5 Menit Baca Oleh Untung Kasirin

Dari Coding ke Riset: Mengapa Saya Membangun AI Agent untuk Peneliti

AI Agent untuk RisetAgentic AIAI untuk PenelitianSystematic Literature ReviewRiset BisnisQalam AIPotensio
Dari Coding ke Riset: Mengapa Saya Membangun AI Agent untuk Peneliti

Pengembangan AI agent untuk riset membantu akademisi dan praktisi bisnis melakukan analisis literatur secara sistematis (Systematic Literature Review) secara otomatis, cepat, dan presisi tinggi dengan tetap mempertahankan kedalaman analisis ilmiah yang dapat dipertanggungjawabkan.

Perjalanan dari membangun aplikasi dengan AI hingga menciptakan aplikasi riset yang digunakan untuk menyelesaikan paper ilmiah dan melakukan riset bisnis.

Ketika pertama kali belajar Agentic AI, saya seperti kebanyakan orang lainnya.

Fokusnya membuat aplikasi.

Landing page.

Website.

Dashboard.

ERP.

Automasi.

Dan memang, kalau melihat perkembangan Agentic AI saat ini, sebagian besar implementasinya masih berputar di dunia software development.

AI diberi tujuan.

AI memecah pekerjaan menjadi langkah-langkah kecil.

AI menulis kode.

AI menguji hasilnya.

AI memperbaiki kesalahan.

Lalu mengulang proses tersebut sampai tugas selesai.

Sebagai orang yang bukan programmer, kemampuan ini terasa luar biasa.

Tetapi setelah cukup lama mengamati cara kerja AI Agent, perhatian saya justru beralih ke hal lain.

Bukan hasil akhirnya.

Melainkan cara kerjanya.

Sebuah Pertanyaan yang Mengubah Arah Eksperimen Saya

Saya menyadari satu hal menarik.

AI Agent tidak bekerja seperti chatbot.

Chatbot menjawab pertanyaan.

Selesai.

AI Agent berbeda.

Dia diberikan tujuan.

Kemudian terus bekerja sampai tujuan tersebut tercapai.

Kalau ada error, dia mencoba memperbaikinya.

Kalau ada informasi yang kurang, dia mencari.

Kalau hasilnya belum sesuai, dia mengulang prosesnya.

Persis seperti seorang programmer yang sedang menyelesaikan sebuah proyek.

Dari situ muncul sebuah pertanyaan sederhana.

Kalau AI Agent bisa membantu pekerjaan programming yang sangat logis dan sistematis, apakah pendekatan yang sama bisa diterapkan pada riset?

Semakin saya pikirkan, semakin masuk akal.

Karena programming dan riset memiliki banyak kesamaan.

Keduanya membutuhkan proses yang terstruktur.

Keduanya membutuhkan analisis.

Keduanya membutuhkan validasi.

Keduanya membutuhkan iterasi.

Dan keduanya jarang selesai hanya dalam satu langkah.

Dari Hipotesis Menjadi Eksperimen

Saat itu saya sedang menempuh program Magister Industri Halal dan Bisnis Syariah.

Salah satu tugas akhirnya adalah membuat paper ilmiah menggunakan metode Systematic Literature Review (SLR).

Topik yang saya ambil adalah hubungan antara financial literacy, cash flow management, dan SME performance.

Bagi yang pernah mengerjakan SLR, prosesnya cukup panjang.

Mencari paper.

Menyaring paper.

Membaca paper.

Mengambil data.

Membandingkan hasil penelitian.

Menyusun sintesis.

Dan semuanya harus dilakukan secara sistematis.

Di situlah saya berpikir.

Daripada hanya menggunakan AI untuk membantu riset, bagaimana kalau saya membuat AI yang memang dirancang khusus untuk melakukan riset?

Maka saya mulai membangun sebuah aplikasi.

Namanya Qalam.

Menyelesaikan Paper Ilmiah dengan Aplikasi Buatan Sendiri

Awalnya saya tidak tahu apakah ide ini akan berhasil.

Tetapi sedikit demi sedikit, Qalam mulai berkembang.

Dari sekadar alat bantu sederhana.

Menjadi workflow riset yang semakin lengkap.

Saya menggunakan aplikasi tersebut untuk membantu proses penelitian saya sendiri.

Membaca literatur.

Mengelompokkan temuan.

Menyusun insight.

Membantu proses sintesis.

Dan pada akhirnya paper ilmiah tersebut selesai.

Bagi saya, pengalaman ini sangat berkesan.

Karena untuk pertama kalinya saya melihat AI bukan sekadar alat produktivitas.

Tetapi sebagai partner dalam proses penelitian.

Ketika Orang Lain Mulai Menggunakannya

Setelah paper selesai, saya sempat berpikir bahwa Qalam mungkin hanya akan saya gunakan sendiri.

Ternyata tidak.

Beberapa orang mulai mencoba.

Kemudian muncul pengguna berbayar pertama.

Lalu pengguna berikutnya.

Jumlahnya memang belum besar.

Tetapi cukup untuk membuktikan satu hal.

Masalah yang saya alami ternyata juga dialami orang lain.

Dan pendekatan Agentic AI untuk riset memang memiliki nilai.

Dari Riset Akademik ke Riset Bisnis

Eksperimen bersama Qalam membuat saya semakin tertarik pada dunia riset.

Tetapi kali ini fokusnya bukan lagi riset akademik.

Melainkan riset bisnis.

Dalam framework Visia Value Creation (VVC), riset adalah tahap pertama sebelum membangun bisnis.

Sebelum membuat produk.

Sebelum menjual.

Sebelum mengejar profit.

Sebelum mengelola cash flow.

Kita harus memahami pasar terlebih dahulu.

Masalahnya, banyak founder melewati tahap ini.

Bukan karena tidak penting.

Melainya karena riset membutuhkan waktu.

Membutuhkan data.

Membutuhkan analisis.

Dan sering kali terasa membosankan.

Padahal keputusan bisnis yang buruk biasanya berawal dari riset yang tidak dilakukan.

Lahirnya Yudhis

Dari situlah lahir Yudhis.

Agent riset di dalam ekosistem Pandawa AI.

Kalau Qalam berfokus pada riset akademik, Yudhis berfokus pada riset bisnis.

Saat artikel ini ditulis, Yudhis sudah mampu membantu tiga jenis riset yang paling sering dibutuhkan founder.

Market Sizing

Seberapa besar pasar yang ingin dimasuki?

Apakah peluangnya cukup menarik?

Apakah pasarnya masih tumbuh?

Competitive Intelligence

Siapa pemain yang sudah ada?

Apa keunggulan mereka?

Apa kelemahannya?

Di mana celah yang masih bisa dimanfaatkan?

Feasibility Study

Apakah ide bisnis ini layak dijalankan?

Apa risikonya?

Apa peluangnya?

Apa asumsi yang perlu diuji lebih lanjut?

Ketiga kemampuan ini nantinya akan menjadi bagian dari Potensio, aplikasi riset bisnis yang sedang saya kembangkan.

Pelajaran yang Saya Dapat

Awalnya saya mengira Agentic AI hanya akan mengubah cara kita membuat software.

Hari ini saya melihat sesuatu yang lebih besar.

Agentic AI berpotensi mengubah cara kita melakukan riset.

Bukan menggantikan peneliti.

Bukan menggantikan founder.

Bukan menggantikan pengambil keputusan.

Tetapi membantu mereka bekerja lebih cepat, lebih sistematis, dan lebih berbasis data.

Dan semuanya berawal dari satu pertanyaan sederhana yang muncul ketika saya melihat AI Agent menulis kode.

Kalau AI Agent bisa membantu programmer menyelesaikan proyek yang kompleks, mungkinkah dia juga membantu peneliti menyelesaikan proses riset yang kompleks?

Jawaban atas pertanyaan itu membawa saya pada perjalanan yang tidak pernah saya rencanakan.

Dari paper ilmiah.

Ke Qalam.

Lalu ke Potensio.

Untung Kasirin

Untung Kasirin

14 tahun di Accounting & Finance. Membangun Visia OS dan Pandawa AI untuk membantu bisnis bekerja lebih cepat, lebih efisien, dan lebih terukur. Penulis buku Jago Cash Flow. Baca selengkapnya

Butuh insight bisnis yang lebih personal? Silakan chat via WhatsApp langsung dengan saya.

Chat via WhatsApp