YT YouTube2Text

YouTube2Text → Transcripts → Triliuner Baru di Masa Depan Terlahir dari Orang Yang Kerja SENDIRIAN PAKAI AI di BASEMENT!?

Triliuner Baru di Masa Depan Terlahir dari Orang Yang Kerja SENDIRIAN PAKAI AI di BASEMENT!? — Transcript

by Komunitech · 9,801 words · 2,182 segments · language en · Watch on YouTube

Open in transcriber Summarize with AI Download SRT/VTT

Full transcript

0:00Aku hire karyawan pertama aku, sekitar
0:01300.000 per bulan gajinya. Itu ChatGPT.
0:05[tertawa]
0:05Gua kira karyawan beneran 300.000.
0:0724/7 enggak ngeluh. Jam 3 kepikiran apa
0:10dia masih jawabin. AI terbaik adalah
0:12Meta AI. Tesis aku adalah penggunanya
0:14banyak. Jadi Meta AI itu even sampai
0:16orang-orang yang ketemu yang umur 50,
0:1760, mereka bilang, "Eh, kamu tahu Meta
0:19AI?"
0:19Oh, kalau di WhatsApp.
0:21Exactly, very intuitive. Gampang banget
0:23diakses. Jadi eh tesis aku adalah AI
0:25terbaik adalah AI yang dipakai. Jangan
0:27pernah subscribe AI
0:28kalau kamu belum pernah benefit dari
0:29free version-nya.
0:30Kalau kamu enggak bisa benefit dari free
0:32version, kamu enggak bakal pernah bisa
0:33benefit dari yang paid version.
0:34Kalau perbandingannya gini, Tony Stark
0:35dan Jarvis. Jarvis ada Jarvis
0:37karena Tony Stark-nya.
0:38Tony Stark-nya yang kasih dia instruksi,
0:41expertise, dan lain-lain. Enggak mungkin
0:43dia tiba-tiba bisa hidup dan langsung
0:44sejago itu. Jangan berharap Claude lu
0:46ini atau Open Claude lu ini jago kalau
0:48lu sendiri enggak tahu mau ngapain.
0:50The future trilioner
0:52itu bakal adalah seorang anak-anak yang
0:54lagi di basement.
0:56[musik]
0:57Jadi jadi
0:58The future trilioner ya?
0:59The future trilioner.
1:02[musik]
1:11Selamat datang di podcast Kongko
1:13Komunitek. Kali ini saya kehadiran dua
1:16sosok praktisi AI yang jago dan keren
1:19banget. Eh, kali ini bukan satu.
1:21[tertawa]
1:22Biasanya gua podcast cuma satu nih, Bro.
1:24Kali ini gua kehadiran dua orang. Ya,
1:26karena mereka memang dua-duanya adalah
1:28praktisi AI juga dan mereka bergabung di
1:31dalam satu usaha ya, join ya. Ya, let's
1:33welcome Edward Santoso dan Enrico. Ya.
1:38Thank you.
1:39Thank you for having me.
1:40Siap, siap, siap. Gimana? Boleh dong
1:41cerita dulu tentang tentang diri kalian.
1:43Gimana nih? How you guys Who are you
1:45guys and how you guys jump into AI gitu?
1:48Menarik, menarik.
1:49I'll go first.
1:50Ya.
1:50Jadi eh nama aku Enrico Wicarsa. Eh,
1:53jadi sebenarnya
1:54aku enggak ada background technical sama
1:56sekali kok.
1:56Oke.
1:56Bahkan coding dulu pas kuliah juga
1:58enggak ada belajar sama sekali. Benarnya
2:00background itu lebih ke arah finance.
2:03Finance ya?
2:03Betul, betul. Jadi kayak seluruh karirku
2:06itu dari perbankan mungkin masuk ke
2:08sekuritas baru terakhir sebagai
2:09investment banking.
2:10Oke.
2:11Tapi memang di situ menariknya kita
2:13banyak advice teknologi startup dari
2:15South East Asia.
2:16South East Asia, oke.
2:17Nah, dari situ sebenarnya jadi kayak
2:19kita tereksposlah terhadap
2:21Pertama teknologi dulu di sana karena
2:23kan banyak lihat company dari luar
2:25Iya.
2:25startup startup mereka maju banget ya.
2:26Kita lihat sendiri di Indonesia kok
2:29apa kita jauh banget lagging-nya gitu
2:31ya. Jadi sebenarnya kerja sekitar 4 5
2:34tahun gitu
2:35last year baru keluar and then fully
2:37shifted to AI.
2:39Oke.
2:39Awal sih mulai sebagai konsultan AI.
2:41Jadi
2:42ke family businesses dulu karena very
2:44traditional business dan mereka butuh
2:46gitu sih.
2:46Oke.
2:47Jadi mungkin itu sedikit background
2:49purely
2:51not a technical person tapi we made it
2:53in the AI gitu.
2:54Apa yang membuat lu shifting gitu?
2:57Kenapa lu dari finance kok bisa shifting
3:00ke dunia AI? Apa yang lu lihat, Bro?
3:02Eh
3:03I think the market potential is very
3:05huge ya.
3:06Oke.
3:06Terutama kalau kita ngomongin tentang
3:07AI. I mean tech itself gede banget. AI
3:09is just one of the apa ya one of the
3:12trend gitu ya.
3:13Hmm.
3:13Eh
3:14Jadi dulu itu awal-awal sebenarnya
3:16tertarik banget sampai kayak punya huge
3:18conviction in the AI space terutama
3:19untuk Indonesia itu
3:21kayak pas awal-awal N8N masuk ke
3:23Indonesia.
3:23Oke, N8N ya. Oke.
3:25Kita sesimpel bikin automation dari
3:26misalkan untuk bikin konten, kita bisa
3:29masuk
3:30send ke email, sampai bisa auto
3:32automated posting itu dulu udah
3:33Wow ini gila banget Wow banget ya.
3:35Iya.
3:36Itu kayak next level-nya ChatGPT kan.
3:37Betul.
3:38Iya, iya, iya.
3:38Betul, betul. [tertawa] And then now
3:39looking back wah pas kerja korporat
3:42enggak ada AI sengsara juga ya.
3:44[tertawa]
3:44Iya, iya.
3:45Ya itu I think salah satu turning point
3:47lah.
3:47Turning point ya.
3:48Salah satu turning point gitu.
3:49Oke, oke.
3:50Ya itu itu menarik banget N8N karena kan
3:52kita sebagai apa ya? Dulu aku sebagai
3:54advisor, jadi mungkin eh project
3:56manager.
3:57Ehm.
3:57Project manager kita eh client facing,
4:00kita banyak eh cover banyak industri eh
4:03kemudian dari situ
4:05there's a gap between project manager
4:07sama
4:08apa ya? Technical execution gitu. Di
4:10mana dulunya kita eh advice ke client,
4:12kita kasih ke developer, ke tim
4:14technical gitu ya. Tapi dengan adanya AI
4:16ini setelah kita ulik-ulik lagi,
4:17sebenarnya kita sendiri udah cukup gitu.
4:19Ya.
4:19Waktunya itu yang dulunya butuh mungkin
4:22beberapa bulan, kita dari sendiri aja
4:23itu udah bisa.
4:24Tuh.
4:25Dan itu sebenarnya udah luar biasa
4:26banget.
4:27Siap, siap. What about yourself, Edward?
4:29Apa yang membuat lu jump into AI? Apa
4:31background lu?
4:32Aku [berdehem] dari tadi salah fokus
4:33lihat animation-nya Komunitas, keren
4:35banget. [tertawa]
4:35Thank you, thank you.
4:36kepikiran, eh ini bikinnya pakai AI
4:38enggak ya?
4:39Oh enggak lah, pasti lah.
4:41[tertawa]
4:41Cuma sekarang possible juga ya kayaknya
4:43pakai AI. Ehm, cuma introduction tuh
4:45selalu jadi bagian paling seru buat aku.
4:47Ya.
4:47Soalnya aku dari Papua, teman-teman.
4:49Wow.
4:49Eh, kalau teman-teman kenal ehm
4:52aku dari Papua, aku awalnya tuh media
4:54person. Jadi aku ehm
4:56emang sempet kuliah IT. Tadi udah sempet
4:58juga ngobrol sama Koh Robi, aku kuliah
4:59IT cuma aku drop out di semester
5:01pertama. Karena media aku ini.
5:03Cepat banget ya.
5:03Jadi aku ehm
5:05actually started a media di Papua itu.
5:07Ehm.
5:07Eh, karena aku ngerasa
5:09mungkin aku kenalin dikit ke
5:10teman-teman, aku anak ketiga dari empat
5:11bersaudara.
5:12Ya.
5:12Ehm, anak pertama dan kedua tuh
5:14ngelanjutin ngelanjutin usaha papa. Anak
5:16ketiga keempat kerjanya digital, karena
5:18ngerasa enggak kebagian lahan ya.
5:20Eh, jadinya waktu itu aku pikir kerjain
5:22apa ya yang enggak terbatas sama waktu
5:25dan lokasi. Soalnya aku udah lihat masa
5:27depan aku tuh aku enggak mau lihat di
5:28Papua terus. Aku maunya bisa eh location
5:31freedom lah, bisa di manapun yang aku
5:33mau.
5:33Ya.
5:34Jadi waktu itu kepikiran build a media,
5:35namanya sevenpercent.co. Ehm, siapa tahu
5:37teman-teman ada yang ngikutin juga.
5:39Kalau itu inspirational, motivational,
5:41self improvement eh biasanya pada
5:43ngikutin. Ehm
5:45di sana aku eh di media itu aku jualnya
5:47digital produk.
5:48Oke.
5:49Jadi aku masih ingat transaksi pertama
5:50aku tuh kayak "Wih ada yang transfer gua
5:52peceng."
5:53[tertawa]
5:54Padahal lagi nongkrong sama teman.
5:55Happy banget ya.
5:56Iya happy banget. Itu transaksi digital
5:58pertama yang mematahkan keyakinan
6:00keluarga aku.
6:01Mmm.
6:01Jadi keluarga aku tuh brick and mortar
6:03family, traditional business.
6:04Oke.
6:05Jadi kita percaya barang tuh harus ada
6:07ditukar dengan uang.
6:08real.
6:09Exactly. Jadi eh kalau komunitas sering
6:11bahas kripto itu kan pasti tabu bagi
6:13orang yang dulu ya.
6:14Betul.
6:15Jadi digital produk tuh juga tabu bagi
6:17beberapa keluarga.
6:17Betul.
6:18Soalnya kita ngerasa ya harus ditukar
6:19produk dan duit itu.
6:20Betul.
6:20Cuma pas aku penjualan pertama itu gua
6:23peceng aku tunjukin
6:24Ke orang tua ya.
6:25Digital produk nih.
6:27[tertawa]
6:27Cuma dari sana eh
6:28it went very good lah, it went very
6:30good. Dari sana aku akhirnya bisa
6:32terbuka
6:33akses ke seminar ke Jakarta, liburan ke
6:35luar negeri pertama kali pakai duit
6:37sendiri.
6:37Wow.
6:38Cuma aku ingat banget di awal tahun 2023
6:41aku hire karyawan pertama aku.
6:42Mmm.
6:43Sekitar 300.000 per bulan gajinya.
6:45Oh ya?
6:46Itu ChatGPT.
6:47[tertawa]
6:48Gua kira karyawan beneran 300.000.
6:50ChatGPT ya.
6:51Dia kerja enggak ngeluh. Waduh harusnya
6:53aku kayak gini dulu ya.
6:5424/7 enggak ngeluh. Jam 3 kepikiran apa
6:57dia masih jawab masih balas ya.
6:59[tertawa]
6:59iya.
6:59Cuma
7:00waktu itu
7:02aku juga dari
7:03aku tuh agak sulit mendelegasikan
7:05soalnya orangnya lumayan perfeksionis
7:06ya. Jadi it's actually a problem for a
7:08lot of people. Kita ngerasa wah kalau
7:10kita delegasikan entar enggak one to one
7:12nih secara quality.
7:14Tapi waktu itu jadinya aku hire karyawan
7:16pertama tadi ChatGPT.
7:18Quality-nya masih bisa dijaga. Tadinya
7:20aku butuh misalnya satu konten. Jadi
7:22kalau diperhatikan di media aku
7:24konten utamanya tuh carousel.
7:26Oke.
7:27Soalnya aku ngerasa konten itu pertama
7:29yang paling menjual. Tapi setelah dari
7:31time to time aku jadi nyadar
7:33carousel itu adalah funneling itself.
7:35Oke.
7:35Soalnya carousel itu format yang paling
7:37salah satu yang paling menarik menurut
7:39aku di Instagram. Soalnya ada beberapa
7:41slide kan. Dan tesis aku adalah di slide
7:43ini sudah kayak corong.
7:44Ya.
7:45Orang yang sebatas tertarik biasa cuma
7:47lihat satu dua slide pertama, orang yang
7:48lumayan tertarik bisa baca lumayan.
7:50Sampai akhir.
7:50Dan orang yang bisa baca sampai akhir
7:51itu interested-nya in level of
7:53interest-nya itu menarik banget.
7:55Betul.
7:55Jadi pas kita pasang call to action
7:56penjualannya itu menarik.
7:57Ya.
7:58Jadi eh itulah awal mula aku kenalan
8:00sama AI, itu karyawan pertama. Dan
8:02akhirnya aku memutuskanlah buat pindah
8:04ke Jakarta, ketemu Bro Enrico.
8:06Ya.
8:06Eh we build this AIU-lah, kita kerjain
8:09buat klien berawal dari marketing sampai
8:11ke operasional.
8:12Oke.
8:12Kurang lebih kayak gitu.
8:13Menarik nih AIU gitu. Eh apa sebenarnya
8:16AI University ini dan apa yang kalian
8:18jual?
8:20AIU, AIU sebenarnya mungkin kebanyakan
8:22orang nanya AIU apa gitu.
8:24Iya iya, kalau kalau gua pribadi
8:25dengarnya AI University kayak tempat
8:27untuk belajar.
8:28Iya.
8:28[tertawa]
8:29Betul enggak salah, tapi sebenarnya
8:31sekarang kita itu eh mungkin
8:33penyebutannya AIU tapi sebenarnya kita
8:34AI University and Agency.
8:36University and Agency.
8:38eh kita itu ada dua pilar yang lumayan
8:40strong, di mana yang pertama ini lebih
8:41ke arah marketing use cases, oke. Yang
8:43kedua ini lebih ke operation. Oke.
8:45Marketing itu lebih kayak kita bikin
8:47kayak eh digital IP, kita eh bikin apa
8:50own media aset, eh sekarang kan dengan
8:52adanya AI itu sudah lebih mudah gitu, di
8:54mana dulu itu susah banget untuk bikin
8:56IP, ya kan. Itu on the marketing.
8:58Kemudian dari sisi operation itu kita
9:00bikin sistem, eh bikin automation, eh
9:02bahkan kita bikin aplikasi sendiri kita
9:04juga ada. Eh intinya kita bermulai dari
9:07dua pilar ini.
9:08Yes.
9:08Dan secara natural kita juga dapat
9:10banyak demand, akhirnya kita eh fully
9:12shift, not fully shift tapi kita juga eh
9:15merambat ke corporate training. Jadi
9:17kita masuk ke korporasi-korporasi kita
9:18training tentang AI.
9:20I see.
9:20Iya.
9:21Iya, jadi em kita mau eh mematahkan
9:24beberapa mungkin argumen ya. Jadi kalau
9:26beberapa orang kayak bilang eh lu jualan
9:28kelas, kayak maksudnya lu jualan kelas.
9:30I think jualan kelas is not a wrong
9:32thing.
9:32Betul.
9:32Tapi kalau orangnya enggak walk the talk
9:34itu bakal agak em enggak gitu. Itu ya.
9:37Walaupun ada kiasan eh coaches don't
9:40play gitu ya.
9:41Iya.
9:41Kiasan coaches don't play.
9:42Iya, iya, iya.
9:43Eh, cuma
9:44em, kita ngerasa at least we've got
9:47enough experience. Kita selama jadi
9:49agency itu kita udah tahu kita enggak
9:51selamanya mau jadi agency.
9:52Oke.
9:52Kerjain agency itu capek. Kita juga time
9:54to time ada ngeluh kayak, "Gila kerja."
9:57Setiap ada industri baru especially
9:58misalnya ada client di industri baru,
10:00kita harus start basically like from
10:02zero.
10:02Betul.
10:03harus tahu, pahami mereka punya masalah
10:05apa segala. Kita ngerasa itu capek. Tapi
10:07di agency kita tuh sambil developing
10:09asset juga.
10:10Iya.
10:10Karena tadi di pilarnya ada operational
10:11dan marketing, di operational-nya kita
10:13develop software as a service.
10:14Software as a service, oke.
10:15Exactly. Dan salah satunya tuh yang kita
10:17lumayan oke tuh sekarang lagi running
10:19banget itu kita ketemu sama banyak
10:21leader insurance.
10:22Leader insurance.
10:23Jadi job kita tuh lumayan menariklah.
10:24Kita sekarang kalau ketemu leader
10:25insurance kita yang keluarin iPad.
10:27[tertawa]
10:28Kebalik ya.
10:29Biasanya lu yang di-prospect.
10:30Lu, lu yang di-prospect. Lu yang
10:31di-prospect.
10:32Exactly. Cuma
10:33Gimana? Lu sekarang keluarin iPad lu
10:35ngomongin apa sama mereka?
10:36Aplikasi.
10:36Oke, apa [tertawa]
10:37itu?
10:38agent activation. Jadi kita ngerasa
10:40Agent activation.
10:40eh, 80% agent pas direkrut itu gugur di
10:446 bulan pertama lah.
10:45Oke.
10:45Soalnya kita tahu kita kurang lebih
10:47ngerti dari orang sekitar kita walaupun
10:48kita belum pernah jadi agent insurance.
10:50Em, orang sekitar kita tuh masalahnya di
10:52rejection ya.
10:53Yap.
10:54We're not actually em, comfortable with
10:56rejection.
10:56Betul.
10:57Biasanya kan kalau orang daftar jadi
10:58agent insurance pertama yang dijualin
10:59siapa?
11:00Keluarga.
11:01Pasti keluarga dan dan teman terdekat.
11:03Dan mereka biasanya enggak enakan.
11:04Iya.
11:05Mereka biasanya masih beli, "Ya udahlah,
11:06dukung usaha anak ini lah."
11:08Support.
11:09ketika mereka pertama kali masuk ke
11:10dunia luar, jualan ke orang lain itu
11:12pertama kali mereka alamin rejection.
11:14Dan ini yang sebenarnya menurut kita
11:16sayang banget kalau mereka berhenti cuma
11:17karena rejection ini.
11:18Oke.
11:19Padahal rejection kan sumber
11:20pembelajaran.
11:21Betul.
11:21Jadi kita ngerasa kita mau adopsi eh,
11:23cara kerja game. Kalau Korubi main game?
11:26Eh, dulu banget.
11:27[tertawa]
11:27Game apa dulu?
11:28Waduh, ya
11:30zaman-zaman sekolah ya.
11:31Takut ketahuan umur ya kalau sudah
11:33[tertawa]
11:34Masih
11:34muda ya ini.
11:35Masih muda.
11:36Sudah tua dan begitu masuk ke dunia
11:39kerja gitu-gitu memang sudah
11:40jarang-jarang main game. Jadi kalau dulu
11:42main game, ya kalau dulu PS ya Winning
11:45Eleven, terus ada beberapa game fighting
11:48gitu-gitu saja lah.
11:49Ya.
11:49Kita pun sekarang sudah enggak gitu main
11:51game lah. Cuma sekarang yang seru adalah
11:53kita seru mengerjakan pekerjaan kita.
11:55Oke.
11:56Ini truly, beneran bisa kelihatan
11:57soalnya kita berapa kali konsultasi pun
11:59enggak lihat jam, kita lewatin tuh
12:01biasanya. [tertawa]
12:02Cuma
12:03again yang insurance tadi kita percaya
12:04tesisnya adalah gamifikasi ya.
12:06Gamification, oke.
12:07Di mana kita percaya satu-satunya yang
12:09terus meningkat di hidup ini tuh
12:10satu-satunya cuma experience dong.
12:11Oke.
12:12Penghasilan naik turun.
12:13Oke.
12:13Ehm mood kita bisa naik turun, tapi
12:15satu-satunya yang bertambah terus tuh
12:17experience dong.
12:17XP ya.
12:18Di game kan XP selalu bertambah, enggak
12:20pernah berkurang.
12:20Betul, betul.
12:21Cirinya di ehm aplikasi ini kita buat
12:23setiap kali dia ada activity selalu
12:24experience-nya bertambah.
12:25Oke.
12:26Meskipun itu rejection, dia tetap dapat
12:27experience. Dan kalau dia naik level,
12:29dia tetap dapat hadiah.
12:31IC.
12:31adalah tesis dari aplikasi ini lah. Itu
12:33berdasarkan riset dari Bain & Company
12:35juga.
12:35Oh.
12:37Jadi, oke menarik nih aplikasi ini
12:39digunakan kalian prospeknya adalah
12:41leader-leader insurance untuk agen-agen
12:43di bawah dia. Supaya agen-agen di bawah
12:46dia itu ada feel gamification-nya
12:48sehingga dia enggak cepat menyerah.
12:50Betul.
12:51Betul, betul.
12:52agen menarik-menarik.
12:53Agen activation sama leader monitoring.
12:55Oh agen activation sama leader
12:57monitoring.
12:57asuransi itu ciri khasnya mereka ada
12:59multi generation ke bawah kan.
13:01Betul.
13:01Nah jadi di sistem kita salah satunya ya
13:02kita juga sudah support up to 10
13:04generation ke bawah gitu. Itu yang
13:06secara value atau orang tuh lihat wah
13:08ini menarik banget gitu.
13:09Oke, oke. Berarti waktu kalian approach
13:12ehm leader insurance tuh
13:14itu sistem service fee-nya seperti apa?
13:16Misal let's say I'm a leader lah, aku
13:18punya 50 atau 100 agen di bawahku.
13:20Oh, ini ibaratnya kalau korobi leader
13:22ya.
13:23Leader-nya
13:24[tertawa]
13:28Cuma bisnis model dari aplikasi ini
13:30adalah subscription.
13:31Subscription base.
13:32As the usual software as a service, kita
13:34jalanin subscription.
13:35Menarik.
13:35Tapi annually. Soalnya kita ngerasa um
13:37there is a good commitment di mana
13:39mereka tuh bisa lihat return on
13:40investment mereka. Menurut kita, um di
13:42luar negeri, di Indonesia itu problemnya
13:45adalah di subscription. Kenapa? Jadi di
13:47media kita, 7% um itu bisnis pertamanya
13:51adalah aplikasi ringkasan buku.
13:53Ringkasan buku ya.
13:54Betul. Sebelum AI muncul, aku ringkasin
13:56sendiri tuh.
13:56Ringkasan.
13:57150 judul aku ringkasin sendiri.
13:59Wah.
13:59Jadi kalau teman-teman ada yang
14:00subscriber di sini, eh 150 judul pertama
14:03tuh aku yang bacain sendiri.
14:04Wah.
14:05Aku aku rangkumin sendiri.
14:07Ah.
14:07AI muncul.
14:08Iya iya iya iya iya.
14:08Exactly. Um
14:10cuma di awal aku bikin subscription
14:11model. Ada yearly dan monthly.
14:13Oke.
14:13Um jadi orang waktu itu bayar ada yang
14:16yearly, ada yang bayar monthly. Eh cuma
14:18aku ngerasa pas aku baca data, yang
14:20menariknya data di luar negeri, kenapa
14:22subscription model di luar negeri itu
14:23berhasil?
14:24Ternyata.
14:25Pas aku baca salah satu company, 30%
14:27revenue-nya Corobi, itu dari orang-orang
14:29yang lupa unsubscribe.
14:31Lupa [tertawa] unsubscribe. Menarik ya.
14:32Exactly. Very interesting.
14:34Cuma iya lupa unsubscribe ya.
14:35Bottleneck-nya di Indonesia untuk
14:36subscription model adalah orang
14:38Indonesia belum familiar dengan kartu
14:39kredit.
14:40Setuju sekali.
14:41masih pakai eh transfer. Biasanya
14:42transfer bisa pakai apa.
14:43Atau QRIS. Belakangan ini QRIS.
14:44Exactly. Pakai QRIS.
14:45Tapi QRIS kan enggak bisa recurring.
14:47Exactly. Enggak bisa recurring. Eh apa
14:49yang bikin ini jadi enggak bisa jalan?
14:51Karena mereka jadi harus ambil keputusan
14:52itu consciously.
14:53Iya.
14:54Setiap bulan.
14:55Betul.
14:55Walaupun dia bilang saya mau subscribe
14:5612 bulan bayarnya per bulan.
14:58Iya.
14:58Tapi setiap kali dia mau keluarin
15:00QRIS-nya kan dia aduh pikir-pikir lagi
15:02kan.
15:02Betul betul.
15:02There's actually reconsidering di
15:04prosesnya itu. Makanya eh subscription
15:06model sebenarnya enggak terlalu works di
15:07Indonesia karena itu. Tapi kita jalanin
15:09annually lah.
15:10Oke.
15:10Di aplikasi Saktiku itu.
15:12Betul.
15:13Ya ya ya ya.
15:14Kurang lebih kayak gitu modelnya.
15:15Nah, jadi sudah berapa lama SaaS ini
15:17jalannya untuk agen insurance ini?
15:19Mungkin
15:21Dari awal tahun kali.
15:22Dari awal tahun ya.
15:23Sebenarnya awalnya aku eh kita kan
15:24banyak konsultasi. Jadi sebenarnya awal
15:27mula ide ini itu terbentuk gara-gara ada
15:30leader-leader asuransi datang ke kita.
15:32Kita awalnya kira ya mereka mau
15:33konsultasi biasa juga gitu ya. Jadi
15:34mereka ceritain nah bahwa ada masalah
15:37ini yang udah lama banget di industri
15:39ini tapi belum ada solusinya gitu.
15:41Oke.
15:41Ya semua bermula dari situlah.
15:43I see.
15:43Mungkin Q4 tahun lalu kita mulai
15:46menggodok idenya kemudian kita baru live
15:49komersialnya itu di Januari ya.
15:51Oke dan setelah live nih
15:53apa feedback yang didapat dari agen-agen
15:56leader-leader ini?
15:57Sebenarnya
15:58sebelum masuk ke feedback dari leader
16:01ini adalah salah satu tesis kalau AI itu
16:03bisa bikin mungkin yang jargon sekarang
16:05yang terkenal itu one man company.
16:06One man company oke.
16:07Jadi ini bukan mencetuskan karena kita
16:09kerjainnya juga
16:11berpartner gitu ya. Kita buat instraktif
16:13itu. Cuma um
16:15dari proses kita ngobrol
16:18kongko ya kalau bahasa Indonesianya.
16:19Kita
16:19[tertawa]
16:20kongko sama leader insurance.
16:21Kita ngobrol sama leader insurance.
16:24Itu
16:25cuma dalam 3 bulan aplikasinya udah
16:26jadi.
16:27I see.
16:27Udah siap to launch, ready to launch.
16:29Jadi kita ngobrol di Q4 2025,
16:32Q1 2026 udah launching dan udah BEP
16:34langsung, udah profit.
16:35Dari satu agensi yang kita buat
16:37Dari satu agensi udah profitable.
16:39Exactly makanya kalau ada yang bilang
16:41wah enggak enggak punya modal buat start
16:43business, enggak punya apa yang
16:45satu-satunya yang penting sekarang di
16:46era AI itu modal ilmu.
16:48Betul.
16:48Jadi kalau dia punya modal ilmu dia udah
16:50bisa start a company actually.
16:51Betul.
16:52Dan kita udah bisa buktikan gitu loh
16:53sendiri.
16:53Ya ya you prove it ya.
16:55We prove it exactly. We want to walk the
16:56talk.
16:57Ya.
16:57In order pas kita ngajar kita tuh bisa
16:59langsung kasih tunjuk ini loh.
17:00Betul betul.
17:00Jadi kita bisa show the way. Cuma
17:02feedback dari leader mungkin Enrico bisa
17:04share.
17:04Feedback-nya sebenarnya beragam
17:07ya karena setiap apa ya agensi itu
17:09mereka punya masalah beda-beda gitu.
17:10Ya.
17:11Tapi setidaknya kita
17:13um
17:14kita touch that one pain point yang
17:16semua
17:18agency asuransi di Indonesia tuh face
17:21gitu which is yang tadi yang
17:22agent activation ratio di mana itu
17:24sangat rendah di Indonesia gitu. Kalau
17:26kita bandingin sama kayak di misalkan
17:28negara yang lebih berkembang misalkan
17:29kayak Singapura, mereka tuh eh apa ya
17:32adoption dari sisi asuransinya tuh
17:33tinggi banget.
17:34Betul. Satu orang bisa punya kayak 5 7
17:36polis gitu.
17:37Exactly.
17:37[tertawa]
17:38Empat atau lima kayaknya
17:39kalau di Indonesia belum segitunya.
17:41Nol koma.
17:42Iya, betul
17:43betul betul dan I think di Indonesia
17:44juga mungkin stigma ke arah pekerjaan
17:47asuransi itu masih
17:49negatif negatif juga gitu. Iya. Jadi ini
17:52salah satu upaya dari kita juga bahwa
17:54gimana ya industri yang udah lama
17:55berdiri ini gimana cara kita berevolusi
17:57juga dengan perkembangan teknologi.
17:59Em
18:00in developing [berdehem] software as a
18:01service kita tuh harus bisa terima
18:02feedback terus.
18:03Ya, betul kayaknya di early phase ini
18:05adalah fase paling penting menurut
18:07soalnya kita bakal selalu ngobrol sama
18:09leader-leader. Kita tanya feedback-nya
18:10gimana. Sampai kita ngerasa ini adalah
18:14harusnya bekerja dua arah. Jadi seperti
18:15kita buat sekolah em guru dan orang tua
18:18tuh harus bisa kolaborasi
18:19Setuju.
18:20dalam hal agent activation kita sebagai
18:22pengembang software dengan leader
18:23insurance tuh harus bisa berkolaborasi.
18:25Betul.
18:25Jadi di aplikasi ini kita open untuk
18:27leader buat insentif mereka
18:28masing-masing.
18:29I see.
18:29Jadi kemarin misalnya ada yang bilang
18:30yang capai level 5 duluan nanti dapat
18:32stay di hotel Langham
18:33Iya iya iya.
18:34selama dua malam misalnya gitu. Eh cuma
18:36kita pun secara proaktif sebagai
18:38developer kita cari kerja sama yang
18:40menarik. Jadi salah satu yang kerja sama
18:42kita terakhir tuh sama Kodenny Santoso
18:43Oke.
18:44Brain Boost.
18:45Iya iya.
18:45Jadi em agent-agent yang masuk di top
18:47leaderboard itu dapat hadiah berupa
18:49Brain Boost.
18:49Brain Boost oke audio ya.
18:52Kita tambah-tambahin mereka punya
18:53insentif supaya mereka lebih semangat
18:54Betul betul betul.
18:56Nah, bagi leader-leader insurance yang
18:58tertarik untuk cobain software as a
19:00service-nya namanya apa?
19:01insuraktif.com
19:03insuraktif.com silakan contact Edward
19:05atau Enrico ya.
19:06[tertawa]
19:07Bisa langsung di website juga.
19:08Bisa langsung di website. Nah, apart
19:09from
19:10SAS ini ada juga enggak yang apa ya,
19:13customize-customize
19:15software yang sudah kalian build untuk
19:17untuk company apa saja gitu?
19:19Menarik.
19:20Eh, mungkin kalau paling umum emm use
19:22case di Indonesia yang paling umum untuk
19:24AI sih chatbot ya.
19:25Chatbot ya?
19:25Cuma emm kita ngerasa sudah banyak
19:28software as a service chatbot emm yang
19:30beredar di Indonesia.
19:31Emm tapi kita ngerasa software as a
19:33service itu bagus untuk orang yang
19:36pertama kali berusaha adopt teknologi.
19:37Emm.
19:38Jadi kayak oh dari sebelumnya non-tech
19:41mau masuk ke teknologi, software as a
19:42service is a good start.
19:43Yap.
19:44Cuma kita ngerasa buat company yang
19:45sudah mature, mature enough in tech wise
19:47ya. Itu biasanya mereka perlu yang lebih
19:49customize.
19:50Betul.
19:51Jadi kita ngerasa software as a service
19:52itu seperti emm kalau kita ke toko baju,
19:55kita beli yang one size fit all.
19:56Ah.
19:57Ukurannya ya kadang ada yang
19:58kelonggaran, ada yang kekecilan.
20:00Setuju banget.
20:00Itu dia pakai software as a service,
20:02jadi fiturnya enggak mungkin eh sesuai
20:05banget yang dia mau. Soalnya ini harus
20:06berdasarkan kolektif, keputusan
20:08kolektif.
20:09Kita kan sebagai pengembang software as
20:10a service juga, kita jadi tahu. Ada satu
20:12agency yang minta request boleh dong
20:14tambahin fitur ini.
20:15Ya ya ya.
20:15Kan kita enggak mungkin langsung
20:16tambahin. Agency yang lain nanti mau
20:18pakai atau enggak? Sayang banget.
20:19Maksudnya dia juga minta yang lain lagi.
20:21Betul.
20:21Jadi kita pun untuk eh tambahin sebuah
20:23fitur, kita tuh harus kolektif
20:24keputusannya.
20:25Yap yap.
20:25Kita tanya dulu, kamu butuh juga enggak?
20:27Kamu butuh juga enggak? Kalau persentase
20:28mayoritas butuh, baru kita tambahin
20:30fitur itu.
20:31Jadi kita sadar kalau it's a one size
20:33fit all thing.
20:34Yap.
20:34Dan
20:35kita pun sekarang pas terjun ke market,
20:37kita lebih sarankan buat company yang
20:38mature enough itu untuk desain yang
20:40customize. Jadi seperti misalnya
20:42chatbot, ada satu fitur yang I think di
20:45software as a service itu enggak ada, eh
20:46correct me if I'm wrong.
20:47What is that?
20:48Cuma ada pilihan model.
20:49I see.
20:50Jadi mereka pun sebagai business owner
20:52bisa sesuaikan budget-nya.
20:53Oke.
20:53Jadi kita bilang misalnya di tengah
20:55bulan mereka ngerasa gila ini budget-nya
20:56sudah terlalu bengkak misalnya di aspek
20:58lain dia mau cut di sini. Dia bisa ganti
21:00model chatbot-nya.
21:01I see.
21:01Yang lebih cost efficient. Kita pun di
21:03awal sudah pasti rekomendasikan model
21:05yang termurah dengan efektivitas yang
21:07terbaik.
21:07Emm. em.
21:08Cuma pas dia mau sewaktu-waktu mau
21:09ganti, itu juga bisa.
21:10I see. Oke, oke. Bicara bicara soal
21:13model LLM dan lain-lain. Based on your
21:15experience, apa nih model LLM yang
21:18paling kalian sering gunakan dan terbaik
21:20menurut kalian?
21:21Aduh, ini
21:22Enggak apa-apa, ini kita enggak enggak
21:23promosi apa-apa. I mean, I mean, it's
21:25it's an open market, ya kan? Yes.
21:28Apa nih?
21:28Apa ya? Kalau aku mungkin eh balik lagi
21:31tergantung use case-nya.
21:33Tergantung use case.
21:33Kebutuhannya apa? Cuman I think now eh
21:36most of my daily workflow itu di cloud.
21:38Cloud, oke.
21:39Cloud-nya pun
21:39Anthropic cloud, ya?
21:41Cloud code sama mungkin cloud chat atau
21:42cloud work itu kita masih main di area
21:44area sana. Cuman kalau untuk kebutuhan
21:46kalau untuk kebutuhan media, kita juga
21:48ada media eh di mana kita generate eh
21:50konten-kontennya, nah itu kita masih
21:51pakai GPT.
21:52Chat GPT.
21:53GPT yang eh GPT image-nya, mereka yang
21:56paling bagus kan.
21:56The best so far, ya?
21:57Betul, karena kalau di cloud mereka
21:58bikin desain itu kan base-nya coding
22:00gitu.
22:00Betul, betul.
22:01Jadi kayak UI UI komponen gitu
22:03desainnya.
22:03Betul, dan terlalu boros juga kali ya
22:06secara token, ya? Token waste terlalu
22:08boros, kan?
22:09Betul, betul, betul banget. Jadi kalau
22:11aku sendiri sekarang pun enggak apa ya?
22:13Cuman pakai satu, tapi pakai beberapa.
22:15Beberapa.
22:16Ya, sesimpelnya yang cloud, eh chat GPT,
22:19sama Gemini juga.
22:20Oh, Gemini juga pakai?
22:21Iya.
22:21Gemini pakainya lebih ke untuk apa?
22:23Eh,
22:24I think
22:25Five coding.
22:26[tertawa]
22:26Five coding enggak enggak enggak terlalu
22:28sih, cuman lately baru balik ke Gemini
22:32lagi kira-kira ada satu fitur yang
22:33mungkin kebanyakan orang belum tahu,
22:35yaitu ada canvas.
22:36Canvas?
22:37Iya, di mana di situ sebenarnya bisa
22:38juga eh semacam kayak five coding lah,
22:40ya. Eh, tapi secara tampilannya lumayan
22:43menarik.
22:43Oke.
22:44Robby tahu eh tools namanya lovable?
22:46Lovable, heard about it, tapi belum
22:48pernah pakai.
22:49Iya, kurang lebih sebenarnya sebelum
22:51Mirip mirip lovable.
22:52Jadi kayak lovable, eh mungkin
22:54tools-tools lainnya itu tuh lumayan
22:56intuitif ya tampilannya. Jadi di sebelah
22:57kiri ini ada kayak
22:59Kayak chat box.
22:59Ya, Ya, ya, ya.
23:00Kemudian kita ketik kita mau desain
23:01pakai natural language saja. Kemudian
23:03Dan tampilannya, ya, ya, ya, ya, ya.
23:05Nah, itu di Gemini Canvas
23:07Sudah ada.
23:08Sudah ada seperti itu. Ya, dan ternyata
23:10lumayan bagus juga satu kali ketik.
23:12Karena kita tes, kita bandingin antara
23:14Cloud Code, mungkin Code X, terus kita
23:16bandingin Gemini
23:17sama yang tools-tools lainnya. I think
23:19Gemini sudah lumayan oke juga ini. Ini
23:21lumayan baru gitu. Jadi memang kita lagi
23:23explore-explore juga sih karena-karena
23:25gitu.
23:25Kalau Gemini, aku malah lebih feature
23:28yang aku pakainya itu yang namanya
23:30Gemini Live API.
23:31Live API.
23:32Gemini Live API itu adalah untuk untuk
23:34karena kan kita kebanyakan main di AI
23:36Agent, ya.
23:36Ya, ya.
23:37Kita mainnya di Open Cloud AI Agent.
23:39Ya.
23:39Jadi kalau kita kasih si AI Agent ini
23:42Gemini Live API, dia itu bisa kayak
23:44ngobrol real time.
23:46Mmm.
23:46Bukan speech to text, bukan text to
23:49speech, loh.
23:49Ya.
23:50Kalau speech to STT TTS kan kita ngobrol
23:52nih sama misalnya aku bikin Open
23:55Cloud-nya di Telegram, terus aku ngobrol
23:57Ya.
23:57voice saja pas lagi nyetir voice, nanti
23:59dia juga bisa balas dan lain-lain. Tapi
24:00kan itu enggak real time.
24:01Yes.
24:02Nah, kalau Gemini Live API itu you can
24:03build like voice agent.
24:05Ya.
24:06Oke, terus lu bisa ngobrol sama dia
24:07benar-benar
24:09real time.
24:09Mmm.
24:10Jadi aku coba build, [berdehem] kalau
24:12aku ya use case yang aku coba bikin, aku
24:14build si Open Cloud ini di MacBook-ku.
24:16Aku sengaja beli satu MacBook, aku
24:18hidupin dia di situ. Ya, ngobrol saja.
24:20Kadang-kadang aku panggil ada wake
24:21word-nya.
24:22Mmm.
24:22Nama nama bot-ku Big Bot.
24:24Bot.
24:24Iya, iya.
24:25[tertawa]
24:25Big Bot, Big Bot.
24:25Hei, Big Bot. Nanti dia muncul, ya, kita
24:27ngobrol-ngobrol-ngobrol-ngobrol gitu.
24:29Terus aku pernah coba juga sampai aku
24:31kan kan dia hidup di MacBook-ku.
24:33Ya, ya.
24:33Jadi kita coba bikin satu Google Meet
24:36bareng tim-ku, dia join di Google Meet
24:38itu.
24:39Interesting.
24:39Dia join Google Meet itu yang kita
24:41ngobrol saja.
24:41Ya, ya, ya, ya.
24:42Kita suruh dia untuk ikut serta nimbrung
24:45atau take notes dan lain-lain.
24:48Menarik banget.
24:48Ya, Gemini Live API.
24:50Gemini Live API.
24:51kalau ruang pembelajaran untuk AI itu
24:53gede banget. Kita sudah ngerjain untuk
24:55klien banyak saja belum ngikutin yang
24:56dan AI itu bergeraknya cepat banget
24:59dulu 3 tahun lalu aku ingat banget aku
25:02pakai chat GPT untuk bikin image jelek.
25:04Oke.
25:05Menurutku ya 2 tahun lalu jelek kita
25:07suruh desain apa-apa kata-katanya entah
25:09bahasa apa ngerti enggak? [tertawa]
25:11Ya memang ada fase-fasenya kok.
25:13Wordingnya ya.
25:13GPT kita juga pakai Nano Banana.
25:15Nano Banana itu kan dulu kan bagus
25:17banget tapi sekarang I think shifting
25:18gitu.
25:19Ya.
25:20Makanya makanya selalu berubah sangat
25:22cepat dan aku juga selalu saranin orang
25:25waktu mereka subscribe sesuatu never
25:27subscribe it annually. Misalnya lu mau
25:29lu mau subscribe Gemini atau chat GPT
25:31annually jangan deh. Bulanan aja benar
25:34enggak? Karena 2 2 bulan lagi 3 bulan
25:36lagi belum tentu dia yang the best loh.
25:38Lu harus ngikutin.
25:39That's a very good recommendation.
25:40Baru dengar. [tertawa]
25:42What about yourself? Apa yang
25:44apa yang lu sering pakai dan apa yang
25:46andalan lu lah.
25:47Ini pertanyaan yang menarik soalnya a
25:48lot of business owners pas ketemu kita
25:50mereka langsung nanya AI terbaik
25:52sekarang apa sih?
25:53Ya ya ya ya.
25:54Itu rasanya kayak nanya
25:55baju paling bagus sekarang apa sih?
25:57Kayak tergantung kamu mau meeting atau
25:58mau tidur kan masa pakai piyama
26:00[tertawa] pas meeting orang. Eh cuma
26:03jawabannya tergantung pasti always
26:04depends.
26:06Cuma kalau buat teman-teman yang
26:07penasaran bisa banget cek yang tadi aku
26:08kasih tahu ke Robi juga
26:09arena.ai/leaderboard.
26:11arena.ai/leaderboard
26:13oke.
26:13Itu adalah satu website yang
26:15menandingkan satu sama lain AI AI models
26:18ini untuk setiap kebutuhan.
26:20Oke.
26:20Jadi setiap kali orang nanya AI terbaik
26:22itu apa aku tanya dulu kebutuhannya apa?
26:24Gambar kah?
26:25Seperti gambar atau coding atau apa baru
26:27kita kasih tahu bisa kasih tahu. Cuma
26:29ini pertanyaan yang menarik dan
26:31aku ngerasa sudah banyak banget AI
26:32expert termasuk Bro Enrico juga pas
26:34share ke orang ditanya soal AI terbaik
26:37of course sekarang yang mungkin leading
26:38itu Cloud ya.
26:39Cloud.
26:39Cuma aku tuh berusaha mencari ini kalau
26:42formula viral konten ya harus jawab yang
26:45agak berbeda dibanding yang lain.
26:46Biar viral [tertawa] ya.
26:47Terakhir terakhir pas diinterview aku
26:49bilang AI terbaik adalah Meta AI.
26:51Uh, kenapa?
26:52[tertawa]
26:53Kontroversi itu.
26:54Exactly, kontroversi.
26:55Ini menarik loh, ini menarik.
26:56Soalnya um tesis aku adalah penggunanya
26:59banyak.
26:59Oke.
26:59Jadi Meta AI itu even sampai orang-orang
27:02yang aku temuin yang umur 50, 60 mereka
27:03bilang, "Eh, kamu tahu Meta AI enggak?"
27:04Oh, karena WhatsApp.
27:06Betul.
27:06Exactly, very intuitif, gampang banget
27:08diakses.
27:09Ya, ya.
27:09Jadi eh tesis aku adalah AI terbaik
27:11adalah AI yang dipakai.
27:12Ehm, ya.
27:13Percuma dia sudah tahu, "Oh, AI terbaik
27:15adalah Perplexity, AI terbaik adalah
27:17Cloud." Kalau dia enggak pakai, apakah
27:18itu yang terbaik?
27:19Betul.
27:20Enggak juga. Kalau Meta AI sudah bisa
27:21bantu dia punya bisnis, why not?
27:23Betul.
27:23Jadi kayak sesimpel teman-teman misalnya
27:25kita ada problem mau handling objection,
27:27kita forward ke Meta AI gimana cara
27:28jawabnya, dia langsung kasih tahu cara
27:30jawabnya yang bagus, kita forward lagi,
27:31kita pakai lagi, kita parafrase.
27:33Ya.
27:33Itu kan sudah sangat membantu.
27:34Betul.
27:35ROI-nya sudah sangat tinggi walaupun itu
27:36gratis loh, berarti kan
27:37It's free ya, it's free.
27:39[tertawa]
27:39Makanya gua bilang Meta AI terbaik
27:41adalah AI yang kita pakai. Jadi kayak eh
27:44no matter what you um
27:46apa yang kita dengar, please use it dulu
27:49from the simple use case lah.
27:51Soalnya aku ngerasa di Indonesia kita
27:52terlalu sibuk lah ngejar-ngejar AI
27:54terbaru.
27:55Terbaik.
27:55Model apa sih yang paling baru? Kita
27:56sampai ngikutin semua content creator,
27:58ngikutin apa. Padahal yang paling simpel
28:00saja belum dipakai.
28:01Setuju.
28:01Jadi kita kan sudah ketemu sama top
28:03business owners lah, we would say the
28:04top 1% lah yang skill-nya sudah puluhan
28:07cabang, ratusan cabang. Dan mereka pun
28:09use case simpel sudah bisa ROI-nya
28:11tinggi banget buat mereka.
28:12Oke.
28:13Jadi mereka dari yang nol, kita cuma
28:14tambahin satu use case sudah ROI-nya
28:16tinggi banget.
28:17Ya, produktivitasnya naik ya.
28:18Exactly. And we would always recommend
28:20start from one. Mulai dari satu dulu.
28:23Dari sana didalamin dulu, baru
28:24pelan-pelan masuk ke yang lainnya.
28:25Betul.
28:26Ya, I think sesimpel kayak kita kan
28:27banyak ngerjain chatbot development juga
28:29ya. Di mana chatbot-nya mau dimasukin ke
28:31dalam grup WhatsApp. Karena kan semua
28:32orang sekarang pakai grup WhatsApp gitu
28:34kan.
28:35Eh I think sesimpel kalau in the topic
28:37of Meta AI kita bisa di dalam grup kita
28:39sendiri kita add Meta AI.
28:41Betul.
28:41Nanti dia bisa muncul sendiri. Nah, itu
28:42kan bahkan [berdehem] I think kebanyakan
28:44orang di Indonesia belum tahu.
28:45Enggak tahu ya.
28:46Sesimpel itu saja gitu. Enggak usah ke
28:47chat GPT tapi di Meta AI sudah bisa
28:49gitu.
28:49Iya iya iya. Jadi waktu you guys develop
28:52eh chatbot ini menggunakan Meta AI juga?
28:55Atau atau
28:56bukan enggak. [tertawa]
28:56Oh enggak enggak enggak pakai itu ya?
28:58Ini ini lebih ke jawaban kontroversial
28:59doang
29:00kita aja kita enggak pakai [tertawa] si
29:01Meta AI aku juga pakainya Cloud sama
29:03ChatGPT.
29:04Aku pernah sekali coba pakai tapi kok
29:06kurang bagus ya akhirnya [tertawa]
29:07tinggalin.
29:08Lucu-lucuan aja gitu.
29:09Lucu-lucuan.
29:10Lucu-lucuan sama teman lah ya.
29:11Misalnya kita tag tell me a joke.
29:13[tertawa]
29:14Iya iya.
29:14Pun kadang joke-nya enggak lucu.
29:17Cuma eh kita ngerasa emm kita tuh banyak
29:20banget eh beberapa kali lah eh diundang
29:22juga buat sharing soal AI.
29:24Even kita ngerasa
29:26kalau ini kalau Indonesia
29:28sudah bisa prompting yang benar
29:30I would say GDP pasti meningkat sekian
29:32persen.
29:32Setuju banget.
29:33Cuma tahu cara prompting yang benar aja.
29:35Dan itu kenapa kita sharing lah
29:37framework-nya buat eh beberapa kali kita
29:39sharing framework prompting. Jadi
29:41framework yang selalu kita share itu
29:42namanya RCTOAR.
29:44Apa tuh RCTOAR?
29:45Betul. RCTOAR itu menurut kita kita
29:47sudah dengar banyak framework tapi
29:49menurut kita RCTOAR itu salah satu eh
29:50salah satu yang terbaik so far.
29:52Oke teach us what is RCTOAR?
29:54[berdehem]
29:54Jadi teman-teman pasti pengin tahu. Oke
29:55ini
29:56[tertawa]
29:57Masterclass.
29:57Rp 199.000 itu.
30:00Boleh.
30:01RCTOAR is basically an acronym ya
30:03singkatan.
30:05R stands for role.
30:06Role itu peran. Jadi ketika kita mau
30:09minta resep makanan kita mintanya ke
30:10siapa?
30:11Cook.
30:12Eh chef.
30:13Ke cook kitchen atau ke chef. Enggak
30:14mungkin kita minta ke programmer
30:15dikasihnya resep Indomie gitu ya. Ke
30:17programmer terlalu sibuk coding masak
30:19makanan instan. Cuma itu yang pertama
30:22role. Jadi ketika kita minta sesuatu
30:23kita mau ada role-nya. Yang kedua itu
30:25konteks. Kita selalu bilang
30:27eh AI itu kayak karyawan kita. Bayangin
30:30kalau kita baru hire karyawan hari
30:31pertama nih Koh Robi. Dia baru datang
30:34berharap dikasih nasi kuning tumpeng
30:35gitu ya. Tapi kita sudah bilang buatin
30:37PPT buat presentasi besok. Terus kita
30:40langsung tinggal enggak kasih konteks
30:41lagi.
30:41Ya, enggak bisa.
30:42Enggak bisa.
30:42Besok pasti salah. 99,99%
30:45pasti salah PPT-nya.
30:46Atau kita enggak puaslah.
30:47Exactly.
30:48Ya.
30:48Pasti enggak puas, itu sudah 99,99%.
30:51Cuma apa yang kurang dari sana? Yang
30:53kurang adalah konteks.
30:54Betul.
30:54Itu kenapa di perusahaan ada proses yang
30:56namanya onboarding.
30:57Betul.
30:57Kita kasih knowledge, kasih value kita,
30:59kasih SOP kita eh ke karyawan baru ini
31:01supaya dia tuh aligning dengan company.
31:03Betul, yes.
31:03Dan ketika dia kerja, itu tuh sesuai
31:05dengan value kita.
31:06Betul.
31:06Itu masuk di konteks. Yang ketiga adalah
31:08task. Itu kan kita sudah banyak ya eh
31:10dari dulu mindset kita tuh mindset
31:12Google search. Sekarang pindah ke
31:14mindset AI.
31:14Oke, Google search.
31:15Di Google search kita tuh sudah terbiasa
31:16dengan framework T ini. T ini adalah
31:18task. Kita minta tugas doang.
31:21Cara buat PPT, kita search di Google
31:23[tertawa] ya.
31:24Iya, iya, iya.
31:24Eh itu maksudnya di task. Dan kebanyakan
31:26orang tuh belum move on.
31:28Belum move on ya.
31:28Mereka tuh orang-orangnya enggak bisa
31:29move on ya, orang-orang yang enggak bisa
31:31move on ya. [tertawa]
31:33Itu dari cara pakai Google masih dipakai
31:35kayak cara pakai ChatGPT dan itu enggak
31:37optimal menurut kita.
31:37Oke, ya.
31:38Jadi task ini adalah salah satu komponen
31:40reframe work. Yang O adalah output.
31:42Oke.
31:43Berapa kali kita pas eh pakai ChatGPT
31:45LLM
31:46kita frustrasi. Kita kayak lu salah
31:48terus, sampai ada yang bilang eh ini
31:50bego ya.
31:50Iya, iya, iya, benar.
31:51Padahal eh kalau boleh jujur nih, maaf
31:53ya, kadang-kadang [tertawa] yang bego
31:55bukan AI-nya gitu ya.
31:56Yang nge-prompt-nya.
31:57Exactly.
31:58Orang yang bilang ya, bukan aku.
31:59Itu kenyataan.
32:00Exactly. Cuma sumber data AI itu 6
32:03miliar sampai 8 miliar manusia. Apakah
32:05bisa dia lebih bodoh daripada kita? Coba
32:07dipikirkan kembali saja ya.
32:08Iya.
32:08Cuma um berapa kali kita nge-prompt
32:11salah, kita sampai marahin dia, kamu
32:13bodoh banget sih, kamu perbaiki yang
32:14ini. Terus AI-nya bilang, saya mengerti
32:16frustrasi Anda. Habis itu
32:18[tertawa]
32:18tapi habis itu dia bikin kesalahan yang
32:20sama lagi. Kita collect eh kita bisa
32:22koreksi 8 sampai 12 kali baru dapat
32:24hasil yang kita mau. Eh cuma di O ini, O
32:26adalah output. Jadi ketika kita minta um
32:29saya mau formatnya adalah PDF, saya mau
32:31formatnya adalah misalnya kalau resep
32:33saya mau di atas tuh ada bahan-bahan
32:35ingredients, di bawah tuh ada step by
32:36step how to-nya. Jadi output ini lah
32:39yang meminimalisir kesalahan tersebut.
32:40Kita jadi tahu output yang kita harapkan
32:42seperti apa atau desain misalnya
32:43output-nya.
32:44Harus jelas output-nya ya.
32:45Betul, betul. Kalau yang terakhir itu R.
32:48Ini optional, cuma menurut aku ini lah
32:50salah satu bagian terpenting, komponen
32:51terpenting dari prompting.
32:53R itu reference, jadi referensi. Jadi
32:55misalnya kita mau buat PPT, kita bisa
32:57banget masukin PPT yang kita udah suka.
32:59Ya.
32:59Misalnya pitch deck dari satu company
33:01yang kita suka banget, kita masukin.
33:02Saya suka loh style dari PPT ini.
33:04Ya.
33:04Tolong nanti buatinnya dengan style ini
33:05ya.
33:06Ya.
33:06Jadi eh misalnya kita mau memasak nih,
33:08ibu-ibu waktu itu ada yang komen juga di
33:10salah satu podcast.
33:11Eh ibu rumah tangga menyimak eh
33:14podcast-nya bagus tapi kayaknya kita
33:16enggak bisa pakai. Aku bilang, "Ibu, AI
33:18itu bisa banget dipakai untuk almost
33:20everyone."
33:20Ya.
33:21Even gini, kalau kita pakai AI,
33:24salah satu buat ibu rumah tangga nih ya
33:25use case-nya.
33:26Foto aja isi kulkas kita.
33:27Ya.
33:28Hmm.
33:28Kita bilang, "Saya mau masak malam ini
33:29dengan bahan yang ada ini.
33:31Saya bisa masak apa?"
33:32Ya, ya.
33:32AI bisa bantuin.
33:33Ya.
33:34Jadi referensi dalam hal memasak,
33:35misalnya saya mau masakannya seperti
33:37Chef Renata.
33:37Ya.
33:38Chef Juna.
33:39Ya.
33:39Itu adalah referensi. Jadi RCTO R
33:41menurut aku bisa meningkatkan
33:43efektivitas prompting mungkin sampai
33:4580%.
33:46Setuju.
33:46Dari yang tadinya enggak ngerti
33:48prompting, sekarang udah ngerti
33:49prompting.
33:49Ya, betul. Mungkin mungkin aku juga
33:51merasakan hal yang sama ya. Banyak orang
33:52yang kayak kamu tadi bilang, karena kita
33:55terbiasa dulunya googling,
33:56Exactly.
33:57jadi kita masih pakai metode googling
33:59kita ke AI ini ya kan.
34:01Kamu kamu sulit move on ke
34:02Iya.
34:02[tertawa]
34:04Sulit move on dia.
34:05Iya.
34:06Mungkin satu sulit move on, kedua mereka
34:07enggak punya knowledge lah ya kan. Dan
34:10orang Indonesia juga ini ini hal yang
34:12kita rasakan. Jadi setiap kali kita
34:14bikin workshop,
34:16kita ngajarin orang setup open claw ya
34:18AI agent. Setelah selesai, keesokan
34:20harinya gitu, mereka bilang,
34:22"Jadi bisa ngapain ya?"
34:23Lah.
34:24[tertawa]
34:24Jadi bingung.
34:25Ya, lu mau ngapain? Benar enggak sih?
34:28What is your goal gitu kan.
34:29Jangan tanya gua kan, karena goal gua
34:31dan gol kamu berbeda. For me myself, gua
34:34trading crypto. Gua suruh bot gua open
34:37cloud gua bikin bikin bot trading yang
34:39tadinya gua butuh 2-3 bulan bayar satu
34:42engineer 1.000-2.000 dolar, sekarang
34:44bisa terjadi dalam 2-3 hari gitu.
34:46Bayarnya cuma subscription LLM. Gua bisa
34:49tuangin expertis tentang trading crypto
34:51gua ke si dia. Sama, gua bayar engineer
34:54gua juga harus ngomong juga sama dia.
34:56Bukan berarti gua enggak ngomong, kan?
34:57Benar enggak sih? Enggak mungkin gua
34:58diam-diam dia tahu gua mau ngapain. Kan,
35:00enggak mungkin, ya, kan? Ini juga sama.
35:02Cuman gua selalu bilang bahwa lu mungkin
35:04kurang ngobrol aja, ya. Tadi harusnya
35:06dengan RCTOR itu, ya, kan? Banyak orang
35:09Indonesia yang mereka punya AI atau
35:11subscribe AI atau
35:14punya open cloud AI agent, mereka
35:15langsung berharap tuh kayak menjadi
35:18seso- seseorang atau sesuatu. Langsung
35:19kayak banget.
35:21Tapi
35:21[tertawa]
35:22it's not possible.
35:24Exactly. Kayak gitulah kenyataannya. Kok
35:26AI-nya enggak bisa ngapa-ngapain lah. Lu
35:28lu suruh apain? Lu lu mau ngapain? Gol
35:30lu ngapain? Jadi kita kita yang balik
35:32tanya. Sebelum masuk ke framework RCTOR,
35:36menurut aku kebanyakan orang tuh they
35:38don't know what they want.
35:40Sesimpel itu aja gitu. Karena sekarang
35:42itu I think prompting juga berevolusi,
35:43ya, kok. Yang dulunya kita perlu
35:46mengikuti framework ini, tapi kita bisa
35:49especially kalau dengan AI AI model yang
35:51sekarang itu sudah lebih pintar untuk
35:52menggali konteks dari kita gitu. Simply
35:54kayak di akhir apa prompt-nya kita
35:56tanya, "Tolong ask me any relevant
35:58questions ya ya ya ya komplit the prompt
36:00gitu.
36:01Itu kan sudah ngebantu banget gitu. Satu
36:02kalimat aja, ya.
36:04Tapi sebelum ke sini, ya, kita harus
36:05tahu apa yang kita mau gitu. Ini juga
36:07salah satu yang kita dapat dari pas kita
36:08corporate training, ya. Jadi kan kita
36:10tadi sudah jelasin kita dari operational
36:12marketing.
36:14Kemudian muncullah organic demand dari
36:16klien kita yang sudah punya tim yang
36:18proper. Dia minta di-training. Dan di
36:20salah satu training kita sudah kasih
36:21tahu framework RCTOR ini.
36:23For opening, ya. Biasa kita kasih tahu
36:25dulu dari fundamental.
36:26Terus ada yang bilang,
36:28"Wih, saya tadi minta AI-nya tanya
36:29juga." Terus menurut aku gila ini eh
36:31peserta training kita keren juga ya,
36:33canggih.
36:34iya iya iya.
36:34Jadi kita tambahin waktu itu di training
36:36RCTOAR belakangnya C.
36:37Heeh.
36:38C stands for clarify.
36:39Oh, clarify dulu.
36:40clarify ke kita. Cuma aku suka banget
36:42yang tadi Korobi sharing yang bilang
36:44soal eh Korobi berangkat dari use case.
36:46Jadi ada orang yang bingung use case-nya
36:48apa. Aku bilang,
36:49"Jangan pernah fokus ke AI-nya dulu.
36:51Berangkat eh berangkatlah dari use
36:52case."
36:53Betul.
36:53Itu kayak work the talk lah. Kita
36:55Kayak
36:55kayak kita beli kalkulator, tapi kita
36:57enggak ada kegunaan kalkulator buat apa?
36:58Buat apa, benar.
36:59Iya. Jadi kita selalu saranin ke semua
37:00kita punya eh klien ya,
37:02"Jangan pernah subscribe AI.
37:05Oh, Ikat di situ dulu.
37:06[tertawa]
37:07Jangan pernah subscribe AI kalau kamu
37:09belum pernah benefit dari free
37:10version-nya.
37:11I see.
37:12Because it's basically like kalau kamu
37:13enggak bisa benefit dari free version,
37:15kamu enggak bakal pernah bisa benefit
37:16dari yang paid version.
37:17Betul sih.
37:18Jadi please utilize atau abuse ya
37:20Abuse
37:21free version-nya
37:21Free version dulu.
37:22sampai kamu sudah bisa hasilkan. Aku
37:24selalu bilang, "Uang yang kamu hasilkan
37:25dari free version-nya baru kamu pakai
37:27buat bayar."
37:27Betul.
37:28basically free. Salah satu website
37:30Ehm.
37:31ada satu website yang baru-baru ini
37:32viral itu menarik banget. Dia nunjukin
37:34stats eh berapa yang kita bayar ke
37:36ChatGPT misalnya atau Cloud, berapa
37:38value yang sebenarnya mereka tawarkan.
37:40Oke.
37:40Jadi I think ehm di ChatGPT kalau kita
37:42bayar 20 dolar,
37:43Oke.
37:43value yang sebenarnya ditawarkan itu
37:442.000 dolar.
37:45Oke.
37:46Jadi teman-teman bisa cek di website,
37:47langsung dikasih tahu value-nya.
37:48Oke.
37:49Jadi menurut aku even dari free
37:50version-nya pun sudah ada nilainya.
37:51Iya.
37:52Jadi ngapain kita semua eh baru mulai
37:54sudah langsung terus sibuk subscribe.
37:56Betul. Gitu loh.
37:56Setuju sih, setuju. Pelajari
37:58framework-nya dulu ya. Dari free version
38:00pun kan sebenarnya kita bisa eh asal
38:02framework-nya benar, cara prompting kita
38:04benar kan sudah bisa dapat manfaatnya
38:05ya.
38:06Yes.
38:06Dan yang tadi Korobi bilang juga mumpung
38:08aku ngingat ya, ehm ini masalahnya di
38:11Indonesia banget Korobi. Di mana orang
38:13ngerasa "Bisnis saya tadinya enggak
38:14works. Saya pakaiin AI works."
38:17Cuma [tertawa]
38:18aku bingung logikanya di mana gitu ya.
38:20Iya.
38:20Logikanya di sebelah mana? Teman-teman
38:21bantu cerahkan aku ya.
38:22Ini misalnya pipa air gitu ya.
38:25Airnya aja enggak ada, airnya
38:26netes-netes gini. Kita udah sibuk
38:28perbaikin pipanya, kita tutupin
38:30lubang-lubangnya, belokannya kita
38:31perbaikin. Airnya makin kenceng enggak?
38:33Enggak.
38:34Enggak kan?
38:34Enggak.
38:35Jadi eh tesis kita adalah AI itu
38:37harusnya em
38:38adalah bagian efisiensi dan efek
38:40tingkatkan efektivitas.
38:41Betul.
38:42Tapi kita harus kencangkan, deraskan
38:43airnya dulu. Airnya udah kenceng nih. Di
38:46workflow bisnis ini ibarat bukan air ya,
38:48tapi ini workflow bisnis.
38:50Airnya udah deras, kita udah temukan
38:51titik-titik bocornya. Ih, di sini bocor
38:53banyak banget.
38:54Ya, ya, ya.
38:54Di sini kurang efektif nih lekukannya.
38:56Di situ AI masuk.
38:57Betul.
38:58untuk men-solve eh solve titik efisiensi
39:01ini.
39:01Ya, ya, ya.
39:02Jadi em sama halnya seperti bangun
39:03sebuah bisnis.
39:05Franchise enggak mungkin kita langsung
39:06develop 1.000 cabang.
39:07Betul.
39:08Baru kita berusaha berhasilkan satu
39:09persatu cabangnya.
39:10Betul.
39:10Kita pasti harus mulai dari satu cabang.
39:12Yap.
39:12Sudah berhasil dulu, baru kita duplicate
39:14ke 1.000 cabang.
39:15Betul.
39:15Kurang lebih eh menurut aku lucunya
39:18ketika kita mau utilize AI. Kita tuh
39:20justru harus berpikir fundamental
39:21banget.
39:22Yap.
39:22Ini I think yang salah satu yang
39:24membedakan kita dibanding AI experts
39:25yang lain. Of course AI experts yang
39:27lain menurut kita jago-jago banget. Cuma
39:29pendekatan kita selama ini adalah
39:30fundamental. Kita start from the very
39:32fundamental.
39:32Yes.
39:33Oke, jadi apakah kalian juga
39:35menyampaikan hal yang sama waktu
39:37corporate training?
39:38Yes. Menurut em mungkin dari Brian aku
39:40bisa.
39:41I think di setiap sesi awal ya di
39:44corporate training itu pasti kita akan
39:45membahas mulai dari sisi mindset-nya
39:47dulu, cara berpikirnya gitu ya.
39:49Mindset ya.
39:50Karena sesimpel kayak prompting tadi kan
39:52eh kalau misalkan enggak ada AI ya kan
39:54kita human to human kita memberikan
39:56instruksi.
39:56Betul.
39:57Dan terkadang kita memberi instruksi aja
39:59belum lengkap.
39:59Ya.
40:00Gimana kita mau prompting? Konteksnya
40:01kurang gitu ya.
40:02[tertawa]
40:02Bukan mereka butuh konteksnya untuk
40:04Benar.
40:05sesuai dengan output-nya gitu.
40:06Jadi emang kita kebanyakan kalau
40:08corporate training di awal pasti eh ada
40:10masuk ke arah mindset-nya gitu,
40:11pengenalan AI secara general. Eh dan
40:13juga mungkin satu hal lagi itu
40:14penyetaraan
40:16eh pemahaman gitu ya. Karena kita eh
40:18tidak bisa dipungkiri bahwa mungkin
40:20pengetahuan orang secara teknikal,
40:22secara AI mungkin berbeda-beda gitu ya.
40:24betul.
40:24Dan itu yang mungkin yang salah satu
40:26challenge yang kita hadapi juga ya.
40:27Exactly.
40:29Ya, itu itu kebanyakan kita mulai dengan
40:30itu sih. Kemudian I think beberapa
40:33modul-modul lainnya kita sesuaikan lagi
40:35dengan industri perusahaan tersebut
40:37gitu.
40:37Oke, jadi bicara bicara sedikit soal
40:39corporate training jadi biasanya kalian
40:43maksudnya
40:44company-company apa yang pakai jasa
40:46kalian terus sistemnya seperti apa ya
40:49kan? Siapa tahu audiensnya ada yang dari
40:51company butuh corporate training.
40:53Yes.
40:54[berdehem]
40:54Menarik. [tertawa]
40:55Sejauh ini
40:57belum ada industri yang kita temuin yang
40:58enggak bisa utilize AI.
40:59Semua bisa ya?
41:00Semua bisa.
41:01Sejauh ini bisa.
41:01Ya, ya, ya.
41:02Yang semua yang
41:03propose mau corporate training itu kita
41:05pas kita bedah titik efisiensinya tuh
41:07lumayan menarik.
41:08Oke.
41:08Apalagi again kalau bisnis ini biasa di
41:10skala tertentu of course kalau buat
41:12teman-teman yang baru merintis please
41:14don't use corporate training soalnya
41:16cost-nya kayak lumayan gede gitu ya,
41:17nanti jadi beban operasional malah.
41:18Ya.
41:19Cuma ada a certain skill di skill
41:20tertentu em
41:23sesimpel satu use case saja berhasil
41:24kita pecahin pakai AI penghematan mereka
41:26tuh luar biasa.
41:27Op. Betul.
41:28selalu berangkat dari value base ya.
41:30Ya.
41:30Jadi kita cuma mau lakukan corporate
41:32training kalau nilai dari corporate
41:34training kita tuh enggak ada apa-apanya
41:35dibanding yang mereka berhasil hemat
41:36atau mereka berhasil dapatkan dari
41:38penggunaan AI ini.
41:38Oke, berarti kalian biasa bedah dulu
41:40sorry potong.
41:41Betul.
41:41Oke.
41:42Jadi kita salah satu yang pasti kita
41:43ngajarin setiap kali ketemu orang atau
41:46sharing-sharing adalah bisnis proses
41:47mapping.
41:48Buat teman-teman mungkin simpel use
41:50case-nya adalah kalau kita punya toko
41:51kelontong gitu ya.
41:53Kita harus bisa petakan semua titik dari
41:54pertama kali customer buka pintu sampai
41:56dia keluar dari pintu.
41:57Oke.
41:58Ada titik-titiknya tuh, dari dia masuk
42:00terus dia pilih barang terus di
42:02packaging, dibungkus baru nanti di
42:04delivery baru dia keluar ada after sales
42:05lagi itu ada titik-titiknya. Setelah
42:08mereka sudah gambar semua titik-titik
42:09ini kita bisa bedah satu persatu titik
42:11yang bisa kita efisiensikan dengan AI.
42:14Dari situlah biasa kita berangkat
42:15layanan kita. Jadi em sejauh ini I think
42:18beredar banyak banget beragam. Ada dari
42:20architecture, ada dari perhotelan, ada
42:22dari bengkel. Cuma sejauh ini kita
42:24temuin em company-company
42:27skalanya. Jadi meternya tuh bukan di
42:29industrinya sejauh ini, tapi lebih ke
42:31skalanya. Kalau skalanya udah cukup,
42:33efisiensi sesimpel apapun udah bisa
42:34ROI-nya tinggi banget.
42:35Yap.
42:36Jadi salah satu lagi em mungkin
42:37indikator kalau company-nya temen-temen
42:39ini mungkin siap ready to adopt AI or
42:41not
42:42adalah rapinya dokumentasi data.
42:44I see.
42:45Jadi a lot of business owners
42:47pas kita nemu ada juga beberapa yang
42:48kita tolak as client. Maksudnya kita
42:50kayak bilang ya udah kita kayaknya
42:51sharing-sharing dulu aja. Feel free
42:52untuk call atau WhatsApp, nanya-nanya
42:54kita pasti bakal jawab juga.
42:55Yap.
42:56Cuma kita ngerasa
42:57kalau kamu belum ready to adopt AI,
42:58sayang banget kamu bayar kita gitu.
43:00Percuma ya, percuma.
43:01Exactly.
43:03iya.
43:03Em jadi dokumentasi data yang rapi itu
43:05sangat bagus. Jadi buat temen-temen AI
43:08itu pinternya karena apa? Karena past
43:10reference data.
43:11Past reference.
43:12data historis. Dia sekarang bisa jawab
43:14kita ngajarin sales karena udah ada
43:16orang sales di sana
43:17Iya.
43:17yang input data ke AI ini soal sales.
43:19Jadi kita bisa terima
43:20Iya.
43:21em data tersebut. Jadi ketika company
43:23kita em tidak punya data historis, AI
43:26itu belajarnya dari mana? Ambil
43:27keputusannya dari mana? Ini sebenarnya
43:29lebih ke logical thinking ya ketika
43:30ngobrol sama client.
43:31Betul.
43:32Mungkin bisa aja di misalkan kebanyakan
43:34[berdehem] perusahaan mereka pakai em
43:35software-software yang terpisah.
43:37Sebenarnya bisa aja kita hubungkan
43:38semuanya, cuman
43:39dari sisi skalabilitasnya
43:41itu enggak enggak enggak masuk ke
43:43perhitungannya gitu.
43:44Enggak signifikan ya.
43:45Iya. Jadi I think di awal-awal pas kita
43:47juga em memulai AIU ini
43:51yang awalnya kita tesisnya lebih ke arah
43:52AI, tapi setelah kita ngobrol sama
43:54banyak perusahaan-perusahaan di
43:55Indonesia
43:56I think
43:58framing-nya itu malah menjadi digital
44:00transformation. Gimana kita
44:02mendigitalisasi data-data mereka dulu.
44:04Kita bikin kayak satu sistem yang
44:06terintegrasi
44:07Iya, iya, setuju, setuju.
44:08ada POS-POS terpisah 1, 2, 3. Nah, ini
44:10gimana semuanya terhubung? Kita punya
44:12satu database yang centralized, one
44:14single apa source of truth-nya gitu.
44:16Baru dari situ, on top of it, kita baru
44:18masukin yang namanya automation, baru AI
44:20gitu. I think AI itu it's at the end of
44:22the spectrum.
44:22Yap.
44:23Ya. Bahkan sesimpel pekerjaan-pekerjaan
44:25yang kita pikir, "Ah, ini butuh AI."
44:27Sebenarnya automation.
44:28Iya, iya.
44:29Simply automation. Automation itself kan
44:31udah udah ada lama banget gitu ya. Robot
44:33process automation.
44:35Betul.
44:35Atau basically yang ke arah
44:37manufacturing itu juga banyak banget
44:38automation. Cuma memang um
44:41baru naik tuh mungkin saat muncul-muncul
44:43kayak no code tools ya.
44:44Iya, no coding tools ya.
44:46Ya.
44:46Ya, ya, ya, menarik nih. Nah, kita udah
44:48ngobrol-ngobrol hampir 1 jam nih. Enggak
44:50terasa ya.
44:51Wow.
44:51Enggak terasa ya.
44:52Udah [tertawa] 15 menit.
44:53Iya, kayaknya.
44:54Oke, gua pengen gua pengen tanya nih.
44:56Enggak enggak mau hold kalian lama-lama,
44:57tapi gua pengen tanya. Da di apa nih
45:00satu hal mungkin di AI you atau apa yang
45:04yang sedang kalian planning atau ada di
45:06road map atau di future plan yang belum
45:09pernah kalian spill di tempat lain
45:11sebelumnya.
45:11[tertawa]
45:13Biar aku dulu aja yang share. Nanti aku
45:15bisa salah share.
45:18[tertawa]
45:19[terkesiap]
45:20Mungkin apa ya? Sharing
45:22Future road map maybe atau one thing
45:24that you never talk before.
45:26Mungkin um one thing yang kita enggak
45:29pernah bahas. I mean kita sebagai agency
45:31juga um sebenarnya
45:33kalau kita ngomongin profesi agency.
45:35Agency itu udah ada mungkin um dari sisi
45:38kayak, "Ah, gimana cara kamu scale
45:40up-nya gitu ya?" Susah banget gitu ya.
45:41Um
45:43kita jualan jasa gitu. Cuma I think um
45:46the
45:47playground has shifted. Shifted-nya
45:49gimana? Especially dengan ada
45:51tools-tools AI yang sekarang yang bisa
45:53diakses hampir sama semua orang.
45:55Sesimpel kalau kita ngomongin kayak um
45:57five coding. Kita bikin aplikasi atau
45:59kita bikin um sistem.
46:02Itu
46:03sekarang itu kita sudah mudah banget
46:05untuk membuat aset buat diri kita
46:06sendiri.
46:07Yap.
46:07Jadi I think play apa play book-nya
46:10sudah berubah.
46:11Hmm.
46:11Mana dulu kita purely jualan jasa, tapi
46:13sekarang kita bisa build multiple aset.
46:16Oke.
46:16At the same time itu kan kita jadi
46:18grow-nya akan lebih gampang dan
46:19skalabilitasnya kayak gitu.
46:21Betul.
46:21I think itu mungkin yang enggak banyak
46:22orang bahas juga.
46:24I see.
46:24So I [berdehem] think I think
46:26agency itu bagus banget untuk mungkin di
46:28awal ya. Eee dan dengan ada AI ini jadi
46:32mempercepat kita untuk kita bisa move to
46:34the next phase gitu ya.
46:35Ya.
46:36Mungkin Bro Edward bisa share kira-kira
46:38roadmap ke depannya apa.
46:39Mungkin um
46:40[berdehem]
46:40satu take yang um
46:43kita belum sharing juga sama banyak
46:44orang itu
46:45ada satu quotes dari Mark Cuban yang
46:47lumayan terkenal.
46:48Oke.
46:49Dia bilang the future trilioner
46:51itu bakal
46:52Lahir.
46:53adalah seorang anak-anak yang lagi di
46:54basement lagi coding sendiri, lagi pakai
46:57AI sendirian.
46:58Jadi
46:59The future of trilioner ya.
47:00The future is here.
47:01Ya.
47:01Eee sekarang tuh sudah masa depannya.
47:03Ya.
47:04Jadi one man company kalau sekarang
47:06sudah mulai muncul di artikel di
47:07Bloomberg, di mana. It's here.
47:10Ya.
47:10Jadi wih ini sudah kayak official
47:12statement saja.
47:13[tertawa]
47:14One man company.
47:14Eee menurut kita
47:16please don't please take it with a grain
47:18of salt ya. Jangan ambil saran ini
47:20mentah-mentah.
47:21One man company menurut kita sejauh ini
47:23adalah indikasi pemahaman AI. Itu bukan
47:25sesuatu yang harus kamu lakukan
47:27tiba-tiba pecat semua karyawan terus
47:29jalanin one
47:30Betul betul.
47:30Itu hanya indikasi pemahaman AI kita.
47:33Jadi beberapa kali
47:35orang tanya gimana sih cara kita ngukur
47:37pemahaman AI kita. Orang kan biasa pakai
47:39skala 0 sampai 10. Basically subjektif
47:42lah. Ada orang yang bilang saya 9.
47:44Padahal ditanya cloud belum pernah
47:45explore gitu.
47:46[tertawa]
47:46Eee cuma
47:48[berdehem]
47:48one man company menurut saya adalah
47:49skala yang lumayan menarik untuk
47:51mengukur pemahaman kita terhadap AI.
47:53Kita kayak kita sudah bisa bikin bisnis
47:55say enggak usah terlalu gede, bisa
47:56hasilin 10 juta per bulan aja. Fully
47:59enggak pakai karyawan, pakai AI semua.
48:01Itu adalah ketika kita sudah mencapai
48:02pemahaman AI yang cukup tinggi.
48:04I see.
48:04Karena dalam membangun sebuah
48:05perusahaan, kalau teman-teman juga pasti
48:07pernah dengar gitu ya. Eh, kalau Korobi
48:09sudah pasti ngerti.
48:10Bisnis itself adalah bentuk cerminan
48:13dari self development pemiliknya.
48:15betul.
48:15Jadi kalau bisnis owner-nya itu
48:17berkembang, bisnisnya [berdehem] pasti
48:18berkembang.
48:18Yap, yap.
48:19Jadi menurut kita, pemahaman AI pun eh
48:22sejalan dengan pengembangan one man
48:23company ini.
48:24Setuju.
48:25Ketika dia sudah bisa bikin sebuah
48:26bisnis yang fully automated by AI.
48:28Itu berarti dia pemahaman terhadap AI
48:29sangat tinggi. Karena bisnis kan
48:31komponennya banyak banget.
48:33Yap.
48:33Ada di bagian marketing, operational,
48:35bagian executive decision.
48:36Ya, yes.
48:37Teman-teman di sini [berdehem] pasti
48:38banyak banget juga yang belum explore
48:39yang namanya AI council.
48:41AI council?
48:42AI council itu AI yang kita pakai untuk
48:44eh mengambil keputusan.
48:46Oke.
48:46Jadi berapa kali kita bilang, wah bisnis
48:48owner itu butuh circle yang like minded.
48:50Oke.
48:50Kita butuh setiap kali ada pendapat,
48:52berapa kali kita punya ide.
48:55Terdengar jenius di kepala kita. Tapi
48:57ketika ketemu sama orang dibilang itu
48:58ide goblok banget.
48:59[tertawa]
48:59Iya, iya, iya, iya.
49:00Cuma eh basically kita dulu butuh teman
49:03tongkrongan ketika mau ambil keputusan,
49:05kita tuh harus ngumpul sama orang-orang
49:06yang menurut kita kita kagumilah.
49:08Ya, ya, ya.
49:08Mereka tuh di tingkat pendidikan yang
49:09sama atau lebih bahkan dalam hal ini.
49:11Yes, yes.
49:12Eh, tapi sekarang itu sudah bisa
49:13digantikan dengan AI.
49:15Yap.
49:15Jadi itu adalah kegunaan dari AI
49:16council. AI council ini biasanya terdiri
49:18dari lima tokoh.
49:19Oke.
49:19Ehm, ada yang contradictory, dia suka
49:21sekali menentang ide kita, ada yang
49:23bagian expansionist, ada yang bagian
49:24idealist. Ada yang ehm say I don't know
49:27bagian opportunist. Pokoknya aku lupa eh
49:30judul dari setiap lima topi ini.
49:31Ya.
49:31Cuma lima topi ini customizable, itu
49:33kenapa aku enggak perlu hafalin.
49:34Oke.
49:35Soalnya setiap orang bisa jadi punya
49:36kebutuhan yang berbeda. Cuma ini adalah
49:37yang general. Cuma AI council ini
49:39tugasnya adalah seperti membentuk sebuah
49:41WhatsApp group ya.
49:42Yap.
49:42Isinya ada lima AI dan kita gitu. Jadi
49:44setiap kali kita lempar ide, mereka akan
49:46langsung menandingkan ide ini.
49:47Diskusi, diskusi ya, mereka diskusi dan
49:49debat gitu.
49:49ada yang dukung.
49:50Iya, iya, iya, iya.
49:51Dan itu adalah ehm cara kita mendapatkan
49:53keputusan terbaik.
49:54Ya. kenapa
49:55debat menurut saya adalah cara terbaik
49:57untuk kita mencapai kebenaran. Itu
49:59kenapa kalau orang yang enggak suka
50:00berdebat biasanya pemikirannya akan
50:02nyangkut di situ. Itu saja.
50:03Iya, iya, iya, iya, iya.
50:05[tertawa]
50:05Dan ini sebenarnya menarik juga kok,
50:07tentang AI Council.
50:08Council.
50:08Kemudian kalau kita bedah, basic-nya itu
50:10prompting.
50:11Yap.
50:11Balik lagi ke framework yang RCTOR.
50:13Iya, iya.
50:14Iya, kan? Kita kasih ini, setiap
50:15agent-nya ini ada perannya apa, tugasnya
50:17apa, kalau misalkan ada eh certain
50:19condition, kamu harus seperti apa.
50:21Betul.
50:21Basic-nya kan eh prompting gitu.
50:22Seperti itu saja ya, cuma dibeda-bedain
50:24ya.
50:24Betul. Tinggal kalau misalkan di use
50:26case-nya kita, eh karena kita banyak eh
50:28apa ya, eh di Indonesia, di market
50:30Indonesia, ada kita tambahin satu lagi
50:32dari lima itu tambah satu, which is dari
50:34sisi eh pricing.
50:36Oke.
50:36Karena kita sadar, di Indonesia itu baby
50:38budget conscious.
50:39Iya.
50:40Jadi, aku bilang peran kamu itu
50:42setiap kali kita apa ya, tembak sebuah
50:45ide atau proposal atau offering, selalu
50:48assume bahwa harganya ini terlalu mahal.
50:51I
50:53Kan kadang kita saat kita menentukan
50:55harga atau apa, kadang ya kita enggak
50:56bisa
50:57apa ya, mikir ke arah sana juga gitu.
50:59Jadi,
51:00apa, sesimpel AI Council ini, kita kasih
51:02peran-peran itu membantu kita
51:04jadi lebih rasional gitu ya.
51:06Iya.
51:06Jadi, kalian sudah guna pakai AI Council
51:08ini di semua use case yang kalian
51:10develop?
51:11Iya. Mungkin buat teman-teman yang mau
51:13cari pasangan bisa pakai AI Council.
51:15[tertawa]
51:17Masukin Instagram profile-nya,
51:19LinkedIn-nya.
51:20[tertawa]
51:21Cuma bisa dipakai untuk segala aspek.
51:23Segala aspek ya.
51:23Simpelnya untuk decision making.
51:25Decision making.
51:25Cuma eh
51:27menurut aku, seiring berkembangnya
51:28teknologi ya,
51:30orang-orang yang ada alasan tuh makin
51:31di, makin ditekan terus tuh.
51:33Iya, iya.
51:33yang terlalu banyak alasan tuh dari
51:34zaman ke zaman ada kan.
51:36Betul, betul.
51:36Dan mungkin dulu sebelum internet muncul
51:38ada yang bilang saya kekurangan
51:39informasi.
51:40Iya.
51:40Internet muncul dia ada alasan baru
51:42lagi, ada alasan. Ini bukan cuma orang
51:44canggih yang berevolusi, orang yang
51:45banyak alasan tuh juga berevolusi.
51:47[tertawa]
51:48Alasannya makin banyak.
51:49Alasan 5.0, alasan 6.0 meningkat terus.
51:52Cuma teknologi itu mematahkan tesis
51:54mereka terus, Pak. Jadi, sekarang
51:56I don't know, coba munculin alasannya
51:57lagi. Kalau bisa keren [tertawa] sih.
52:00Ada saja lah ya.
52:01Ya, anyway ya kita sudah ngobrol banyak
52:04hari ini. Thank you for your time. Kita
52:05belajar banyak. Saya juga belajar
52:07RCTOAR. Itu menurutku framework yang
52:09dasar dulu.
52:10Ya.
52:10Teman-teman kuasai itu dulu, please.
52:12Kalau memang itu sudah kuasai, next step
52:13baru
52:14Ya.
52:15tadi eh counsel itu tadi ya ya counsel
52:17menurutku penting banget ya.
52:19Eh dan ya kayaknya kita sudah sampai di
52:22penghujung acara.
52:24[tertawa]
52:24Wah, waktu time constraint
52:25Cepat banget.
52:26Ya, enggak terasa ya. Nanti kita ngobrol
52:27lagi lain kali. Jangan lupa terus follow
52:30Komunitag, follow Kongko Komunitag.
52:32Terus juga jangan lupa follow Edward
52:34sama Enrico di lebih fokus di Instagram
52:37ya.
52:37Instagram.
52:38Instagram ya untuk belajar lebih banyak
52:40soal AI. Saya juga eh berjanji akan
52:42terus hadirin praktisi-praktisi dan
52:44influencer-influencer AI yang memang
52:46mereka ya pengguna lah. Kayak kayak
52:48kayak you guys say lah ya kan. Kita
52:50harus walk the talk gitu kan. Kayak kita
52:52pun kita dari crypto kita pivot ke AI
52:56dan AI agent pun karena kita sudah
52:58merasakan manfaatnya.
52:59Betul.
52:59Kita pakai open cloud, kita lihat wow
53:01this is game changer. Baru kita berubah.
53:03Bukan bukan kita cuma ngajari orang tapi
53:05kita enggak pakai gitu ya.
53:06Saya juga kan dulu background finance,
53:08enggak belajar IT enggak coding. Tapi
53:09kenapa bisa bikin aplikasi, bikin
53:12website itu itu sih.
53:13Gua gua ingat banget dua tahun lalu
53:15waktu pertama ChatGPT booming gitu kan.
53:18Terus waktu itu sempat si CEO-nya Nvidia
53:20Jensen Huang dia bilang suatu hari eh
53:23ini ini ceritanya belum ada 5 coding nih
53:25baru ChatGPT ChatGPT staff. Suatu hari
53:27bahasa pemrograman adalah bahasa
53:29manusia.
53:30Ya.
53:30Dan ini sudah terjadi kan.
53:31Sudah.
53:31You guys coding enggak pakai
53:33coding-coding kan. Bahasa manusia saja
53:34kan. Gua maunya gini gini gini gini ya
53:36kan. Ya, inilah inilah industri AI
53:39Yes.
53:40memang maju dan berkembang, teman-teman.
53:42dan tinggal bagaimana kita bisa ikut ini
53:45dan memanfaatkan ini. Tapi jangan lupa
53:48bukan berarti dengan adanya AI serta
53:50merta kita langsung jago gitu. Gua
53:52selalu bilang juga
53:54waktu kita ngajarin orang serap open
53:55cloud ataupun cloud biasa, ya kan. Gua
53:58selalu perbandingannya gini, Tony Stark
53:59dan Jarvis. Jarvis adalah Jarvis itu
54:02karena Tony Stark-nya loh. Tony
54:03Stark-nya yang kasih dia
54:06instruksi, expertis dan lain-lain.
54:08Enggak mungkin dia tiba-tiba bisa hidup
54:09dan langsung sejago itu. Benar enggak
54:11sih? Jadi you have to be the Tony Stark,
54:13you have to have the expertis gitu. Baru
54:16lu bisa punya digital partner lu gitu.
54:20Jangan berharap Jarvis lu lu bikin
54:23Claude lu ini atau open cloud lu ini
54:24jago kalau lu sendiri enggak tahu mau
54:26ngapain gitu.
54:27AI hanya akan seefektif tujuan dari
54:30penggunanya.
54:31Betul.
54:31Jadi kalau kita cuma pakai buat cari
54:33restoran di Jakarta Barat
54:35pakai Google aja ya.
54:37[tertawa]
54:37Oke oke. Kalau gitu kita sudahi dulu.
54:40Thank you ya. Thank you Edward, thank
54:42you Enrico. Kita ngobrol lagi lain kali.
54:44Bye, see you.
54:45Bye bye.

About this transcript

This page contains the full transcript of Triliuner Baru di Masa Depan Terlahir dari Orang Yang Kerja SENDIRIAN PAKAI AI di BASEMENT!? by Komunitech, generated from the public captions YouTube serves with the video. The transcript has 9,801 words across 2,182 segments, with the original timestamps preserved so you can click any line to jump to that moment in the embedded player.

What you can do with it

Use the transcript to take notes, quote the speaker, build a study guide, generate a summary with ChatGPT or Claude via the YouTube Summary tool, or export it as a timed subtitle file with YouTube to SRT. You can also re-open it in the transcriber to translate the transcript into 100+ languages.

Free YouTube transcript tool

YouTube2Text is a free YouTube transcript generator — no signup, no daily limit. Paste any YouTube link and get the full transcript instantly, with timestamps, click-to-jump, translation to 100+ languages, AI prompts for ChatGPT, Claude, and Gemini, and exports to TXT, SRT, VTT, or Markdown.