Mereka Baru Saja Mengungkap Proses Internal Menjadi AI FDE
AAI LABS
Computing/SoftwareManagementJob Search
Transcript
00:00:00jika Anda adalah seseorang yang tahu cara menggunakan AI, ada peluang besar di depan Anda saat ini dan
00:00:04menariknya, meskipun ini adalah salah satu peran yang paling dibutuhkan perusahaan, mereka hampir tidak bisa menemukan
00:00:09siapa pun yang bisa melakukannya, peluang itu adalah peran yang disebut forward deployed engineer atau fde dan
00:00:14bukan berarti pekerjaannya sulit dipelajari, hanya saja orang-orang tidak tahu peran ini ada di
00:00:19tempat pertama dan selama sebulan terakhir peran ini telah menjadi begitu penting sehingga orang-orang yang menjalankan
00:00:24tim-tim ini di openai, anthropic, dan cursor semuanya telah tampil dan memberikan ceramah tentang hal itu dan Anda tidak
00:00:29biasanya mendengarkan hal ini karena mereka membahas proyek nyata di dalam bisnis
00:00:33nyata, jadi kami telah meninjau semuanya dan menarik bagian-bagian yang benar-benar dapat Anda gunakan sekarang jika
00:00:38Anda baru di saluran ini, selamat datang, kami adalah perusahaan perangkat lunak dan ini adalah ai labs tempat kami menunjukkan
00:00:43kepada Anda cara mengoptimalkan bisnis dengan ai menggunakan metode yang terbukti dari tim kami sendiri dan dalam video ini kami
00:00:48akan membahas apa itu fde, bagaimana perusahaan besar benar-benar melakukan pekerjaan ini, dan bagaimana Anda dapat mulai melakukannya
00:00:53sendiri, tetapi sebelum kita membahas apa pun, mari kita mulai dengan mendefinisikan apa sebenarnya fde itu
00:00:58forward deployed engineer atau disingkat fde, pada dasarnya adalah seseorang yang seluruh pekerjaannya adalah membuat
00:01:03bisnis benar-benar menggunakan ai, dan itu tidak berarti masuk dan memberi nasihat kepada mereka atau menyerahkan beberapa
00:01:09dokumen strategi, itu berarti menjalankan ai di dalam sistem yang sudah mereka gunakan sehingga pekerjaan
00:01:14yang tadinya dilakukan orang secara manual bisa diselesaikan oleh ai sebagai gantinya, tidak peduli apa jenis prosesnya
00:01:20ada tiga hal yang bekerja di dalamnya, entah itu manusia yang melakukan tugas tersebut atau perangkat lunak yang
00:01:25mengikuti aturan ketat untuk melakukan tugas tersebut atau itu adalah ai, dan seorang fde adalah seseorang yang benar-benar tahu mana dari
00:01:30ketiga hal tersebut yang harus menangani tugas dalam proses, sebagai contoh, sebuah perusahaan menempatkan agen pada permintaan pengembalian dana
00:01:36mereka dan di atas kertas itu berhasil, agen itu membaca setiap permintaan, mencocokkannya dengan kebijakan pengembalian dana, dan menolak
00:01:41yang tidak memenuhi syarat, tetapi beberapa minggu kemudian perusahaan mulai kehilangan pelanggan yang telah bersama mereka selama
00:01:46bertahun-tahun dan tidak ada yang tahu alasannya karena setiap pengembalian dana yang ditolak agen adalah yang dikatakan oleh kebijakan untuk
00:01:52ditolak, jadi fde pergi dan duduk bersama orang yang biasa melakukan pekerjaan itu dan ternyata mereka memiliki langkah
00:01:57mereka sendiri yang tidak didokumentasikan, mereka memeriksa bagaimana pesanan telah dibayar dan jika pembelian
00:02:02dilakukan dengan kartu perusahaan, mereka akan langsung menyetujuinya tanpa membaca lebih lanjut karena itu berasal
00:02:06dari bisnis yang membeli setiap bulan dan mempermasalahkan satu pengembalian dana akan merugikan akun Anda, kebijakannya
00:02:11tidak mengatakan apa-apa tentang itu, mereka telah menyelesaikannya sendiri bertahun-tahun yang lalu sehingga pemeriksaan itu masuk ke dalam
00:02:16alur kerja sebagai aturan tetap sebelum apa pun yang diputuskan oleh model, sekarang ketika Anda bekerja dengan orang-orang ada
00:02:22masalah, kebanyakan dari mereka tidak dapat memberitahu Anda apa yang mereka butuhkan, mereka akan menjelaskan sesuatu yang telah mereka bayangkan
00:02:26alih-alih masalah yang sebenarnya mereka hadapi dan itulah masalah terbesar membuat bisnis
00:02:31mengadopsi ai, inilah alasannya: orang-orang yang benar-benar melakukan pekerjaan itu selalu hanya perlu menyelesaikan pekerjaan mereka, mereka
00:02:36hanya ingin agar hasilnya keluar dengan semudah mungkin, mereka tidak melihat proses itu sendiri sehingga
00:02:41sangat sulit untuk membangun sesuatu yang akan mereka adopsi dan itulah tepatnya di mana sebagian besar bisnis berada saat
00:02:46ini, sejak ai menjadi populer mereka telah menambahkannya ke dalam segala hal yang mereka lakukan tanpa benar-benar tahu
00:02:51apakah mereka bahkan membutuhkannya sejak awal, jadi itulah mengapa semua orang tiba-tiba mempekerjakan seseorang yang dapat
00:02:55membereskan hal ini untuk mereka, lowongan pekerjaan untuk peran ini naik 729 persen dalam setahun, aws menggelontorkan satu miliar
00:03:02dolar untuk membangun seluruh departemen yang terdiri dari forward deployed engineer dan tim fde openai sendiri berkembang
00:03:08dari dua orang pada bulan Januari menjadi 39 dan semua itu terjadi dengan sangat cepat karena tiga tahun lalu pada dasarnya
00:03:13hampir tidak ada yang membutuhkan fde dan sekarang ada lebih dari seratus perusahaan rintisan yang merekrut untuk peran itu di dalam y combinator
00:03:19saja, tempat di mana banyak perusahaan rintisan terbesar saat ini bermula, colin jarvis menjalankan tim
00:03:24forward deployed di openai dan dia mengatakan bahwa tidak banyak fde di luar sana, jadi permintaannya melonjak
00:03:29sebelum orang-orangnya ada, sebelum kita membahas lebih dalam tentang peran ini, alangkah baiknya jika Anda berlangganan
00:03:34saluran ini dan menekan tombol suka, sedikit gestur dukungan ini sangat berarti bagi kami, jadi permintaannya ada
00:03:40tetapi itu tetap tidak menjelaskan mengapa fde harus menjadi pekerjaan yang terpisah karena alatnya bukanlah
00:03:45bagian yang sulit, siapa pun dapat mendaftar untuk menggunakannya dan sebagian besar bisnis sudah memilikinya, tahun lalu mit melakukan studi
00:03:51tentang hal ini, mereka melihat 300 proyek ai dan mensurvei ratusan orang di dalam perusahaan
00:03:56yang menjalankannya dan mereka menemukan bahwa 95 persen dari proyek tersebut tidak menghasilkan pengembalian yang terukur sama sekali dan kesimpulan mit
00:04:03sendiri adalah bahwa perusahaan-perusahaan itu sendiri yang menyebabkan kegagalan bukan modelnya, mereka yang tidak mendapatkan
00:04:08apa-apa menggunakan alat generik yang terlihat bagus dalam demo dan hancur berantakan saat digunakan pada
00:04:13pekerjaan nyata dan tidak ada yang mereka bangun di sekitar alat tersebut yang pernah mempelajari bagaimana bisnis mereka benar-benar berjalan, sekarang
00:04:18vasuman moza melakukan pekerjaan semacam ini untuk mencari nafkah, dia adalah seorang insinyur di meta dan sekarang perusahaannya membuat ai
00:04:24bekerja di dalam perusahaan besar pada dasarnya dia adalah seorang fde sehingga dia telah mengamati banyak dari proyek ini salah
00:04:30dari dekat dan dia mengatakan ai hanya ditempelkan di atas proses yang rusak karena tidak seorang pun benar-benar melihat
00:04:36prosesnya terlebih dahulu, satu eksekutif yang dia ajak bicara menghabiskan anggaran 10 juta dolar dalam tiga bulan
00:04:41padahal itu dimaksudkan untuk bertahan selama setahun, perusahaannya telah menyerahkan alat-alat itu kepada semua orang dan membiarkan mereka
00:04:46begitu saja sehingga semua orang membuat apa pun yang mereka inginkan, uangnya habis dan tidak ada satu pun yang membuat bisnis menjadi lebih baik
00:04:51dalam hal apa pun yang sudah dilakukannya dan alasan mengapa pekerjaan itu harus menjadi seluruh pekerjaan seseorang adalah
00:04:56bahwa tidak seorang pun di dalam bisnis yang akan melakukannya, para insinyur memiliki pekerjaan mereka sendiri untuk diselesaikan
00:05:00dan orang-orang yang menjalankan proses telah melakukannya begitu lama sehingga solusi sementara di dalamnya terlihat
00:05:05sangat normal bagi mereka, dan palantir kehilangan waktu satu tahun penuh karena salah satu solusi sementara tersebut, sebuah perpindahan
00:05:10ke format file baru macet karena seorang insinyur terus mengatakan bahwa format baru itu lebih buruk dan tidak ada yang
00:05:15bisa mencari tahu alasannya sampai seseorang benar-benar mengamati pekerjaannya, ternyata dia telah memeriksa data
00:05:20dengan mengeklik dua kali file tersebut untuk membukanya dan format baru itu tidak memiliki apa pun yang dapat Anda klik dua kali sehingga tim membangunkan
00:05:26sesuatu untuknya malam itu yang memungkinkannya membuka file baru dengan cara yang sama dan dia menyetujui kepindahan itu dua hari kemudian
00:05:31jadi itulah mengapa ada baiknya memiliki seseorang yang seluruh pekerjaannya adalah membereskan semua itu sebelum ada
00:05:36yang dibangun karena alternatifnya adalah pemborosan biaya dan upaya Anda, banyak perusahaan besar seperti
00:05:42anthropic dan openai baru-baru ini memberikan ceramah tentang bagaimana mereka menangani seluruh proses ini secara internal
00:05:47kami menyusun ceramah terbaik tersebut dan ketika kami menganalisisnya, kami menemukan bahwa pola yang sama terus muncul
00:05:52di setiap alur kerja, langkah pertama adalah memilih proses yang benar-benar membebani biaya bisnis
00:05:57dan dengan ai itu pada dasarnya berarti volume, jadi Anda mencari orang yang menangani
00:06:02jenis pesan yang sama 50 kali sehari karena mengotomatiskan satu pesan tidak menyelamatkan siapa pun tetapi mengotomatiskan
00:06:08pesan yang perlu dikirim seribu kali seminggu adalah tempat di mana bisnis benar-benar menjadi lebih
00:06:13produktif dan menghasilkan lebih banyak dan pekerjaan itu mudah ditemukan sekarang karena bisnis sudah memiliki seluruh masa lalunya di
00:06:19riwayat dukungan mereka, Anda menyerahkannya ke model dan model itu memberitahu Anda di mana volumenya, tim openai melakukan
00:06:24hal itu persis di salah satu bank terbesar di dunia, mereka mengejar satu pekerjaan yang dilakukan oleh ribuan
00:06:29penasihat setiap hari dan sekitar 98 persen dari mereka akhirnya menggunakan apa yang mereka bangun, langkah kedua adalah membangun
00:06:35di atas apa pun yang sudah dijalankan bisnis dan dengan ai hal itu jauh lebih penting daripada sebelumnya
00:06:40karena agen hanya bernilai sejauh apa yang dapat dijangkaunya, jadi jika sebuah tim sudah menyimpan semua pekerjaan mereka di notion, Anda
00:06:45tidak membangunkan mereka sistem terpisah dan memindahkan semuanya hanya agar agen dapat membacanya dengan lebih mudah
00:06:50Anda menghubungkan agen ke notion mereka dengan mcp dan semua orang terus bekerja seperti biasa
00:06:56itulah cara kebanyakan dari mereka bekerja karena mereka tidak ingin melepaskan sistem yang telah mereka curahkan banyak waktu dan uang ke dalamnya
00:07:00salah satu klien moza telah menghabiskan lima juta dolar dan lima tahun untuk masuk ke sistem keuangan mereka
00:07:05sehingga memindahkan mereka dari sistem itu tidak akan pernah terjadi, seluruh pekerjaannya adalah membuat
00:07:10segala sesuatu yang lain dalam bisnis itu berbicara dengannya, langkah ketiga adalah tidak mengubah cara orang bekerja lebih
00:07:16dari yang harus Anda lakukan, jika seseorang telah menjalankan proses 11 langkah selama bertahun-tahun dan Anda memberi mereka versi satu langkah
00:07:21mereka berhenti menggunakannya, mereka biasa memeriksa pekerjaan saat mereka berjalan dan sekarang bagian tengahnya hilang dan
00:07:26mereka diminta untuk mempercayai jawaban yang baru saja muncul, jadi moza mengatakan Anda harus membiarkan prosesnya
00:07:31terlihat seperti yang sudah dikenal orang, Anda membiarkan agen melakukan pekerjaan di dalam setiap langkah tetapi Anda tetap menjaga
00:07:35langkah-langkah tersebut ada di sana sehingga orang-orang masih dapat memiliki sesuatu yang dapat mereka lihat yang akan memberi tahu mereka bahwa jawabannya
00:07:40benar, dan langkah terakhir adalah menganggarkan waktu yang jauh lebih banyak untuk kepercayaan daripada untuk pembangunan, di bank yang sama
00:07:45openai masuk dan sisi teknis selesai dalam enam hingga delapan minggu dan kemudian butuh waktu empat bulan lagi
00:07:50untuk percontohan dan pengujian sebelum para penasihat benar-benar mengandalkannya karena jika Anda melakukan
00:07:55sesuatu setiap hari dengan cara yang sama seperti yang Anda lakukan selama tahun lalu maka setiap perubahan pada proses itu harus
00:08:00mendapatkan jalannya sendiri apakah Anda menyerahkannya kepada 5.000 orang atau kepada 5 orang, tetapi sebelum kita melangkah maju
00:08:05mari kita dengar sepatah kata dari sponsor kita dex ai, agen talenta untuk insinyur perangkat lunak, Anda tidak kekurangan
00:08:10peluang, Anda kekurangan peluang yang tepat, peran terbaik tidak pernah diposting, mereka pergi kepada siapa pun yang
00:08:15berada di jaringan, dex memperbaikinya, ini bekerja sepenuhnya atas nama Anda, bukan papan kerja, bukan perekrut, ini adalah
00:08:20orang dalam yang memasukkan Anda ke dalam ruangan, jadi saya mencobanya, Anda memberi tahu dex sekali tentang apa yang Anda lakukan dan inginkan, jujur
00:08:25percakapan itu menjual saya, percakapan itu menanyakan pertanyaan yang tepat dan memahami apa yang Anda cari lalu melakukan pekerjaan itu, tidak ada
00:08:30lamaran, tidak ada penyaringan perekrut, dex kembali dengan daftar singkat peran terpilih dari perusahaan rintisan seperti
00:08:36linear dan atio dengan rata-rata lebih dari 150.000, setiap peran dipilih sendiri untuk kesesuaian, tidak pernah disaring oleh bot, Anda mendapatkan
00:08:43jalur langsung ke tim rekrutmen dengan gaji di awal. Rata-rata rujukan ke penawaran adalah 29 hari berbanding 55 di
00:08:49situs lowongan kerja. Ini gratis untuk para insinyur, jadi berhentilah melamar dan mulailah mendapatkan rujukan. Temui dex di tautan yang ada di
00:08:55komentar yang disematkan. Jadi itulah cara perusahaan besar memasukkan AI ke dalam bisnis. Sekarang, jika Anda benar-benar ingin menjalankan
00:09:00ini sendiri, peta jalannya ada lima langkah dan langkah pertama terjadi sebelum Anda membangun apa pun. Pertama, Anda harus
00:09:06mengamati bagaimana sebuah pekerjaan benar-benar dilakukan dan mencatat setiap langkahnya sesuai urutan saat hal itu benar-benar
00:09:11terjadi. Kemudian Anda harus bertanya mengapa setiap langkah tersebut dilakukan dengan cara itu, dan jika tidak ada yang dapat
00:09:16memberi Anda alasan konkret, itu biasanya merupakan solusi sementara yang dibuat bertahun-tahun lalu yang tidak pernah dipertanyakan
00:09:21lagi sejak saat itu. Kedua, Anda harus memutuskan bagian mana dari proses itu yang benar-benar harus menjadi AI dan bagian mana
00:09:26yang tidak seharusnya. Karena jika Anda menyerahkan semuanya kepada model, itulah persisnya cara Anda berakhir dalam 95 persen
00:09:32proyek AI yang tidak pernah menghasilkan apa pun. Jadi, Anda perlu menjalankan setiap langkah yang Anda catat melalui tiga
00:09:38saringan. Yang pertama adalah apakah langkah tersebut mengikuti aturan tetap dan harus diselesaikan dengan benar setiap saat,
00:09:43dan jika ya, langkah itu tetap menjadi perangkat lunak biasa dan tidak perlu diotomatisasi dengan AI. Yang
00:09:48kedua adalah apakah seseorang harus membaca sesuatu yang rumit dan membuat penilaian mengenainya, karena itulah
00:09:53bagian yang sebenarnya diperuntukkan bagi model. Dan yang ketiga adalah berapa biayanya jika terjadi kesalahan, karena jika
00:09:58melakukan kesalahan itu mahal, langkah tersebut tetap ditangani oleh manusia meskipun sebuah model dapat melakukannya. Setelah Anda melakukan
00:10:03itu, Anda hampir tidak akan pernah menemukan bahwa seluruh proses harus dijalankan oleh AI. Beberapa langkah tetap sebagai perangkat lunak,
00:10:08beberapa diserahkan ke model, dan beberapa tetap ditangani manusia. Dalam contoh Moza tentang proses delapan langkah, empat dari
00:10:14langkah tersebut akhirnya berjalan sendiri, tiga langkah lainnya berjalan dengan seseorang memeriksa hasilnya sebelum dikirim
00:10:19ke mana pun, dan langkah terakhir tetap sepenuhnya dikerjakan manusia. Alasan langkah itu sepenuhnya dikerjakan manusia adalah karena
00:10:24itu adalah keputusan bisnis yang belum dapat dilakukan oleh AI; entah biaya jika terjadi kesalahan terlalu tinggi untuk diserahkan,
00:10:29atau langkah tersebut jarang terjadi sehingga model tidak sebanding dengan kerumitannya. Ketiga, Anda harus
00:10:34mempersiapkan diri terhadap berbagai cara sistem dapat gagal, dan bukan hanya untuk skenario di mana semuanya berjalan lancar. Moza mengatakan
00:10:39bahwa ketika hanya ada satu cara sesuatu dapat berjalan benar, ada seribu cara pula hal itu bisa salah.
00:10:44Jadi, jika Anda hanya merancang untuk cara yang benar, apa yang Anda bangun tidak ada nilainya sama sekali. Terkait AI, hal itu
00:10:50sebagian besar berarti menangani bagian-bagian di mana model merasa tidak yakin, karena model akan tetap memberikan jawaban
00:10:55bagaimanapun caranya, bahkan ketika ia sama sekali tidak tahu. Keempat, Anda harus memastikan sistem benar-benar berfungsi sebelum Anda membiarkannya
00:11:00mendekati hal yang nyata. Sekarang, sebuah model memberikan jawaban yang sedikit berbeda setiap kali, bahkan jika Anda mengajukan pertanyaan yang sama,
00:11:05jadi jika Anda hanya menguji sistem beberapa kali, Anda akan melewatkan kasus langka di mana sistem tersebut gagal.
00:11:09Yang harus Anda lakukan sebagai gantinya adalah mengambil contoh nyata dari proses yang Anda catat yang sudah Anda ketahui
00:11:14jawaban benarnya. Kemudian Anda jalankan sistem pada semuanya dan hitung berapa banyak yang dijawab benar olehnya,
00:11:20lalu Anda periksa bagian yang terlewat dan perbaiki masalah tersebut. Terakhir, Anda harus menghitung nilai atau angka dari apa yang
00:11:25telah dihasilkannya, dan Anda harus dapat menyatakan apakah hal itu menghasilkan uang, memangkas biaya, atau membuat risiko
00:11:30menjadi lebih kecil, karena hal lain tidak ada artinya. Sekarang, Cursor mendapati seseorang mengeluh kepada mereka bahwa agen AI
00:11:35menelan biaya dua ribu dolar sehari, dan ketika mereka bertanya apa sebenarnya yang dilakukan agen itu,
00:11:39ternyata agen tersebut hanya memilih teknisi mana yang harus dikirim untuk memperbaiki peralatan yang rusak. Jadi mereka bertanya kepadanya
00:11:44berapa biaya yang harus dikeluarkan jika mengirim orang yang salah, dan ternyata biayanya lebih dari dua ribu sehari, dan dia
00:11:49langsung menyetujuinya karena selama ini yang dia lihat hanya biaya agen tersebut dan tidak pernah memikirkan apa
00:11:54yang berhasil diselamatkannya. Kelima langkah itulah cara kami membangun chatbot internal di perusahaan perangkat lunak kami sendiri.
00:11:59Sekarang, jika Anda telah menonton video-video kami sebelumnya, Anda akan tahu bahwa itu pada dasarnya hanyalah antarmuka obrolan
00:12:03yang memungkinkan orang-orang non-teknis di tim kami menggunakan Claude Code beserta semua kemampuannya. Kami membangunnya
00:12:09karena orang-orang di bagian SDM dan akuntansi bukanlah insinyur, dan segala hal seputar Claude Code mengasumsikan
00:12:14bahwa Anda adalah seorang insinyur. Sebelum Claude Code dapat melakukan sesuatu yang berguna untuk pekerjaan mereka, perangkat itu harus terhubung ke
00:12:19Slack, email, dan segala hal lain yang mereka gunakan setiap hari, dan itu adalah tugas penyiapan yang tidak akan pernah
00:12:24mereka lakukan sendiri. Jadi antarmuka obrolan tersebut melakukan semua penyambungan itu untuk mereka dan mereka cukup mengetik apa yang
00:12:29mereka butuhkan. Namun kami tidak langsung mulai membangun; para insinyur kami pergi dan duduk bersama staf SDM dan akuntansi
00:12:34terlebih dahulu karena teknik tidak memiliki gambaran nyata tentang bagaimana departemen-departemen tersebut menghabiskan hari-hari mereka. Jadi mereka meluangkan
00:12:39waktu yang cukup di departemen-departemen tersebut dan mencatat setiap hal berulang yang dikerjakan secara manual,
00:12:45lalu menentukan mana di antaranya yang dapat diambil alih oleh model secara wajar. Kemudian dokumen itu berubah
00:12:50menjadi sebagian besar materi pembuatan. Proses yang dituliskan itu menjadi instruksi yang diikuti oleh para agen
00:12:54dan basis pengetahuan yang digunakan chatbot untuk menjawab. Setelah itu kami menyerahkan versi pertama kembali ke departemen-departemen tersebut
00:12:59dan meminta mereka menggunakannya untuk pekerjaan nyata mereka sendiri, dan mereka kembali serta memberi tahu kami bahwa alat itu benar-benar menghemat waktu mereka.
00:13:05Sekarang, pertanyaan terakhir adalah apa keahlian yang sebenarnya Anda butuhkan untuk menjalankan semua ini. Salah satu perusahaan
00:13:09yang merekrut khusus untuk pekerjaan ini menginginkan orang yang memahami proses bisnis dan teknologi secara luas, dengan
00:13:15satu bidang yang benar-benar dikuasai secara mendalam. Mereka mengatakan bahwa separuh aspek bisnis akan diajarkan sambil bekerja sementara
00:13:20aspek teknisnya tidak. Namun bagi Anda, hal itu mungkin terbalik karena Anda hanya perlu fokus pada
00:13:25sisi bisnisnya karena pembangunan sudah ditangani oleh agen sekarang. Dan itu tidak masalah, karena seorang eksekutif Palantir mengatakan
00:13:30bahwa orang yang gagal dalam pekerjaan ini adalah insinyur teliti yang menginginkan kode yang masih bertahan dalam waktu 10
00:13:36tahun. Pekerjaan yang sebenarnya adalah menghadirkan sesuatu yang mentah di hadapan pengguna nyata dengan cepat, yang pada dasarnya adalah apa yang
00:13:41diberikan oleh agen seperti Claude Code pada percobaan pertama. Jadi sekarang setelah Anda tahu apa yang dilakukan seorang FTE dan
00:13:47bagaimana pekerjaan itu benar-benar diselesaikan, mari kita lihat apa yang dapat Anda lakukan dengannya. Tempat untuk memulai adalah
00:13:51bisnis terkecil yang dapat Anda datangi secara langsung, baik di tempat kerja Anda sendiri atau tempat yang dikelola teman. Kemudian Anda bertanya
00:13:57kepada pengelolanya apakah Anda boleh menghabiskan waktu satu jam untuk duduk di sebelah orang yang mengerjakan pekerjaan paling berulang
00:14:02di tempat itu saat mereka sedang mengerjakannya. Setelah itu Anda cukup menjalankan kelima langkah terhadap apa yang Anda lihat; apa
00:14:07yang keluar dari proses tersebut disebut audit, dan itu adalah hal nyata yang benar-benar dibayar oleh bisnis. Moza, yang
00:14:12menjalankan proyek-proyek AI di dalam perusahaan besar, selalu memulai setiap proyeknya dengan audit sebelum ada hal
00:14:18yang dibangun. Ia mengatakan bahwa fase pertama adalah hambatan terbesar dalam seluruh pekerjaan tersebut, dan itulah
00:14:23yang Anda tunjukkan kepada orang-orang, baik saat melamar pekerjaan FTE maupun saat menawarkan jasa ke bisnis secara langsung,
00:14:28karena di dalamnya Anda telah mencatat proses satu perusahaan nyata, langkah-langkah yang akan Anda serahkan kepada
00:14:32AI, dan nilai dari masing-masing langkah tersebut bagi mereka dalam bentuk uang. Sekarang kami memiliki peta jalan dan panduan kurasi bagi
00:14:38mereka yang ingin mendalami peran FTE, yang dapat ditemukan di AI Labs Pro yaitu komunitas kami. Jadi
00:14:44jika Anda menemukan nilai dari apa yang kami lakukan dan ingin mendukung saluran ini, inilah cara terbaik untuk melakukannya. Tautan
00:14:49ada di deskripsi. Itu mengantar kita ke akhir video ini; jika Anda ingin mendukung saluran ini
00:14:54dan membantu kami terus membuat video seperti ini, Anda dapat melakukannya dengan menggunakan tombol super thanks di bawah. Seperti
00:14:59biasanya, terima kasih telah menonton dan sampai jumpa di video berikutnya.