Capstone
Bagian 10 · Menerapkan
| Istilah | Arti |
|---|---|
| portfolio | Kumpulan proyek nyata yang dibuat seseorang untuk membuktikan kemampuannya kepada calon perekrut, bukan sekadar daftar tutorial yang pernah diikuti. |
| forward-deployed engineer | Insinyur yang bekerja langsung di lingkungan pelanggan, memahami alur kerja mereka, lalu membangun solusi AI sampai benar-benar berjalan di produksi. |
| FDE | Singkatan dari forward-deployed engineer, sebutan yang dipakai video ini untuk peran insinyur yang menerapkan AI langsung di tempat klien. |
| evaluation | Pengujian sistematis memakai kumpulan pertanyaan dan kasus, untuk mengukur seberapa akurat sistem bekerja pada tiap bagiannya, misalnya pencarian dan jawaban. |
| observability | Kemampuan melacak apa yang dilakukan sistem AI, seperti log, latensi, dan biaya panggilan model, agar masalah di produksi bisa dilihat dan diperbaiki. |
| workflow | Urutan langkah kerja yang sudah ditentukan dari input sampai output, yang dibuat eksplisit agar setiap keputusan sistem bisa dipertanggungjawabkan. |
| permission-aware | Sifat sistem yang hanya mengambil dan menampilkan informasi sesuai hak akses pengguna, sehingga data yang tidak boleh diakses tidak pernah masuk ke model. |
| document intelligence | Pendekatan mengekstrak dan memvalidasi data dari dokumen seperti faktur, kontrak, atau klaim, lalu mencocokkannya dengan catatan resmi yang ada. |
| exception queue | Antrean tempat kasus yang gagal validasi atau butuh keputusan manusia ditampung, lengkap dengan alasan dan saran perbaikannya. |
| action loop | Siklus ketika sistem menghitung fakta, menjelaskan perubahannya, lalu mengusulkan tindakan yang menunggu persetujuan manusia sebelum dijalankan. |
| discovery brief | Dokumen satu halaman yang menjabarkan pelanggan, pengguna, alur kerja, masalah, sistem terkait, kendala, dan metrik sukses sebelum kode ditulis. |
| build in public | Kebiasaan membagikan proses membangun proyek secara terbuka, misalnya di GitHub atau LinkedIn, termasuk kegagalan dan keputusan yang diambil. |
| human approval | Titik dalam alur kerja tempat manusia meninjau, mengedit, dan menyetujui tindakan AI sebelum sistem benar-benar melanjutkannya. |
| customer | Pelanggan atau organisasi pemilik masalah nyata yang harus diselesaikan sebuah proyek, yang dalam video ini boleh dibuat fiktif tetapi tetap realistis. |
| hiring manager | Manajer perekrutan yang menilai portofolio seseorang dan memutuskan apakah kandidat cocok untuk posisi yang sedang dibuka. |
Video ini ditujukan untuk orang yang ingin melamar peran forward-deployed engineer, yaitu insinyur yang bekerja langsung bersama pelanggan agar sistem AI berjalan andal di lingkungan nyata. Pembicara menjelaskan bahwa portofolio yang hanya berisi chatbot PDF, perencana perjalanan, atau asisten riset umum belum membuktikan kemampuan itu. Menurutnya, portofolio harus menunjukkan empat hal: kemampuan menggali masalah nyata alih-alih menerima permintaan fitur begitu saja, kemampuan membangun lintas tumpukan teknologi, pemahaman tentang kebutuhan produksi seperti evaluasi, observabilitas, keamanan, dan persetujuan manusia, serta kemampuan menghubungkan sistem dengan hasil bisnis yang terukur. Pesan utamanya, perekrut mencari bukti cara berpikir, bukan sekadar daftar fitur AI.
Pembicara memberi lima contoh proyek. Proyek pertama adalah sistem pengetahuan perusahaan yang memperhatikan izin akses, dengan pencarian hibrida, reranking, jawaban berkutip, dan minimal 50 pertanyaan uji. Proyek kedua adalah alur intake untuk tiket dukungan atau HR, yang memutuskan apakah perlu meminta informasi, membalas, merutekan, atau mengeskalasi, dengan aturan kebijakan yang dijalankan kode di luar model. Proyek ketiga adalah pemrosesan faktur yang mencocokkan faktur dengan purchase order, dengan pemeriksaan total, toleransi, dan deteksi duplikat dilakukan kode, sementara manusia menyetujui pengecualian. Proyek keempat adalah pipeline onboarding data pelanggan dengan pemetaan skema yang bisa ditinjau dan antrean pengecualian. Proyek kelima adalah command center operasional, di mana metrik dihitung dengan kode dan model hanya menjelaskannya. Saran akhirnya: pilih dua proyek mendalam dengan cerita pelanggan yang jelas, tulis discovery brief sebelum kode, dan bagikan prosesnya secara terbuka.
Kata kunci
- portfolio
- FDE
- discovery brief
- build in public
- Memilih proyek portofolio yang membuktikan kemampuan membangun solusi nyata, bukan sekadar PDF chatbot atau travel planner, dengan filter: pelanggan nyata, alur kerja yang rusak, dan hasil bisnis yang terukur.
- Mengenal lima proyek: sistem pengetahuan perusahaan yang sadar izin akses, alur intake sampai penyelesaian, sistem persetujuan dokumen, pipeline onboarding data pelanggan, dan operations command center dengan action loop.
- Mengukur proyek dengan evaluation, observability, dan batas persetujuan manusia, serta menangani kasus gagal lewat exception queue.
- Mengemas hasil: demo singkat yang dimulai dari masalah bisnis, discovery brief, keputusan arsitektur, dan build in public.
Tulis catatan pribadimu untuk modul ini. Catatan tersimpan di akunmu dan bisa dibuka dari perangkat mana pun.