu ketik, keluaran yang dihasilkan, kemungkinan penyimpanan riwayat percakapan, dan pihak yang secara teknis maupun kontraktual bisa mengaksesnya di sisi penyedia.

Kami tidak akan mengatakan alat mana yang menyimpan apa. Kebijakan tiap layanan berbeda, berubah, dan sering bergantung pada jenis akun serta perjanjian yang dipakai kantormu — klaim umum tentang "semua alat AI pasti begini" hampir selalu salah. Yang bisa diandalkan adalah kebiasaannya: kerangka kompetensi UNESCO menempatkan penggunaan AI yang aman dan bertanggung jawab sebagai kompetensi yang dilatih, termasuk kesadaran akan risiko pengungkapan data, kepatuhan pada aturan setempat, dan kebiasaan memeriksa kebijakan privasi alat yang dipakai — meski konteks aslinya adalah pelajar, bukan pekerja kantor [S1].

Kompetensi itu berarti satu hal praktis. Sebelum menempel, berhenti sebentar dan periksa isinya unsur demi unsur, bukan sebagai satu blok teks.

Sekar sebenarnya hanya butuh poin keputusan dan angka realisasi untuk membuat ringkasan direksi. Nomor telepon Rani tidak membuat ringkasannya lebih baik. Nama koperasi kliennya juga tidak. Jadi pertanyaan yang harus dijawab lebih dulu, sebelum pertanyaan apa pun tentang alat mana yang dipakai, adalah:

Data mana yang sebenarnya perlu ikut?

Bab 5 · Tiga Kantong Keputusan Data

Tujuan belajar bagian ini. Setelah membaca, kamu bisa menempatkan unsur informasi ke tiga tindakan kerja, menjelaskan alasan penempatannya, dan memilih untuk menahan data ketika izin atau dampaknya belum jelas.

Tiga kantong, bukan tiga cap permanen

Sebelum Sekar menempel notulen PT Wira Sentosa Mandiri ke alat AI, ia dapat memecah dokumen itu ke dalam tiga “kantong” keputusan:

1. boleh ditempel — unsur memang diperlukan untuk tugas, alatnya disetujui, dan kebijakan kantor mengizinkannya;
2. kurangi atau samarkan — sebagian isi diperlukan, tetapi rincian tertentu tidak perlu ikut atau dapat membuat orang, klien, maupun rencana internal mudah dikenali;
3. tidak boleh keluar — unsur ditahan dari alat tersebut karena dilarang, tidak ada izin yang jelas, atau dampaknya terlalu besar jika terbuka.

Ini adalah aturan kerja konservatif buatan Wawas, bukan klasifikasi resmi dalam Undang-Undang Pelindungan Data Pribadi. Ketiga kantong juga bukan sifat tetap sebuah data. Agenda rapat dapat berada di kantong pertama jika sudah dipublikasikan, tetapi berada di kantong ketiga jika masih memuat rencana akuisisi rahasia. Kebijakan kantor selalu menang atas tabel bab ini. Jika kantor melarang data tertentu dimasukkan ke AI, jangan memindahkannya hanya karena contoh Wawas tampak lebih longgar.

Empat langkah sebelum memilih kantong

1. Periksa kebijakan dan alat yang disetujui. Cari aturan penggunaan AI, keamanan informasi, daftar aplikasi yang boleh dipakai, serta batas jenis data. Persetujuan untuk satu alat atau satu jenis akun tidak otomatis berlaku bagi alat lain. NIST menempatkan kebijakan dan proses organisasi sebagai bagian dari pengelolaan risiko AI; tindakan yang tepat memang bergantung pada konteks, toleransi risiko, dan kewajiban organisasi [S3].

2. Tanyakan: benarkah unsur ini diperlukan? Mulai dari tujuan keluaran, bukan dari dokumen yang kebetulan tersedia. Untuk meringkas keputusan rapat, AI mungkin memerlukan pokok keputusan dan tenggat. Ia tidak memerlukan nomor telepon peserta hanya karena nomor itu berada pada halaman yang sama.

3. Nilai dampak bila informasi terbuka. Bayangkan isi itu terbaca oleh orang yang tidak semestinya. Apakah seseorang dapat dirugikan, strategi bisnis terbongkar, negosiasi terganggu, atau akses sistem diambil alih? Jangan hanya bertanya “apakah ini data pribadi?” Risiko organisasi lebih luas daripada satu label hukum.

4. Jika ragu, tahan dan eskalasi. “Tidak menemukan larangan” bukan berarti mendapat izin. Jangan kirim dulu. Tanyakan kepada atasan, TI/keamanan, legal, atau petugas pelindungan data sesuai struktur kantor. Menahan sementara adalah keputusan kerja yang sah; menebak lalu mengirim sulit dibatalkan.

Tabel awal untuk membiasakan keputusan

Tabel ini menunjukkan titik mulai konservatif, bukan jaminan bahwa contoh di kolom pertama pasti aman di kantormu. Baca setiap baris bersama empat langkah di atas.

Label UU pada dua baris di atas hanya menunjukkan contoh jenis data yang disebut dalam aturan, bukan kesimpulan hukum untuk situasi pembaca. Begitu pula, “kurangi atau samarkan” bukan sertifikat aman. Kombinasi jabatan, tanggal, wilayah, dan riwayat kerja dalam CV masih dapat mengarah ke satu orang meskipun namanya dihapus.

Saat menilai baris baru, tulis alasan dalam satu kalimat yang dapat diperiksa: “unsur X diperlukan untuk menghasilkan Y, diizinkan oleh aturan Z, dan jika terbuka berdampak A.” Jika kamu tidak dapat mengisi salah satu bagian itu, informasinya belum layak berpindah. Tempatkan sementara di tidak boleh keluar dan cari jawaban dari pihak yang berwenang. Cara ini membuat keputusan dapat ditinjau rekan kerja, bukan hanya bersandar pada perasaan aman.

Kembali ke notulen Sekar

Sekar kini tidak lagi melihat notulennya sebagai satu blok. Poin keputusan dan angka realisasi mungkin diperlukan untuk ringkasan direksi, tetapi tetap harus lolos kebijakan serta pemeriksaan alat. Nomor kontak Rani tidak membantu tujuan, sehingga harus dibuang sebelum pengiriman. Nama Koperasi Tirta Jaya dan harga khusus 18% dapat memengaruhi negosiasi, sedangkan rencana perampingan dua posisi belum disampaikan kepada pihak terdampak. Titik awal konservatifnya adalah menahan unsur-unsur itu dan meminta arahan, bukan menganggap penggantian nama perusahaan sudah menyelesaikan semua risiko.

Kerangka tiga kantong mengubah pertanyaan dari “bolehkah dokumen ini dikirim?” menjadi “unsur mana yang diperlukan, apa dampaknya, dan siapa yang memberi izin?” Namun Sekar masih membutuhkan salinan kerja yang berguna. Bagian berikut akan menunjukkan cara mengurangi isi sebelum menyamarkan pengenal, lalu menguji apakah orang atau organisasi masih dapat ditebak dari petunjuk yang tersisa.

Bagian 3 · Mengurangi Data Tanpa Merasa Kebal

Tujuan belajar bagian ini. Setelah membaca, kamu bisa membuat salinan kerja sebuah dokumen kantor yang isinya sudah dikurangi, membedakan empat tindakan yang sering dianggap sama — menghapus, mengurangi, mengganti pengenal, dan menganonimkan — serta menguji sendiri apakah orang atau organisasi masih bisa ditebak dari sisa petunjuk.

Kurangi dulu, samarkan belakangan

Kesalahan yang paling umum adalah langsung mengganti nama, lalu merasa pekerjaan sudah selesai. Urutan Wawas kebalikannya: buang yang tidak diperlukan lebih dulu, baru samarkan yang memang masih dibutuhkan. Alasannya sederhana. Unsur yang sudah dibuang tidak bisa bocor, tidak bisa salah ditafsirkan, dan tidak menambah petunjuk untuk menebak. Unsur yang cuma disamarkan masih ada di sana, hanya berganti label.

Kembali ke notulen Sekar dari bagian pertama — semua nama dan angkanya sintetis. Tujuan Sekar cuma satu: ringkasan keputusan untuk direksi. Mari kita lihat apa yang sebenarnya diperlukan untuk tujuan itu.

Sebelum (potongan yang biasanya langsung ditempel):

Hadir: Rani Prakoso (Manajer Penjualan, 08xx-xxxx-1102), Dimas Aryo (Supervisor Wilayah Timur), Sekar Ningtyas (Admin Penjualan). Realisasi Juli Rp 4,12 miliar dari target Rp 5,00 miliar (82%). Klien Koperasi Tirta Jaya diberi harga khusus Rp 84.500/unit, 18% di bawah harga daftar. Efisiensi: dua posisi admin wilayah akan dirampingkan per 1 Oktober.

Sesudah (salinan kerja yang dikirim ke alat AI):

Rapat mingguan satu divisi penjualan, awal Agustus. Hadir: Manajer Penjualan, Supervisor Wilayah, Admin Penjualan. 1. Realisasi bulan lalu sekitar 82% dari target; target bulan berjalan dinaikkan sekitar 12%. 2. Klien K-1 memperoleh harga khusus di bawah harga daftar; status perpanjangan kontrak belum final. 3. Ada rencana efisiensi posisi administrasi pada kuartal berikutnya, belum dikomunikasikan ke pihak terdampak. Tugas: susun ringkasan satu halaman untuk direksi, nada formal, maksimal lima poin keputusan.

Empat hal terjadi di sana. Nomor telepon dibuang — ia tidak berkontribusi apa pun pada ringkasan. Nama orang diganti dengan peran, karena yang relevan bagi direksi adalah siapa yang bertanggung jawab, bukan siapa yang hadir. Angka digeneralisasi menjadi persentase dan rentang, sebab ringkasan tidak memerlukan rupiah persis. Nama klien diganti kode K-1, dan padanan K-1 = nama sebenarnya disimpan terpisah di berkas kerja Sekar sendiri — tidak pernah ikut dikirim. Pemisahan kunci pengenal itulah yang membuat kode berguna: kalau daftar padanan ikut ditempel, kodenya tidak menyembunyikan apa pun.

Perhatikan bahwa hasilnya masih dapat dipakai. Ringkasan direksi yang lahir dari teks "sesudah" tetap menyampaikan capaian, target baru, isu harga klien, dan rencana efisiensi. Mengurangi data bukan berarti mengirim dokumen kosong.

Empat tindakan yang tidak boleh dicampur

• Penghapusan — unsurnya hilang sepenuhnya dari salinan kerja.
• Pengurangan — presisi diturunkan: tanggal jadi bulan, rupiah jadi persen, nama kota jadi wilayah.
• Penggantian pengenal — unsurnya tetap ada tetapi diberi label lain: peran, kode, atau inisial buatan.
• Anonimisasi — klaim bahwa seseorang tidak lagi dapat diidentifikasi dari data itu.

Tiga yang pertama adalah langkah kerja yang bisa kamu lakukan sore ini. Yang keempat adalah klaim, dan Wawas tidak menyuruhmu membuatnya. Mengganti "Rani Prakoso" menjadi "Manajer Penjualan" tidak menganonimkan apa pun jika divisi itu hanya punya satu manajer penjualan. Anggap salinan kerjamu sebagai data yang risikonya berkurang, bukan data yang aman. Perlakukan hasil akhirnya dengan kehati-hatian yang sama.

Uji balik sebelum menekan kirim

Pakai satu pertanyaan ini, persis seperti tertulis:

"Bisakah rekan satu tim menebak orang atau kliennya dari kombinasi jabatan, tanggal, proyek, dan angka?"

Kalau jawabannya ya — dan pada dokumen kantor jawabannya sering ya — kurangi lagi. Yang membocorkan identitas biasanya bukan satu unsur, melainkan kombinasinya: "supervisor wilayah timur" + "6 Agustus" + "diskon 18%" sudah cukup bagi orang dalam. Uji ini juga menjelaskan mengapa generalisasi angka bukan sekadar kerapian: ia memutus kombinasi yang menunjuk.

Keluaran juga membawa risiko

Jangan berhenti di masukan. Ringkasan yang dihasilkan AI dapat mengulang kembali unsur sensitif yang kamu kirim, kadang dalam kalimat yang justru lebih ringkas dan lebih mudah disalin. Karena itu keluaran ikut diperiksa dengan daftar periksa Bab 4: baca ulang sebelum diteruskan, dan pastikan tidak ada unsur yang lolos kembali ke dokumen final atau ke saluran yang lebih luas daripada semestinya.

Kerangka pengelolaan risiko AI generatif memang menempatkan kebocoran data pribadi dan informasi sensitif sebagai risiko yang perlu dikelola sesuai konteks organisasi [S3]. Namun langkah-langkah konkret di bagian ini — urutan kurangi lalu samarkan, kode dengan kunci terpisah, uji balik di atas — adalah aturan kerja konservatif Wawas dan konsensus praktik, bukan prosedur yang sudah diuji efektivitasnya pada pekerja Indonesia. Kalau kebijakan kantormu mengatur lain, kebijakan itu yang berlaku.

Bagian berikutnya membahas cara menemukan kebijakan tersebut — dan apa yang dilakukan ketika ternyata belum ada.

Bagian 4 · Ketika Aturan Kantor Tidak Terlihat

Tujuan belajar bagian ini. Setelah membaca, kamu bisa menemukan aturan yang berlaku di kantormu, mengirim tiga pertanyaan minimum kepada pihak yang tepat, memilih jalan aman ketika jawabannya belum ada, dan merespons salah kirim tanpa menutupi fakta.

Cari aturan sebelum memilih alat

Aturan penggunaan AI tidak selalu tersimpan dalam dokumen bernama “Kebijakan AI”. Mulailah dari kebijakan keamanan informasi, kebijakan penggunaan yang dapat diterima (acceptable use policy), SOP pengelolaan atau klasifikasi data, daftar aplikasi yang disetujui, serta ketentuan layanan alat yang disediakan kantor. Periksa juga apakah persetujuan itu melekat pada jenis akun tertentu. Akun perusahaan dengan pengaturan khusus dan akun pribadi pada produk bernama sama belum tentu diperlakukan sama.

NIST menempatkan kebijakan dan proses organisasi dalam fungsi pengelolaan risiko AI generatif. Artinya, keputusan tentang alat, data, penanggung jawab, dan respons insiden perlu ditetapkan sesuai konteks organisasi, bukan ditebak oleh pengguna sendiri [S3]. Kerangka NIST tersebut bersifat sukarela dan lintas sektor; ia bukan hukum Indonesia dan tidak membuktikan bahwa satu prosedur tertentu pasti efektif di setiap kantor.

Jika pencarian dokumen tidak memberi jawaban jelas, tanyakan kepada atasan langsung tentang kebutuhan tugas dan otorisasi kerja; kepada TI atau tim keamanan tentang alat serta akun yang disetujui; dan kepada legal atau petugas pelindungan data (DPO), bila ada, tentang proses internal untuk kasus yang menyentuh kewajiban organisasi. Jangan menganggap satu pihak selalu punya semua jawaban. Struktur dan nama perannya berbeda-beda di setiap tempat kerja.

Tiga pertanyaan minimum

Kamu dapat menyalin tiga pertanyaan ini ke pesan internal:

1. Alat AI dan jenis akun apa yang disetujui untuk tugas kerja saya?
2. Jenis data atau dokumen apa yang dilarang dimasukkan ke alat tersebut?
3. Melalui kanal internal apa saya harus melaporkan jika data telanjur salah kirim?

Minta jawaban yang menunjuk dokumen, pemilik kebijakan, atau kanal konkret yang dapat diperiksa kembali. “Sepertinya boleh” dari rekan yang tidak berwenang bukan pengganti otorisasi. Kerangka tiga kantong pada bagian sebelumnya hanya membantu menyiapkan pertanyaan; kebijakan kantor selalu mengalahkan tabel bab ini.

Jika kebijakan belum ada atau jawaban belum datang

Gunakan pohon keputusan kecil ini:

1. Bisakah tujuan latihan dicapai dengan data publik atau sintetis? Jika ya, buat contoh rekaan yang tidak diturunkan dari kasus nyata, lalu gunakan hanya alat yang memang boleh dipakai untuk kegiatan kerja.
2. Jika tidak, bisakah tugas diselesaikan tanpa AI? Jika ya, kerjakan secara manual dengan perangkat yang sudah disetujui.
3. Jika keduanya tidak mungkin, apakah sudah ada otorisasi yang jelas? Jika belum, tahan data dan tunggu arahan pihak yang berwenang.

Ketiadaan dokumen, larangan, atau balasan bukan izin. “Tetap kirim karena tenggat” tidak menjadi cabang keempat. Bila tenggat terancam, sampaikan hambatan dan pilihan aman kepada atasan; jangan diam-diam memindahkan risikonya.

Jika terlanjur salah kirim

Bayangkan Sekar tanpa sengaja mengirim notulen versi asli ke alat yang belum disetujui. Respons pertamanya bukan membuat alasan atau menghapus jejak. Ia berhenti mengirim data tambahan, tidak meneruskan keluarannya, dan tidak menutupi kejadian. Lalu ia mencatat fakta minimum selagi masih segar:

• kapan pengiriman terjadi;
• alat dan jenis akun yang dipakai;
• data atau dokumen apa yang terkirim.

Berikutnya, Sekar melapor melalui kanal insiden internal yang berlaku dan mengikuti arahan pihak berwenang di kantornya. Bab ini sengaja tidak menentukan siapa yang wajib dihubungi lebih dulu, berapa batas waktunya, cara menghapus data di penyedia, atau apakah otoritas eksternal perlu diberi tahu. Semua itu dapat bergantung pada kebijakan, kontrak, peran organisasi, dan hukum yang berlaku. Wawas bukan sumber nasihat hukum universal.

Kerangka kompetensi UNESCO mendorong latihan skenario insiden dan pemeriksaan kebijakan privasi sebagai bagian penggunaan AI yang aman [S1]. Namun audiens asli sumber itu adalah pelajar dalam konteks pendidikan, bukan pekerja kantor. Di sini prinsipnya dipakai sebagai dasar latihan reflektif, bukan bukti bahwa prosedur Sekar berlaku untuk semua perusahaan.

Sekarang aturan, jalur tanya, dan respons awal sudah terlihat. Di latihan.md, kamu akan mengaudit satu tugas nyata milikmu: memetakan data yang dibutuhkan, aturan yang berlaku, salinan minimum, dan jalur pelaporan bila terjadi salah kirim.

Latihan Bab 5 — Audit satu tugas nyata

Latihan ini dikerjakan di luar alat AI. Cukup kertas, dokumen teks, atau spreadsheet. Jangan menempelkan dokumen asli kantormu ke mana pun untuk mengerjakan latihan ini; kalau butuh contoh, tulis ulang isinya dengan angka dan nama yang kamu karang sendiri (contoh sintetis).

Bagian A — Lembar audit

Pilih satu tugas nyata yang minggu ini ingin kamu bantu dengan AI: merapikan notulen, meringkas laporan, menyusun draf email, atau membuat rekap. Isi lembar berikut.

Lembar dianggap selesai kalau setiap unsur punya kantong dan alasan, bukan sekadar tanda centang.

Periksa mandiri — jalur eskalasi. Jawab ya atau tidak untuk tiga pertanyaanmu:

• Apakah setiap pertanyaan meminta jawaban yang menunjuk dokumen, pemilik kebijakan, atau kanal konkret yang dapat diperiksa kembali?
• Apakah salah satunya menanyakan kanal internal untuk melaporkan data yang telanjur salah kirim?
• Apakah tidak ada pertanyaan ya/tidak yang bisa ditutup dengan jawaban “sepertinya boleh”?
• Apakah peran yang kamu tanya memang berwenang memberi jawaban, bukan sekadar rekan sejawat?

Jalur eskalasimu lolos hanya jika keempat jawaban adalah ya. Jika satu saja tidak, perbaiki pertanyaan atau pihak yang dituju sebelum mengirim data.

Bagian B — Empat skenario

Tentukan tindakanmu, lalu bandingkan dengan kunci.

1. CV pelamar. Atasan mengirim 30 CV dan minta diringkas jadi tabel perbandingan.
2. Notulen restrukturisasi. Rapat membahas rencana perampingan yang belum diumumkan; kamu diminta merapikan notulennya.
3. Rekap penjualan tanpa nama. Kolom nama klien sudah dihapus, tapi tersisa industri, kota, bulan, dan nilai kontrak — dan di kotamu hanya ada dua perusahaan seukuran itu.
4. Dokumen publik. Kamu meringkas peraturan yang sudah diterbitkan di situs resmi dan bisa diunduh siapa saja.

Kunci beralasan

1. CV pelamar — jangan kirim dulu, eskalasi. CV memuat data pribadi orang yang tidak pernah menyetujui pemrosesan ini. Cek kebijakan dan tanya HR/atasan lebih dulu. Kalau diizinkan, kirim hanya kolom yang dibutuhkan (pengalaman, keahlian) tanpa nama, kontak, tanggal lahir, atau alamat.
2. Notulen restrukturisasi — tidak boleh keluar. Informasi ini menyentuh status pekerjaan orang dan rencana bisnis yang belum diumumkan. Rapikan manual, atau minta izin tertulis lebih dulu.
3. Rekap penjualan — kurangi lagi, bukan kirim. Menghapus nama tidak membuat data anonim; kombinasi industri + kota + nilai masih menunjuk ke klien tertentu. Generalisasi kota jadi wilayah dan nilai jadi rentang, lalu uji balik sekali lagi.
4. Dokumen publik — boleh ditempel. Sifatnya memang terbuka. Tetap jaga agar pertanyaanmu tidak menyelipkan konteks internal (“untuk kasus klien kami yang…”), karena konteks itulah yang sensitif, bukan peraturannya.

Untuk skenario 1–3, jawaban yang benar bergantung kebijakan kantormu. Kebijakan kantor selalu mengalahkan tabel di bab ini. Kalau belum ada kebijakan, jawaban paling benar tetap: tahan, tanya, kerjakan bagian lain. Ketiadaan larangan bukan izin.

Rubrik penilaian diri

Latihan ini adalah aturan kerja konservatif Wawas, bukan nasihat hukum.

Tentang sumber dan metode — Bab 5

Terakhir diperiksa: 14 Agustus 2026. Semua URL berikut dibuka langsung sebelum dipakai.

Sumber

S1 — UNESCO, AI competency framework for students (2024).
URL: https://unesdoc.unesco.org/in/rest/annotationSVC/DownloadWatermarkedAttachment/attach_import_94157fec-83b6-4dd1-9cd9-f4c3b0f2b5c3?_=391105eng.pdf&from=1&to=80
Mendukung klaim: penggunaan AI yang aman mencakup kesadaran risiko pengungkapan data, kepatuhan pada aturan lokal, latihan insiden, dan pemeriksaan kebijakan privasi (bagian-01 dan bagian-04). Keterbatasan: kerangka ini ditujukan kepada pelajar dalam konteks pendidikan, bukan pekerja kantor.

S2 — Republik Indonesia, UU No. 27 Tahun 2022 tentang Pelindungan Data Pribadi.
URL: https://peraturan.bpk.go.id/Home/Download/224884/UU%20Nomor%2027%20Tahun%202022.pdf
Mendukung klaim: UU membedakan data pribadi umum dan spesifik serta mengatur pemrosesan data (bagian-01 dan contoh NIK/data kesehatan di bagian-02). Ini teks aturan, bukan nasihat hukum. Laman metadata BPK mengembalikan 403 saat diperiksa ulang; catatan verifikasi dan peringatan mutu OCR tersedia di company/research/raw/uu-pdp-27-2022-kutipan.md.

S3 — NIST, Generative Artificial Intelligence Profile, NIST AI 600-1 (2024).
URL: https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.600-1.pdf
Mendukung klaim: privasi merupakan risiko GAI; penggunaan perlu diselaraskan dengan hukum, kebijakan, dan proses organisasi (bagian-02 sampai bagian-04). Keterbatasan: kerangka sukarela AS, lintas sektor, bukan hukum Indonesia atau bukti kausal efektivitas pelatihan.

S4 — NIST, AI Risk Management Framework 1.0 (2023).
URL: https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-ai-rmf-10
Mendukung klaim: konteks induk S3 adalah pengelolaan risiko AI oleh organisasi. S4 tidak dikutip sebagai penanda [S4] di badan bab; ia dipakai hanya sebagai latar untuk memastikan S3 dibaca dalam kerangka induknya. Kerangka ini juga sukarela, lintas sektor, dan tidak mendukung klasifikasi tiga kantong.

Apa yang berasal dari mana

Temuan sumber terbatas pada klaim yang dipetakan di atas. Konsensus praktik dalam bab ini ialah meminimalkan data, mengikuti kebijakan organisasi, menahan pengiriman saat ragu, dan melaporkan salah kirim melalui jalur internal; langkah ini disajikan sebagai tindakan konservatif, bukan jaminan hukum atau keamanan.

Kerangka orisinal Wawas mencakup tiga kantong—boleh ditempel / kurangi atau samarkan / tidak boleh keluar—beserta uji identifikasi balik. Kerangka, urutan, contoh, dan rubriknya bukan klasifikasi resmi UU atau NIST. [BUKTI LEMAH] Belum ada pengujian empiris atas kerangka ini pada pekerja Indonesia; kami tidak mengklaim angka efektivitas.

Batas dan transparansi

Belum tercakup: penafsiran UU PDP pasal demi pasal, kebijakan vendor AI tertentu, serta ketentuan sektor berizin khusus seperti kesehatan dan keuangan. Bab ini adalah materi belajar umum, bukan nasihat hukum; kebijakan kantor dan arahan pihak berwenang tetap mengalahkan contoh bab.

Materi ini disusun dengan bantuan AI, diperiksa terhadap sumber yang tercantum. Tidak ada penulis pakar manusia di baliknya. Kalau Anda menemukan kesalahan, itu kesalahan kami dan akan kami perbaiki.

Bab 6 — Dokumen, email, dan notulen: tugas kantor per jenis

Tujuan belajar bab ini

Setelah menyelesaikan bab ini, pembaca mampu:

1. Membedakan spesifikasi minimum untuk dokumen, email, dan notulen menurut tujuan, pembaca, sumber kebenaran, dan akibat kesalahan.
2. Menyusun instruksi AI yang menghasilkan draf salah satu dari tiga artefak dengan batas fakta dan format yang dapat diperiksa.
3. Memeriksa dan merevisi draf memakai daftar cek khusus jenis artefak, termasuk fakta, penerima, keputusan, pemilik aksi, tenggat, serta data yang tidak boleh dimasukkan.
4. Menentukan kapan tugas aman dibantu AI, perlu penyamaran data, atau harus dikerjakan tanpa AI.

6.1 Satu pola kerja, tiga kontrak keluaran

Kebanyakan orang memakai AI untuk menulis dengan cara yang sama, apa pun yang ditulis: tempel bahan seadanya, minta "tolong buatkan", lalu poles kalimatnya. Cara itu kelihatan hemat waktu sampai keluarannya menyentuh sesuatu yang punya akibat — angka yang salah di memo, janji yang tidak pernah Anda buat di email, atau nama orang yang tiba-tiba menjadi penanggung jawab pekerjaan di notulen.

Bab ini memakai satu pola kerja yang sama untuk ketiganya, tetapi dengan kontrak keluaran yang berbeda untuk tiap artefak.

Pola enam langkah

Pola berikut adalah kerangka Wawas — cara kami menyusun materi ini, bukan temuan penelitian dan bukan standar industri. Belum ada studi yang mengukur apakah pola ini lebih baik daripada cara lain; yang bisa kami pertanggungjawabkan adalah bahwa tiap langkahnya menutup satu risiko yang memang terdokumentasi.

1. Tujuan — apa yang harus berubah pada pembaca setelah membaca keluaran ini.
2. Bahan sah — fakta apa yang boleh dipakai, dan dari mana asalnya.
3. Kontrak keluaran — bentuk, panjang, dan larangan yang bisa diperiksa.
4. Draf — AI mengerjakan bagian ini, dan hanya bagian ini.
5. Pemeriksaan — cocokkan tiap butir keluaran dengan bahan.
6. Kirim atau simpan oleh manusia — keputusan terakhir tidak didelegasikan.

Langkah 5 ada karena model generatif dapat menghasilkan isi yang terdengar meyakinkan tetapi tidak benar; NIST menamainya confabulation dan mencantumkannya sebagai risiko tersendiri dalam profil AI generatif, bersama risiko terhadap integritas informasi (NIST AI 600-1, 2024, bagian 2.2 "Confabulation" dan bagian 2.8 "Information Integrity"). Langkah 6 ada karena panduan pemerintah Inggris menempatkan kendali manusia yang bermakna pada tahap yang tepat sebagai prinsip tersendiri, bukan sebagai anjuran opsional (UK GDS, AI Playbook for the UK Government, 2025, prinsip 4). Kedua sumber ditulis untuk konteks lembaga — Amerika Serikat dan sektor publik Inggris — sehingga penerapannya ke kantor Indonesia adalah adaptasi praktik, bukan bukti tentang perilaku pekerja Indonesia.

Tiga kontrak keluaran

Yang membedakan dokumen, email, dan notulen bukan panjangnya, melainkan apa yang rusak kalau keluarannya salah. Isi tabel ini sebelum menulis instruksi apa pun.

Perhatikan baris terakhir. Dokumen salah biasanya masih bisa diralat sebelum ada yang bertindak. Email salah sudah terkirim. Notulen salah menjadi versi resmi dari kejadian yang tidak pernah terjadi — dan diperlakukan sebagai kebenaran justru oleh orang yang tidak hadir.

Tiga pertanyaan gerbang

Sebelum menempelkan bahan apa pun ke alat AI, jawab tiga pertanyaan ini. Semua harus ya untuk lanjut.

1. Hak atas bahan: apakah saya boleh memasukkan bahan ini ke alat pihak ketiga menurut kebijakan tempat kerja saya?
2. Sensitivitas data: apakah bahan ini sudah bebas dari nama orang, nomor identitas, angka kontrak, dan data pribadi lain — atau sudah saya samarkan?
3. Akibat keluaran salah: kalau keluarannya salah dan lolos, apakah akibatnya masih bisa saya perbaiki sendiri sebelum merugikan orang lain?

Satu jawaban tidak pada pertanyaan 1 atau 2 berarti bahannya disamarkan dulu atau tugasnya dikerjakan tanpa AI. Jawaban tidak pada pertanyaan 3 tidak otomatis melarang — tetapi berarti langkah 5 dan 6 tidak boleh diringkas, dan sebaiknya ada orang kedua yang memeriksa. Privasi data dan penggunaan alat yang sesuai tugas keduanya diperlakukan sebagai risiko yang harus dikelola sejak awal di NIST AI 600-1 (bagian 2.4 "Data Privacy") dan UK GDS (prinsip 3 tentang keamanan data serta prinsip 6 tentang memilih alat yang tepat untuk tugasnya).

Tiga bagian berikutnya menerapkan pola yang sama pada tiap artefak, dengan kasus Indonesia dan bahan sintetis: memo perubahan jam layanan cabang (6.2), email tindak lanjut ke vendor (6.3), dan notulen rapat proyek internal (6.4).

6.2 Dokumen: draf yang dapat ditelusuri ke bahan

Dokumen yang tampak rapi belum tentu dapat dipertanggungjawabkan. Untuk memo operasional, pemeriksaan yang berguna bukan hanya “apakah kalimatnya enak dibaca?”, melainkan “dari butir bahan mana setiap fakta berasal?” Bagian ini menerapkan pola enam langkah pada satu kasus sintetis. Nama organisasi, cabang, tanggal, dan angka berikut dibuat khusus untuk latihan; semuanya bukan data perusahaan nyata.

Kasus dan bahan sah

Anda bekerja di Koperasi Reka Bersama dan perlu menyiapkan memo satu halaman untuk pegawai Cabang Melati. Tujuannya: pegawai mengetahui perubahan jam layanan, masa berlakunya, dan cara mengarahkan anggota yang datang di luar jam baru. Hanya tiga butir berikut yang menjadi bahan sah:

1. Fakta A: mulai Senin, 24 Agustus 2026, loket Cabang Melati melayani anggota pukul 08.30–15.00 WIB, Senin sampai Jumat.
2. Fakta B: jadwal itu berlaku selama uji coba empat minggu dan akan ditinjau pada Jumat, 18 September 2026.
3. Fakta C: anggota yang datang setelah pukul 15.00 diarahkan ke formulir layanan daring; tautannya akan dibagikan oleh Kepala Cabang sebelum uji coba dimulai.

Ketiganya sengaja menyisakan ketidakpastian: bahan tidak menyebut alasan perubahan, jam istirahat, identitas Kepala Cabang, atau keputusan sesudah masa uji coba. Kekosongan tersebut bukan undangan untuk menebak.

Kontrak keluaran yang bisa disalin

Setelah Tujuan dan Bahan sah, tulis Kontrak keluaran sebelum meminta Draf. Berikut teks instruksi yang dapat langsung disalin bersama tiga fakta di atas:

Tulis draf memo internal untuk seluruh pegawai Koperasi Reka Bersama Cabang Melati. Panjang maksimal 250 kata. Gunakan struktur: judul memo; Kepada; Perihal; paragraf pembuka satu kalimat; tiga butir tindakan; penutup satu kalimat. Jelaskan jam layanan baru, tanggal mulai, lama uji coba, tanggal peninjauan, serta arahan bagi anggota yang datang setelah jam layanan. Gunakan hanya Fakta A, B, dan C yang saya berikan. Jangan menambah alasan, nama penanggung jawab, tautan, jadwal istirahat, hasil evaluasi, atau janji tentang keputusan setelah uji coba. Jika informasi yang diminta tidak ada dalam bahan, tulis [PERLU DIISI MANUSIA]; jangan menebaknya. Setelah draf, buat daftar kalimat faktual — sumber Fakta A/B/C agar setiap fakta dapat diperiksa.

Kontrak itu menetapkan pembaca, struktur, batas panjang, isi wajib, dan larangan menambah fakta. Penanda [PERLU DIISI MANUSIA] membuat lubang informasi terlihat sebelum memo dikirim; kalimat yang terdengar pasti tidak boleh dipakai untuk menyembunyikannya.

Pemeriksaan dengan jejak bahan

Sesudah AI menghasilkan draf, jangan langsung memolesnya. Jalankan langkah Pemeriksaan dengan memecah draf menjadi butir yang dapat diuji. Contoh tabel berikut menunjukkan bahwa hasil yang lancar tetap bisa gagal.

Lakukan pemeriksaan dua arah. Pertama, setiap klaim dalam draf harus menunjuk ke Fakta A, B, atau C. Kedua, setiap isi wajib dalam kontrak harus muncul di draf. Cara kedua menangkap bagian yang hilang meskipun semua kalimat yang ada sudah benar.

Empat cacat yang harus dicari

Sebelum langkah Kirim atau simpan oleh manusia, cari empat cacat khas dokumen secara sengaja:

1. Klaim tanpa dukungan: alasan “mengurangi antrean” terdengar masuk akal, tetapi tidak tersedia dalam bahan.
2. Angka, nama, atau tanggal salah: pukul 08.00, 14 September, atau Cabang Mawar mengubah makna operasional meskipun hanya satu unsur keliru.
3. Bagian yang hilang: memo dapat menyebut jam baru tetapi melupakan arahan untuk anggota yang datang terlambat.
4. Bahasa yang menyamarkan ketidakpastian: “jadwal akan dipermanenkan” mengubah rencana peninjauan menjadi keputusan yang belum dibuat.

Daftar ini adalah alat kerja Wawas, bukan jaminan bahwa dokumen bebas salah. Risiko model menghasilkan isi meyakinkan tetapi keliru dibahas NIST AI 600-1 bagian 2.2 tentang confabulation dan bagian 2.8 tentang integritas informasi. Karena itu, jejak bahan dan pemeriksaan manusia tidak boleh diganti dengan perintah tambahan seperti “pastikan semuanya akurat”. Prinsip 1 UK GDS AI Playbook juga menempatkan pemahaman keterbatasan dan pengujian keluaran sebagai tanggung jawab pengguna; sumber tersebut berkonteks sektor publik Inggris, bukan bukti khusus kantor Indonesia.

Terakhir, manusia memastikan memo sesuai kebijakan internal, mengisi bagian yang memang menjadi kewenangannya, lalu memutuskan apakah dokumen siap disimpan atau diedarkan. AI membuat draf; bahan menentukan fakta; manusia memegang keputusan akhir.

6.3 Email: periksa penerima sebelum memoles kalimat

Email gagal dengan cara yang berbeda dari dokumen. Memo yang keliru bisa diperbaiki dan diedarkan ulang; email yang sudah terkirim sudah berada di kotak masuk orang lain, dan kalimatnya bisa dibaca sebagai janji. Karena itu urutan kerjanya bukan “tulis dulu, rapikan penerimanya belakangan”. Bagian ini memakai kasus sintetis; nama perusahaan, orang, tanggal, dan nomor pesanan di bawah ini dibuat untuk latihan dan bukan data nyata.

Kasus dan bahan sah

Anda staf pengadaan di PT Marga Sentosa. Pengiriman dari vendor CV Pilar Anugerah mundur, dan Anda perlu mengirim email tindak lanjut. Bahan sah hanya empat butir:

1. Fakta A: pesanan PO-2026-118 dijadwalkan tiba Rabu, 19 Agustus 2026.
2. Fakta B: pada Senin, 17 Agustus 2026, vendor memberi tahu lewat telepon bahwa pengiriman mundur ke Senin, 24 Agustus 2026, karena keterlambatan pemasok bahan.
3. Fakta C: vendor belum mengirim konfirmasi tertulis atas jadwal baru itu.
4. Fakta D: Anda berwenang meminta konfirmasi tertulis, tetapi tidak berwenang menyetujui perubahan jadwal, denda, atau kompensasi.

Bahan sengaja tidak menyebut kontak vendor, isi kontrak, sanksi keterlambatan, maupun sikap atasan Anda. Kekosongan itu harus tetap kosong.

Empat komponen sebelum menyentuh draf

Sebelum meminta AI menulis apa pun, pisahkan empat hal ini secara tertulis — inilah isi langkah Tujuan dan Bahan sah untuk artefak email:

• Fakta: Fakta A–D di atas, tidak lebih.
• Tujuan komunikasi: memperoleh konfirmasi tertulis atas tanggal baru, dan mencatat pergeseran jadwal sebagai jejak resmi.
• Nada: kooperatif dan netral; hubungan kerja diteruskan, bukan diakhiri.
• Tindakan yang diminta: satu permintaan tunggal — balasan tertulis berisi tanggal pengiriman yang dikonfirmasi.

Memisahkan nada dari tindakan mencegah kesalahan paling umum: kalimat yang ramah dibiarkan menggantikan permintaan yang jelas, sehingga vendor merasa sudah dimaklumi dan tidak membalas apa pun.

Kontrak keluaran yang bisa disalin

Tulis draf email dari staf pengadaan PT Marga Sentosa kepada CV Pilar Anugerah. Maksimal 150 kata. Struktur: baris subjek; sapaan; satu paragraf berisi jadwal semula dan pemberitahuan pergeseran; satu permintaan tindakan; penutup. Nada kooperatif dan netral. Gunakan hanya Fakta A, B, C, dan D. Jangan menyetujui jadwal baru, menawarkan atau menuntut kompensasi, menyebut denda atau pasal kontrak, menetapkan tenggat balasan, menyebut lampiran, menambah penerima atau tembusan, atau menyatakan kewenangan yang tidak ada dalam bahan. Jangan menulis alamat email; tulis [PERLU DIISI MANUSIA] untuk penerima. Bila informasi tidak ada dalam bahan, tulis [PERLU DIISI MANUSIA] dan jangan menebak.

Dua versi, satu perbedaan yang menentukan

Versi buruk (sopan, tetapi mengarang komitmen):

“Terima kasih atas kabarnya. Kami memahami kendala pemasok dan dengan senang hati menyetujui jadwal baru 24 Agustus 2026. Sesuai kontrak, kami tidak akan mengenakan denda untuk keterlambatan ini. Mohon kirim konfirmasi beserta dokumen pengiriman terlampir paling lambat besok.”

Empat kegagalan, dan semuanya lolos kalau pembaca hanya menilai kesopanan. “Menyetujui” melampaui Fakta D — persetujuan bukan kewenangan penulis. Pembebasan denda menciptakan klaim kontraktual yang tidak ada di bahan. “Terlampir” menyebut lampiran yang tidak pernah ada. “Paling lambat besok” menetapkan tenggat yang tidak ada di bahan mana pun.

Versi revisi (setia pada bahan):

“Terima kasih atas pemberitahuan melalui telepon pada 17 Agustus 2026. Pesanan PO-2026-118 semula dijadwalkan tiba pada 19 Agustus 2026, dan kami mencatat rencana pengiriman bergeser ke 24 Agustus 2026. Mohon kirimkan konfirmasi tertulis atas tanggal tersebut agar dapat kami catat. Tanggapan atas jadwal ini akan kami sampaikan setelah konfirmasi diterima.”

Kalimat terakhir menjaga posisi tanpa berpura-pura punya kewenangan yang belum ada.

Daftar cek manusia sebelum tombol kirim

1. Alamat dan penerima: benar orangnya, dan tidak ada tembusan tambahan.
2. Lampiran: setiap penyebutan lampiran benar-benar ada.
3. Kewenangan: tidak ada kalimat yang menyetujui, membebaskan, atau menjanjikan di luar wewenang Anda.
4. Tenggat: setiap tanggal berasal dari bahan, bukan dari draf.
5. Akibat komitmen: bacalah tiap kalimat sebagai pihak lawan — apa yang bisa ditagih dari kalimat ini di kemudian hari?

Pemeriksaan ini pekerjaan manusia, bukan tambahan instruksi seperti “jangan membuat kesalahan”. NIST AI 600-1 bagian 2.2 menjelaskan keluaran yang meyakinkan tetapi keliru, bagian 2.4 risiko privasi data, dan bagian 2.8 integritas informasi. UK GDS AI Playbook prinsip 1, 3, 4, 6, dan 10 menempatkan pengujian keluaran, keamanan data, kontrol manusia, kesesuaian alat dengan tugas, dan kepatuhan kebijakan organisasi pada pengguna — dengan catatan konteksnya sektor publik Inggris, bukan bukti tentang kantor Indonesia.

6.4 Notulen: keputusan bukan ringkasan percakapan

Notulen bukan versi pendek dari semua yang terdengar dalam rapat. Tugasnya merekam keputusan dan pekerjaan lanjutan tanpa mengubah kemungkinan menjadi kepastian. Karena itu, kalimat yang terdengar masuk akal belum tentu boleh masuk. Kasus berikut sepenuhnya sintetis: perusahaan, proyek, peran, dan percakapannya fiktif; tidak berasal dari rekaman atau rapat nyata.

Transkrip latihan

Rapat internal PT Reka Aruna membahas peluncuran laman bantuan pelanggan untuk proyek Lentera.

Pemimpin Proyek: “Kita tetapkan laman bantuan diluncurkan dalam Bahasa Indonesia lebih dulu. Versi Inggris menyusul setelah evaluasi.”
Staf Operasi: “Bagaimana kalau tombol percakapan langsung ikut dipasang pada peluncuran pertama?”
Pemimpin Proyek: “Belum. Kita belum memutuskan itu karena jadwal petugas belum tersedia.”
Perancang Produk: “Daftar 20 pertanyaan umum perlu diperiksa lagi sebelum masuk ke laman.”
Staf Operasi: “Baik, nanti ada yang cocokkan dengan tiket bulan lalu.”
Pemimpin Proyek: “Targetnya mungkin hari Kamis, kalau datanya sudah lengkap. Tolong pastikan lagi setelah rapat.”

Transkrip memuat satu keputusan tegas, satu usulan yang ditolak sebagai keputusan, satu aksi tanpa pemilik, dan satu tenggat yang masih ragu. Menjadikan semuanya daftar tugas rapi justru akan memalsukan keadaan rapat.

Enam kolom sebelum membuat notulen

Pisahkan bahan ke enam kolom pada langkah Bahan sah. Jangan mengisi ruang kosong dengan jabatan yang terasa paling cocok.

“Perancang Produk” menyatakan kebutuhan, tetapi tidak otomatis menjadi pemilik pekerjaan. “Nanti ada yang” juga bukan penugasan. Kamis disebut bersama “mungkin” dan sebuah syarat yang belum terdefinisi, sehingga belum boleh ditulis sebagai tenggat.

Kontrak keluaran yang siap disalin

Susun notulen singkat hanya dari transkrip yang diberikan. Gunakan enam bagian: Diputuskan, Aksi, Pemilik, Tenggat, Belum diputuskan, dan Perlu konfirmasi. Pertahankan perbedaan antara keputusan, usulan, dan pertanyaan. Jangan menaikkan usulan menjadi keputusan; jangan menebak pemilik aksi; jangan mengarang atau menguatkan tenggat yang masih ragu. Jika pemilik, tenggat, atau syarat tidak dinyatakan tegas, tulis [PERLU DIISI MANUSIA] dan jelaskan apa yang perlu dikonfirmasi. Jangan menambah peserta, alasan, status pekerjaan, atau kesepakatan yang tidak ada dalam transkrip.

Draf notulen

Diputuskan: Laman bantuan proyek Lentera diluncurkan dalam Bahasa Indonesia lebih dulu. Versi Inggris menyusul setelah evaluasi.

Aksi: Cocokkan daftar 20 pertanyaan umum dengan tiket bulan lalu. Pemilik: [PERLU DIISI MANUSIA]. Tenggat: [PERLU DIISI MANUSIA]; Kamis baru disebut sebagai kemungkinan jika data lengkap.

Belum diputuskan: Tombol percakapan langsung pada peluncuran pertama. Keputusan menunggu ketersediaan jadwal petugas.

Perlu konfirmasi: siapa pemilik aksi; apakah Kamis disepakati sebagai tenggat; dan data apa yang harus lengkap.

Pemeriksaan dua arah

Pemeriksaan pertama bergerak dari notulen ke transkrip: setiap butir keluaran harus memiliki bukti. Pemeriksaan kedua bergerak sebaliknya: setiap keputusan dan aksi dalam transkrip harus muncul di notulen. Dua arah diperlukan karena draf dapat sekaligus menambah hal rekaan dan menghilangkan hal penting.

Setelah revisi, manusia tetap harus mengonfirmasi ruang kosong sebelum notulen disahkan atau dibagikan. Ini menerapkan tahap pemeriksaan dan kendali manusia dari pola 6.1 tanpa menyerahkan keputusan akhir kepada AI. Alasannya terbatas: NIST AI 600-1 bagian 2.2 dan 2.8 membahas keluaran keliru yang meyakinkan serta integritas informasi; UK GDS prinsip 1 dan 4 menempatkan pengujian serta kendali manusia sebagai tanggung jawab pengguna. Sumber tersebut tidak menetapkan format notulen dan tidak membuktikan efektivitas tabel Wawas di kantor Indonesia; format ini adalah kerangka praktik yang harus dinilai lewat hasilnya.

Latihan Bab 6 — satu paket bahan, tiga jenis artefak

Semua bahan di bawah fiktif: PT Sinar Kanaya, PT Bumi Wistara, nama orang, angka, dan tanggalnya dikarang untuk latihan ini. Jangan menempelkan dokumen, email, atau rekaman kantor Anda yang sebenarnya ke dalam latihan ini.

Bahan A — memo kebijakan operasional PT Sinar Kanaya (kutipan)

Kepada: Seluruh staf cabang · Perihal: Penyesuaian jam layanan Mulai 1 September, loket cabang buka 08.30–15.00 (sebelumnya 08.00–16.00). Sabtu tetap tutup. Layanan pengaduan tetap dilayani lewat telepon sampai 17.00. Penyesuaian diambil karena rata-rata kunjungan setelah pukul 15.00 pada Juni–Juli tercatat 6 orang per hari per cabang. Evaluasi dijadwalkan tiga bulan setelah penerapan.

Bahan B — utas email vendor (kutipan)

Vendor (PT Bumi Wistara → kami): “Pengiriman batch kedua mundur dari 12 ke 19 September karena keterlambatan bahan. Batch pertama tetap 5 September.” Rekan tim (internal): “Kita perlu balas hari ini. Tolong tanya apakah mereka bisa kirim sebagian lebih awal, dan ingatkan soal denda di kontrak — tapi saya belum sempat cek pasal dendanya.”

Bahan C — transkrip rapat pendek

Manajer Operasi: “Penyesuaian jam layanan kita jalankan 1 September, tidak diundur lagi.” Staf Layanan: “Bagaimana kalau kita tambah satu petugas telepon sore?” Manajer Operasi: “Itu belum diputuskan, tergantung anggaran triwulan.” Staf Komunikasi: “Pengumuman untuk pelanggan perlu disiapkan.” Manajer Operasi: “Iya, sebelum akhir bulan kalau bisa.”

Tahap 1 — matriks pembeda (wajib, kerjakan lebih dulu)

Isi sendiri tiga baris berikut sebelum menyentuh AI. Jangan menyalin matriks 6.1; tulis untuk bahan A, B, dan C di atas.

Jika tiga baris Anda terisi kalimat yang hampir sama, Anda belum membedakan ketiganya — ulangi sebelum lanjut.

Tahap 2 — kerjakan satu artefak

Pilih tepat satu bahan (A, B, atau C), lalu hasilkan empat keluaran:

1. Catatan keputusan: aman dibantu AI / samarkan data dulu / kerjakan tanpa AI, disertai alasan yang menyebut sensitivitas bahan dan akibat jika keluaran salah. Satu kalimat alasan tidak cukup bila Anda memilih “aman”.
2. Kontrak keluaran: bentuk, panjang, bagian wajib, dan larangan eksplisit (fakta baru, angka baru, komitmen baru, pemilik aksi baru).
3. Draf hasil revisi — draf AI yang sudah Anda perbaiki, bukan keluaran mentah.
4. Tabel pemeriksaan tiga kolom: butir keluaran → bukti bahan → revisi. Butir tanpa bukti hanya boleh dihapus atau ditandai [PERLU DIISI MANUSIA], tidak boleh dibiarkan.

Jalur tugas nyata (opsional)

Jalur baku latihan ini adalah bahan sintetis di atas, dan dinilai dengan rubrik yang sama. Bila Anda ingin memakai pekerjaan kantor sendiri, ganti lebih dulu nama orang, nama perusahaan, angka kontrak, dan data pribadi — dan lakukan hanya bila kebijakan tempat kerja Anda mengizinkan alat AI yang Anda pakai.

Sebelum lanjut, jawab lagi tiga pertanyaan gerbang pada 6.1. Jika satu jawaban tidak memenuhi syarat, gunakan bahan sintetis atau kerjakan tugas tersebut tanpa AI. Jangan memakai jalur ini untuk data rahasia, data pribadi yang masih dapat dikenali, atau keluaran yang tidak dapat diperiksa manusia sebelum berdampak pada orang lain.

Rubrik

Risiko khas artefak yang dihitung:

• Dokumen: fakta tanpa jejak bahan.
• Email: komitmen atau penerima yang tidak diverifikasi.
• Notulen: usulan dinaikkan menjadi keputusan, atau pemilik aksi ditebak.

Pemeriksaan pemahaman

Tunjukkan bukti, bukan hafalan:

1. Tunjuk satu baris tabel pemeriksaan Anda yang berakhir dengan penghapusan. Apa yang hilang bila baris itu dibiarkan?
2. Salin satu kalimat larangan dari kontrak keluaran Anda, lalu tunjuk kalimat draf AI yang nyaris melanggarnya.
3. Sebut satu hal dalam bahan pilihan Anda yang tidak boleh ditulis sama sekali karena belum diputuskan atau belum dikonfirmasi.

Tentang sumber dan metode

Sumber yang dipakai

Daftar ini hanya memuat sumber yang menjadi dasar klaim faktual Bab 6. Keduanya dibuka dan diperiksa pada 14 Agustus 2026.

1. National Institute of Standards and Technology (NIST), Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile (NIST AI 600-1, 2024). https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-generative-artificial-intelligence Bagian yang dipakai: 2.2, “Confabulation”, untuk risiko keluaran yang meyakinkan tetapi keliru; 2.4, “Data Privacy”, untuk risiko privasi bahan yang dimasukkan ke alat AI; dan 2.8, “Information Integrity”, untuk risiko terhadap integritas informasi. Bagian-bagian ini mendasari gerbang data, penelusuran draf ke bahan, dan pemeriksaan fakta sebelum keluaran dipakai.
2. UK Government Digital Service, Artificial Intelligence Playbook for the UK Government (2025). https://www.gov.uk/government/publications/ai-playbook-for-the-uk-government/artificial-intelligence-playbook-for-the-uk-government-html Prinsip yang dipakai: prinsip 1 untuk memahami keterbatasan AI dan menguji keluaran; prinsip 3 untuk keamanan data; prinsip 4 untuk mempertahankan kendali manusia yang bermakna; prinsip 6 untuk memilih alat yang sesuai dengan tugas; dan prinsip 10 untuk mematuhi kebijakan organisasi. Prinsip-prinsip ini mendasari gerbang data, pemeriksaan oleh pengguna, dan keputusan akhir oleh manusia pada bagian 6.1–6.4.

Cara materi disusun

Materi ini disusun dengan bantuan AI dan diperiksa terhadap sumber yang dicantumkan. Tidak ada pakar manusia yang meninjaunya. Kami tidak memakai nama penulis rekaan, gelar, testimoni, atau logo institusi untuk memberi kesan bahwa materi didukung pihak yang tidak terlibat.

Seluruh kasus dan nama organisasi dalam bab dan latihan bersifat sintetis, termasuk Koperasi Reka Bersama; PT Marga Sentosa; CV Pilar Anugerah; PT Reka Aruna dan proyek Lentera; PT Sinar Kanaya; serta PT Bumi Wistara. Kasus tersebut dibuat untuk melatih pemeriksaan tanpa meminta data kantor nyata. Pola Tujuan → Bahan sah → Kontrak keluaran → Draf → Pemeriksaan → Kirim/simpan adalah kerangka Wawas, bukan temuan penelitian, standar resmi, atau jaminan hasil.

Keterbatasan dan batas cakupan

UK GDS menulis playbook untuk sektor publik Inggris; penerapannya pada pekerja kantor Indonesia merupakan adaptasi praktik. NIST AI 600-1 menjelaskan risiko AI generatif, tetapi tidak mengatur format email atau notulen. [BUKTI LEMAH] Belum ada studi yang kami verifikasi yang mengukur efektivitas matriks pembeda, kontrak keluaran, atau daftar cek Wawas dibandingkan cara kerja lain. Karena itu, alat-alat tersebut harus dinilai dari keterlacakan hasil kerja, bukan dari janji bahwa metode ini pasti efektif.

Bab ini belum mencakup surat hukum, nasihat profesional, otomasi pengiriman, perekaman rapat, maupun tafsir Undang-Undang Pelindungan Data Pribadi. Gunakan kebijakan organisasi dan tenaga profesional yang berwenang bila pekerjaan menyentuh wilayah tersebut.

Ketahanan: [CEPAT BASI]. Terakhir diperiksa: 14 Agustus 2026. Sumber, contoh, dan batas cakupan ditinjau setiap tiga bulan; tinjauan berikutnya dijadwalkan pada 14 November 2026.

Bab 7 — Angka & tabel: di mana AI paling sering salah

Tujuan belajar bab ini

Bab ini punya tepat satu tujuan belajar:

1. Pembaca menemukan minimal dua dari tiga kesalahan sengaja pada satu tabel keluaran AI.

Tidak ada tujuan belajar kedua. Materi yang tidak melayani tujuan ini ditolak.

7.1 Jangan percaya karena tabel tampak rapi

Anda meminta AI merekap pengeluaran tiga bulan terakhir. Beberapa detik kemudian jawabannya datang berupa sebuah tabel: kolomnya lurus, judulnya lengkap, setiap baris berlabel bulan, angkanya rata kanan dengan jumlah digit yang seragam. Tidak ada yang terlihat janggal, dan Anda menyalinnya ke laporan.

Di titik itulah pemeriksaan biasanya tertunda — bukan karena pembacanya ceroboh, melainkan karena tampilan yang rapi tidak memberi satu pun isyarat untuk berhenti. Kerapian adalah sifat bentuk, bukan sifat isi. Tabel yang tersusun baik dan tabel yang benar keluar dari proses yang sama dan terlihat persis sama di layar. Anggaplah adegan di atas sekadar ilustrasi kerja, bukan gambaran tentang apa yang biasanya terjadi pada semua orang.

Yang membuat adegan itu layak diwaspadai datang dari NIST AI 600-1: sistem AI generatif dapat menghasilkan isi yang dinyatakan dengan yakin namun keliru. Karena isi yang keliru pun dapat disajikan dengan yakin, nada percaya diri keluaran tidak cukup untuk membuktikan bahwa isinya benar. Kerapian tabel juga tidak menjadi bukti ketepatan angkanya. Implikasi praktisnya sempit dan sebaiknya tidak dilebarkan: keluaran numerik dari AI diperlakukan sebagai draf yang belum diperiksa, bukan sebagai hasil yang sudah jadi. Itu saja — bukan alasan untuk menolak memakainya.

Batas buktinya perlu dinyatakan terus terang di sini, bukan disembunyikan di catatan kaki. NIST AI 600-1 adalah kerangka manajemen risiko: dokumen itu memetakan risiko yang mungkin muncul dan menyarankan cara mengelolanya. Ia bukan studi pengukuran, dan tidak mengukur berapa banyak keluaran yang keliru. Karena itu bab ini tidak mengetahui, dan tidak akan menyatakan, seberapa besar peluang sebuah tabel keluaran AI mengandung kesalahan. Yang kami sandarkan hanya bahwa kekeliruan semacam itu mungkin terjadi dan tidak menampakkan diri lewat tampilan. Itu cukup untuk membenarkan pemeriksaan; tidak cukup untuk membenarkan kesimpulan bahwa tabel AI umumnya salah.

Pemeriksaan yang seperti apa? Bab ini memakai tiga langkah berurutan yang kami sebut kerangka Wawas: hitung ulang → periksa format dan satuan → cocokkan konteks. Urutannya kami susun sendiri untuk keperluan materi ini. Kerangka ini bukan turunan NIST AI 600-1, bukan pula standar dari lembaga mana pun; NIST hanya menjadi dasar premis di paragraf sebelumnya, bukan sumber ketiga langkah ini. Urutan itu adalah pilihan desain materi ini: mulai dari memeriksa hubungan antarangka di dalam tabel, lalu cara angka ditulis, dan terakhir kecocokannya dengan permintaan asli.

Tiga bagian berikutnya membahas satu langkah masing-masing, lalu satu latihan menutup bab.

7.2 Periksa hitungannya

Langkah pertama kerangka Wawas kami singkat menjadi K1: hitung ulang. Yang diperiksa pada langkah ini hanya satu hal, yaitu hubungan antarangka di dalam tabel itu sendiri. Sebuah tabel biasanya memuat dua jenis angka: angka baris, dan angka turunan yang dihitung dari baris-baris tersebut — total, selisih, persentase, atau rata-rata. Kedua jenis itu dapat saling konsisten, dapat pula tidak. K1 menanyakan pertanyaan sesempit itu: apakah angka turunan yang ditampilkan benar-benar mengikuti dari angka baris yang ditampilkan?

Pertanyaan ini bisa dijawab tanpa mengetahui apa pun tentang asal-usul datanya. Anda tidak perlu tahu berapa pengeluaran yang sebenarnya, tidak perlu membuka dokumen sumber, tidak perlu memahami konteks permintaan. Cukup angka yang tertera di layar. Karena itu K1 diletakkan paling depan dalam kerangka ini: pemeriksaannya hanya memakai hubungan antarangka yang sudah ditampilkan.

Prosedurnya

Prosedur K1 dalam materi ini terdiri dari tiga langkah.

1. Jumlahkan ulang angka baris seperti tertulis. Persis seperti tertulis — jangan membetulkan, membulatkan, atau menebak angka yang menurut Anda "seharusnya" ada di situ. Yang sedang diuji adalah tabel ini, bukan tabel versi perbaikan Anda.
2. Bandingkan hasilnya dengan angka turunan yang ditampilkan. Cocok, atau tidak cocok. Belum ada kesimpulan lain pada tahap ini.
3. Bila berbeda, hitung selisihnya. Selisih mencatat besar ketidakcocokan dan memberi angka yang dapat ditelusuri ketika Anda membuka sumber asli. Pada tahap ini, jangan memakai besar selisih untuk memutuskan letak atau penyebab kesalahan.

Jalur kedua

Hitung ulang hanya berguna kalau dikerjakan lewat jalur kedua, yaitu alat hitung yang terpisah dari AI yang menghasilkan keluaran tersebut: kalkulator, spreadsheet, atau hitungan tangan di kertas. Meminta AI yang sama memeriksa kembali pekerjaannya sendiri bukan jalur kedua dalam kerangka ini, karena jawabannya berasal dari proses yang sama dengan yang sedang diuji.

Perlu ditegaskan supaya tidak salah tangkap: jalur kedua tidak dianggap pasti benar. Kalkulator dan spreadsheet sama-sama bergantung pada angka yang Anda ketikkan, dan salah ketik tetap mungkin terjadi. Yang diberikan jalur kedua bukan kebenaran, melainkan pembanding yang berdiri sendiri — dua hasil yang dihasilkan lewat jalan berbeda, sehingga bisa diadu.

Contoh terpandu

Dalam contoh sintetis ini, sebuah tabel keluaran memuat tiga baris bernilai 12, 18, dan 25, dengan baris total tertulis 50.

Kerjakan langkah pertama: 12 + 18 + 25 = 55. Langkah kedua: 55 tidak sama dengan 50. Langkah ketiga: selisihnya 5.

Berhenti di situ. Yang baru Anda buktikan adalah bahwa tabel ini tidak cocok dengan dirinya sendiri — angka barisnya dan angka totalnya tidak bisa dua-duanya benar. Itu bukan hal yang sama dengan mengetahui mana yang salah. Bisa jadi totalnya keliru dihitung sementara ketiga baris sudah tepat; bisa jadi totalnya justru mengikuti data asli sedangkan salah satu baris tersalin keliru saat disusun. Angka 5 tidak memberi tahu Anda yang mana.

Untuk memutuskan itu, Anda harus kembali ke sumber angka aslinya — catatan, dokumen, atau data yang Anda pakai saat meminta tabel ini dibuat. Ketidakcocokan adalah alasan untuk memeriksa sumber; ia bukan pengganti pemeriksaan itu.

Pengingat dari bagian sebelumnya berlaku di sini: keluaran dapat dinyatakan dengan yakin namun keliru, dan nada yakin pada baris total tidak menambah bobot apa pun ketika hitungannya sendiri tidak cocok.

Daftar periksa K1

1. Apakah angka baris sudah dijumlahkan ulang seperti tertulis?
2. Apakah hasilnya sudah dibandingkan dengan angka turunan yang ditampilkan?
3. Bila berbeda, apakah selisihnya sudah dihitung?

Kerjakan ketiganya lewat jalur kedua yang terpisah dari AI penghasil keluaran — bukan karena jalur itu pasti benar, melainkan supaya kedua hasil bisa diadu.

7.3 Periksa format dan satuannya

Langkah kedua kerangka Wawas kami singkat menjadi K2: periksa format dan satuan. Langkah sebelumnya menguji apakah angka-angka di dalam tabel cocok satu sama lain secara aritmetika. K2 menguji hal yang berbeda: apakah angka itu dibaca dalam arti yang dimaksud. Sebuah tabel bisa lolos K1 sepenuhnya — semua totalnya cocok — dan tetap menyesatkan, karena konvensi penulisannya berubah di tengah kolom, atau karena label satuannya hilang atau tercampur. K2 adalah cara kerja materi ini, bukan sebuah standar eksternal; yang kami rujuk sebagai otoritas hanyalah dua hal berikut, masing-masing pada ranahnya sendiri.

Notasi angka menurut SI

SI Brochure edisi ke-9 (BIPM, 2019) §5.4.4 menyatakan bahwa penanda desimal boleh berupa titik maupun koma, dan pilihannya mengikuti bahasa serta konteks tulisan. Dokumen yang sama menyatakan bahwa dalam notasi SI, titik dan koma tidak dipakai di antara kelompok digit — pemisah kelompok digit adalah spasi. Yang paling berguna bagi kita: format penulisan angka di dalam satu kolom tabel tidak boleh berubah-ubah.

Batasnya perlu disebut terang-terangan. BIPM mengatur notasi SI. Ia tidak mengatur ejaan bahasa Indonesia dan tidak mengatur penulisan mata uang rupiah. Jadi jangan memakai §5.4.4 untuk menyimpulkan bahwa titik selalu salah sebagai pemisah ribuan di dokumen berbahasa Indonesia — pernyataan itu berlaku pada notasi SI, bukan di luar itu.

Konvensi Indonesia menurut PUEBI 2015

PUEBI 2015 menetapkan koma dipakai sebelum angka desimal dan di antara rupiah dan sen. PUEBI 2015 menetapkan titik dipakai untuk memisahkan bilangan ribuan atau kelipatannya yang menunjukkan jumlah, tetapi tidak dipakai pada tahun, nomor rekening, dan bilangan lain yang bukan menunjukkan jumlah.

Keterbatasan yang harus kami sampaikan apa adanya: PUEBI (Permendikbud No. 50/2015) telah diganti oleh EYD V, dan lampiran EYD V belum berhasil kami buka untuk diverifikasi sendiri. Karena itu kami tidak mengutip EYD V di sini, dan kami tidak menyatakan bahwa aturan PUEBI 2015 di atas masih berlaku hari ini. Yang kami sampaikan adalah isi dokumen 2015 tersebut, dengan status itu melekat padanya.

Satuan yang hilang dan tercampur

Bagian ini kembali menjadi kerangka kami sendiri. Ada dua hal yang dicari. Pertama, label satuan yang hilang: kolom berisi angka telanjang tanpa keterangan itu rupiah, jam, unit, atau persen. Kedua, campuran skala atau satuan di dalam satu kolom: sebagian baris ditulis dalam rupiah sementara sebagian lain dalam ribu rupiah, atau sebagian dalam jam sementara sebagian lain dalam menit.

Akibatnya perlu dinyatakan secara terbatas. Campuran satuan tidak otomatis berarti angka-angka itu tidak dapat dibandingkan. Artinya adalah Anda perlu menyamakan satuannya lebih dulu, melalui konversi yang definisinya jelas, sebelum membandingkan atau menjumlahkan. Yang berbahaya bukan campurannya, melainkan membandingkan tanpa menyadari ada campuran.

Contoh terpandu

Contoh sintetis berikut sengaja dibuat untuk bagian ini dan bukan bagian dari tabel latihan. Sebuah kolom durasi memuat tiga nilai: 1,5 jam, 2.0 jam, dan 90 menit.

Ajukan tiga pertanyaan, bukan tiga kategori kesalahan baru. Apakah format di dalam satu kolom ini konsisten? Tidak — baris pertama memakai koma desimal, baris kedua memakai titik. Apakah penanda desimalnya cocok dengan bahasa dokumen? Pada dokumen berbahasa Indonesia, koma adalah pilihan yang sesuai, sehingga baris kedua yang menyimpang. Apakah satuannya sama? Tidak — dua baris dalam jam, satu baris dalam menit.

Koreksi ilustratifnya menjadi 1,5 jam, 2,0 jam, dan 1,5 jam. Nilai terakhir berasal dari konversi 90 menit dengan definisi yang jelas, yaitu 60 menit per jam.

Daftar periksa K2

1. Apakah format penulisan angka konsisten di dalam satu kolom?
2. Apakah penanda desimalnya sesuai bahasa dan konteks dokumen?
3. Apakah ada satuan yang hilang atau tercampur di dalam satu kolom?

7.4 Cocokkan konteksnya

Langkah ketiga kerangka Wawas kami singkat menjadi K3: cocokkan konteksnya. Dua langkah sebelumnya bekerja di dalam tabel — apakah angkanya cocok satu sama lain, dan apakah angkanya dibaca dalam arti yang dimaksud. K3 bekerja di luar tabel. Sebuah tabel dapat lolos kedua langkah itu sepenuhnya, aritmetikanya rapi dan formatnya konsisten, tetapi menjawab pertanyaan yang berbeda dari yang Anda ajukan. K3 adalah cara kerja materi ini, bukan sebuah standar eksternal.

Empat sumbu

Ada empat sumbu yang kami periksa: periode, wilayah, definisi, dan skala. Periode adalah rentang waktu yang diminta. Wilayah adalah cakupan tempat atau unit organisasi. Definisi adalah arti istilah kunci di dalam permintaan. Skala adalah satuan besaran yang dipakai untuk menyajikan angkanya.

Keempatnya adalah rincian dari satu pemeriksaan yang sama, bukan empat kelas kesalahan baru yang berdiri sendiri. Kerangka ini tetap terdiri dari tiga kelas; sumbu hanyalah cara memecah K3 supaya pemeriksaannya tidak terlewat.

Prosedur kata per kata

Mulailah dari permintaan asli, bukan dari tabelnya. Baca ulang kalimat yang Anda kirimkan, dan tandai kata yang membawa periode, wilayah, definisi, dan skala. Baru setelah itu bandingkan satu per satu terhadap tiga tempat di keluaran: judul tabel, label kolom, dan catatan kaki.

Dua hal yang perlu dihindari. Jangan menebak konteks dari bentuk angkanya — besar-kecilnya sebuah angka bukan bukti tentang periode atau wilayah mana yang sedang disajikan. Dan jangan menyimpulkan angkanya salah ketika yang terbukti baru ketidakcocokan konteks. Ketidakcocokan konteks berarti tabel itu menjawab pertanyaan lain; ia tidak membuktikan angkanya keliru dihitung, palsu, atau usang.

Ketika permintaannya sendiri kabur

Kadang permintaan Anda memang tidak menyebut periode, wilayah, definisi, atau skala yang sebenarnya Anda butuhkan. Dalam keadaan itu, jangan menuduh tabel mengabaikan sesuatu yang tidak pernah Anda minta. Perbaikannya ada di hulu: perjelas permintaannya, lalu hasilkan ulang tabelnya atau periksa ulang tabel yang ada terhadap permintaan yang sudah diperjelas.

Contoh terpandu

Contoh sintetis berikut sengaja dibuat untuk bagian ini dan bukan bagian dari tabel latihan. Nama dan angkanya ilustrasi, bukan data perusahaan nyata.

Permintaannya: “Buat rekap jumlah tiket selesai untuk cabang Surabaya, Januari–Maret 2026; tiket selesai berarti tiket berstatus ditutup.” Keluaran yang diterima berjudul “Seluruh cabang, Januari–Maret 2026”, dengan catatan kaki “angka dalam ribuan tiket”.

Ajukan empat sumbu itu berurutan. Periode: judul menyebut Januari–Maret 2026, cocok dengan permintaan. Wilayah: permintaan menyebut cabang Surabaya, judul menyebut seluruh cabang — tidak cocok. Definisi: permintaan mendefinisikan tiket selesai sebagai tiket berstatus ditutup, sedangkan tabel tidak menyebut status ditutup di mana pun, sehingga kecocokannya belum dapat dipastikan, bukan dinyatakan salah. Skala: catatan kaki menyatakan angkanya dalam ribuan tiket; skalanya memang dinyatakan, tetapi catatan itu harus benar-benar dibaca agar angka di dalam sel tidak diperlakukan sebagai jumlah tiket satuan.

Daftar periksa K3

Empat butir berikut adalah rincian dari satu pemeriksaan K3, bukan empat pemeriksaan terpisah.

1. Apakah periode di judul dan label cocok dengan periode yang diminta?
2. Apakah wilayah atau cakupan unitnya cocok dengan yang diminta?
3. Apakah istilah kunci dipakai dengan definisi yang sama seperti di permintaan?
4. Apakah skala angkanya dinyatakan, dan sudahkah Anda membacanya?

Latihan Bab 7 — Tiga pemeriksaan pada satu tabel keluaran AI

Latihan ini memakai satu tabel yang sengaja disiapkan mengandung kesalahan. Seluruh nama cabang, angka rupiah, dan angka durasi di dalamnya adalah ilustrasi sintetis: bukan data perusahaan nyata, bukan tarif yang berlaku, dan bukan kewajiban aktual siapa pun. Angka-angka itu dikarang khusus untuk dipakai sebagai bahan periksa, jadi jangan dibawa keluar dari halaman ini.

Kerjakan berurutan. Baca permintaan aslinya lebih dulu, baru lihat tabelnya, lalu jalankan tiga instruksi pemeriksaan tanpa melompat ke bagian kunci. Yang dilatih di sini bukan kecerdikan menebak, melainkan kebiasaan menjalankan urutan pemeriksaan yang sama setiap kali sebuah tabel keluaran AI mendarat di meja Anda.

Permintaan asli

“Buatkan rekap biaya operasional dan durasi rata-rata penyelesaian tiket untuk cabang Bandung, April–Juni 2026.”

Permintaan itu meminta dua hal sekaligus, yaitu biaya operasional dan durasi rata-rata penyelesaian tiket. Karena itu kehadiran kolom durasi pada tabel memang diminta dan bukan sesuatu yang perlu Anda persoalkan.

Keluaran AI

Rekap biaya operasional — seluruh cabang, April–Juni 2026

Instruksi pemeriksaan

1. Hitung ulang kolom biaya operasional persis seperti angkanya tertulis, lalu bandingkan hasil hitungan Anda dengan angka pada baris Total. Kerjakan penjumlahannya sendiri, jangan membaca sepintas lalu menerima Total apa adanya.
2. Periksa konsistensi penulisan angka di dalam setiap kolom, satu kolom pada satu waktu. Bandingkan sel dengan sel lain di kolom yang sama, bukan dengan sel di kolom sebelahnya.
3. Baca ulang permintaan asli di atas, lalu cocokkan judul dan label tabel dengan bunyi permintaan itu, bagian demi bagian.

Tulis jawaban Anda pada tiga ruang di bawah sebelum membuka kunci. Untuk setiap temuan, sebutkan tiga hal: letak sel atau barisnya, alasan Anda menilainya bermasalah, dan koreksi yang Anda usulkan. Kalau Anda hanya menemukan dua, tuliskan dua; jangan memaksa mengisi ketiganya dengan tebakan.

Jawaban 1 — letak: … · alasan: … · koreksi: …

Jawaban 2 — letak: … · alasan: … · koreksi: …

Jawaban 3 — letak: … · alasan: … · koreksi: …

Kunci — baca setelah menjawab

1. Baris Total pada kolom biaya operasional (K1). Jumlahkan ulang angka barisnya seperti tertulis: 1.250.000 + 3.400.000 + 900.000 = 5.550.000, sedangkan baris Total menulis 5.450.000. Selisihnya Rp 100.000. Koreksi: ubah Total menjadi Rp 5.550.000. Yang dibuktikan pemeriksaan ini hanyalah ketidakcocokan di dalam tabel itu sendiri; apakah ketiga angka bulanan sudah benar terhadap catatan sumber tidak dapat disimpulkan dari sini, dan tetap perlu diperiksa terpisah terhadap catatan aslinya.

2. Sel durasi Juni 2026, 3.0 hari (K2). Dua sel lain di kolom yang sama memakai koma desimal, 2,5 dan 3,1, sementara sel Juni memakai titik. Dasarnya ada dua dan tidak boleh dicampur. Pertama, keseragaman penulisan di dalam satu kolom mengikuti kaidah penyajian besaran pada SI Brochure edisi ke-9 §5.4.4. Kedua, tanda desimal dalam bahasa Indonesia adalah koma, sesuai PUEBI 2015 — pedoman yang perlu dicatat telah diganti oleh EYD V, sehingga rujukan itu kami sebut sebagai dasar historis, bukan aturan yang masih berlaku. Koreksi: tulis 3,0 hari.

3. Judul tabel (K3). Permintaan membatasi cakupannya pada cabang Bandung, tetapi judul menyatakan seluruh cabang. Cocokkan permintaan dengan judul, dan ketidakcocokan wilayah itu langsung terlihat. Koreksi di sini bukan mengubah angka: mintalah keluaran ulang dengan penyaring cabang Bandung, atau perbaiki judulnya hanya sesudah Anda memastikan data mana yang sebenarnya masuk ke tabel. Pemeriksaan ini tidak membuktikan angka seluruh cabang keliru; yang dibuktikan hanyalah bahwa konteksnya tidak cocok dengan yang Anda minta.

Rubrik per temuan

Pakai tabel ini untuk menilai jawaban Anda sendiri, satu baris untuk satu temuan. Sebuah jawaban dihitung benar hanya bila letaknya tepat dan syarat minimumnya terpenuhi, bukan sekadar mirip.

Ketiga temuan itu saling bebas: masing-masing berdiri sendiri, dan menemukan satu tidak menuntun Anda ke dua lainnya. Tujuan latihan tercapai bila Anda menemukan minimal dua dari tiga kesalahan tersebut. Tanda — pada sel Total kolom durasi bukan kesalahan, karena durasi rata-rata memang tidak dijumlahkan dalam tabel ini.

Yang bukan kesalahan

Beberapa hal pada tabel mudah dicurigai padahal sah. Titik sebagai pemisah ribuan pada 1.250.000 dan seterusnya dipakai pada bilangan yang menunjukkan jumlah, sesuai PUEBI 2015. Tahun 2026 memang ditulis tanpa titik, karena itu angka tahun dan bukan bilangan jumlah. Satuan hari dipakai konsisten pada seluruh sel kolom durasi. Adapun spasi sesudah Rp tidak kami nilai di sini, karena sumber yang dipakai bab ini tidak menetapkan kaidahnya. Menuliskan salah satu dari empat hal itu sebagai temuan berarti Anda menambah kesalahan yang tidak ada.

Tentang sumber & metode — Bab 7

Cara materi disusun

Bab ini memisahkan tiga jenis bahan yang mudah tercampur dalam tulisan tentang AI. Pertama, temuan lembaga resmi mengenai risiko konfabulasi — dasar untuk premis bab bahwa keluaran numerik yang rapi dan terdengar yakin tetap perlu diperiksa. Kedua, aturan dan standar penyajian angka: satu dari badan standar internasional, satu dari peraturan ejaan bahasa Indonesia. Ketiga, kerangka pemeriksaan K1–K3 beserta urutan hitung ulang → periksa konvensi → cocokkan konteks. Kerangka itu susunan kami sendiri, bukan standar NIST, BIPM, atau pemerintah mana pun; ia tidak diambil dari sumber eksternal dan tidak boleh dibaca seolah punya otoritas lembaga.

Seluruh angka pada contoh dan latihan bersifat sintetis. Tidak ada data perusahaan, orang, atau lembaga nyata yang dipakai. Materi Wawas belum pernah melalui penelaahan sejawat. Pemeriksaan sumber terakhir dilakukan pada 14 Agustus 2026.

Sumber yang diperiksa

S1 — NIST AI 600-1, Generative Artificial Intelligence Profile. Bagian relevan: Section 2, daftar risiko, butir "Confabulation". Diakses dari server ini pada 14 Agustus 2026, respons berhasil, rumusan butir tersebut masih sama. Keterbatasan: dokumen ini kerangka manajemen risiko, bukan studi pengukuran. https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.600-1.pdf

S2 — BIPM, SI Brochure edisi ke-9. Bagian relevan: §5.4.4 "Formatting numbers, and the decimal marker". Diakses 14 Agustus 2026, respons berhasil, bagian tersebut masih memuat aturan penanda desimal, larangan titik/koma sebagai pemisah kelompok, dan konsistensi format dalam satu kolom. Keterbatasan: SI Brochure adalah standar notasi ilmiah dan satuan, bukan aturan ejaan bahasa Indonesia, dan tidak mengatur penulisan mata uang rupiah. https://www.bipm.org/documents/20126/41483022/SI-Brochure-9-EN.pdf

S3 — Permendikbud No. 50 Tahun 2015 (PUEBI). Bagian relevan: Lampiran, Bab III, Tanda Titik butir 5 dan Tanda Koma butir 11. Diakses 14 Agustus 2026, respons berhasil, kedua butir masih pada rumusan yang kami rujuk. Keterbatasan: ini pedoman ejaan bahasa, bukan standar penyajian tabel. https://peraturan.bpk.go.id/Download/168454/Permendikbud_Tahun2015_Nomor050.pdf

Batas cakupan

Bab ini tidak mengukur seberapa banyak kesalahan angka yang muncul pada keluaran AI; S1 bukan studi prevalensi dan kami tidak memiliki data itu. Bab ini juga tidak membuktikan dampak apa pun terhadap produktivitas, maupun efektivitas latihannya terhadap kemampuan pembaca. Pemeriksaan yang diajarkan menguji konsistensi internal tabel dan kecocokannya dengan permintaan — ia tidak memastikan kebenaran data sumber yang dipakai pengguna.

S3 adalah dasar historis: PUEBI 2015 secara formal telah digantikan EYD V, dan lampiran EYD V belum berhasil kami buka, sehingga yang dikutip di bab ini adalah PUEBI 2015 apa adanya, bukan EYD V. Aturan spasi setelah Rp tidak tercakup sumber mana pun di atas dan karena itu tidak diajarkan.

Transparansi bantuan AI

Materi ini disusun dan disunting dengan bantuan AI. Pemeriksaannya dilakukan dengan mencocokkan tiap klaim faktual pada bagian sumber yang disebut di atas, dan membuang klaim yang tidak tertopang. Tidak ada penulis atau pakar manusia di baliknya, tidak ada institusi pendukung, sertifikasi, maupun testimoni, dan kami tidak menjamin materi ini bebas kesalahan. Untuk keputusan yang penting, bukalah sumber primernya sendiri melalui tautan di atas.

Bab 8 — Merancang alur kerja ber-AI untuk pekerjaan rutinmu

Tujuan belajar bab ini

Setelah menyelesaikan bab, pembaca dapat:

1. memecah satu tugas rutinnya menjadi sedikitnya lima langkah berurutan dan menandai pelaksana tiap langkah: manusia, AI, atau manusia dengan bantuan AI;
2. membedakan peran pemakai, pemeriksa, dan penanggung jawab pada diagramnya, termasuk bila satu orang memegang beberapa peran;
3. menetapkan sedikitnya satu titik verifikasi manusia yang tidak dapat dilewati, lengkap dengan bukti yang harus diperiksa dan tindakan bila gagal;
4. menambahkan jalur override, catatan kesalahan, serta pemicu tinjau ulang;
5. membuktikan melalui simulasi bahwa alur masih dapat menyelesaikan versi minimum tugas ketika AI tidak tersedia.

Artefak kelulusan ialah satu diagram alur + tabel keputusan pendamping. Perasaan “lebih paham” atau diagram tanpa keputusan yang bisa diuji tidak cukup.

8.1 Mulai dari tugas rutin, bukan dari alat

Sampai di sini kamu sudah bisa memakai AI untuk satu tugas. Bab ini soal yang lain: menyusun satu alur kerja untuk pekerjaan yang kamu ulangi tiap minggu, dengan keputusan yang terlihat dan dapat diperiksa. Titik berangkatnya tugas rutinmu, bukan alat yang sedang ramai dibicarakan.

Alasannya bukan selera. Kerangka manajemen risiko AI NIST mencatat bahwa hasil interaksi manusia–AI bervariasi: pada kondisi tertentu, misalnya tugas penilaian berbasis persepsi, bagian AI dapat memperkuat bias manusia sehingga keputusannya justru lebih bias daripada AI atau manusia sendirian — sementara bila variasi itu diperhitungkan saat menyusun tim manusia–AI, hasilnya bisa saling melengkapi. NIST sendiri menempatkan ini sebagai isu yang masih perlu diteliti lebih jauh, bukan hasil satu eksperimen yang sudah tuntas. Artinya: menambahkan AI ke dalam pekerjaanmu tidak otomatis memperbaiki apa pun. Karena itu, buat susunan langkah dan pembagian perannya terlihat agar bisa diperiksa.

Artefak yang akan kamu hasilkan

Bab ini tidak selesai dengan perasaan "lebih paham". Bab ini selesai kalau kamu memegang dua benda: satu diagram alur untuk satu tugas rutinmu, dan satu tabel keputusan pendampingnya. Diagram memuat urutan langkah, siapa pelaksananya di tiap langkah (manusia, AI, atau manusia dengan bantuan AI), titik verifikasi manusia yang tidak dapat dilewati, jalur pembatalan, dan pemicu tinjau ulang. Tabel keputusan memuat, per langkah, bukti apa yang diperiksa dan apa yang dilakukan bila pemeriksaan gagal. Diagram yang tidak memuat keputusan yang bisa diuji belum memenuhi syarat.

Pecah tugas menjadi langkah yang bisa diperiksa

Sebelum menentukan siapa mengerjakan apa, tugasmu harus lebih dulu berbentuk urutan. Pakai lima gerak berikut — ini Kerangka Wawas, penafsiran praktis kami untuk sampai ke artefak di atas, bukan temuan penelitian.

1. Tetapkan titik awal dan keluaran akhir; di luar keduanya bukan bagian alur ini.
2. Tulis tiap tindakan sebagai verba + keluaran: "tarik data penjualan → berkas mentah".
3. Pecah baris yang memuat dua tindakan, atau satu keputusan, menjadi langkah sendiri.
4. Urutkan menurut dependensi: yang butuh keluaran langkah lain ditaruh sesudahnya.
5. Uji urutannya — sedikitnya lima langkah harus bisa dijalankan berurutan tanpa lompatan yang kamu isi sendiri dari ingatan.

Lima itu ambang latihan bab ini supaya alurmu cukup rinci untuk diperiksa, bukan jumlah ideal bagi semua proses. Pada kasus laporan penjualan mingguan yang dipakai bab ini, tarik data, bersihkan, hitung, tulis ringkasan, lalu kirim sudah melewati ambang tersebut.

Yang sudah kamu bawa dari Bab 1–7

Bab ini tidak mengulang pelajaran sebelumnya. Cara kerja dan keterbatasan AI generatif (Bab 1), memilih tugas yang layak didelegasikan (Bab 2), menulis instruksi berulang (Bab 3), memeriksa keluaran (Bab 4), data dan aturan tempat kerja (Bab 5), penerapan pada dokumen dan notulen (Bab 6), serta pemeriksaan angka dan tabel (Bab 7) dianggap sudah kamu kuasai. Di sini ketujuhnya dirangkai menjadi satu rancangan tunggal. Kalau ada bab yang terasa kabur, buka lagi bagian yang relevan sebelum menggabungkan keterampilannya ke dalam diagram.

Batas klaim bab ini

Semua contoh dalam bab ini sintetis: disusun untuk latihan, bukan diambil dari organisasi nyata, dan tanpa data rahasia. Rancangan proses di sini adalah penafsiran sempit — merancang cara kerjamu sendiri, bukan membangun model atau sistem AI. Bab ini bukan SOP organisasi, bukan panduan audit kepatuhan, dan bukan nasihat hukum. Kalau kantormu punya kebijakan sendiri, kebijakan itu yang berlaku. Bab ini juga tidak menjanjikan bahwa alur yang kamu rancang akan membuatmu lebih produktif atau lebih cepat; yang dijanjikan hanya rancangan yang keputusannya terlihat dan bisa diperiksa.

8.2 Pilih peran AI pada setiap langkah

Diagram alurmu sudah punya urutan langkah. Sekarang isi satu kolom lagi: pelaksana/mode untuk tiap langkah. Kesalahan yang sering terjadi adalah memberi satu label untuk seluruh pekerjaan — "tugas ini dikerjakan AI" — padahal di dalam satu tugas ada langkah yang cuma menyalin data dan ada langkah yang menentukan angka mana yang dilaporkan ke atasan.

Tiga mode delegasi

Kerangka manajemen risiko AI NIST dan Playbook-nya menggambarkan konfigurasi manusia–AI sebagai rentang, membentang dari sistem yang berjalan otonom penuh sampai yang sepenuhnya dikerjakan manusia; di antaranya AI dapat memutuskan sendiri, menyerahkan keputusan kepada manusia, atau berperan sebagai pendapat tambahan bagi manusia yang memutuskan.

Untuk keperluan praktis, Wawas menyederhanakan rentang itu menjadi tiga label. Ini Kerangka Wawas, bukan kategori resmi NIST, dan bukan tangga kematangan yang harus dinaiki:

1. AI menjalankan, manusia memverifikasi — AI melakukan tindakannya, manusia memeriksa hasilnya sesudahnya.
2. AI menyiapkan, manusia memutuskan — AI menghasilkan draf atau opsi, keputusan tetap di tangan manusia sebelum langkah berikutnya jalan.
3. Manusia menjalankan, AI memberi pendapat tambahan — manusia yang mengerjakan, keluaran AI hanya masukan yang boleh diabaikan.

Tidak ada mode yang unggul secara umum. Pilihannya bergantung pada keputusan apa yang ada di langkah itu dan aturan apa yang mengikatnya. Satu tugas rutin biasanya memakai ketiga mode sekaligus di langkah yang berbeda-beda, dan itu wajar — bukan tanda rancanganmu tidak konsisten.

Waspadai pergeseran diam-diam

Playbook NIST mencatat bahwa sistem komputasi dapat bergeser dari sekadar membantu keputusan menjadi mengambil keputusan, dengan keterlibatan manusia yang makin sedikit. Ini kemungkinan yang perlu kamu waspadai pada alurmu sendiri, bukan nasib yang menimpa setiap penggunaan AI.

Bentuk praktisnya sederhana: langkah yang bulan lalu kamu tandai "manusia memutuskan" pelan-pelan jadi "klik setuju tanpa dibaca". Karena itu mode ditulis per langkah di kolom yang terlihat — supaya pergeserannya bisa disadari.

Contoh sintetis: laporan penjualan mingguan

Berikut contoh sintetis — bukan data organisasi nyata, tanpa nama orang, pelanggan, atau angka bisnis sungguhan.

Sekarang giliranmu. Isi kolom pelaksana/mode untuk sedikitnya lima langkah pada diagram alurmu. Tiap isian wajib menyebut dua hal: siapa yang melakukan tindakannya, dan siapa yang memutuskan boleh lanjut. Rincian cara memverifikasi belum dibahas di sini; itu bagian 8.4.

8.3 Pisahkan pemakai, pemeriksa, dan penanggung jawab

Kolom mode sudah terisi. Tapi "AI menyiapkan, manusia memutuskan" belum menjawab satu pertanyaan penting: manusia yang mana? Selama kolom itu kosong, keputusan gampang melebur — semua orang merasa sudah ada yang memeriksa, dan pada akhirnya tidak ada yang benar-benar memeriksa. Karena itu satu kolom lagi perlu kamu isi di setiap langkah: siapa orangnya, dalam peran apa.

Tiga peran, meski orangnya sama

Kerangka manajemen risiko AI NIST menyatakan bahwa peran dan tanggung jawab manusia dalam pengambilan keputusan serta pengawasan sistem AI perlu didefinisikan dan dibedakan.

Wawas memecahnya menjadi tiga label kerja. Ini Kerangka Wawas, bukan istilah resmi dan bukan pembagian wajib:

1. pemakai — orang yang memberi masukan ke langkah itu atau memakai keluarannya;
2. pemeriksa — orang yang melihat bukti sebelum alur boleh lanjut;
3. penanggung jawab — orang yang memutuskan hasil boleh dipakai dan menanggung akibat keputusan itu.

Satu orang boleh memegang ketiganya. Pada pekerjaan yang dikerjakan sendirian, itu justru biasa. Yang tidak boleh adalah mengosongkan kolom dengan alasan orangnya sama: tulis tetap di setiap kolom, misalnya orang yang sama: pemeriksa. Menuliskannya berulang memaksamu sadar bahwa di langkah itu tidak ada mata kedua — dan itu informasi yang berguna, bukan aib.

Tunduk pada aturan tempat kerja

Kebijakan dan prosedur organisasi membedakan peran serta tanggung jawab dalam konfigurasi manusia–AI; Playbook NIST juga menyoroti perbedaan antara pihak yang mengawasi sistem dan pihak yang memakainya.

Praktisnya untukmu: ikuti kebijakan yang berlaku di tempat kerjamu, lalu catat aturan yang mengikat tiap langkah. Kalau kamu tidak tahu aturannya, tulis belum diketahui—tanyakan kepada [fungsi] dan benar-benar tanyakan. Wawas tidak menafsirkan isi kebijakan, tidak menilai keabsahannya, dan tidak menentukan sejauh mana wewenangmu. Itu urusan fungsi berwenang di organisasimu.

Tabel keputusan per langkah

Berikut contoh sintetis yang meneruskan laporan penjualan mingguan dari 8.2 — tanpa nama organisasi, nama orang, atau angka bisnis nyata.

Sekarang lengkapi tabelmu untuk sedikitnya lima langkah yang kamu daftar di 8.2. Isi kelima kolomnya. Jangan menulis "tim" atau "bagian terkait" — sebut jabatan atau fungsinya. Sel yang aturannya belum kamu ketahui diisi kalimat tanya di atas, bukan dikosongkan; kolom yang jujur kosong isinya lebih berguna daripada kolom yang diisi tebakan. Kalau satu langkah ternyata tidak punya pemeriksa selain pemakainya sendiri, tulis apa adanya dan lanjut. Cara memeriksa bukti dan apa yang dilakukan bila pemeriksaan gagal dibahas di 8.4.

8.4 Pasang titik verifikasi yang tidak dapat dilewati

Tabelmu sudah menyebut siapa pemeriksanya. Tapi menunjuk pemeriksa belum berarti ada yang benar-benar diperiksa: tanpa titik henti, alur mengalir terus dan pemeriksaan berubah jadi lirikan sekilas. Titik verifikasi adalah tempat alur berhenti. Disebut tidak dapat dilewati karena langkah sesudahnya baru boleh dimulai setelah pemeriksa mencatat status lulus. Itu aturan alur buatanmu sendiri — bukan jaminan bahwa hasilnya benar, patuh, atau layak dipakai.

Apa yang harus diperiksa

Kerangka manajemen risiko AI NIST menyatakan proses pengawasan manusia perlu didefinisikan, dinilai, dan didokumentasikan; Playbook-nya — saran sukarela, konsensus praktik sebuah lembaga standar, bukan penelitian dan bukan kewajiban — menyarankan mengidentifikasi serta mendokumentasikan fitur dan kemampuan AI yang memerlukan pengawasan manusia dalam konteks pemakaiannya.

Supaya bisa dikerjakan, Kerangka Wawas menuliskan tiap gerbang sebagai kartu dengan enam isian: setelah langkah, sebelum langkah, pemeriksa, bukti yang dilihat, kriteria lulus, dan tindakan bila gagal. Empat isian pertama sudah kamu punya dari 8.2–8.3. Yang baru adalah dua terakhir, dan keduanya harus konkret: bukti berupa berkas atau angka yang bisa dibuka, kriteria yang jawabannya lulus atau gagal — bukan "terlihat baik".

Berikut contoh sintetis yang meneruskan laporan penjualan mingguan.

• setelah langkah: AI menyusun draf laporan
• sebelum langkah: supervisor memutuskan isi laporan
• pemeriksa: supervisor tim
• bukti yang dilihat: draf, berkas data sumber, hasil hitung ulang total
• kriteria lulus: total pada draf sama dengan hasil hitung ulang; setiap angka di draf ada di data sumber; tidak ada nama pelanggan yang tidak diminta
• tindakan bila gagal: hentikan, catat, kembalikan untuk koreksi

Cara memeriksa buktinya sudah kamu pelajari di Bab 4 dan Bab 7; pakai teknik itu di sini, jangan menyusun cara baru. Kartu ini hanya menetapkan kapan pemeriksaan terjadi dan apa yang dilihat, bukan seberapa dalam kamu memeriksanya.

Apa yang terjadi bila gagal

Gerbang tanpa cabang gagal hanyalah stempel. Karena itu tetapkan lebih dulu apa yang terjadi ketika satu kriteria tidak terpenuhi: hentikan alur, catat bagian mana yang gagal beserta buktinya, kembalikan ke langkah yang menghasilkan bagian itu untuk dikoreksi, lalu lakukan verifikasi ulang di gerbang yang sama. Status lulus hanya boleh dicatat pada pemeriksaan terakhir yang memang lolos.

Kalau kegagalan menyangkut aturan atau wewenang yang tidak kamu ketahui — misalnya data itu boleh atau tidak boleh masuk laporan — hentikan dan tanyakan kepada fungsi berwenang di tempat kerjamu. Jangan menebak, jangan menafsirkan kebijakan sendiri.

Diagram alur minimum

Salin dua baris ini dan sesuaikan namanya:

langkah sebelum → titik verifikasi → lulus → langkah sesudah
titik verifikasi → gagal → hentikan + catat → koreksi → verifikasi ulang

Perhatikan bahwa cabang gagal tidak punya panah ke langkah sesudah. Satu-satunya jalan ke sana lewat verifikasi ulang yang berstatus lulus. Kalau diagrammu memuat jalan pintas, gerbangmu sebenarnya bisa dilewati.

Sekarang tambahkan sedikitnya satu kartu enam isian dan kedua cabang itu ke alur lima langkah milikmu dari 8.2–8.3. Letakkan gerbang pertamamu di tempat yang paling mahal bila salah, bukan di tempat yang paling gampang diperiksa.

8.5 Uji alur, catat kesalahan, lalu tinjau ulang

Diagram yang sudah punya titik verifikasi belum tentu sanggup menghadapi hari buruk. Bagian ini menutup rancanganmu dengan tiga hal: satu simulasi, satu catatan, dan satu jadwal peninjauan.

Simulasi ketika AI mati

Ambil diagram dari 8.4, lalu coret semua kotak yang pelaksananya AI. Pertanyaan yang harus kamu jawab: masih adakah jalan dari langkah pertama ke keluaran yang bisa diterima? Kalau tidak ada, alurmu belum punya versi minimum, dan itu harus diperbaiki sekarang, bukan saat layanannya benar-benar tidak bisa dipakai.

Versi minimum boleh jauh lebih sederhana daripada keluaran biasa. Contoh sintetis: rekap kunjungan mingguan yang biasanya berupa ringkasan tiga paragraf turun menjadi tabel angka mentah plus dua kalimat catatan yang ditulis tangan. Tulis versi minimum itu sebagai baris tersendiri di tabel keputusanmu, lengkap dengan siapa yang mengerjakannya dan berapa lama waktu yang dibutuhkan. Kriteria lulusnya biner: kamu pernah benar-benar menjalankan sekali, atau belum.

Contoh sintetis — simulasi laporan penjualan mingguan:

Override dan catatan kesalahan

Rencana pemantauan setelah sebuah sistem dipakai mencakup mekanisme menampung masukan pemakai, jalur banding dan pembatalan, penghentian pemakaian, respons insiden, pemulihan, dan pengelolaan perubahan; mutu proses pelaporan kesalahan oleh pemakai sendiri termasuk yang perlu diukur.

Untuk perorangan, Kerangka Wawas menyederhanakannya menjadi satu berkas catatan dengan empat kolom: tanggal, langkah mana yang gagal, apa yang salah pada keluarannya, dan apa yang kamu lakukan. Satu baris cukup ditulis dalam kurang dari satu menit. Jalur override juga ditulis eksplisit: siapa yang boleh menghentikan alur di tengah, dan ke mana pekerjaan itu dialihkan setelah dihentikan. Pilihan format empat kolom dan kebiasaan mengisinya adalah rancangan kami, bukan bagian dari dokumen NIST mana pun.

Contoh sintetis — satu baris catatan kesalahan:

Pemegang override pada contoh sintetis ini kamu sendiri; pekerjaan yang dihentikan dialihkan ke versi minimum di atas.

Seberapa sering orang berani menolak keluaran AI, dan apa yang membuat mereka berani, masih perlu diteliti lebih lanjut. [BUKTI LEMAH] Karena itu kami tidak memberi angka target berapa banyak baris yang seharusnya terisi; catatan yang kosong hanya berarti kamu belum mencatat, bukan berarti alurmu bersih.

Kapan alur harus ditinjau ulang

Fitur dan kemampuan yang memerlukan pengawasan manusia perlu diidentifikasi dan didokumentasikan, dan praktik pengawasan itu perlu dinilai; ketika praktiknya mengalami pembaruan atau penyesuaian besar, diuji ulang, hasilnya dinilai, lalu dikoreksi bila perlu. Ini saran sukarela untuk organisasi; memakainya untuk alur kerja satu orang adalah penafsiran kami. [BUKTI LEMAH]

Tiga pemicu tinjau ulang yang kami pakai: alat AI-nya berganti atau berubah besar, langkah dalam alur ditambah atau dihapus, dan tiga baris kesalahan menumpuk pada langkah yang sama. Bila salah satu terpicu, jalankan lagi simulasi di awal bagian ini dan periksa apakah titik verifikasimu masih pada tempat yang benar.

Latihan Bab 8 — Rancang satu alur kerja rutinmu

Latihan ini menghasilkan satu artefak: diagram alur satu pekerjaan rutin nyata milikmu, beserta tabel keputusan pendampingnya. Pilih pekerjaan yang kamu kerjakan setidaknya sekali seminggu, bukan contoh karangan.

Kemampuan AI yang dipakai dalam sebuah alur kerja perlu dipetakan lebih dulu agar jelas bagian mana yang menuntut pengawasan manusia, dan praktik pengawasan itu perlu diuji ulang setiap kali alurnya berubah. Penerapannya sebagai latihan perorangan di atas kertas adalah penafsiran Wawas, bukan ketentuan resmi maupun bukti bahwa hasil kerjamu akan berbeda. [BUKTI LEMAH]

Lembar kerja

Kerjakan tujuh butir berikut secara berurutan. Tulis di kertas atau berkas teks; jangan menyalin jawaban orang lain.

1. Nama dan keluaran. Tulis nama tugas, keluaran minimum yang membuatnya dianggap selesai, lalu urai sedikitnya lima langkah berurutan.
2. Pelaksana. Tandai tiap langkah: manusia, AI, atau manusia dengan bantuan AI. Satu tanda per langkah, tanpa "tergantung".
3. Peran. Isi siapa pemakai keluaran, siapa pemeriksa, dan siapa penanggung jawab. Satu orang boleh memegang beberapa peran, asal tertulis.
4. Titik verifikasi. Pasang sedikitnya satu titik yang tidak dapat dilewati. Tulis bukti apa yang dilihat, kriteria lulus, dan tindakan bila gagal. Terapkan cara memeriksa teks dan angka dari Bab 4 dan 7 pada bukti itu; jangan tulis ulang tekniknya di sini.
5. Cabang. Gambar dua keluar dari titik itu: lulus menuju langkah berikutnya, dan gagal → hentikan + catat → koreksi → verifikasi ulang. Cabang gagal tidak boleh punya jalan pintas kembali ke keluaran.
6. Kendali. Catat siapa yang boleh melakukan override titik verifikasi, log kesalahan empat kolom (tanggal, langkah, apa yang salah, tindakan), dan pemicu tinjau ulang alur.
7. Simulasi AI mati. Jalankan tugas sekali tanpa AI sama sekali. Catat apakah versi minimum keluaran benar-benar selesai, siapa yang mengerjakannya, dan lampirkan bukti keluarannya.

Tabel keputusan diisi satu baris per langkah dan harus cocok dengan diagram:

Pemeriksaan mandiri dan rubrik

Periksa artefakmu dengan daftar berikut. Tiap butir hanya punya dua nilai.

• Jumlah langkah pada diagram sama dengan jumlah baris tabel, dan tidak kurang dari lima. Lulus / gagal
• Setiap langkah punya tepat satu tanda pelaksana. Lulus / gagal
• Ketiga peran tertulis dengan nama, bukan jabatan kosong. Lulus / gagal
• Titik verifikasi menyebut bukti, kriteria lulus, dan tindakan gagal sekaligus. Lulus / gagal
• Cabang gagal berakhir di verifikasi ulang, bukan langsung ke keluaran. Lulus / gagal
• Pemegang override, empat kolom log, dan pemicu tinjau ulang tertulis. Lulus / gagal
• Simulasi sudah dijalankan dan bukti keluarannya ada. Lulus / gagal

Jika satu butir gagal, perbaiki artefaknya lalu periksa ulang seluruh daftar dari atas. Jangan lanjut ke rubrik sebelum semuanya lulus.

• Belum: diagram tidak punya titik verifikasi atau penanggung jawab.
• Cukup: sedikitnya lima langkah, pembagian peran jelas, dan satu titik verifikasi mempunyai bukti serta tindakan gagal.
• Mahir: semua syarat Cukup, titik verifikasi tidak dapat dilewati, ada override dan log kesalahan, serta simulasi menunjukkan versi minimum tugas tetap berjalan saat AI mati.

Simpan artefak ini. Ia menjadi bahan mentah bab berikutnya, dan pemicu tinjau ulang yang kamu tulis di butir 6 adalah alasan kamu membukanya lagi nanti.

Tentang sumber & metode — Bab 8

Sumber, penafsiran, dan keterbatasan

Bab ini disusun dengan membaca dua artefak resmi National Institute of Standards and Technology yang dibuka langsung dari server, lalu mencocokkan setiap klaim di dalam bab ke bagian tertentu di kedua dokumen itu. Ini bukan penelitian primer. Kami tidak menguji efektivitas Kerangka Wawas terhadap siapa pun. Seluruh contoh kasus, kartu keputusan, dan latihan bersifat sintetis: dirancang untuk melatih cara berpikir, bukan melaporkan kejadian nyata. Pemeriksaan terakhir atas kedua sumber dilakukan pada 14 Agustus 2026.

Sumber pertama, Artificial Intelligence Risk Management Framework (AI RMF 1.0), terbitan National Institute of Standards and Technology, https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.100-1.pdf. Jejak klaimnya: K1 konfigurasi peran manusia dan AI; K2 hasil interaksi yang bervariasi; K3 proses pengawasan; K4 pembedaan peran; K5 kebutuhan riset tentang kapan orang menolak keluaran mesin. K2 dan K5 menandai apa yang belum diketahui, jadi keduanya bukan bukti bahwa latihan di bab ini berhasil.

Sumber kedua, NIST AI RMF Playbook, terbitan NIST AI Resource Center, https://airc.nist.gov/AI_RMF_Knowledge_Base/Playbook. Jejak klaimnya: P1 rentang konfigurasi; P2 pergeseran menuju otomasi; P3 pemetaan dan uji ulang pengawasan; P4 pembedaan pemakai dan pemeriksa; P5 pemantauan, mekanisme override, pelaporan kesalahan, dan penanganan perubahan. Kode-kode ini hanya indeks penelusuran, bukan daftar pustaka tambahan.

Playbook memuat saran yang sifatnya sukarela, bukan laporan penelitian, bukan checklist lengkap, dan ditulis untuk konteks organisasi dengan pembagian peran formal. Menerapkannya pada satu pekerja perorangan yang mengatur alur kerjanya sendiri adalah penafsiran Wawas, bukan ketentuan yang dinyatakan dokumen. [BUKTI LEMAH] Halaman resmi keduanya menyatakan AI RMF 1.0 sedang diperbarui dan Playbook akan diperbarui menyusul; status itu benar pada tanggal periksa di atas dan bisa berubah.

Yang belum tercakup perlu dinyatakan terus terang. Sampai halaman ini ditulis, tidak ada dua sumber independen di balik bab ini; keduanya berasal dari satu lembaga. Sejauh ini tidak ada uji pengguna dan tidak ada bukti bahwa rancangan alur kerja ini memperbaiki hasil, mempercepat pekerjaan, atau mengurangi kesalahan. Kami juga tidak menetapkan frekuensi ideal untuk memakai override maupun meninjau ulang alur. Bab ini bukan SOP, bukan audit kepatuhan, bukan nasihat hukum, dan bukan ukuran kinerja.

Materi ini disusun dengan bantuan AI, dan setiap klaim dicocokkan ke berkas kutipan sumber yang kami simpan. Tidak ada pakar manusia yang meninjaunya, tidak ada institusi yang mendukungnya, tidak ada sertifikasi di baliknya, dan kami tidak menjanjikan isinya bebas dari salah.

Bab 9 — Menunjukkan bukti kompetensi ke atasan

Tujuan belajar bab ini

Sesudah menyelesaikan bab, pembaca dapat:

1. memilih tepat tiga artefak tugas yang menunjukkan tiga kemampuan berbeda;
2. menyusun untuk setiap artefak satu kartu bukti berisi konteks, masukan, kontribusi manusia/AI, keluaran sebelum–sesudah, langkah verifikasi, dan keterbatasan;
3. menghapus atau menyamarkan seluruh data rahasia serta mencatat perubahan itu;
4. memetakan setiap artefak ke sedikitnya satu aspek dan satu tingkat UNESCO dengan alasan yang dapat diperiksa, tanpa menyebutnya asesmen UNESCO;
5. menyusun agenda percakapan 10 menit dengan atasan yang meminta umpan balik spesifik, bukan meminta pengakuan otomatis.

Artefak kelulusan adalah satu portofolio tiga kartu + matriks pemetaan + agenda percakapan. Refleksi tanpa artefak atau sertifikat penyelesaian saja tidak cukup.

9.1 Bukti, bukan sekadar klaim

Delapan bab terakhir meninggalkan tumpukan hasil latihan di komputermu. Bab ini mengubah tumpukan itu menjadi satu benda yang bisa kamu tunjukkan ketika atasan bertanya, "kamu sebenarnya bisa apa dengan AI?" Jawaban "saya sudah belajar memakai AI" tidak dapat diperiksa siapa pun. Artefak yang kamu kerjakan sendiri, lengkap dengan jejak pembuatannya, dapat diperiksa.

Portofolio yang akan kamu hasilkan

Di akhir bab kamu memegang tiga benda. Pertama, tiga kartu bukti — satu per artefak — yang masing-masing memuat konteks tugas, masukan yang kamu pakai, apa yang kamu kerjakan sendiri dan apa yang dikerjakan AI, keluaran sebelum dan sesudah, langkah verifikasi yang kamu jalankan, serta keterbatasan yang kamu sadari. Kedua, satu matriks pemetaan yang menghubungkan tiap artefak dengan aspek dan tingkat kemampuan, disertai satu alasan per baris. Ketiga, satu agenda percakapan sepuluh menit dengan atasanmu.

Tiga kartu, bukan sepuluh. Tiga kartu dipilih agar setiap bukti tetap ringkas dan dapat ditelusuri; jumlah ini adalah batas rancangan Wawas, bukan temuan penelitian tentang perilaku pembaca.

Mengapa artefak perlu jejak proses

Otoritas asesmen magang di Inggris mendefinisikan portofolio sebagai kumpulan bukti yang dihimpun dari waktu ke waktu: dokumen tertulis, artefak, logbook, dan catatan penyelesaian tugas — dan menegaskan bahwa refleksi saja tidak menunjukkan kompetensi bila yang dipersyaratkan adalah kinerja yang dapat diamati. [G1] Panduan penyusunan asesmennya menambahkan bahwa bukti kerja langsung adalah sumber informasi paling kuat bagi penilai, dan bahwa penggunaan AI pada artefak maupun portofolio harus diungkap. [G2]

Dua hal itu yang kita pinjam: simpan artefaknya, dan simpan jejak bagaimana ia dibuat. Itu sebabnya kartu bukti memuat kolom kontribusi manusia dan AI, bukan hanya hasil akhirnya.

Batas klaim dan konteks sumber

Sumber di atas berasal dari sistem asesmen magang Inggris, bukan penelitian kausal dan bukan aturan ketenagakerjaan Indonesia. Prinsipnya masuk akal dipindahkan — bukti yang dapat diamati lebih kuat daripada klaim diri — tetapi tidak ada bukti bahwa portofolio seperti ini bekerja sama baiknya di tempat kerja Indonesia. [BUKTI LEMAH] Kewajiban formal mengungkap penggunaan AI juga khusus konteks asesmen tersebut; di sini ia kita pakai sebagai standar kejujuran kita sendiri, bukan aturan yang mengikatmu. [BUKTI LEMAH]

Karena itu, satu batas ditetapkan sejak awal: portofolio ini bukan sertifikasi profesi, bukan penilaian independen, dan bukan jaminan bahwa kamu akan mendapat pengakuan apa pun. Yang ia berikan hanya bahan percakapan yang lebih baik daripada klaim tanpa bukti — dan itu sudah cukup untuk memulai pembicaraan yang selama ini sulit kamu mulai.

9.2 Pilih tiga artefak yang saling melengkapi

Hasil latihanmu kemungkinan belasan berkas. Bagian ini menyempitkannya menjadi tiga yang menunjukkan tiga kemampuan berbeda, bukan tiga versi kemampuan yang sama.

Inventaris hasil Bab 2–8

Buat daftarnya dulu, satu baris per hasil latihan, tanpa menilai apa pun.

Kolom terakhir paling menentukan: hasil tanpa jejak proses jarang terpilih.

Pilih bukti yang dapat diperiksa

Urutan berikut adalah rancangan Wawas untuk latihan ini; masing-masing saringan memakai prinsip sumber yang disebut pada akhir paragrafnya.

Tiga saringan, berurutan.

Pertama, sisihkan baris yang tidak menyimpan jejak proses. Portofolio menghimpun dokumen, artefak, logbook, dan catatan penyelesaian tugas dari waktu ke waktu; kumpulan yang isinya hanya refleksi tidak menunjukkan kinerja yang dapat diamati. [G1]

Kedua, dahulukan hasil kerja langsung daripada ringkasan yang kamu tulis belakangan tentang kerjamu sendiri. Bukti kerja langsung adalah sumber yang lebih kuat, dan portofolio berfungsi sebagai dasar percakapan, bukan asesmen tersendiri. [G2]

Ketiga, bandingkan tiap kandidat dengan persyaratan yang kamu nyatakan sendiri — di sini, kemampuan yang ingin kamu tunjukkan. Sampel kerja dan portofolio adalah bentuk bukti yang dibandingkan dengan persyaratan yang dinyatakan, bukan dinilai dari kesan umumnya. [A1]

Setelah tiga saringan, bila kandidatmu masih lebih dari tiga, ambil tiga yang kemampuannya paling berjauhan. Ini aturan pemilihan Wawas, bukan ambang yang diuji oleh G1, G2, atau A1.

Contoh sintetis: staf operasional Indonesia

Rani, tokoh rekaan, staf administrasi pengiriman di sebuah distributor di Semarang, memilih tiga dari enam baris inventarisnya.

Dari Bab 3, instruksi berlapis untuk balasan keluhan pelanggan beserta versi pertama yang gagal dan revisinya. Dari Bab 5, rekap pengiriman yang nama dan nomor telepon pelanggannya ia samarkan sebelum dimasukkan ke AI, disertai catatan perubahannya. Dari Bab 7, lembar jawaban atas tabel sintetis yang mencatat letak, alasan, dan koreksi tiga temuan: total yang salah hitung, tanda desimal yang tidak konsisten, dan cakupan wilayah yang tidak cocok dengan permintaan.

Ketiganya melengkapi karena menjawab tiga pertanyaan berbeda atasannya: bisakah ia mengarahkan AI, dipercaya memegang data pelanggan, dan menangkap kesalahan AI. Tiga artefak yang semuanya penyusunan teks hanya menjawab pertanyaan pertama, tiga kali. Apa yang atasannya lakukan setelah melihatnya bukan bagian yang bisa dijanjikan bab ini.

9.3 Susun kartu bukti untuk setiap artefak

Artefak yang berdiri sendiri jarang terbaca. Setiap artefak terpilih perlu satu halaman pengantar berformat tetap — kita menyebutnya kartu bukti — yang menjelaskan keadaannya, apa yang kamu kerjakan, dan bagaimana hasilnya diperiksa.

Konteks, kontribusi, dan hasil

Pakai templat berikut apa adanya. Isi setiap medan dengan kalimat pendek; kartu yang lebih panjang dari satu halaman biasanya berisi pembelaan, bukan bukti.

Portofolio memang menghimpun dokumen, artefak, logbook, dan catatan penyelesaian tugas dari waktu ke waktu, dan artefak terbaik boleh disertai bukti tambahan tentang bagaimana artefak itu dibuat. [G1] Kartu bukti adalah bentuk yang Wawas pilih untuk bukti tambahan tersebut.

Tunjukkan sebelum, sesudah, dan verifikasi

Tiga medan tengah menanggung hampir seluruh beban kartu. Medan sebelum–sesudah memperlihatkan jarak yang kamu tempuh: kutip empat sampai enam baris draf pertama, lalu baris yang sama setelah revisimu. Medan kontribusi manusia menjelaskan mengapa jarak itu ada — instruksi yang kamu ubah, fakta yang kamu tolak, format yang kamu tetapkan. Medan verifikasi mencatat pemeriksaan yang kamu lakukan sesudahnya, lengkap dengan temuan yang gagal, bukan hanya yang lolos.

Bukti kerja langsung adalah sumber informasi paling kuat, dan portofolio berfungsi mendasari percakapan profesional, bukan menjadi asesmen tersendiri. [G2] Konteks kutipan itu asesmen magang di Inggris; Wawas tidak memindahkannya menjadi aturan apa pun di Indonesia, dan hanya mengadopsi prinsipnya.

Dari prinsip yang sama datang satu kewajiban isi: bila AI dipakai dalam pekerjaan maupun dalam menyusun portofolio, pemakaiannya harus dirujuk. Medan bantuan AI karena itu tidak boleh dikosongkan.

Samarkan data dan ungkap bantuan AI

Jangan pernah menempelkan data asli sebagai bukti. Ganti nama orang, nama perusahaan, nomor, dan alamat dengan pengganti tetap sebelum apa pun masuk ke kartu — termasuk ke kutipan sebelum–sesudah. Kalau penyamaran membuat contohnya tidak masuk akal, buat versi sintetis sepenuhnya dan tulis begitu di kartu.

Rani meneruskan artefak Bab 5-nya, rekap pengiriman yang identitas pelanggannya ia samarkan. Konteks: rekap mingguan untuk atasan. Masukan aman: kolom nama diganti "Pelanggan A–J", nomor telepon dihapus seluruhnya. Kontribusi manusia: ia menetapkan kolom mana yang boleh keluar, menolak satu ringkasan AI yang menyebut wilayah pengiriman terlalu spesifik, dan menyusun ulang urutannya. Bantuan AI: merangkum 240 baris menjadi tujuh butir; empat butir dipakai. Verifikasi: total dihitung ulang manual, dua tanggal diperbaiki, satu butir dibuang. Keterbatasan: baru diuji pada satu bulan data.

9.4 Petakan bukti tanpa melebih-lebihkan kompetensi

Empat aspek dan tiga tingkat

UNESCO menyusun kerangka kompetensi AI untuk siswa yang memuat dua belas kompetensi dalam empat aspek — pola pikir berpusat pada manusia, etika AI, teknik dan aplikasi AI, serta desain sistem AI — dan tiga tingkat kemajuan: Understand, Apply, Create [U1]. Wawas meminjam nama aspek dan tingkat itu sebagai rak untuk menata kartu buktimu, tidak lebih. Kerangka aslinya ditujukan kepada siswa dan penyusun kurikulum, bukan pekerja kantor; memindahkannya ke pekerjaanmu adalah adaptasi kami, bukan temuan penelitian [BUKTI LEMAH]. Pertanyaan di dalam matriks pun rancangan Wawas, bukan deskriptor resmi.

Isi sel adalah pertanyaan, bukan skor dan bukan tingkat yang diberikan kepadamu oleh siapa pun.

Satu alasan untuk setiap pemetaan

Untuk setiap artefak, pilih sedikitnya satu aspek dan satu tingkat, lalu tulis satu alasan yang menunjuk bagian konkret pada kartu bukti: medan mana, kalimat mana, angka mana. Alasan yang berbunyi "saya paham etika AI" tanpa penunjuk adalah klaim, bukan bukti. Larangan yang paling sering dilanggar: satu artefak dipetakan ke seluruh dua belas sel. Sel yang tidak bisa kamu tunjuk buktinya dikosongkan, dan kosong itu informasi yang berguna — ia menunjukkan apa yang belum kamu kerjakan.

Rani memetakan rekap pengiriman dari 9.3 ke Etika AI–Apply. Alasannya menunjuk dua medan kartu: masukan aman, tempat kolom nama diganti "Pelanggan A–J" dan nomor telepon dihapus; dan kontribusi manusia, tempat ia menolak satu ringkasan AI yang menyebut wilayah pengiriman terlalu spesifik. Ia menambahkan Teknik dan aplikasi AI–Understand karena kartunya mencatat empat dari tujuh butir dipakai beserta sebabnya. Ia mengosongkan Create pada kedua aspek: satu rekap belum menunjukkan alur atau templat yang dipakai ulang.

Bukan asesmen atau sertifikasi UNESCO

Portofolio ini bukan sertifikasi profesi. Sertifikasi personel adalah cara memberi jaminan bahwa seseorang memenuhi persyaratan kompetensi dalam sebuah skema, dan badan yang menjalankannya tunduk pada persyaratan tersendiri [I1]. Wawas bukan badan semacam itu, bukan UNESCO, dan matriks ini bukan instrumen asesmen UNESCO. Kami tidak memberi pengakuan, kredit, lisensi, tingkat resmi, atau jaminan kompetensi apa pun. Yang kamu punya setelah bab ini adalah bukti kerjamu sendiri yang tertata rapi dan bisa diperiksa orang lain.

9.5 Bawa portofolio ke percakapan dengan atasan

Kartu bukti dari 9.3 dan matriks dari 9.4 baru berguna kalau ada orang lain yang memeriksanya. Dalam konteks asesmen magang di Inggris, portofolio ditempatkan sebagai dasar percakapan terstruktur, bukan metode asesmen yang berdiri sendiri, dan bukti kerja langsung diperlakukan lebih kuat daripada klaim diri [G2]. Agenda di bawah adalah adaptasi Wawas dari gagasan itu, bukan aturan hubungan kerja Indonesia dan bukan anjuran tentang bagaimana atasanmu harus menilai kamu.

Agenda percakapan 10 menit

Pembagian berikut adalah rancangan Wawas, bukan hasil penelitian. Sepuluh menit dibagi menjadi empat bagian.

Satu menit pembuka: sebut apa yang kamu bawa dan apa yang kamu minta diperiksa. Empat menit untuk dua artefak: tunjukkan kartunya, jelaskan tugas, bagian mana yang dikerjakan alat, dan bagian mana yang kamu ubah atau tolak. Dua menit untuk satu artefak yang paling lemah beserta keterbatasannya: sebut sendiri apa yang belum kamu periksa. Tiga menit terakhir untuk permintaan umpan balik dan kesepakatan langkah berikutnya.

Rani membawa tiga kartu dan matriksnya. Pembukanya satu kalimat: ia ingin cara kerjanya diperiksa, bukan hasilnya dipuji. Ia memilih rekap pengiriman untuk dibahas lebih dalam karena di situ ia menolak satu ringkasan yang menyebut wilayah terlalu spesifik. Keterbatasan yang ia akui sendiri: rekap itu baru diuji pada satu bulan data. Ia menyebutkannya pada bagian dua menit untuk artefak dan keterbatasan, sebelum meminta umpan balik.

Minta umpan balik yang dapat ditindaklanjuti

Portofolio adalah bahan percakapan, bukan permintaan pengakuan otomatis. Yang kamu minta adalah pemeriksaan atas satu bukti atau satu langkah kerja — bukan agar atasan mengesahkan tingkat UNESCO, kompetensi, promosi, gaji, kredit, lisensi, atau sertifikasi apa pun. Wawas tidak memberi skrip untuk membujuk siapa pun dan tidak memberi nasihat hubungan industrial.

Umpan balik yang dapat ditindaklanjuti berbentuk satu pertanyaan sempit yang jawabannya mengubah pekerjaan minggu depan. Dalam latihan ini, "Bagaimana menurut Bapak?" terlalu lebar untuk menetapkan satu sasaran perbaikan yang jelas. Minta satu saja, dan catat jawabannya di tempat yang sama dengan buktinya. Rani bertanya: langkah pemeriksaan apa yang seharusnya ia tambahkan sebelum rekap dikirim ke pelanggan. Jawabannya, apa pun itu, menjadi baris baru di kartu berikutnya.

Latihan Bab 9 — Rakit portofolio bukti kompetensimu

Latihan ini mengubah hasil kerja Bab 2–8 menjadi tiga kartu bukti, satu matriks pemetaan, dan satu agenda percakapan sepuluh menit. Sediakan waktu sekitar sembilan puluh menit dan siapkan berkas latihan bab-bab sebelumnya di dekatmu. Kerjakan latihan ini dengan bahan sintetis atau bahan yang sudah kamu samarkan. Jangan memasukkan data pribadi, data pelanggan, atau dokumen rahasia perusahaan ke alat AI mana pun, dan jangan menaruhnya di portofolio yang kamu bagikan kepada orang lain. Aturan ini berlaku juga untuk tangkapan layar dan lampiran yang kamu kira sudah tidak terbaca.

Lembar kerja tiga kartu

1. Pilih tiga artefak berbeda dari latihan Bab 2 sampai Bab 8 — tiga bab yang tidak sama, bukan tiga versi dari satu pekerjaan. Kalau artefak aslinya memakai bahan nyata, buat dulu versi sintetisnya: ganti nama orang dengan huruf, ganti nama perusahaan dengan sebutan umum, hapus nomor dan alamat, geser angka sehingga polanya tetap masuk akal tetapi tidak menunjuk siapa pun.
2. Untuk tiap artefak, isi delapan medan kartu bukti dari 9.3, satu per satu: konteks pekerjaan; masukan aman; kontribusi manusia; bantuan AI; keluaran sebelum–sesudah; langkah verifikasi; keterbatasan; penyamaran data. Tulis dalam kalimat penuh, bukan potongan kata kunci.
3. Periksa medan kontribusi manusia dan bantuan AI berpasangan. Kalau kamu tidak bisa menyebut satu pun keputusan yang kamu buat sendiri — instruksi yang kamu perbaiki, keluaran yang kamu tolak, angka yang kamu koreksi — artefak itu belum layak jadi bukti. Ganti dengan artefak lain.
4. Isi keluaran sebelum–sesudah dengan dua kutipan pendek yang sudah disamarkan, bukan ringkasan tentang kutipan itu. Pembaca kartu harus bisa melihat sendiri apa yang berubah.
5. Tulis medan keterbatasan sebelum kamu merasa kartunya selesai. Sebut yang belum diuji dan konteks yang tidak tercakup. Jangan kosongkan medan ini; kartu yang tidak menyebut keterbatasan belum memenuhi lembar kerja.
6. Tutup tiap kartu dengan medan penyamaran data: apa yang dihapus atau diganti, dan menurut aturan mana kamu melakukannya.

Setelah tiga kartu jadi, buat matriks pemetaannya. Untuk setiap artefak, pilih sedikitnya satu aspek dan satu tingkat dari matriks 9.4, lalu tulis satu alasan yang menunjuk bagian konkret pada kartu: medan mana, kalimat mana, angka mana. Alasan tanpa penunjuk tidak dihitung. Kosongkan sel yang tidak bisa kamu tunjuk buktinya. Ini pemetaan mandiri rancangan Wawas — bukan asesmen UNESCO, bukan sertifikasi, dan bukan tingkat yang diberikan siapa pun kepadamu.

Terakhir, susun agenda percakapan sepuluh menit dengan pembagian dari 9.5: satu menit pembuka untuk menyebut apa yang kamu bawa dan apa yang kamu minta diperiksa; empat menit untuk dua artefak; dua menit untuk satu artefak yang paling lemah beserta keterbatasannya; tiga menit terakhir untuk umpan balik dan langkah berikutnya. Tuliskan tepat satu permintaan umpan balik yang spesifik — satu pertanyaan sempit yang jawabannya mengubah pekerjaan minggu depan. Jangan meminta pengesahan kompetensi, tingkat UNESCO, promosi, gaji, kredit, lisensi, atau sertifikasi.

Pemeriksaan mandiri dan rubrik

Baca ulang ketiga kartumu, matriks pemetaanmu, dan agendamu sebagai orang lain yang tidak tahu pekerjaanmu. Lima pertanyaan pemeriksaan: apakah tiap kartu menyebut satu langkah verifikasi yang benar-benar kamu jalankan; apakah ketiga kartu menunjukkan tiga kemampuan yang berbeda, bukan satu kemampuan yang sama diulang pada tiga artefak atau tiga bab; apakah setiap pemetaan menunjuk bagian kartu; apakah masih ada data yang tidak aman tersisa di mana pun, termasuk di kutipan sebelum–sesudah; dan apakah agendamu berjumlah sepuluh menit dengan pembagian 1–4–2–3 serta memuat tepat satu permintaan umpan balik yang spesifik. Kalau salah satu jawabannya tidak, perbaiki dulu sebelum membawanya ke siapa pun. Lakukan pemeriksaan setelah ketiga kartu, matriks, dan agenda selesai agar seluruh artefak masuk dalam pemeriksaan yang sama.

Rubrik berikut untuk kamu pakai sendiri. Tidak ada kunci jawaban tunggal dan tidak ada skor: hasil tiap orang berbeda karena artefaknya berbeda.

• Belum — kurang dari tiga kartu, tidak ada bukti verifikasi, atau masih memuat data yang tidak aman.
• Cukup — tiga kartu dari artefak berbeda yang menunjukkan tiga kemampuan berbeda, masing-masing memuat kedelapan medan: konteks pekerjaan; masukan aman; kontribusi manusia; bantuan AI; keluaran sebelum–sesudah; langkah verifikasi; keterbatasan; penyamaran data, disertai pemetaan yang beralasan, serta agenda sepuluh menit berpembagian 1–4–2–3 yang memuat tepat satu permintaan umpan balik spesifik.
• Mahir — semua syarat Cukup terpenuhi, bukti sebelum–sesudah dapat ditelusuri dari draf pertama ke versi akhir, dan keterbatasan tiap artefak dinyatakan sendiri.

Kalau hasilmu masih di tingkat Belum, tandai syarat rubrik yang belum terpenuhi. Lengkapi bagian yang masih dapat diperbaiki dan mulai simpan draf pertama pada pekerjaan berikutnya.

Tentang sumber & metode — Bab 9

Bab ini dibangun dari lima rujukan yang dibuka dan diperiksa satu per satu pada 14 Agustus 2026, lalu kutipannya disimpan di company/research/raw/sumber-bab9-portofolio-kutipan.md supaya kamu bisa menelusuri sendiri dari kalimat ke sumbernya. Materi ini disusun dengan bantuan AI dan diperiksa terhadap sumber yang disebutkan. Tidak ada penulis pakar, afiliasi lembaga, maupun penelaahan sejawat di balik naskah ini.

Sumber, adaptasi, dan keterbatasan

Nama empat aspek dan tiga tingkat pada matriks pemetaan diambil dari kerangka kompetensi AI yang ditujukan kepada siswa dan pengembang kurikulum [U1]. Gagasan bahwa portofolio berisi ragam bukti yang terkumpul dari waktu ke waktu — dokumen, artefak, catatan penyelesaian tugas — dan bahwa refleksi saja tidak memadai bila kinerja yang dapat diamati dipersyaratkan, berasal dari definisi metode asesmen magang di Inggris [G1]. Dari panduan magang Inggris yang lain kami mengambil tiga hal: bukti langsung dari pekerjaan nyata lebih kuat daripada klaim diri, portofolio berfungsi sebagai bahan percakapan alih-alih vonis, dan penggunaan AI dalam artefak harus diungkap [G2]. Keharusan membandingkan tiap bukti dengan persyaratan yang dinyatakan, bukan menumpuk dokumen, mengikuti praktik pengakuan pembelajaran vokasional di Australia [A1]. Batas terakhir datang dari standar sertifikasi personel: sertifikasi kompetensi adalah urusan badan dan skema tersendiri [I1].

Semua rujukan itu lahir di konteks pendidikan dan asesmen formal di Inggris, Australia, serta lembaga internasional. Pemindahannya ke pekerja kantor Indonesia, begitu pula seluruh format Wawas — delapan medan kartu artefak, matriks pemetaan, agenda 1 + 4 + 2 + 3 menit, dan rubrik Belum, Cukup, Mahir — adalah adaptasi editorial kami, bukan temuan sebab-akibat dan bukan aturan yang berlaku di Indonesia. [BUKTI LEMAH] Tidak ada satu pun sumber di atas yang menguji format Wawas; kesesuaiannya bagi pembaca kami masih berupa dugaan yang perlu diuji di lapangan.

Contoh Rani sepanjang bab bersifat sintetis, disusun sebagai ilustrasi, dan tidak mewakili orang tertentu. Sebelum artefakmu dimasukkan ke portofolio, samarkan nama orang, nama klien, angka rahasia, dan apa pun yang terikat kewajiban kerahasiaan di tempat kerjamu. Portofolio Wawas dan sertifikat penyelesaian Wawas bukan sertifikasi profesi. Sumber-sumber di atas kami periksa ulang setiap tahun; bila halaman berubah atau hilang, kalimat yang bergantung padanya akan direvisi. Terakhir diperiksa: 14 Agustus 2026.

Apa yang belum tercakup: belum ada validasi efektivitas portofolio Wawas pada pekerja Indonesia; tidak ada bukti dampaknya terhadap promosi, gaji, atau karier; dan bab ini tidak mencakup asesmen formal, sertifikasi, maupun nasihat hubungan industrial. Untuk ketiga hal terakhir, tanyakan kepada pihak yang memang berwenang di bidangnya.

Bab 10 — Proyek praktik terpandu: dari satu tugas ke paket bukti yang diperiksa

Tujuan belajar

Bab ini menutup Wawas Praktik dengan satu proyek utuh. Setelah menyelesaikannya, kamu mampu:

• memilih satu tugas kantor berulang dan menyatakan batas aman datanya;
• menyusun instruksi yang dapat dipakai ulang beserta kriteria keluaran yang bisa diperiksa;
• menghasilkan contoh pada bahan sintetis sambil mencatat kontribusi manusia/AI;
• memeriksa keluaran dengan enam butir Wawas, lalu mencatat perbaikan yang kamu lakukan;
• merakit diagnosis, instruksi, keluaran sebelum–sesudah, log verifikasi, keterbatasan, dan refleksi menjadi satu paket bukti yang dapat diperiksa orang lain.

Artefak kelulusan

Artefak akhir bab ini adalah satu paket bukti proyek. Paket itu merupakan bukti penyelesaian internal Wawas: bukan sertifikasi profesi, bukan jaminan mutu independen, dan bukan penilaian pihak ketiga atas mutu pekerjaanmu.

10.1 Pilih proyek dan tetapkan batasnya

Bab ini hanya punya satu keluaran: satu paket bukti proyek yang kamu kerjakan sendiri dari awal sampai selesai. Sebelum menulis instruksi apa pun ke AI, dua hal harus dikunci lebih dulu — tugas mana yang kamu garap, dan bahan apa yang boleh masuk. Bagian ini mengurus keduanya.

Brief proyek

Pilih satu tugas kantor yang berulang, bukan tugas besar sekali seumur hidup. Berulang penting karena instruksi yang kamu susun di 10.2 baru berharga kalau dipakai lagi minggu depan, dan karena kamu butuh keluaran lama sebagai pembanding.

Contoh yang dipakai sepanjang bab ini: merangkum notulen rapat mingguan tim operasional menjadi ringkasan lima poin plus daftar tindak lanjut. Tugas ini muncul tiap pekan, hasilnya dibaca orang lain, dan kualitasnya mudah dinilai — poin tindak lanjut jelas ada penanggung jawabnya atau tidak.

Ganti contoh itu dengan tugasmu sendiri kalau ada yang lebih dekat: menyusun balasan email keluhan pelanggan, merapikan laporan kunjungan lapangan, atau membuat draf pengumuman internal. Syaratnya sama — berulang, ada keluarannya, dan kamu memang orang yang biasa mengerjakannya.

Isi diagnosis berikut sebelum lanjut. Jawab pendek, satu sampai dua kalimat per butir:

1. Nama tugas dan seberapa sering muncul.
2. Siapa yang membaca atau memakai hasilnya.
3. Masukan apa saja yang biasa kamu pegang saat mengerjakannya.
4. Berapa lama biasanya selesai tanpa bantuan AI.
5. Bagian mana yang paling membosankan atau paling sering salah.
6. Seperti apa keluaran yang dianggap "sudah benar" oleh pembacanya.
7. Apa akibatnya kalau hasilnya keliru dan lolos tanpa diperiksa.

Butir 6 dan 7 yang paling sering dilewati, dan justru itu yang menentukan seberapa ketat pemeriksaan di 10.4.

Batas bahan

Seluruh proyek ini dikerjakan dengan bahan sintetis — notulen, nama, angka, dan nama organisasi yang kamu karang sendiri agar menyerupai pekerjaan aslinya tanpa memuat isi aslinya. Buat berkas contoh baru; jangan menyalin dokumen kerja lalu mengganti sebagian namanya, karena sisa detail biasanya masih menempel.

Aturan internal Wawas untuk proyek ini [PENDAPAT WAWAS; BUKTI LEMAH]:

• Proyek hanya memakai bahan sintetis.
• Jangan memasukkan data pribadi siapa pun ke AI.
• Jangan memasukkan rahasia organisasi, termasuk angka keuangan, daftar klien, atau rencana yang belum diumumkan.
• Jangan memasukkan kredensial — kata sandi, kunci akses, token.
• Jangan memasukkan materi yang hak pakai-nya tidak jelas bagimu.
• Kalau ragu, berhenti. Minta pemilik data atau atasanmu menentukan jalur yang disetujui, tanpa menyalin bahan itu ke AI lebih dulu.

Aturan ini sengaja dibuat lebih ketat daripada yang mungkin diizinkan tempat kerjamu. Bekerja dengan bahan sintetis membuatmu bebas bereksperimen, menempelkan potongan penuh ke dalam paket bukti, dan menunjukkannya ke orang lain tanpa harus memikirkan siapa yang boleh melihat.

Batas klaim

Daftar di atas adalah aturan praktis konservatif internal Wawas, bukan temuan penelitian dan bukan ringkasan kewajiban peraturan. Kami memilihnya karena ia aman di hampir semua situasi, bukan karena ada bukti yang mengukur akibat pelanggarannya.

Materi ini bukan nasihat hukum dan bukan jaminan kepatuhan terhadap peraturan mana pun. Mengikuti aturan ini tidak membuat pekerjaanmu otomatis patuh, dan tidak menggantikan kebijakan data di tempat kerjamu. Kalau kebijakan kantormu lebih ketat, kebijakan kantor yang berlaku. Kalau kamu memerlukan kepastian hukum, tanyakan kepada pihak yang berwenang di organisasimu.

10.2 Ubah diagnosis menjadi instruksi berulang

Diagnosis di 10.1 masih berupa jawaban bebas. Bagian ini mengubahnya menjadi satu instruksi yang bisa disalin ulang tiap pekan, lengkap dengan kriteria yang nanti bisa dipakai untuk menilai hasilnya. Di sini kamu belum menjalankan AI dan belum memeriksa hasil apa pun — dua hal itu urusan 10.3 dan 10.4.

Lima medan kriteria keluaran

Dua butir diagnosismu memasok bahan mentahnya. Butir 3 — masukan yang biasa kamu pegang — memasok daftar bahan dan fakta yang boleh dipakai. Butir 6 — keluaran yang dianggap "sudah benar" oleh pembacanya — memasok bentuk hasil dan syarat penerimaannya. Pecah kedua jawaban itu apa adanya menjadi lima medan berikut. Jangan menambah angka atau nama yang tidak muncul di jawabanmu sendiri.

• Bentuk: susunan hasil yang kamu minta, misalnya ringkasan lima poin ditambah tabel tindak lanjut, bukan sekadar "ringkasan yang rapi".
• Kelengkapan: unsur yang wajib ada di setiap keluaran, dan apa yang harus ditulis bila bahan tidak menyediakannya — pakai keterangan tidak disebutkan.
• Angka: semua angka dan tanggal disalin dari bahan, tanpa menebak, membulatkan, atau menghitung sendiri kecuali kamu memintanya secara eksplisit.
• Nama: nama orang, jabatan, dan unit disalin persis seperti tertulis, tanpa menciptakan gelar, ejaan, atau pelengkap yang tidak ada.
• Konteks: siapa pembacanya, untuk apa dipakai, periode yang dicakup, dan latar lain yang mengubah arti keluaran.

Lima medan ini adalah spesifikasi sebelum eksekusi — kesepakatan tentang bentuk hasil yang kamu tulis sebelum apa pun dijalankan. Ia bukan lima tes, dan bukan pengganti enam butir pemeriksaan Wawas yang akan kamu pakai di 10.4.

Templat instruksi berulang

Tuang lima medan itu ke dalam enam label tetap berikut. Urutannya sengaja dikunci supaya instruksi minggu depan bisa dibandingkan dengan minggu ini.

Tujuan: [hasil apa yang kamu butuhkan dan untuk siapa]
Bahan masukan: [dokumen atau potongan teks yang kamu sertakan]
Tugas: [satu kalimat perintah utama]
Kriteria keluaran: [Bentuk, Kelengkapan, Angka, Nama, Konteks]
Larangan: [hal yang tidak boleh dilakukan model]
Jika bahan kurang: tandai bagian itu dengan "tidak disebutkan" dan sebutkan
di akhir; jangan melengkapi sendiri.

Label terakhir yang paling sering dilupakan. Tanpa perintah menandai, model cenderung mengisi lubang agar hasilnya terlihat utuh.

Contoh terisi: ringkasan rapat operasional

Tujuan: ringkasan notulen rapat mingguan tim operasional untuk dibaca anggota
tim yang tidak hadir.
Bahan masukan: satu notulen rapat sintetis yang saya tempelkan di bawah.
Tugas: rangkum notulen menjadi ringkasan dan daftar tindak lanjut.
Kriteria keluaran: ringkasan tepat lima poin; setelahnya daftar tindak lanjut;
setiap tindak lanjut memuat tindakan, penanggung jawab, dan tenggat; angka,
tanggal, dan nama hanya diambil dari notulen; tulis "tidak disebutkan" bila
salah satu dari ketiga unsur tindak lanjut tidak ada di notulen.
Larangan: jangan menambah keputusan yang tidak ada di notulen; jangan menebak
tenggat; jangan mengubah nama atau jabatan; jangan menambahkan saran.
Jika bahan kurang: tandai bagian itu dengan "tidak disebutkan" dan sebutkan
di akhir; jangan melengkapi sendiri.

Yang barusan kamu baca adalah contoh instruksi, bukan contoh hasil. Belum ada satu pun kalimat ringkasan di sini.

Simpan sebagai versi pertama

Simpan instruksi itu sebagai v1 dengan nama berkas yang menyebut tugas dan versinya, misalnya ringkasan-rapat-v1.txt. Versi berikutnya baru kamu tulis setelah hasilnya diperiksa, bukan karena instruksinya terasa kurang bagus. Menyimpan versi bernomor menjaga agar tiap perubahan instruksi bisa ditelusuri kembali ke alasan yang memicunya. Kebiasaan ini sejalan dengan anjuran umpan balik terdokumentasi pada NIST AI RMF Playbook GOVERN 5.2 [S1], meski Playbook mengatur tata kelola organisasi, bukan cara menomori berkas.

Perlu jujur soal batasnya: istilah dan cara menyusun instruksi ke model masih beragam serta terfragmentasi antarpenulis, sebagaimana dipetakan The Prompt Report [S3]. Survei itu bukan bukti bahwa templat Wawas meningkatkan mutu hasil atau produktivitas pekerja kantor Indonesia. Yang bisa kami klaim lebih sempit: instruksi tertulis dan bernomor membuat kerjamu bisa diulang dan dibandingkan.

10.3 Jalankan pada bahan sintetis

Instruksi v1 sudah ada. Sekarang jalankan sekali, pada bahan yang aman, lalu simpan hasilnya tanpa disentuh. Bagian ini belum menilai dan belum memperbaiki apa pun — yang dikejar hanya satu rantai yang terlihat utuh: bahan, instruksi, keluaran, catatan siapa mengerjakan apa.

Siapkan bahan uji

Pakai aturan batas bahan dari 10.1: bahan latihan tidak boleh diambil dari dokumen kerja nyata, apalagi yang memuat data pribadi, angka keuangan, atau nama pelanggan. Semua nama orang, unit, angka, tanggal, dan peristiwa di bawah ini sintetis — dikarang untuk latihan, tidak merujuk organisasi mana pun.

Notulen rapat mingguan — Tim Operasional Arunika
Tanggal: 12 Agustus 2026
Hadir: Raka, Mira, Dian

Pembahasan:
- Volume tiket masuk naik dari 80 menjadi 110 per hari sejak awal Agustus.
- Balasan standar dinilai terlalu panjang oleh sebagian pelanggan.
- Beban malam menumpuk karena tidak ada pembagian giliran tetap.

Keputusan:
- Uji coba templat balasan baru diperpanjang dua minggu.

Tindak lanjut:
- Raka mengekspor daftar tiket bulan berjalan pada 14 Agustus 2026.
- Mira memperbarui templat balasan (tenggat belum ditetapkan di rapat).
- Dian mengadakan sesi kalibrasi pada 18 Agustus 2026.

Tempelkan instruksi v1 dari 10.2 lebih dulu, lalu blok notulen di bawahnya, ke alat AI yang memang diizinkan organisasimu. Kalau kamu belum punya alat yang diizinkan, jangan memaksakan diri memakai alat pribadi untuk urusan kantor: pakai keluaran contoh di bawah sebagai bahan latihan, dan tandai berkasmu contoh materi. Jangan mencatatnya seolah kamu benar-benar menjalankan AI.

Simpan keluaran pertama apa adanya

Simpan hasil pertama ke satu berkas, sebelum satu kata pun kamu sunting.

ringkasan-rapat-keluaran-pertama.txt

Ringkasan:
1. Rapat mingguan Tim Operasional Arunika berlangsung pada 12 Agustus 2026
   dan dihadiri Raka, Mira, serta Dian.
2. Volume tiket masuk naik dari 80 menjadi 110 per hari sejak awal Agustus.
3. Sebagian pelanggan menilai balasan standar terlalu panjang.
4. Beban kerja malam menumpuk karena belum ada pembagian giliran tetap.
5. Rapat memutuskan memperpanjang uji coba templat balasan selama dua minggu.

Tindak lanjut:
- Mengekspor daftar tiket bulan berjalan — Raka — 14 Agustus 2026
- Memperbarui templat balasan — Mira — tidak disebutkan
- Mengadakan sesi kalibrasi — Dian — 18 Agustus 2026

Perhatikan bentuknya: ringkasan tepat lima butir, lalu daftar tindak lanjut dengan tindakan, penanggung jawab, dan tenggat. Tenggat Mira ditulis tidak disebutkan karena notulen memang tidak memuatnya. Angka, tanggal, nama, dan unit tidak boleh muncul di keluaran kalau tidak ada di bahan.

Berkas ini disimpan sebelum penyuntingan, dan tetap disimpan meski hasilnya terasa kurang. Tanpa salinan mentah, kamu tidak punya pembanding ketika nanti menilai dan memperbaiki hasil di 10.4. Keluaran di atas juga berstatus contoh materi — ia disusun sebagai ilustrasi bentuk, bukan bukti bahwa AI dijalankan saat bab ini ditulis.

Catat kontribusi manusia dan AI

Lampirkan catatan pendek di sebelah berkas keluaran. Empat label, satu baris masing-masing:

Manusia sebelum AI: memilih tugas, membuat notulen sintetis, menulis instruksi v1
AI: menghasilkan keluaran pertama dari instruksi dan notulen tersebut
Manusia sesudah AI: menyimpan keluaran tanpa menyunting
Status: belum diperiksa

Status belum diperiksa itu penting dan jujur. Pada tahap ini kamu belum mengoreksi, belum menolak, dan belum menyetujui apa pun; klaim bahwa kamu sudah memvalidasi hasil baru boleh muncul setelah pemeriksaan dilakukan.

Format empat label ini adalah konvensi Wawas [BUKTI LEMAH]. Kami menyusunnya dengan analogi pada anjuran mendokumentasikan keputusan menerima atau menolak keluaran sistem AI di NIST AI RMF Playbook MEASURE 4.2 [S1]. Playbook itu berbicara pada tingkat tata kelola organisasi, dan bukan metode yang terbukti meningkatkan kinerja pekerja kantor Indonesia. Yang kami klaim lebih sempit: memisahkan tiga peran secara tertulis membuat pembaca hasilmu tahu bagian mana yang kamu pertanggungjawabkan sendiri.

10.4 Periksa, putuskan, dan perbaiki

Keluaran pertama sudah tersimpan apa adanya. Sekarang barulah kamu boleh menilai: memeriksanya butir demi butir, memutuskan apa yang diubah, lalu menyimpan satu versi akhir. Seluruh artefak di bagian ini tetap berstatus contoh materi — ia disusun sebagai ilustrasi urutan kerja, bukan catatan bahwa alat AI benar-benar dijalankan saat bab ini ditulis.

Jalankan enam pemeriksaan V6

Buka ringkasan-rapat-keluaran-pertama.txt di satu sisi layar dan blok notulen dari 10.3 di sisi lain. Bandingkan langsung, kalimat lawan kalimat. Jangan mengandalkan ingatan tentang isi rapat: ingatanmu sudah tercemar oleh keluaran yang barusan kamu baca, dan justru itu yang membuat kekeliruan kecil lolos. Setiap butir keluaran harus bisa kamu tunjuk asalnya di bahan.

Pakai enam butir yang sama seperti di Bab 4: V1 sumber yang bisa dibuka, V2 hitung ulang sendiri, V3 nama, lembaga, dan aturan, V4 konteks Indonesia, V5 kerahasiaan data, V6 siapa yang bertanggung jawab. Catat hasilnya di satu log. Status hanya dua: Lulus kalau butir itu tidak menuntut perubahan, Perbaiki kalau menuntut. Jangan memberi nilai angka — angka membuat pemeriksaan terasa selesai padahal tindakannya belum jelas.

Catat keputusan perbaikan

Setiap perubahan wajib punya pasangan bukti–tindakan di log. Kalau kamu tidak bisa menunjuk bukti, kamu bukan sedang memperbaiki, kamu sedang menulis ulang menurut selera. Dan tidak ada perbaikan yang boleh menambah fakta: tidak ada nama baru, angka baru, tanggal baru, atau tenggat yang ditebak.

Untuk contoh ini, dua perbaikan editorial yang sempit. Pertama, kata berlangsung pada butir 1 dihapus; kalimatnya diubah menjadi identitas rapat, karena notulen mencatat rapat dan tanggalnya, bukan peristiwa berjalannya. Kedua, beban kerja malam pada butir 4 dikembalikan menjadi frasa sumber beban malam. Isi lain dipertahankan apa adanya karena sudah terlacak ke bahan.

Dua keputusan ini bukan bukti bahwa keluaran awal salah secara faktual. Tidak ada yang bertentangan dengan notulen. Yang diperketat adalah kesetiaan ke bahan: makin sedikit kata yang kamu tambahkan sendiri, makin mudah pembaca memverifikasi hasilmu.

Simpan keluaran akhir

ringkasan-rapat-keluaran-akhir.txt

Ringkasan:
1. Rapat mingguan Tim Operasional Arunika pada 12 Agustus 2026 dihadiri
   Raka, Mira, serta Dian.
2. Volume tiket masuk naik dari 80 menjadi 110 per hari sejak awal Agustus.
3. Sebagian pelanggan menilai balasan standar terlalu panjang.
4. Beban malam menumpuk karena belum ada pembagian giliran tetap.
5. Rapat memutuskan memperpanjang uji coba templat balasan selama dua minggu.

Tindak lanjut:
- Mengekspor daftar tiket bulan berjalan — Raka — 14 Agustus 2026
- Memperbarui templat balasan — Mira — tidak disebutkan
- Mengadakan sesi kalibrasi — Dian — 18 Agustus 2026

Perbarui baris terakhir catatan kontribusi menjadi Status: diperiksa manusia, dan tambahkan satu baris yang menyebut kamu menerapkan dua perbaikan editorial hasil pemeriksaan. Simpan tiga artefak terpisah: keluaran awal, log V6, dan keluaran akhir. Ketiganya baru bermakna bersama-sama — log tanpa keluaran awal tidak bisa diperiksa ulang. Catatanmu berhenti di diperiksa manusia; contoh ini tidak punya organisasi atau atasan nyata, jadi jangan menuliskan status persetujuan pengiriman.

Batas bukti pemeriksaan

Daftar Periksa V6 adalah rancangan internal Wawas, bukan standar eksternal. Kami menyandarkannya pada anjuran mendokumentasikan hasil dan masukan manusia di NIST AI RMF Playbook MEASURE 4.2 [S1]. Playbook itu bukan daftar langkah yang harus diikuti seluruhnya, konteksnya organisasi, bukan pekerja kantor perorangan di Indonesia. Penekanan critical judgement terhadap keluaran AI dalam panduan UNESCO [S2] kami pakai sebagai analogi pendidikan saja; sasarannya siswa dan kurikulum, bukan bukti bahwa enam pemeriksaan ini efektif bagi pekerja kantor. Kami tidak mengklaim V6 menghemat waktu atau menaikkan mutu hasil kerjamu.

10.5 Rakit paket bukti dan refleksikan

Semua bahan sudah ada di tanganmu. Yang tersisa adalah menyusunnya jadi satu paket yang bisa dibaca orang lain, menyebut apa yang belum terbukti, lalu menulis refleksi yang menunjuk bukti. Seperti bagian sebelumnya, seluruh isi di sini berstatus contoh materi.

Susun indeks paket

Paket bukti bukan tumpukan berkas dalam satu folder. Ukurannya sederhana: orang lain — rekan kerja, atasan, atau kamu sendiri tiga bulan lagi — harus bisa menelusuri bahan apa yang dipakai, keputusan apa yang diambil, dan perubahan apa yang terjadi, tanpa bertanya kepada pembuatnya. Kalau paketmu hanya masuk akal ketika kamu ada di sebelahnya untuk menjelaskan, paket itu belum jadi bukti.

Tulis satu berkas indeks di depan. Setiap entri menyebut nama artefak dan satu kalimat fungsinya, bukan ringkasan isinya:

indeks-paket-bukti.md

1. `diagnosis-tugas.md` — diagnosis dan batas data: tugas yang dipilih,
   pembacanya, dan aturan bahan sintetis yang berlaku.
2. `ringkasan-rapat-v1.txt` — instruksi v1 dan kriteria keluaran yang
   dipakai menjalankan tugas.
3. `notulen-rapat-sintetis.txt` — notulen sintetis yang menjadi satu-satunya
   bahan masukan.
4. `ringkasan-rapat-keluaran-pertama.txt` — keluaran pertama, disimpan apa
   adanya sebelum diperiksa.
5. `catatan-kontribusi.md` — catatan kontribusi manusia/AI dengan empat label
   dan pemilik keputusan akhir.
6. `log-v6.md` — log V6 berisi status, bukti, dan tindakan tiap butir.
7. `ringkasan-rapat-keluaran-akhir.txt` — keluaran akhir setelah dua perbaikan
   editorial.
8. `keterbatasan-dan-refleksi.md` — keterbatasan dan refleksi atas proyek ini.

Jaga keluaran pertama dan keluaran akhir sebagai dua berkas terpisah. Begitu keduanya digabung atau yang pertama ditimpa, log kehilangan pasangannya dan tidak ada lagi yang bisa diperiksa ulang.

Nyatakan keterbatasan

Tulis batasnya sendiri, sebelum orang lain menemukannya. Untuk contoh ini ada empat:

1. Proyek memakai hanya satu notulen sintetis sebagai bahan.
2. Keluaran AI di bab ini tidak benar-benar dibuat saat bab ditulis; ia disusun sebagai ilustrasi bentuk.
3. Urutan kerjanya belum diuji pada jenis tugas lain atau format bahan lain.
4. Tidak ada penelaah independen; pemeriksaannya dilakukan oleh orang yang sama yang menyusun keluarannya.

Contoh ini juga tidak mengukur apa pun: tidak waktu pengerjaan, tidak produktivitas, tidak mutu kerja. Jangan menariknya menjadi pernyataan tentang pekerja kantor Indonesia pada umumnya — satu contoh tidak menanggung beban itu.

Tulis refleksi berbasis bukti

Jawab empat pertanyaan, dan setiap jawaban harus menunjuk artefak di paketmu.

1. Keputusan apa yang tetap dibuat manusia? Manusia menetapkan kriteria keluaran dan memutuskan menerima dua perbaikan editorial; AI tidak memutuskan apa pun sendiri.
2. Bukti mana yang memicu perubahan? Baris V3 dan V4 di log: keduanya menunjuk kata yang tidak ada di bahan, dan dari situ perubahan dilakukan.
3. Keterbatasan apa yang paling memengaruhi kepercayaan pada hasil? Satu bahan sintetis membatasi cakupan; belum diketahui apa yang terjadi pada notulen yang lebih panjang atau lebih berantakan.
4. Uji berikutnya apa yang layak? Mengulang urutan yang sama dengan bahan sintetis kedua yang strukturnya berbeda.

Refleksi bukan pujian diri, dan menulis rencana uji bukan berarti uji itu sudah dilakukan.

Batas arti paket

Anjuran mendokumentasikan hasil dan masukan manusia di NIST AI RMF Playbook MEASURE 4.2 [S1] hanya mendukung satu hal: hasil perlu dicatat. Playbook itu berkonteks organisasi dan bukan daftar langkah yang wajib diikuti seluruhnya. Tingkat Create dalam panduan UNESCO [S2] kami pakai sekadar analogi bahwa pembaca merakit artefak sendiri, bukan asesmen UNESCO. Paket ini adalah bukti penyelesaian internal Wawas — bukan sertifikasi profesi, bukan jaminan mutu independen, bukan penilaian pihak ketiga, dan bukan bukti kesiapan mengirim hasil kerja.

Latihan Bab 10 — Selesaikan satu proyek dari awal sampai paket bukti

Sediakan waktu 60–90 menit. Pilih satu tugas kantor yang berulang di pekerjaan Anda — misalnya merapikan catatan, menyusun ringkasan berkala, atau menyiapkan draf balasan standar. Seluruh latihan dikerjakan dengan bahan sintetis yang Anda karang sendiri. Jangan memakai data pribadi milik siapa pun, rahasia organisasi, kredensial dalam bentuk apa pun, atau materi yang hak pakainya tidak jelas. Bila Anda belum memiliki alat AI yang diizinkan di tempat kerja Anda, kerjakan latihan ini dengan menyalin keluaran contoh pada bagian 10.3 dan menandainya contoh materi. Dalam kondisi itu Anda tidak boleh menuliskan atau mengatakan bahwa Anda menjalankan AI.

Lembar kerja proyek

1. Tulis diagnosis tugas: apa keluaran yang dibutuhkan, siapa pembacanya, dan keputusan apa yang tetap harus diambil manusia. Tetapkan batas data secara tertulis — jenis bahan apa yang tidak boleh masuk.
2. Susun instruksi versi v1 yang memuat lima medan kriteria keluaran. Simpan sebagai berkas tersendiri dengan nama yang Anda pilih dan pertahankan pola penamaan itu sampai akhir; Anda tidak perlu memakai nama contoh rapat.
3. Siapkan satu bahan sintetis yang menyerupai bahan asli dari sisi bentuk dan panjang, tanpa satu pun potongan yang berasal dari dokumen nyata.
4. Simpan keluaran pertama apa adanya, tanpa suntingan sekecil apa pun. Berkas ini adalah titik banding Anda nanti.
5. Buat catatan kontribusi memakai empat label yang membedakan bagian dari manusia dan bagian dari AI.
6. Isi log pemeriksaan V1–V6. Tiap baris ditulis sebagai pasangan bukti–tindakan: apa yang Anda amati pada keluaran, lalu apa yang Anda lakukan terhadapnya.
7. Simpan keluaran akhir sebagai berkas terpisah dari keluaran pertama. Setiap perbedaan antara keduanya harus dapat ditelusuri ke satu baris log. Jika menurut Anda tidak ada perubahan yang perlu dilakukan, tulis alasannya di log dan tetap simpan kedua versi.
8. Tutup dengan indeks delapan artefak, empat keterbatasan yang Anda sadari, dan empat jawaban refleksi atas pengerjaan Anda sendiri.

Pemeriksaan mandiri

1. Apakah seluruh bahan aman — tanpa data pribadi, rahasia organisasi, kredensial, atau materi yang hak pakainya tidak jelas?
2. Apakah instruksi v1 benar-benar memuat lima medan kriteria, bukan sebagian?
3. Apakah keluaran pertama dan keluaran akhir tersimpan sebagai dua berkas yang terpisah dan masih utuh?
4. Apakah setiap perubahan pada keluaran akhir dapat ditelusuri ke satu baris log tertentu?
5. Apakah catatan kontribusi dan status pemeriksaan Anda tulis apa adanya, termasuk bagian yang belum sempat diperiksa?
6. Apakah delapan entri indeks cocok dengan berkas yang benar-benar ada?

Perbaiki setiap jawaban tidak lebih dulu. Paket baru dianggap selesai ketika enam pertanyaan ini terjawab ya.

Rubrik tiga tingkat

Rubrik ini memakai tiga label tanpa skor angka.

Belum — bahan yang dipakai tidak aman, atau rantai bukti terputus: ada perbedaan antara keluaran pertama dan keluaran akhir yang tidak punya baris log, atau berkas yang disebut di indeks tidak ada.

Cukup — delapan artefak lengkap dan dapat dibuka, enam pertanyaan pemeriksaan mandiri terjawab ya, serta empat keterbatasan dan empat jawaban refleksi sudah ditulis.

Mahir — semua syarat Cukup terpenuhi, ditambah keterlacakan eksplisit: setiap keputusan dapat diikuti dari bahan sintetis ke baris log, lalu ke versi akhir, tanpa Anda perlu mengingat-ingat alasannya.

Perlu ditegaskan batasnya. Rubrik ini adalah evaluasi mandiri internal Wawas atas kelengkapan dokumentasi Anda sendiri. Ia bukan asesmen pihak ketiga dan bukan sertifikasi profesi. Ia juga bukan bukti apa pun tentang hasil kerja Anda, dan bukan izin untuk mengirimkan hasil latihan ini kepada orang lain sebagai pekerjaan final.

Tentang sumber & metode — Bab 10

Cara materi disusun

Bab 10 merakit satu proyek praktik utuh: diagnosis kebutuhan dan batas data, penulisan instruksi versi pertama, penyiapan bahan sintetis, keluaran pertama, catatan kontribusi manusia dan AI, log pemeriksaan V1–V6, keluaran akhir, lalu paket bukti berisi delapan artefak. Seluruh contoh di dalamnya adalah ilustrasi yang dikarang untuk keperluan pengajaran, bukan hasil penggunaan nyata oleh orang atau organisasi mana pun.

Kami memisahkan dengan tegas apa yang berasal dari sumber eksternal dan apa yang merupakan rancangan internal. Yang berasal dari sumber hanyalah kutipan yang disebut di bagian berikutnya. Sebaliknya, lima medan instruksi, empat label kontribusi, enam titik pemeriksaan V1–V6, indeks delapan artefak, lembar latihan, dan rubrik Belum/Cukup/Mahir adalah adaptasi editorial Wawas. Tidak satu pun dari ketiga sumber menetapkan, menganjurkan, atau menilai bentuk-bentuk tersebut.

Kapan terakhir diperiksa: 15 Agustus 2026. Pemeriksaan sumber dilakukan langsung dari server perusahaan, dan jejak kutipannya disimpan apa adanya pada berkas lokal company/research/raw/sumber-bab10-proyek-praktik-kutipan.md, lengkap dengan perintah pengambilannya sehingga siapa pun dapat mengulang pemeriksaan yang sama.

Sumber yang diperiksa

[S1] NIST AI RMF Playbook — https://airc.nist.gov/AI_RMF_Knowledge_Base/Playbook. Dipakai untuk gagasan mendokumentasikan hasil, umpan balik, dan keputusan override (MEASURE 4.2) serta mekanisme memasukkan umpan balik terkelola ke dalam desain sistem (GOVERN 5.2), selalu dalam konteks organisasi masing-masing. Playbook sendiri menyatakan dirinya bukan checklist dan bukan rangkaian langkah yang harus diikuti seluruhnya, dan AI RMF 1.0 sedang dalam pemutakhiran. NIST tidak membuat maupun mengesahkan alur kerja Wawas.

[S2] UNESCO, AI competency framework for students — https://www.unesco.org/en/articles/ai-competency-framework-students. Terbit 8 Agustus 2024, halaman diperbarui 16 Januari 2026. Dokumen ini memetakan 12 kompetensi dalam empat dimensi, dengan tingkat Understand–Apply–Create, dan menekankan critical judgement terhadap solusi AI; sasarannya adalah siswa dan kurikulum sekolah. Pemakaian istilah Create dan critical judgement di bab ini hanya analogi editorial Wawas, bukan asesmen atau pengakuan UNESCO.

[S3] The Prompt Report: A Systematic Survey of Prompt Engineering Techniques — https://arxiv.org/abs/2406.06608. Dipakai sebagai rujukan kosakata: 33 istilah, taksonomi 58 teknik prompting LLM dan 40 teknik untuk modalitas lain, sekaligus catatan bahwa bidang ini masih memakai istilah yang berkonflik dan pemahaman yang terfragmentasi. Ini preprint dan survei teknik, bukan bukti efektivitas instruksi Wawas pada pekerja Indonesia.

Apa yang belum tercakup

Sampai tanggal pemeriksaan, belum ada uji pengguna Indonesia atas materi maupun format proyek praktik ini. Tidak ada bukti penghematan waktu, kenaikan produktivitas, perbaikan mutu hasil kerja, atau efektivitas format. Belum ada penelaah independen dan belum ada penelaahan sejawat. Seluruh bahan berasal dari satu contoh sintetis, sehingga variasi kasus nyata belum terwakili.

Ketiga sumber tidak menetapkan aturan privasi atau hukum Indonesia untuk proyek semacam ini. Kebijakan bahan aman pada bagian 10.1 adalah aturan konservatif internal Wawas [BUKTI LEMAH], bukan ringkasan ketentuan hukum. Materi ini bukan nasihat hukum, bukan audit kepatuhan, bukan asesmen pihak ketiga, bukan sertifikasi profesi, dan bukan izin untuk mengirimkan hasil kerja kepada atasan atau klien.

Transparansi bantuan AI

Materi ini disusun dan disunting dengan bantuan AI. Setiap klaim faktual dicocokkan dengan kutipan sumber yang telah disimpan pada berkas lokal di atas. Pada bab ini tidak ada penulis atau pakar manusia, tidak ada afiliasi atau dukungan institusi, tidak ada testimoni, dan tidak ada penelaahan sejawat. Kami tidak menjamin materi bebas dari kesalahan. Jika Anda menemukan kekeliruan atau kutipan yang tidak cocok dengan sumbernya, perlakukan sumber aslinya sebagai yang benar.

Selesaikan Wawas v1

Kamu sampai di titik akhir Wawas v1. Halaman ini bukan bab baru: ia merapikan apa yang sudah kamu lewati, menunjukkan urutan langkah terakhir, dan menyiapkan satu catatan penyelesaian yang boleh kamu simpan sendiri. Semua yang ada di halaman ini bekerja di perangkatmu; tidak ada data yang dikirim ke mana pun.

Ringkasan sebelas modul

Berikut yang sudah dilatih di tiap modul. Daftar ini menyebut kemampuan dan artefak yang kamu kerjakan, bukan pernyataan bahwa kamu sudah kompeten.

• Modul 0 — Penipuan berbantuan AI: kamu melatih tiga pertahanan struktural pada permintaan transfer mendesak, yaitu verifikasi lewat kanal resmi, jeda wajib, dan konfirmasi balik ke kontak yang sudah dikenal.
• Bab 1 — Cara kerja AI generatif: kamu melatih penjelasan mengapa jawaban yang terdengar meyakinkan tetap bisa keliru.
• Bab 2 — Tiga pertanyaan sebelum mendelegasikan: kamu melatih pemilahan tugas mana yang layak diserahkan ke AI dan mana yang tidak.
• Bab 3 — Instruksi yang bisa diulang: kamu menyusun templat berslot yang menghasilkan bentuk keluaran sama ketika dijalankan ulang.
• Bab 4 — Memeriksa hasil: kamu memakai Daftar Periksa V6 dan mencatat bukti kegagalan yang kamu temukan.
• Bab 5 — Data dan aturan tempat kerja: kamu memilah isi dokumen sebelum ditempel ke alat AI dan menelusuri aturan kantor yang berlaku.
• Bab 6 — Dokumen, email, notulen: kamu menerapkan satu pola kerja dan tiga kontrak keluaran pada tiga jenis tugas kantor.
• Bab 7 — Angka dan tabel: kamu memeriksa hitungan, format, satuan, serta kecocokan konteks pada tabel keluaran AI.
• Bab 8 — Alur kerja ber-AI: kamu merancang alur untuk tugas rutinmu, menetapkan peran manusia, dan memasang titik verifikasi.
• Bab 9 — Bukti kompetensi: kamu mengubah hasil latihan menjadi artefak, kartu bukti, dan agenda percakapan dengan atasan.
• Bab 10 — Proyek praktik terpandu: kamu menyelesaikan satu proyek utuh dari memilih tugas dan batas datanya sampai merakit paket bukti yang diperiksa.

Jalur belajar tiga langkah

Kerjakan berurutan. Kalau satu langkah belum selesai, jangan lompat ke langkah berikutnya — nilai halaman ini justru pada urutannya.

1. Periksa progres Modul 0 dan Bab 1–10. Buka /peta-belajar/ dan telusuri sebelas entri itu satu per satu. Modul yang kamu baca sekilas tanpa mengerjakan latihannya sebaiknya kamu ulangi dulu.
2. Selesaikan proyek Bab 10 beserta enam pemeriksaannya. Buka /bab/10/, jalankan proyeknya dari awal sampai paket bukti, dan lewati keenam pemeriksaan tanpa memangkas satu pun.
3. Gunakan asesmen ulang, lalu simpan atau cetak paket buktimu. Buka /asesmen-ulang/ untuk melihat pergeseran jawabanmu dibanding awal, lalu rapikan hasilnya memakai /lembar-kerja/bukti-kompetensi/ sebagai bahan refleksi dan bahan bicara dengan atasan.

Pemeriksaan mandiri sebelum bukti

Centang tiga pernyataan berikut hanya kalau benar. Centang ini adalah pernyataan kamu sendiri, bukan verifikasi oleh Wawas: kami tidak memeriksa pekerjaanmu, tidak melihat isinya, dan tidak menyimpan apa pun.

• Saya sudah meninjau seluruh modul, yaitu Modul 0 dan Bab 1 sampai Bab 10.
• Saya sudah menyelesaikan proyek Bab 10 memakai bahan yang aman atau sintetis, bukan data rahasia milik kantor atau orang lain.
• Saya sudah memeriksa hasil kerja saya dan mencatat keterbatasannya secara jujur, termasuk bagian yang masih saya ragukan.

Bukti Penyelesaian Mandiri Wawas v1

Setelah tiga pernyataan di atas dicentang, kamu bisa menampilkan Bukti Penyelesaian Mandiri Wawas v1 dengan cakupan Modul 0 dan Bab 1–10. Nama boleh kamu isi atau kamu kosongkan; kalau diisi, nama itu hanya tampil di layar dan tidak disimpan. Tanggal kamu isi sendiri saat mencetak, karena kamu yang tahu kapan pekerjaanmu benar-benar selesai.

Bacalah batasnya dengan tenang. Bukti ini bukan sertifikasi profesi atau asesmen kompetensi. Ia tidak memverifikasi identitasmu, tidak menilai mutu hasil kerjamu, dan tidak diakui pihak mana pun sebagai kualifikasi. Tidak ada gelar, nomor kredensial, tanda tangan, logo institusi, atau klaim akreditasi di dalamnya — dan tidak akan pernah ada, karena semuanya akan menjadi klaim palsu. Materi Wawas disusun dengan bantuan AI, dan kami menyebutkannya di sini agar kamu bisa menilai bobot catatan ini dengan tepat. Nilainya satu saja: rekam penyelesaian mandiri yang jujur, berguna sebagai penanda bagi dirimu sendiri dan sebagai pembuka percakapan, bukan sebagai pengganti bukti kerja nyata yang sudah kamu rakit di Bab 9 dan Bab 10.

Sesudah selesai

Pilih satu tugas kerja berisiko rendah minggu ini, lalu ulangi seluruh alur Wawas di atasnya dari awal: tentukan batas data, susun instruksi berulang, uji, periksa, dan simpan buktinya. Mengulang pada pekerjaan asli yang taruhannya kecil adalah cara tercepat memindahkan latihan menjadi kebiasaan.

Ketika kamu menemui gap — ada langkah yang macet atau hasil yang tidak kamu pahami — kembalilah ke modul yang membahasnya, bukan mencari jalan pintas. Wawas Tanya bisa membantu, tapi pakailah hanya untuk hal yang memang dibahas di materi ini; di luar itu ia akan menjawab bahwa topiknya belum dibahas, dan itu memang jawaban yang benar.

Kolofon dan metode

Wawas v1, versi 1.0, dirakit 15 Agustus 2026 dari naskah kanonik situs https://wawas.aibnuhibban.space/

Materi ini disusun dengan bantuan AI, kemudian diperiksa terhadap sumber yang dicantumkan. AI bukan penulis manusia, pakar, atau pengganti penilaian profesional.

Metode perakitan. Berkas ini dirakit oleh sites/wawas/build_ebook.py langsung dari manifest sumber situs (sites/wawas/build.py, PAGES), sehingga isi ebook dan isi halaman web berasal dari berkas yang sama. Perakit hanya menambahkan halaman depan, satu judul sintetis per modul, dan kolofon ini; prosa naskah tidak ditulis ulang. Penanda audit internal dibuang pada modul yang memang meminta, sedangkan label [BUKTI LEMAH] sengaja dipertahankan agar pembaca tahu di mana buktinya tipis.

Angka bahan mentah. 48 input untuk 11 modul berjumlah 350.697 byte dan 50.241 kata; bersama halaman penutup (5.293 byte. 784 kata) totalnya 355.990 byte dan 51.025 kata sebelum transformasi.

Daftar 49 input dalam urutan rakit. Path relatif terhadap akar repositori, dengan ukuran, jumlah kata mentah, dan SHA-256 penuh isi berkas:

• sites/wawas/content/bab/m0.md | 26725 byte | 3832 kata | sha256: 3f908eadf960da1015632ef3004e733d316d199d1530e3a3dafb8951cdde260a
• company/content/bab1/tujuan.md | 859 byte | 119 kata | sha256: b120cc4c1ab32348ab7ac0c2e60c6002839e9b9a5eb5dc6138a442e7e39754d9
• sites/wawas/content/bab/bab1.md | 31242 byte | 4251 kata | sha256: 4d0dbc79786958547fa25d6b443a92506b81025c605955d2d7d6e812f6d984b6
• company/content/bab2/tujuan.md | 417 byte | 57 kata | sha256: 9b925ab505e389e851aca31b54a41e3cf12d429a5b528a02e81968619a20f951
• company/content/bab2/bagian-p1.md | 6621 byte | 937 kata | sha256: e2a94b9a0b9a00ce7fd277b9bd620e5556849d35d0a219865b70aaa6aa14497f
• company/content/bab2/bagian-p2.md | 9686 byte | 1393 kata | sha256: 3bdb9d11fc8601dec0bf350c69f43e9c8f8635e5949bee083347823ddb8a4d71
• company/content/bab2/bagian-p3.md | 8452 byte | 1232 kata | sha256: 4d84c2e97056fbae7a711133a90e8f28caa98c192babe52c6c7216953f2f874e
• company/content/bab2/penutup.md | 6646 byte | 986 kata | sha256: ec8990b2ee23a5fe048ee5a01af46e28a8e2243d20bc938128debf73142fa763
• company/content/bab2/latihan.md | 7023 byte | 1062 kata | sha256: 7ea0184c911a142e12d8079dda3977055e5a6e73a3ea7ddd5ab0443e15536a97
• company/content/bab2/sumber-dan-metode.md | 6748 byte | 989 kata | sha256: 3a6a0fddc96d0c1a8b52f382704ccd8a0f542d0f25f503931df68393027afe01
• company/content/bab3/tujuan.md | 897 byte | 129 kata | sha256: 8ac7c12bf48ec7e87402fe5a1994ae3e760986eda908f91988b85e561d3d4bd6
• company/content/bab3/bagian-01.md | 2540 byte | 369 kata | sha256: 0a4b46ab4d218d9915e73788f15592dfe22c0ff450b341156eda21bcc82294b6
• company/content/bab3/bagian-02.md | 9349 byte | 1327 kata | sha256: e5ec852105aee8a7cd4cb9ef40d65a4c031aaa75cb7b2ae5219308752cb7cbaf
• company/content/bab3/bagian-03.md | 7914 byte | 1117 kata | sha256: 44558e522fbaa820ddf9a156c655e4e24b5121e1512838cec8be807b51395ce7
• company/content/bab3/bagian-04.md | 5938 byte | 843 kata | sha256: 4a6e2bd1cb4794f44e1e7ebb1afafea9f9a5736ceda3b0a052a78bc266f638b8
• company/content/bab3/penutup.md | 3248 byte | 494 kata | sha256: 3fe2e50a02270672dc2cbae753cc42368cbb70f2d144c2e477dfcdcfb421bb0d
• company/content/bab3/latihan.md | 8560 byte | 1336 kata | sha256: b752ad202f965df060a4cedb495e3c4a571fab752580ba7894293e2cbd5cac2d
• company/content/bab3/sumber-dan-metode.md | 4082 byte | 569 kata | sha256: af13ab25b7734d22b78ee866a6b1cc83b1e2200ecd0e72b6e01be12879ba51ac
• company/content/bab4/tujuan.md | 204 byte | 32 kata | sha256: 27772ab0c82742895808528668075279b53ffff12e0fcc28503a172db03a90a2
• company/content/bab4/bagian-01.md | 3950 byte | 579 kata | sha256: 03912b5d4b858334a9830a2b671d19afcf39994d9471e173178df59b8f6e7178
• company/content/bab4/bagian-02.md | 5761 byte | 848 kata | sha256: d635407923cc3805dfeb526b10cc2d49efb8143888e721e18b349cdce7396c5a
• company/content/bab4/bagian-03.md | 5074 byte | 733 kata | sha256: 069e4ba601e0f97ec98347d8f69cc4d650ff67d9f4151a4dd945f353e5d13b4b
• company/content/bab4/bagian-04.md | 4615 byte | 689 kata | sha256: 6d43d7fffd362cca1aa0da700ae7ec8552ad16fbca10736364813fa9cd2d6344
• company/content/bab4/studi-kasus.md | 7823 byte | 1189 kata | sha256: be3a0ee4fc3cd934e2b688ec7c9ea1d17a787e4a608922761be1ca99e25df928
• company/content/bab4/penutup.md | 2166 byte | 331 kata | sha256: d0bf689664dfd7252d57eb6ba27279e848a5a53b39943a20f51e9de566fa3074
• company/content/bab4/latihan.md | 4443 byte | 674 kata | sha256: 8402858368951499749023415861de7cf1e599be6c99d95f2fd1ccc20153f2cf
• company/content/bab4/sumber-dan-metode.md | 4391 byte | 623 kata | sha256: 2ddb873581cb8e6b3ea57b45a7db617b813b488ffd9295834321f6055f04fdbf
• company/content/bab5/tujuan.md | 684 byte | 95 kata | sha256: 857536382fa4d220b7bbef798137063e087e3cbc64a8848fc77e86a347905caf
• company/content/bab5/bagian-01.md | 5185 byte | 739 kata | sha256: e169748c5413240ddf35db7f974fd03ecb5cc11d69af4a968714925ed48bb5e5
• company/content/bab5/bagian-02.md | 6321 byte | 904 kata | sha256: fb328dfeafa6f0e71cf469f669eaa4a90a8fc07198578a054289081358467556
• company/content/bab5/bagian-03.md | 5405 byte | 766 kata | sha256: e7137c119188780a97a196a0536cfd12444bad7e63b5a67feefb2aa9af18bac8
• company/content/bab5/bagian-04.md | 4712 byte | 651 kata | sha256: 1a3d636cbb1a54523c2d4c55d068e8925c5255e80032fb26064b1e661ebe6710
• company/content/bab5/latihan.md | 5420 byte | 788 kata | sha256: 45903fd1817b434ca3d0d4f013198f0b4f14ebd7e42bac1875c7d4deaa26d5e1
• company/content/bab5/sumber-dan-metode.md | 3343 byte | 397 kata | sha256: 36606236f374e303ecaf5783187807f5ce4d0a5d0a25ecb1d8055289def39083
• company/content/bab6/tujuan.md | 636 byte | 87 kata | sha256: f9d4232a2ab23cdbaef6bbbff55d7c71dd48c74b5af53829c4c23e4f229c44df
• company/content/bab6/bagian-01.md | 4855 byte | 715 kata | sha256: 27ca6a3d26a726a111a567bef6a7d122a4b0d8806a68b4dcaf5c2da1bb536acc
• company/content/bab6/bagian-02.md | 5630 byte | 802 kata | sha256: 59019523ab6d72d6e4dc2fa7237b187f23d3eb008856c589033953b9332c76c1
• company/content/bab6/bagian-03.md | 5090 byte | 720 kata | sha256: 656720951834d89d6f1b586b9fa7b9894e881a7524965bc3267c76887bdda79b
• company/content/bab6/bagian-04.md | 5541 byte | 774 kata | sha256: 6da8baa1f3fc91384cb827d3fc8017eb00c46f8cee015c6c01db2c7a8b468149
• company/content/bab6/latihan.md | 5679 byte | 846 kata | sha256: 565dfd1cb4c561a020670d73781d3838dd78bf0ea6c33ad6a5ac1d544dfee631
• company/content/bab6/sumber-dan-metode.md | 3372 byte | 414 kata | sha256: beb5a0188e2f5591c1ffacd644f7b810028e41c8aa6d12b15d7fcd76214e47ad
• company/content/bab7/tujuan.md | 245 byte | 38 kata | sha256: ab52d8a043b0a88f8d7f8e18b59b5e0e33003469721e25336f5666a4561af2ae
• company/content/bab7/bab7.md | 23772 byte | 3398 kata | sha256: b3bbda173806b6f399cefd82f1b4840b08851ce539f70b58ecf5b7d702ed944b
• company/content/bab8/tujuan.md | 865 byte | 118 kata | sha256: dfccb68f35f898fbaafd35d954199b536d4bbc1297e851eb854336d055eefb2a
• company/content/bab8/bab8.md | 24020 byte | 3455 kata | sha256: 03e63cb3bb3faa5dcdc9e1785c1f7841c9d71418407808755f3b786028b3d077
• company/content/bab9/tujuan.md | 835 byte | 111 kata | sha256: 59b595aab64a9c8740ffa7a8000ae9823ea7335c5d4a25708c87ec098ca12439
• company/content/bab9/bab9.md | 23558 byte | 3408 kata | sha256: ae38d5266602309b3ca30f9af3a5d54a46afd943c38b4082d81468d34368e4c3
• company/content/bab10/bab10.md | 30155 byte | 4275 kata | sha256: 5915681db60fe5cfe27b5a9ce73459c73669172499e1bab56c12aa7f7ce4c16d
• company/content/penutup-v1.md | 5293 byte | 784 kata | sha256: 88f8aee4c7adca312aff0f85216f691a368c6106f715cc0fbfba7a66e1095d66

Pemeriksaan ulang. Setiap URL dan klaim di materi ini harus diperiksa kembali ketika materi diperbarui; sumber daring dapat berpindah, berubah, atau hilang. Materi ini tidak memuat nama penulis manusia, gelar, testimoni, atau afiliasi institusi, karena memang tidak ada.