Anthropic merilis keluarga model Claude 3 hari ini, dan malam ini juga linimasa Anda akan dipenuhi grafik benchmark yang membandingkannya dengan model lain. Saya akan melewatkan semua itu. Tabel benchmark tidak mengubah cara bisnis Anda berjalan. Yang mengubah bisnis Anda adalah apakah sebuah alat bisa mengerjakan tugas yang benar-benar Anda hadapi, lebih cepat dan lebih andal dari sebelumnya.
Jadi ini adalah Claude 3 untuk bisnis, diterjemahkan keluar dari bahasa laboratorium AI dan masuk ke pekerjaan yang tim Anda lakukan setiap minggu. Ada tiga hal yang benar-benar maju dengan rilis ini, dan masing-masing berkaitan dengan tugas nyata yang mungkin sudah Anda bayar orang untuk mengerjakannya.
Jika Anda menjalankan perusahaan di Indonesia dan selama ini mengamati AI dari kejauhan, ini momen yang masuk akal untuk melihat lebih dekat, bukan karena sedang tren, tapi karena beberapa alur kerja konkret baru saja menjadi jauh lebih praktis.
Dokumen lebih panjang, dibaca sekali jalan
Perubahan praktis pertama adalah seberapa banyak teks yang bisa diproses model dalam satu waktu. Claude 3 bisa mengolah dokumen yang sangat panjang sekaligus, dan ini lebih penting dari yang terdengar.
Pikirkan dokumen-dokumen bisnis Anda yang tidak ada yang suka membacanya sampai selesai:
- Kontrak vendor empat puluh halaman sebelum Anda menandatanganinya
- Dokumen tender atau pengadaan panjang yang harus Anda tanggapi
- Tumpukan notulen rapat selama satu kuartal penuh
- Surat edaran regulasi yang padat dan harus Anda patuhi
Sebelumnya, memasukkan dokumen semacam ini ke AI berarti memotongnya jadi beberapa bagian dan kehilangan benang merah antar bagian. Dengan Claude 3 untuk kebutuhan bisnis, Anda bisa menyerahkan dokumen utuh dan mengajukan pertanyaan nyata: "Apa syarat pembayaran dan denda dalam kontrak ini?" atau "Rangkum semua tenggat waktu yang disebut di seluruh notulen ini." Model ini menyimpan seluruh konteks, sehingga jawabannya mencerminkan keseluruhan dokumen, bukan hanya satu fragmen.
Ini tidak menggantikan pengacara atau kepala keuangan Anda. Tapi ini berarti mereka masuk ke sesi review dengan sudah tahu di mana harus melihat, yang menghemat berjam-jam waktu.
Penalaran yang lebih baik untuk pertanyaan nyata yang rumit
Perubahan kedua lebih senyap tapi lebih penting: model ini bernalar lebih baik melalui masalah bertahap. Model-model sebelumnya cukup andal untuk pencarian sederhana tapi mulai goyah ketika sebuah pertanyaan mengharuskan menahan beberapa fakta sekaligus dan menarik kesimpulan.
Di mana ini terlihat dalam bisnis:
- Merangkum laporan panjang dengan rekomendasi. Bukan sekadar "ini isinya," tapi "ini isinya dan ini implikasinya untuk situasi kita."
- Membandingkan opsi. Berikan tiga penawaran harga dari pemasok dengan syarat berbeda dan tanyakan mana yang lebih murah selama dua tahun setelah memperhitungkan perbedaan-perbedaan itu. Model ini sekarang bisa menelusuri perhitungan itu, bukan sekadar mengulang angka-angkanya.
- Penyusunan draf yang membutuhkan penilaian. Balasan untuk pelanggan yang sulit, draf awal sebuah kebijakan, kerangka proposal yang menimbang trade-off.
Saya ingin tetap jujur di sini. Penalaran yang lebih baik bukan berarti penalaran yang sempurna. Anda tetap harus memeriksa hasil kerjanya untuk apa pun yang penting, persis seperti Anda memeriksa hasil kerja staf junior yang cakap. Tapi cakupan tugas di mana model ini benar-benar berguna kini jauh lebih luas, dan itulah intinya.
Vision: kini bisa membaca gambar
Perubahan ketiga adalah hal baru untuk keluarga model ini: Claude 3 bisa melihat gambar, bukan hanya teks. Untuk banyak bisnis Indonesia, ini bagian yang paling langsung berguna, karena begitu banyak dokumen kita difoto, bukan diketik.
Penggunaan praktis yang dulu merepotkan dan sekarang jadi mudah:
| Gambar yang Anda miliki | Yang bisa dilakukan model |
|---|---|
| Foto faktur kertas | Mengambil nama vendor, jumlah, dan tanggal |
| Tangkapan layar sebuah grafik | Menjelaskan trennya dengan kata-kata sederhana |
| Formulir pesanan tulisan tangan | Mengubahnya jadi teks terstruktur yang bisa Anda arsipkan |
| Foto label produk | Mengekstrak spesifikasinya |
Ini mengubah kamera ponsel jadi alat intake kasar. Seorang sales lapangan memotret daftar harga kompetitor; model membacanya jadi tabel. Seorang staf gudang memotret surat jalan; model mengekstrak item-itemnya. Tidak ada satu pun dari ini yang sempurna dan semuanya perlu pemeriksaan manusia, tapi ini menghilangkan banyak pengetikan manual.
Mulai dari mana, dan mana yang sebaiknya ditunda
Peluncuran model itu menggairahkan, dan justru saat itulah bisnis membuang-buang uang. Tahan dorongan untuk "melakukan sesuatu dengan AI." Sebaliknya, pilih satu tugas yang memang sudah menyusahkan dan lihat apakah Claude 3 untuk bisnis benar-benar membantu.
Kandidat pertama yang baik:
- Merangkum dokumen panjang yang selama ini sudah menghabiskan banyak jam untuk dibaca.
- Penyusunan draf email, proposal, dan laporan yang terus-menerus ditulis tim Anda. Saya membahas cara melakukan ini dengan baik di Penyusunan draf AI untuk tim: email, proposal, dan laporan.
- Intake berbasis gambar jika Anda menangani banyak dokumen yang difoto.
Yang sebaiknya ditunda dulu: apa pun yang jawabannya salah bisa berakibat serius dan tidak ada manusia yang memeriksanya, serta apa pun yang mengharuskan Anda memasukkan data pelanggan yang sensitif ke model sebelum Anda benar-benar memikirkan kebijakan privasinya. Antusiasme bukan kebijakan data.
Kerangka berpikir yang tepat bukan "AI yang akan menjalankan ini," tapi "AI mengerjakan delapan puluh persen pertama dari tugas yang membosankan, orang mengerjakan dua puluh persen terakhir dan penilaiannya." Kerangka ini menjaga Anda tetap aman sekaligus tetap menangkap sebagian besar nilainya.
Kesimpulan
Claude 3 untuk bisnis layak mendapat perhatian Anda bukan karena benchmark, tapi karena tiga tugas biasa baru saja menjadi lebih mudah: membaca dokumen panjang secara utuh, bernalar melalui pertanyaan yang rumit, dan mengambil informasi dari gambar. Ketiganya berkaitan langsung dengan review kontrak, rangkuman laporan, dan intake dokumen, yang merupakan hal-hal yang sudah dikerjakan tim Anda secara manual.
Mulai dari satu tugas yang menyusahkan, jaga agar tetap ada manusia dalam prosesnya, dan perluas hanya setelah terbukti berhasil. Jika Anda ingin bantuan menentukan alur kerja mana yang layak diarahkan ke sini lebih dulu, dan mana yang sebaiknya dibiarkan dulu, itu persis jenis penilaian praktis yang saya tawarkan lewat kemitraan teknologi.