Sebagai pemilik UMKM yang juga mengelola operasional sehari-hari, saya cukup sering terjebak dalam siklus kerja yang melelahkan. Pagi mengurus konten, siang membalas chat pelanggan, malam menyiapkan bahan evaluasi.
Ketika Artificial Intelligence (AI) mulai populer, saya—seperti banyak pemilik UMKM lainnya—langsung mencoba memanfaatkannya untuk berbagai pekerjaan. Hari ini menggunakan ChatGPT untuk membuat caption, besok AI membantu menyiapkan draft balasan WhatsApp, lalu lusa dipakai untuk mencari ide follow-up.
Cara ini memang membantu. Namun lama-kelamaan saya merasa prosesnya masih belum benar-benar efisien karena banyak pekerjaan tetap harus dilakukan secara manual: menyalin teks, memindahkan informasi, membuka beberapa tools, lalu mengulang langkah yang hampir sama.
Dari pengalaman menguji berbagai tools digital marketing, saya mulai memahami bahwa efisiensi tidak hanya datang dari memakai AI satu per satu. Nilainya justru mulai terasa ketika beberapa tugas yang berulang dapat disusun menjadi satu alur kerja yang lebih terhubung.
Di sinilah saya mulai melihat pentingnya membangun Workflow AI untuk UMKM—tanpa harus selalu memulai dari coding atau sistem automation yang rumit.
Tujuannya bukan membuat bisnis berjalan 100% otomatis tanpa pengawasan manusia. Saya justru ingin pekerjaan mekanis yang berulang bisa dibantu sistem, sementara manusia tetap memegang keputusan, pengecekan, dan tanggung jawab akhir.
Dengan workflow yang sederhana dan terukur, waktu serta energi tim bisa dialihkan ke pekerjaan yang lebih penting: memahami pelanggan, mengevaluasi hasil, dan mengambil keputusan bisnis.
Namun sebelum menghubungkan tools atau memikirkan automation, saya selalu kembali ke satu pertanyaan dasar: pekerjaan berulang apa yang paling banyak menyita waktu tetapi tetap mengikuti pola yang sama? Dari situlah workflow sebaiknya mulai dibangun.
1. Pilih Satu Pekerjaan Berulang yang Paling Menyita Waktu
Saya tidak menyarankan memulai dari pertanyaan, “Tools automation apa yang sebaiknya saya gunakan?”
Mulailah dari pekerjaan yang memang berulang dan cukup menyita waktu.
Contohnya:
- merangkum pertanyaan pelanggan;
- menyiapkan draft respons customer service;
- mengelompokkan prospek;
- menyusun bahan follow up;
- membuat ringkasan laporan;
- atau mengubah satu data menjadi format kerja lain.
Pilih satu proses terlebih dahulu. Jangan mencoba mengotomatisasi seluruh bisnis sekaligus.
Contoh lain yang bisa dimulai sebagai workflow kecil adalah workflow supplier dan restock: quotation dirapikan, data supplier dibandingkan, data penjualan dibaca, lalu produk yang perlu diperiksa sebelum purchase ditandai untuk human review.
Saya lebih memilih workflow kecil yang benar-benar bekerja daripada sistem besar yang terlihat canggih tetapi sulit digunakan tim.
2. Petakan Proses Manual dari Awal sampai Selesai
Sebelum melibatkan AI, tuliskan bagaimana pekerjaan tersebut dilakukan sekarang.
Misalnya proses menyiapkan respons customer service:
Chat masuk → baca konteks → cari informasi produk → susun jawaban → periksa → kirim → catat hasil.
Dari pemetaan sederhana seperti ini, kita mulai melihat bagian mana yang membutuhkan waktu, bagian mana yang berulang, dan bagian mana yang sebenarnya membutuhkan keputusan manusia.
Jika proses manualnya sendiri belum jelas, automation biasanya hanya membuat ketidakjelasan tersebut berjalan lebih cepat.
Prompt 1: Memetakan Workflow Manual
Saya ingin memetakan satu pekerjaan berulang di bisnis saya sebelum mempertimbangkan penggunaan AI atau automation.
Pekerjaan:
[isi]
Cara kerja saat ini:
[jelaskan langkah yang biasa dilakukan dari awal sampai selesai]
Tim yang terlibat:
[isi]
Masalah yang sering terjadi:
[isi]
Tugas:
Susun proses tersebut menjadi:
1. Trigger atau pemicu;
2. Input yang dibutuhkan;
3. Langkah kerja;
4. Decision point;
5. Output;
6. Human review;
7. Hasil akhir.
Setelah itu, tandai bagian yang repetitif, bagian yang membutuhkan pencarian informasi, dan bagian yang membutuhkan keputusan manusia.
Batasan:
Jangan mengusulkan automation baru jika proses yang saya jelaskan belum cukup jelas. Jangan menghilangkan langkah manusia yang berkaitan dengan keputusan, otorisasi, atau pengecekan penting.
3. Tentukan Input dan Source of Truth
Workflow AI hanya akan bekerja sebaik informasi yang digunakan di dalamnya.
Jika satu proses membutuhkan harga produk, misalnya, workflow harus tahu dari mana harga resmi tersebut diambil. Jangan sampai AI mengambil angka dari chat lama sementara price list sudah berubah.
Karena itu, sebelum workflow berjalan, tentukan:
- data apa yang dibutuhkan;
- dari mana data tersebut berasal;
- mana versi yang aktif;
- siapa yang bertanggung jawab memperbaruinya;
- dan apa yang harus dilakukan jika data tidak tersedia.
Prinsip ini berkaitan langsung dengan knowledge base UMKM. Workflow membutuhkan sumber informasi yang dapat dipercaya sebelum AI digunakan untuk memprosesnya.
4. Tentukan Bagian yang Layak Dibantu AI
Tidak semua langkah perlu diotomatisasi.
Saya biasanya memisahkan pekerjaan menjadi tiga kategori:
- Mekanis: merangkum, mengelompokkan, memformat, atau memindahkan informasi.
- Analitis: membantu menemukan pola atau menyusun beberapa opsi.
- Keputusan: memilih tindakan yang berdampak pada pelanggan, uang, kebijakan, atau risiko bisnis.
Bagian pertama biasanya paling mudah dibantu sistem.
Bagian kedua bisa dibantu AI tetapi tetap membutuhkan pemeriksaan.
Bagian ketiga umumnya tetap berada pada manusia.
Prompt 2: Audit Peluang Automation
Saya ingin mengevaluasi workflow berikut untuk menentukan bagian mana yang layak dibantu AI.
Workflow:
[tempel hasil pemetaan proses]
Tugas:
Untuk setiap langkah, klasifikasikan sebagai:
1. Cocok dibantu AI;
2. Bisa dibantu AI tetapi membutuhkan human review;
3. Sebaiknya tetap dilakukan manusia.
Jelaskan alasannya berdasarkan karakter pekerjaannya.
Periksa juga apakah terdapat pekerjaan yang:
- terlalu repetitif;
- membutuhkan pencarian informasi berulang;
- memiliki format yang konsisten;
- berisiko jika AI mengambil keputusan sendiri;
- atau membutuhkan otorisasi manusia.
Batasan:
Jangan menyarankan AI mengambil keputusan finansial, kebijakan, kompensasi, persetujuan, atau tindakan sensitif tanpa otorisasi manusia.
Prompt yang jelas dan memiliki konteks cukup juga membantu model memahami tugas serta batasnya dengan lebih baik. OpenAI sendiri merekomendasikan instruksi yang spesifik dan proses penyempurnaan secara iteratif, bukan mengandalkan satu prompt tanpa evaluasi. 0
5. Buat Decision Rule dan Human Handoff yang Jelas
Workflow yang baik harus mengetahui kapan sistem boleh melanjutkan dan kapan manusia harus mengambil alih.
Contohnya:
Jika informasi lengkap → AI membuat draft.
Jika data tidak tersedia → tandai untuk diperiksa manusia.
Jika pelanggan meminta refund → eskalasi ke PIC.
Jika draft sudah diperiksa → lanjutkan ke langkah berikutnya.
Aturan seperti ini membantu mencegah workflow membuat keputusan berdasarkan asumsi.
Untuk proses customer service, batas kewenangan seperti ini juga sebaiknya sudah tertulis dalam SOP customer service.
Saya selalu menganggap human handoff sebagai bagian workflow, bukan sebagai tanda bahwa automation gagal.
Sistem yang mengetahui batasnya justru lebih aman daripada sistem yang berusaha menangani semuanya.
6. Uji Workflow dengan Kasus Nyata Sebelum Digunakan Penuh
Saya tidak langsung menjalankan workflow baru ke seluruh proses bisnis.
Lebih aman mengujinya dengan beberapa jenis kasus:
- normal case — data lengkap dan proses berjalan sesuai rencana;
- incomplete case — ada informasi yang belum tersedia;
- exception case — terjadi situasi di luar alur normal;
- handoff case — keputusan harus diambil manusia.
Dari pengujian tersebut biasanya terlihat apakah ada langkah yang hilang, aturan yang ambigu, atau workflow yang terlalu cepat mengambil tindakan.
Prompt 3: Uji Workflow dan Failure Case
Saya ingin menguji workflow AI berikut sebelum digunakan dalam operasional.
Workflow:
[tempel workflow]
Tujuan:
[isi]
Source of truth:
[isi]
Human handoff:
[isi]
Tugas:
Buat skenario pengujian untuk:
1. kasus normal;
2. data tidak lengkap;
3. informasi yang saling bertentangan;
4. output AI yang tidak sesuai;
5. kondisi yang membutuhkan keputusan manusia.
Untuk setiap skenario, periksa:
- apakah workflow mengetahui langkah berikutnya;
- apakah ada risiko AI menebak informasi;
- apakah decision rule sudah jelas;
- apakah human handoff terjadi pada titik yang tepat;
- bagian mana yang masih perlu diperbaiki.
Batasan:
Jangan memperbaiki gap dengan membuat aturan bisnis baru. Tandai bagian yang membutuhkan keputusan manusia.
7. Ukur Hasil dan Perbaiki Workflow Secara Bertahap
Setelah workflow mulai digunakan, saya tidak langsung menilai keberhasilannya dari seberapa banyak langkah yang berhasil diotomatisasi.
Saya lebih tertarik pada beberapa pertanyaan sederhana:
- Apakah waktu kerja berkurang?
- Apakah pekerjaan berulang menjadi lebih konsisten?
- Apakah kesalahan berkurang atau justru bertambah?
- Apakah tim lebih mudah bekerja?
- Apakah human review masih terjadi pada titik yang tepat?
Tidak semua workflow harus menghemat waktu secara dramatis.
Kalau sistem membuat proses lebih mudah diperiksa, mengurangi pekerjaan copy-paste, atau membantu tim menggunakan informasi yang sama, itu pun sudah memiliki nilai.
Jika workflow belum stabil, perbaiki satu bagian terlebih dahulu. Jangan menambahkan automation baru hanya karena tools memungkinkan kita melakukannya.
Contoh Workflow AI yang Sederhana
Misalnya sebuah UMKM sering menerima pertanyaan produk melalui WhatsApp.
Workflow sederhana bisa dibuat seperti ini:
Chat masuk
↓
Ambil konteks yang relevan
↓
Cocokkan dengan knowledge base
↓
AI membuat draft respons
↓
Manusia memeriksa fakta dan tone
↓
Respons dikirim
↓
Hasil percakapan dicatat
Workflow ini belum harus menggunakan software automation yang kompleks.
Pada tahap awal, beberapa langkah bahkan masih bisa dilakukan manual. Yang penting adalah alurnya sudah jelas dan dapat diuji.
Setelah workflow terbukti stabil, barulah kita mempertimbangkan apakah sebagian perpindahan data atau trigger memang layak diotomatisasi lebih jauh.
Contoh lain yang dekat dengan operasional UMKM adalah pencatatan pesanan. Pesanan baru mungkin masuk melalui spreadsheet, sementara tim membutuhkan data yang sama di tempat kerja lain. Jika setiap baris harus disalin secara manual, ada risiko pesanan terlewat atau tercatat lebih dari sekali.
Dalam contoh berikut, Google Sheets digunakan untuk mencatat pesanan baru, Make untuk menghubungkan alur, dan Airtable sebagai sumber data resmi. Sebelum data disimpan, sistem memeriksa ID pesanan dan kolom yang wajib terisi. Data yang lengkap dapat diteruskan, sedangkan data yang kurang jelas atau berkaitan dengan refund dialihkan kepada penanggung jawab untuk diperiksa.
Diagram ini menunjukkan bahwa sinkronisasi data terstruktur tidak selalu membutuhkan AI. Aturan no-code sudah cukup untuk memindahkan data yang memenuhi syarat. AI bisa digunakan secara terbatas untuk membantu merapikan catatan teks, tetapi keputusan yang berdampak pada uang atau pelanggan tetap memerlukan pemeriksaan manusia.
Contoh ini juga sengaja tidak menempatkan AI pada setiap tahap. Sebelum AI ditambahkan, fondasi workflow sebaiknya sudah jelas terlebih dahulu: ID konsisten, sumber data resmi ditentukan, data yang belum lengkap tidak langsung diproses, konflik tidak ditimpa otomatis, dan status berhasil hanya diberikan setelah data benar-benar tersimpan.
Contoh alur: sinkronisasi data pesanan UMKM
Google Sheets → Make → Airtable · satu arah · order_id tetap · Airtable = data resmi
Data lengkap dan sesuai → Airtable Bulk Upsert dengan kunci order_id. Pastikan ID unik di master.
Coba simulasi
Cara Menggunakan Simulasi
Widget di atas tidak terhubung langsung ke Google Sheets, Make, atau Airtable. Gunakan simulasi ini untuk melihat bagaimana workflow memberikan respons berbeda sesuai kondisi data yang masuk.
- Buka setiap tahap workflow. Klik Input, Pemicu, Validasi, dan Hasil untuk memahami fungsi masing-masing tahap.
- Pilih skenario. Coba data lengkap, order_id yang sama dengan rincian berbeda, kolom wajib kosong, atau kegagalan koneksi.
- Klik “Jalankan simulasi”. Empat tahap akan diproses secara berurutan.
- Perhatikan indikator. Tanda centang menunjukkan tahap dapat dilanjutkan, tanda seru menunjukkan kondisi yang perlu diperiksa, sedangkan tanda silang menandakan proses gagal.
- Bandingkan Jalur A dan Jalur B. Jalur A digunakan ketika data dapat dilanjutkan ke sinkronisasi. Jalur B menunjukkan kondisi ketika penulisan sebaiknya ditahan untuk pemeriksaan PIC.
- Coba skenario kegagalan. Pilih “Koneksi atau penulisan gagal”, jalankan simulasi, lalu gunakan tombol “Coba ulang” untuk melihat proses setelah gangguan dianggap pulih.
Yang perlu diperhatikan bukan apakah semua tahap selalu menghasilkan tanda centang. Workflow yang baik justru harus mengetahui kapan proses dapat dilanjutkan, kapan harus berhenti, dan kapan manusia perlu mengambil alih.
Prinsip yang sama dapat diterapkan pada workflow lain, seperti pencatatan lead, pembaruan stok, administrasi pesanan, atau customer service. Tools yang digunakan dapat berbeda, tetapi logikanya tetap sama: tentukan sumber informasi, aturan keputusan, hasil yang diharapkan, dan titik pemeriksaan manusia.
Workflow AI Tidak Harus Langsung Menjadi AI Agent
Ada perbedaan antara memiliki workflow dan memberikan sistem tingkat kemandirian yang lebih besar.
Pada workflow sederhana, kita sudah menentukan alur, sumber informasi, aturan keputusan, dan titik human review.
Fondasi seperti inilah yang menurut saya perlu dibangun terlebih dahulu sebelum membicarakan sistem yang lebih kompleks seperti AI Agent.
Jika workflow dasarnya sendiri belum stabil, memberikan lebih banyak otonomi kepada AI justru dapat memperbesar kesalahan.
Pertanyaan yang Sering Diajukan
Apakah workflow AI harus menggunakan coding?
Tidak selalu. UMKM dapat memulai dengan memetakan proses, menggunakan AI secara manual, spreadsheet, dokumen, atau tools no-code yang sesuai kebutuhan. Coding baru diperlukan jika implementasinya memang membutuhkan integrasi yang lebih khusus.
Pekerjaan apa yang paling cocok dibuat workflow AI?
Mulailah dari pekerjaan yang berulang, memiliki pola cukup jelas, menggunakan input yang konsisten, dan tidak membutuhkan keputusan sensitif pada setiap langkah.
Kapan workflow harus berhenti dan dialihkan ke manusia?
Ketika informasi tidak cukup, terdapat konflik data, keputusan membutuhkan otorisasi, risiko bisnisnya tinggi, atau situasinya memerlukan pertimbangan, negosiasi, dan empati manusia.
Automation yang Baik Dimulai dari Proses yang Jelas
Dulu saya mengira menggunakan banyak tools AI otomatis membuat pekerjaan menjadi lebih efisien.
Setelah mencobanya sendiri, saya justru melihat bahwa tools yang berdiri sendiri masih bisa menyisakan banyak pekerjaan manual.
Perubahannya mulai terasa ketika saya berhenti memikirkan AI sebagai kumpulan aplikasi dan mulai melihat pekerjaan sebagai sebuah alur.
Dari situ kita bisa menentukan bagian mana yang berulang, informasi apa yang dibutuhkan, apa yang boleh dibantu AI, dan kapan manusia harus mengambil alih.
Bagi saya, itulah inti workflow AI untuk UMKM.
Bukan mengotomatisasi sebanyak mungkin pekerjaan, tetapi mengurangi pekerjaan mekanis tanpa kehilangan kendali.
Kalau Anda melihat aktivitas bisnis sehari-hari, pekerjaan apa yang paling sering membuat Anda atau tim berkata, “Ini kok harus dikerjakan lagi dari awal?”
Ceritakan di kolom komentar. Bisa jadi pekerjaan kecil yang terus berulang itulah kandidat pertama untuk workflow AI yang benar-benar berguna.