Literasi AI & batas penggunaan
Bahas tugas yang layak dibantu AI, hasil yang wajib diverifikasi, kerahasiaan data, dan kapan tetap memakai cara kerja biasa. Peserta tidak diminta mengunggah data sensitif untuk latihan.
Belajar memakai AI lewat pekerjaan yang benar-benar dihadapi tim: menyusun instruksi, memeriksa jawaban, dan membangun kebiasaan kerja yang dapat diulang. Bukan sekadar daftar tool atau kumpulan prompt.
Rahman Fakhru · Jakarta, Indonesia
Untuk pemula, profesional, komunitas, perusahaan, serta tim konten dan operasional yang mencari pelatihan AI untuk tim, workshop AI, atau pelatihan vibe coding. Sesi dengan Rahman Fakhru dapat dibahas dalam Bahasa Indonesia atau Inggris, online atau tatap muka di Jakarta sesuai kebutuhan dan ketersediaan. Ini pelatihan untuk manusia, bukan jasa memberi label data atau melatih model machine learning.
Bahas tugas yang layak dibantu AI, hasil yang wajib diverifikasi, kerahasiaan data, dan kapan tetap memakai cara kerja biasa. Peserta tidak diminta mengunggah data sensitif untuk latihan.
Latih cara menjelaskan konteks, tujuan, contoh, batasan, dan format hasil. Bandingkan jawaban dengan kriteria kerja, bukan hanya apakah respons terdengar meyakinkan.
Vibe coding adalah cara membuat prototipe perangkat lunak dengan memberi instruksi kepada AI coding tools, lalu membaca, menjalankan, dan menguji hasilnya. Untuk peserta yang relevan, bangun satu prototipe kecil dari brief sampai pengecekan hasil; peserta nonteknis dapat memakai contoh alur yang lebih sederhana. Agent, skill, CLI, Git, dan integrasi dipilih setelah kesiapan peserta ditinjau.
Tentukan materi, lembar latihan, contoh instruksi, dan catatan evaluasi yang perlu diserahkan. Pendampingan lanjutan, implementasi software, serta biaya akun atau API dibahas terpisah.
Materi terbuka berikut memperlihatkan topik dan bentuk latihan yang sudah dipublikasikan. Ini bukan daftar klien pelatihan, sertifikasi pengajar, atau klaim hasil peserta. Materi sesi tim dipilih setelah brief ditinjau.
Alur ringkas dari brief dan prototipe hingga membaca perubahan, menguji hasil, dan menentukan batas sebelum rilis.
Jelajahi koleksi materi mengenai AI, instruksi, dan alur kerja teknis sebelum menentukan level serta topik yang cocok untuk peserta.
Contoh pembelajaran tentang skill dan instruksi yang dapat dipakai ulang. Tidak semua peserta perlu memulai dari level teknis ini.
Referensi untuk peserta yang ingin memahami kerja berbantuan AI dalam lingkungan CLI dan Git. Kebutuhan nonteknis tetap dapat memakai contoh kerja yang lebih sederhana.
Jelaskan peran peserta, kemampuan awal, aplikasi yang boleh dipakai, dan satu pekerjaan yang ingin diperbaiki. Gunakan contoh anonim atau data sintetis untuk diskusi awal.
Tentukan topik, level, durasi, jumlah peserta, lokasi atau platform online, kebutuhan akun, dan hasil latihan. Jadwal dan penawaran dibuat setelah kebutuhan ini jelas.
Peserta mencoba contoh, memeriksa kelemahan hasil, dan mencatat perbaikan instruksi. Rekomendasi langkah berikutnya mengikuti hasil latihan, bukan asumsi semua pekerjaan harus diotomasi.
Bandingkan contoh tugas awal dan akhir dengan rubrik yang disepakati: kejelasan instruksi, ketepatan hasil, kualitas verifikasi, dan kemampuan mengulang proses. Penghematan waktu atau dampak bisnis perlu pengukuran terpisah setelah penerapan. Halaman ini tidak menjanjikan produktivitas naik dengan persentase tertentu.
Tidak untuk literasi AI, prompting, dan evaluasi jawaban. Untuk sesi vibe coding, peserta dapat mulai dari brief dan prototipe sederhana; coding, CLI, Git, agent, atau integrasi hanya dimasukkan jika sesuai kebutuhan serta kemampuan peserta.
Fokus layanan ini adalah mengajarkan penggunaan AI kepada manusia dan tim. Pelabelan dataset, pekerjaan evaluator model, pre-training, dan fine-tuning model bukan cakupan yang otomatis termasuk.
Format tatap muka di Jakarta atau online dapat dibahas. Jumlah peserta, durasi, perangkat, kebijakan data, jadwal, dan kebutuhan perjalanan harus disepakati dalam brief.
Biaya bergantung pada materi, format, durasi, dan tindak lanjut yang disepakati. Layanan ini tidak dipasarkan sebagai sertifikasi resmi vendor AI; tidak ada sertifikasi, hasil bisnis, atau jadwal yang dijanjikan sebelum penawaran ditinjau.
Ceritakan kebutuhan, kondisi saat ini, dan hasil yang ingin dicapai. Scope dan penawaran dibahas setelah brief ditinjau.
Rahmanef adalah praktik produk independen Rahman Fakhru di Indonesia. Saya merancang pengalaman dan membangun aplikasi AI dari masalah pengguna hingga sistem yang bisa diuji, dengan keputusan penting tetap berada pada manusia.
Hubungkan aplikasi dan pekerjaan berulang tanpa melepas kendali atas data dan keputusan. Mulai dari satu alur yang jelas, bukan janji mengotomasi seluruh bisnis sekaligus.
Belajar memakai AI lewat pekerjaan yang benar-benar dihadapi tim: menyusun instruksi, memeriksa jawaban, dan membangun kebiasaan kerja yang dapat diulang. Bukan sekadar daftar tool atau kumpulan prompt.
Ubah kebutuhan ruang menjadi keputusan desain yang bisa dipahami. Tata ruang, material, dan visualisasi membantu membahas pilihan sebelum pekerjaan lapangan dimulai.