Membaca Dokumen, Data, dan File dengan AI
Merangkum dokumen panjang
Salah satu kekuatan AI yang paling terasa bagi manajer adalah kemampuannya meringkas dokumen panjang. Laporan yang tebal, proposal yang berlapis, notulen yang panjang, atau draft strategi yang rumit bisa diubah menjadi ringkasan yang lebih cepat dipahami. Dokumen seperti laporan, proposal, notulen, SOP, kebijakan, kontrak, tabel data, hasil survei, presentasi, dan draft strategi disebut sebagai jenis file yang cocok dianalisis AI.
Namun, ringkasan yang baik tidak datang otomatis. Jika manajer hanya berkata, “Ringkas dokumen ini,” AI mungkin memberi ringkasan yang terlalu umum. Karena itu, instruksi perlu diarahkan: ringkas untuk siapa, fokus pada apa, dan hasilnya akan dipakai untuk apa. Referensi Herman juga menekankan bahwa spesifisitas dan kesadaran konteks meningkatkan presisi dan relevansi respons AI.
Ilustrasi sederhana: Meringkas dokumen dengan AI itu seperti meminta staf menyiapkan bahan rapat. Kalau Anda hanya berkata, “Tolong ringkas,” hasilnya mungkin rapi tetapi belum tentu berguna. Tetapi jika Anda berkata, “Ringkas untuk rapat direksi, fokus pada risiko dan keputusan,” hasilnya jauh lebih siap pakai.
- sebutkan audiens,
- tentukan fokus ringkasan,
- batasi panjang output,
- dan minta AI tidak menambahkan informasi di luar file.
Membandingkan dua dokumen
Dalam pekerjaan manajerial, kita sering perlu membandingkan dua dokumen: dua proposal vendor, dua versi kebijakan, dua draft kontrak, atau dua rencana kerja. AI sangat berguna untuk tugas ini, karena ia bisa membantu melihat persamaan, perbedaan, implikasi, dan potensi konsekuensi dengan cepat. Disini juga memasukkan “membandingkan dua kebijakan” sebagai salah satu template prompt penting untuk manajer.
Agar perbandingan benar-benar membantu, manajer sebaiknya tidak meminta “bandingkan dua dokumen ini” secara umum. Lebih efektif jika AI diberi dimensi perbandingan yang jelas, misalnya: biaya, risiko, kemudahan implementasi, dampak ke tim, atau kepatuhan kebijakan. Referensi Miller menekankan bahwa output yang baik datang dari prompt yang menjelaskan tugas sekaligus bentuk output yang diinginkan.
Membaca tabel dan angka
AI juga sangat berguna untuk membantu manajer membaca tabel, angka, dan laporan data. Bagian ini dijelaskan sebagai kemampuan AI untuk membaca tren, pola, anomali, perbandingan, lalu mengubah angka menjadi narasi manajerial yang mudah dipahami. Tetapi outline yang sama juga menegaskan bahwa AI punya batas: ia harus dipandu agar tidak melampaui data dan menyatakan keterbatasan analisis secara eksplisit.
Ini penting karena angka sering terlihat objektif, tetapi interpretasinya bisa salah. AI bisa membantu menemukan pola awal, misalnya penjualan naik di satu wilayah, biaya operasional melonjak, atau produktivitas turun di bulan tertentu. Namun, AI tidak otomatis tahu penyebabnya jika data penyebab tidak tersedia. Karena itu, manajer harus meminta AI membedakan antara apa yang benar-benar terlihat dalam data dan apa yang masih berupa dugaan. Disini disarankan instruksi seperti: “Pisahkan bagian yang berbasis data dan bagian yang merupakan inferensi.”
- “Baca tabel penjualan ini dan jelaskan 5 tren utama dalam bahasa yang mudah dipahami manajer.”
- “Dari data biaya operasional ini, temukan anomali atau lonjakan yang perlu diperiksa lebih lanjut. Jangan menebak penyebab jika datanya tidak cukup.”
- “Ubah tabel survei ini menjadi narasi singkat untuk bahan rapat. Pisahkan temuan utama, area yang membaik, dan area yang menurun.”
- “Bandingkan kinerja Q1 dan Q2 dari tabel ini. Fokus pada perubahan yang paling signifikan dan implikasinya untuk keputusan bulan depan.”
- jelaskan struktur datanya,
- beri tahu apa yang harus dicari,
- minta AI tidak mengarang penyebab,
- dan minta AI menyebutkan jika data belum cukup.
Menemukan risiko, celah, dan inkonsistensi
Di sinilah AI mulai terasa seperti partner analitis, bukan sekadar peringkas. Saat diberi dokumen yang tepat, AI bisa membantu manajer menemukan risiko, celah logika, kontradiksi, dan inkonsistensi yang mungkin terlewat saat membaca cepat. Disini secara langsung menyarankan agar AI diminta membedakan isi dokumen, interpretasi, dan rekomendasi, serta menunjukkan bagian dokumen yang mendukung kesimpulannya.
Kemampuan ini sangat berguna untuk membaca proposal, kontrak, kebijakan, atau laporan evaluasi. Tetapi sekali lagi, AI harus dipandu. Jika tidak, AI bisa terlalu cepat meloncat ke kesimpulan. Karena itu, manajer perlu meminta AI bekerja secara disiplin: temukan risiko berdasarkan isi dokumen, jangan menambah fakta dari luar, dan nyatakan jika ada bagian yang ambigu. Referensi Herman menekankan bahwa prompt yang jelas, kontekstual, dan terus diperbaiki secara iteratif akan memberi hasil yang lebih relevan dan lebih dapat dipercaya.
Contoh prompt:
Ilustrasi sederhana: AI di tahap ini seperti rekan kerja yang diminta menjadi penguji naskah: bukan untuk menulis ulang semuanya, tetapi untuk berkata, “Bagian ini belum nyambung,” atau “Angka ini tidak cocok dengan kesimpulannya.”
Prompt saat upload file agar hasil lebih akurat
Mengunggah file ke AI bisa sangat membantu, tetapi hasilnya akan jauh lebih baik jika prompt-nya presisi. Contoh instruksi yang sangat berguna, seperti:
Prinsip dasarnya sederhana: AI hanya sebaik kualitas file dan kejelasan instruksi yang diberikan. Jika dokumennya berantakan, ambigu, atau terlalu panjang, maka manajer sebaiknya tidak langsung meminta hasil final. Lebih aman memakai pendekatan bertahap: pahami dulu struktur dokumen, lalu ringkas, lalu cari isu, lalu susun rekomendasi. Pendekatan bertahap ini juga sangat sejalan dengan prinsip multi-step prompts dan prompt chaining yang ditekankan di referensi lain.
Sumber : https://creativecommons.org/
https://drive.google.com/drive/folders/190W5pbuPYvDHsipXUo9UFIcKvOvGCUTO?usp=drive_link