原文标题:how non-developers automate work like engineers (without writing code)…
原文作者:Damian Player
编译:Peggy,BlockBeats
编者按: Saat kebanyakan orang masih menganggap AI sebagai “alat pencarian yang lebih efisien”, Perplexity mulai menjalankan pekerjaan.
Artikel ini berfokus pada perbedaan yang berkali-kali diabaikan—mengapa ketika menggunakan AI yang sama, ada yang hanya mendapat sepotong jawaban, sementara yang lain langsung memperoleh hasil yang bisa diserahkan. Bukan karena kemampuan modelnya, melainkan karena cara memakainya: apakah menjadikannya sebagai jendela percakapan, atau sebagai sistem eksekusi yang bisa diperintah dan dijadwalkan.
Jenis alat baru yang diwakili Perplexity Computer menjadikan “tugas” sebagai cara interaksi inti, menggantikan “pertanyaan”. Mulai dari peninjauan kontrak, analisis kompetitor, hingga pembersihan data dan pembuatan laporan, pengguna tidak lagi mendeskripsikan masalah, melainkan langsung mendefinisikan output akhir yang ingin diserahkan. Disertai kemampuan untuk menghubungkan alat-alat perusahaan, serta menguatkan latar belakang personal dan contoh gaya, kapabilitas ini pun berkembang dari output sekali jadi menjadi workflow yang bisa digunakan ulang dan bisa berjalan otomatis.
Yang lebih penting, batas otomatisasi sedang didefinisikan ulang. Otomatisasi tidak lagi sekadar membantu menyelesaikan satu langkah tertentu, tetapi dapat berjalan terus-menerus, mengeksekusi lintas alat, bahkan secara proaktif mengusulkan tugas tambahan. Ini berarti relasi antara manusia dan alat sedang bergeser dari “menggunakan” menjadi “mengelola dan mendelegasikan”.
Dalam perubahan ini, pembeda yang sesungguhnya bukan lagi apakah sudah memakai AI, melainkan apakah sudah mulai memakainya untuk “menghasilkan output”.
Berikut adalah teks asli:
Orang-orang yang memahami hal ini akan memperoleh keuntungan yang asimetris. Tidak lama lagi, semua orang akan belajar caranya. Tapi sebelum semuanya menjadi jelas, ini cara yang bisa kamu mulai lebih dulu.
Selama setahun terakhir, para pengembang sudah menjalankan di balik layar agen AI otonom (misalnya Claude Code, OpenClaw, dll.), yang bisa melakukan riset sendiri, menyusun produk, dan langsung menyerahkan hasil lengkap—tanpa perlu orang terus mengawasi atau bolak-balik memberikan prompt. Namun kenyataannya, kamu mungkin tidak bisa menggunakan paket itu—kecuali kamu tahu cara memakai terminal dan menulis kode.
Dan Perplexity Computer mengubah semuanya. Ini pertama kalinya non-pengembang bisa menggunakan kemampuan yang sama. Yang kamu butuhkan hanya sebuah browser, dan sebuah tugas yang bisa kamu berikan padanya untuk diselesaikan.
Kebanyakan orang membuka Perplexity, memasukkan sebuah pertanyaan, mendapat jawaban, lalu menutup halaman. Mereka melewatkan yang penting. Perplexity Computer bukan untuk menjawab pertanyaan; ini untuk mengeksekusi tugas.
Jangan lagi bertanya. Serahkan pekerjaan yang sesungguhnya kepadanya.
Direktur Keuangan, pengacara, konsultan… mereka membuka alat, memasukkan sebuah pertanyaan, mendapat jawaban yang cukup bagus, lalu berpikir: “Oh, ini seperti Google yang lebih canggih.” Setelah itu mereka terus menghabiskan 90 menit untuk membersihkan tabel yang minggu lalu baru mereka bersihkan.
Masalahnya bukan pada alat, melainkan pada cara memakainya. Mereka menganggapnya sebagai chatbot.
Cara bertanya: “Apa saja risiko dalam kontrak ini?”
Cara bertugas: “Tinjau kontrak ini. Periksa satu per satu apakah semua pernyataan didukung sumber publik; tandai bagian yang bahasanya samar, klausulnya tidak lengkap, serta bagian yang mungkin menimbulkan tanggung jawab hukum; daftarkan 5 poin risiko paling penting dan sertakan kutipan klausul yang spesifik; keluarkan sebuah dokumen Word dengan jejak revisi.”
Kontrak yang sama. Satu cara hanya memberi kamu daftar, yang harus kamu baca sendiri; cara yang lain langsung memberi kamu produk jadi yang bisa kamu kirim ke klien.
Pertama, hubungkan alatnya. Klik connectors di sidebar. Perplexity bisa menghubungkan lebih dari 400 aplikasi: Gmail, Google Drive, Slack, Salesforce, Notion, SharePoint… hubungkan semuanya yang benar-benar kamu pakai.
Lalu buat sistem tahu siapa kamu. Cukup masukkan sekali: “Saya bekerja di sebuah posisi tertentu di sebuah jenis perusahaan. Saya akan secara rutin menghasilkan konten X, Y, Z ini. Tolong ingatkan latar belakang tersebut di setiap sesi.” Sistem akan menyimpan informasi itu dalam jangka panjang.
Kemudian beri tahu “apa yang dimaksud bagus”. Ambil 2–3 hasil yang paling kamu puasai, unggah dan masukkan: “Ini adalah contoh pekerjaan terbaik saya. Tolong pelajari format dan gaya bahasanya, agar saat menghasilkan konten nanti bisa dijadikan referensi.”
Dengan begitu, dia tidak lagi menebak gaya kamu, melainkan membongkar jalur sukses yang sudah kamu verifikasi.
10 menit, lakukan dulu hal ini.
Seorang analis keuangan setiap Senin menerima ekspor data sebanyak 150 baris, formatnya berantakan: data berulang, tiga format tanggal, dan peringkat ditulis dengan kata-kata, bukan angka. Sebelum mulai analisis, dia harus menghabiskan 90 menit setiap minggu untuk membersihkan data. Pertanyaan yang sama, diulang setiap minggu.
Dia hanya memasukkan satu instruksi: bersihkan file ini, hapus duplikasi, samakan format tanggal, ubah peringkat berbasis teks menjadi angka; lakukan analisis berdasarkan data yang sudah dibersihkan; buat dashboard interaktif dengan fitur penyaringan dan sediakan tautan berbagi; keluarkan laporan PDF yang membandingkan sebelum dan sesudah pembersihan; simpan semua file ke folder “Laporan Senin” di Drive.
Setelah 4 menit: dataset yang bersih, dashboard interaktif, tautan berbagi, laporan PDF—semuanya muncul di Drive-nya.
Lalu dia bertanya lagi: “Apakah ada perbaikan yang belum aku tanyakan, tapi bisa membuat hal ini jadi lebih berguna?”
Sistem menyarankan dua hal: pertama, jadwalkan agar tugas ini otomatis berjalan setiap Senin pukul 7 pagi; kedua, tambahkan tugas baru untuk menghasilkan brief manajemen hari Selasa berdasarkan area yang performanya kurang baik.
Dia mengatur keduanya, lalu menutup halaman.
Setelah itu, setiap Senin, sistem akan berjalan otomatis—baik komputer dia menyala atau tidak.
Inilah kapabilitas yang selama setahun terakhir dipakai oleh para pengembang. Sekarang, kamu bisa menggunakannya langsung di browser.
@gregisenberg melakukan uji coba langsung di podcast @startupideaspod.
Dia hanya memberikan satu tugas: menemukan perusahaan yang memasang iklan pada podcast kompetitor, mengidentifikasi pihak yang benar-benar mensponsori, dan menulis email yang dipersonalisasi untuk setiap orang.
Sistem menemukan wakil presiden pertumbuhan Ramp, mengambil konten episode podcast yang dia ikuti dua minggu lalu, menulis email dingin dengan mengutip pernyataan spesifiknya dalam acara tersebut, lalu langsung mengirimkannya. Greg tidak mengatakan “kirim”. Sistem menyimpulkan tugas selesai dan mengeksekusikannya sendiri.
Setelah itu, sistem juga menyarankan secara proaktif: memantau podcast kompetitor, dan setiap kali ada merek baru yang mulai memasang iklan, segera beri pengingat plus kontak terkait—“hubungi saat anggaran baru saja dimulai”.
Pada akhirnya, workflow ini menyelesaikan riset paralel untuk 96 prospek potensial, dan menjadwalkan email tindak lanjut untuk hari ke-3 dan hari ke-7.
Di acara Marketing Against the Grain, tim menggunakan sistem ini untuk mengaudit seluruh halaman produk HubSpot: melakukan crawl otomatis seluruh situs, memberi skor dengan standar kustom, mengurutkan pertanyaan, serta menghasilkan laporan situs yang bisa dibagikan. Pekerjaan yang biasanya memakan waktu seminggu oleh tim, selesai saat rekaman acara.
Semua ini dilakukan langsung di tempat, bukan demonstrasi, dan bukan skrip yang sudah dipreset.
Di bidang keuangan, seorang analis portofolio hanya memberi satu tugas sebelum rilis laporan keuangan Nvidia.
Hasilnya adalah: sebuah dashboard interaktif real-time yang berisi pendapatan 130,5 miliar dolar, margin kotor 75%, tingkat pertumbuhan 114,2%, laporan laba rugi lengkap, serta tren margin laba yang diproyeksikan dari tahun fiskal 2021 hingga 2028, semuanya mendukung penyaringan dan tautan berbagi.
Tanpa Excel, tanpa mencari data manual, selesai dalam 5 menit.
Perplexity bisa langsung memanggil sumber data seperti SEC filing, FactSet, S&P Global, PitchBook, dll.—tidak perlu API key dan tidak perlu otorisasi tambahan, semuanya sudah terpasang di sistem.
Skenario hukum:
“Tinjau kontrak ini. Periksa satu per satu apakah semua pernyataan didukung sumber publik; tandai bagian yang bahasanya samar, kekurangan klausul standar, serta bagian yang mungkin menimbulkan tanggung jawab hukum berdasarkan hukum kontrak di [nama negara bagian] tertentu; daftarkan 5 poin risiko paling penting dan sertakan kutipan klausul yang spesifik; keluarkan sebuah dokumen Word dengan jejak revisi.”
Seorang pengulas pernah mengunggah sebuah proposal yang mengklaim pertumbuhan tahun-ke-tahun di pasar tersebut sebesar 43%. Perplexity Computer menemukan bahwa data sebenarnya hanya 4%, dan mencegah masalah itu sebelum penandatanganan.
Skenario pemasaran:
“Analisis [kompetitor 1], [kompetitor 2], [kompetitor 3] berdasarkan konten terbaik mereka dalam 30 hari terakhir; temukan format konten dan tema yang engagement-nya paling tinggi; identifikasi celah konten; buat kalender konten 30 hari berdasarkan celah tersebut, lalu simpan sebagai Google Doc.”
Jadikan ini sebagai tugas terjadwal. Setiap Senin otomatis menghasilkan analisis kompetitor terbaru, tanpa riset manual.
Skenario operasional:
“Ini data CSV Q1 kami. Silakan bersihkan data; analisis pendapatan berdasarkan wilayah dan lini produk; identifikasi tiga masalah terbesar; buat rekomendasi aksi dalam satu halaman; buat satu PPT untuk laporan; semua file disimpan ke folder proyek.”
Lima deliverable, satu instruksi. Saat kamu sedang rapat, semuanya sudah selesai.
Model Council (Dewan Model): 60 detik untuk tiga jenis penilaian
Saat kamu menghadapi keputusan yang berdampak nyata, cukup masukkan satu pertanyaan. Perplexity akan memanggil Claude, ChatGPT, dan Gemini sekaligus, lalu oleh sebuah “aggregator” merangkum konsensus dan perbedaannya.
· Bagian yang ketiganya sepakat: kesimpulan dengan tingkat keyakinan tinggi
· Bagian yang ada perbedaan: perlu penilaian lanjutan
Ada yang bertanya soal penetapan harga produk: pilih $297 atau $497. Ketiga model memberi jawaban berbeda, tetapi aggregator menemukan satu-satunya kesimpulan yang sama di antara semuanya: jangan menetapkan lebih rendah dari $297. Keputusan pun selesai sampai di situ.
Banyak perusahaan menghabiskan uang untuk meminta perusahaan konsultan mengurung para analis di ruang rapat hingga keluar kesimpulan.
Di sini, cukup satu instruksi.
Kemampuan inti yang sesungguhnya
Untuk mendapatkan nilai nyata dari Perplexity Computer, 80% bergantung pada satu hal: apakah kamu bisa mendeskripsikan “output akhir” dengan jelas.
Bukan konfigurasi teknis. Melainkan apakah kamu cukup jelas tentang apa yang harus kamu serahkan. Jangan mendeskripsikan langkah-langkah; deskripsikan hasilnya.
Setiap kali tugas selesai, ingat untuk bertanya lagi: “Apakah ada bagian yang belum aku tanyakan, tapi bisa membuat hasil ini lebih berguna?”
Hampir setiap kali, dia menunjuk blind spot. Dan setiap kali digunakan.
Buka Perplexity (versi pro $20/bulan). Masuk ke halaman Computer, klik connectors, lalu sambungkan dulu Gmail dan Google Drive.
Masukkan tiga kalimat latar belakang kamu (cukup sekali). Unggah 2–3 contoh pekerjaan terbaikmu agar sistem mempelajari gaya kamu. Lalu pilih satu tugas yang kamu kerjakan lebih dari 2 jam minggu lalu, dan setiap output-nya serupa: deskripsikan dengan cara “deliverable akhir”, lalu kirim. Amati proses eksekusinya. Jika ini tugas yang berulang, sebelum menutup halaman, set agar berjalan otomatis.
Para pengembang sudah memakai set ini selama satu tahun. Jarak output mereka dengan orang lain benar-benar nyata.
Inilah cara untuk memperkecil kesenjangan.
[tautan artikel asli]
Klik untuk mengetahui posisi yang tersedia di律动BlockBeats
Selamat bergabung dengan komunitas resmi律动 BlockBeats:
Grup langganan Telegram: https://t.me/theblockbeats
Grup Telegram: https://t.me/BlockBeats_App
Akun Twitter resmi: https://twitter.com/BlockBeatsAsia