Roadmap Belajar AI dari Nol: Rencana 90 Hari untuk Pemula

Ringkasan Praktis

Belajar AI dari nol tidak berarti harus langsung mempelajari matematika tingkat lanjut, pemrograman, atau cara melatih model.

Bagi sebagian besar pemula, urutan yang lebih berguna adalah:

memahami apa yang bisa dan tidak bisa dilakukan AI;
memilih satu masalah nyata yang ingin diselesaikan;
belajar memberi konteks dan instruksi yang jelas;
memeriksa hasil, sumber, risiko, dan data yang digunakan;
mengulang workflow sampai hasilnya konsisten;
membuat proyek kecil yang dapat ditunjukkan;
baru memilih jalur lanjutan sesuai tujuan.

Roadmap ini menyusun proses tersebut menjadi rencana 90 hari. Fokusnya bukan menghafal nama tools, melainkan membangun kemampuan yang tetap berguna saat aplikasi dan model berubah.

Anda tidak perlu menunggu 90 hari untuk memperoleh manfaat. Pada dua minggu pertama, targetnya sudah berupa satu workflow sederhana yang dapat diuji. Periode 90 hari digunakan untuk membuat keterampilan itu lebih konsisten, terukur, aman, dan layak dimasukkan ke portofolio.

Untuk Siapa Roadmap Ini?

Roadmap ini cocok untuk:

pemula yang belum pernah menggunakan AI generatif;
karyawan yang ingin mempercepat pekerjaan rutin;
guru, dosen, mahasiswa, dan siswa yang ingin memakai AI secara bertanggung jawab;
pemilik UMKM yang ingin menguji AI tanpa langsung membeli banyak tools;
freelancer dan content creator yang membutuhkan workflow lebih terstruktur;
pencari kerja yang ingin membangun bukti keterampilan praktis;
calon praktisi AI yang masih menentukan jalur belajar.

Mulai dari AI untuk Pemula ketika istilah seperti model, prompt, konteks, token, atau halusinasi masih terasa asing. Gunakan Apa Itu AI untuk memahami gambaran dasarnya sebelum masuk ke latihan.

Metode Penyusunan dan Batas Klaim

Roadmap ini merupakan panduan editorial, bukan kurikulum resmi, hasil uji terkontrol, atau jaminan bahwa setiap orang akan mencapai tingkat kemampuan yang sama dalam 90 hari.

Strukturnya disusun dengan mengadaptasi tiga gagasan umum:

kemajuan belajar dari memahami, menerapkan, lalu menciptakan;
pendekatan yang berpusat pada manusia dan mempertimbangkan etika;
kebiasaan menguji, mengukur, memverifikasi, dan mengelola risiko.

UNESCO membagi kompetensi AI untuk pelajar ke dalam aspek pola pikir berpusat pada manusia, etika AI, teknik dan aplikasi AI, serta desain sistem AI. Framework tersebut juga menggunakan tingkat perkembangan memahami, menerapkan, dan menciptakan. Roadmap di artikel ini mengadaptasi logika perkembangan itu untuk pembelajar umum, bukan menyalin kurikulum sekolah.

NIST AI Risk Management Framework digunakan sebagai rujukan untuk kebiasaan mengidentifikasi konteks, mengukur hasil, mengelola risiko, dan meninjau penggunaan AI. Halaman resmi NIST menyatakan AI RMF 1.0 sedang direvisi, sehingga artikel ini memakai prinsip umumnya dan tidak menganggap dokumen tersebut sebagai standar yang tidak berubah.

Kecepatan belajar akan dipengaruhi oleh:

waktu latihan;
tingkat kesulitan pekerjaan;
kemampuan membaca dan menulis instruksi;
akses terhadap data dan contoh;
pengalaman sebelumnya;
kualitas umpan balik;
disiplin mencatat hasil;
risiko bidang yang dikerjakan.

Contoh hasil dalam artikel ini adalah skenario sintetis untuk menjelaskan metode. Angka dan situasinya bukan klaim keberhasilan pengguna nyata.

Apa Arti “Belajar AI”?

Istilah belajar AI dapat merujuk pada beberapa jalur yang berbeda.

Jalur Pengguna AI

Tujuannya menggunakan AI untuk membantu pekerjaan, belajar, riset awal, komunikasi, analisis, ide, atau produksi konten.

Kemampuan utamanya:

merumuskan masalah;
memberi konteks yang cukup;
menulis prompt;
memilih format output;
memeriksa fakta dan logika;
menjaga data;
menggabungkan AI ke workflow manusia.

Sebagian besar pemula sebaiknya memulai dari jalur ini.

Jalur Pembuat Solusi AI

Tujuannya membuat otomasi, aplikasi, chatbot, integrasi, atau sistem berbasis model AI.

Kemampuan tambahannya:

pemrograman;
API;
basis data;
evaluasi sistem;
keamanan aplikasi;
desain pengalaman pengguna;
pemantauan biaya dan kualitas.

Jalur Pengembang Model

Tujuannya memahami atau membangun model machine learning dan deep learning.

Kemampuan tambahannya:

matematika;
statistik;
Python;
struktur data;
machine learning;
pengolahan data;
eksperimen model;
komputasi.

Tidak ada kewajiban mengambil semua jalur sekaligus. Pilih jalur yang mendukung hasil yang benar-benar Anda butuhkan.

Empat Kompetensi Inti yang Harus Dibangun

1. Memahami

Anda dapat menjelaskan dengan bahasa sendiri:

apa itu AI generatif;
mengapa output dapat salah;
perbedaan fakta, prediksi, dan generasi teks;
data apa yang aman atau tidak aman untuk dimasukkan;
kapan manusia harus mengambil keputusan akhir.

2. Menerapkan

Anda dapat menggunakan AI untuk satu tugas nyata dengan:

input yang relevan;
prompt yang terstruktur;
format output yang jelas;
pemeriksaan hasil;
catatan revisi.

3. Menciptakan

Anda dapat menyusun:

template prompt;
workflow berulang;
checklist;
contoh output;
dokumentasi;
proyek portofolio.

4. Mengaudit

Anda dapat menilai:

apakah hasil benar;
apakah sumber dapat dipercaya;
apakah ada bias atau asumsi;
apakah data sensitif digunakan;
apakah hasil benar-benar menghemat waktu;
apakah workflow masih layak dipakai.

Keterampilan audit membedakan penggunaan AI yang sekadar terlihat cepat dari penggunaan yang benar-benar dapat dipertanggungjawabkan.

Sebelum Hari Pertama: Pilih Satu Hasil

Jangan memulai dengan target “menguasai AI”. Target tersebut terlalu luas untuk diuji.

Pilih satu hasil yang dapat diamati, misalnya:

membuat draft email yang tetap terdengar seperti Anda;
merangkum catatan rapat menjadi keputusan dan tindak lanjut;
menyusun ide konten dari satu artikel;
membuat FAQ pelanggan dari informasi produk;
membuat rencana belajar mingguan;
membandingkan beberapa alternatif berdasarkan kriteria;
mengubah data publik menjadi ringkasan sederhana.

Gunakan format berikut:

Dalam 14 hari, saya ingin menggunakan AI untuk [tugas], menghasilkan [output], dengan kualitas minimal [kriteria], dan tetap diperiksa oleh [orang/peran].

Catat Baseline

Sebelum memakai AI, kerjakan tugas tersebut seperti biasa dan catat:

waktu yang dibutuhkan;
jumlah revisi;
kesalahan yang ditemukan;
bagian paling sulit;
kualitas hasil menurut kriteria Anda;
siapa yang melakukan pemeriksaan akhir.

Tanpa baseline, Anda mudah menganggap AI membantu hanya karena output muncul cepat.

Roadmap Belajar AI 90 Hari

Fase 1 — Hari 1–14: Memahami dan Mencoba

Target fase ini adalah memahami prinsip dasar dan menghasilkan satu workflow kecil.

Hari 1–3: Pahami Cara Kerja Secara Konseptual

Pelajari:

AI generatif memprediksi dan menyusun output berdasarkan pola;
jawaban yang lancar belum tentu benar;
prompt bukan perintah ajaib;
kualitas input memengaruhi kualitas output;
konteks dan contoh membantu model memahami kebutuhan;
output penting tetap memerlukan pemeriksaan manusia.

Baca Apakah AI Aman Digunakan dan Kesalahan Pemula saat Menggunakan AI sebagai pengantar risiko.

Latihan: minta AI menjelaskan topik yang Anda kuasai. Tandai bagian yang benar, kurang lengkap, terlalu umum, atau salah. Tujuannya bukan mencari jawaban sempurna, melainkan melihat pola kekuatan dan kelemahan output.

Hari 4–7: Gunakan Satu Tools Saja

Pilih satu chatbot AI yang tersedia bagi Anda. Jangan membandingkan banyak aplikasi pada minggu pertama.

Lakukan empat percobaan:

meringkas teks yang Anda berikan;
mengubah format teks;
membuat beberapa alternatif;
mengkritik draft yang Anda buat.

Simpan prompt, output awal, revisi, dan hasil akhir. Dokumentasi ini lebih penting daripada mencoba banyak fitur.

Hari 8–10: Pelajari Struktur Prompt

Gunakan struktur:

Tujuan: hasil yang ingin dicapai;
Konteks: informasi yang perlu diketahui;
Input: bahan yang harus diproses;
Batasan: hal yang harus dihindari;
Format: bentuk jawaban;
Kriteria: ukuran kualitas;
Pemeriksaan: hal yang harus ditandai sebagai tidak pasti.

Pelajari penjelasan lebih lengkap di Cara Membuat Prompt yang Baik dan Struktur Prompt AI yang Baik.

Hari 11–14: Bangun Workflow Pertama

Pilih satu tugas dari baseline.

Workflow minimum:

siapkan input;
hapus data yang tidak perlu;
jalankan prompt;
periksa fakta dan logika;
revisi prompt;
edit hasil dengan penilaian manusia;
catat waktu dan kualitas;
simpan versi final.

Pada akhir hari ke-14, Anda harus memiliki:

satu template prompt;
satu checklist pemeriksaan;
minimal tiga hasil uji;
perbandingan sebelum dan sesudah;
catatan keterbatasan.

Fase 2 — Hari 15–30: Prompt, Verifikasi, dan Konsistensi

Target fase ini adalah membuat hasil lebih dapat diulang.

Minggu 3: Variabel dan Contoh

Ubah prompt menjadi template dengan variabel:

Tujuan: [hasil]
Audiens: [siapa]
Konteks: [situasi]
Input: [bahan]
Nada: [gaya]
Batasan: [larangan]
Format: [struktur]
Kriteria: [ukuran kualitas]

Tambahkan satu contoh output yang baik ketika format sulit dijelaskan. Jangan memasukkan data pribadi atau dokumen rahasia sebagai contoh.

Minggu 4: Verifikasi Output

Gunakan checklist:

Apakah ada klaim faktual?
Apakah klaim memerlukan sumber?
Apakah angka dapat dihitung ulang?
Apakah nama, tanggal, dan istilah benar?
Apakah output mencampur fakta dengan asumsi?
Apakah ada instruksi yang tidak dijalankan?
Apakah hasil sesuai audiens?
Apakah keputusan akhir masih berada pada manusia?

Untuk topik kesehatan, hukum, keuangan, keselamatan, pendidikan formal, dan keputusan berdampak tinggi, gunakan sumber primer serta pemeriksaan pihak yang kompeten.

Target Hari ke-30

Anda memiliki:

dua template prompt yang stabil;
minimal sepuluh catatan uji;
aturan data yang boleh dan tidak boleh digunakan;
satu rubrik kualitas;
satu workflow yang dapat diulang oleh orang lain.

Fase 3 — Hari 31–60: Proyek Praktis

Target fase ini adalah mengubah latihan menjadi bukti kemampuan.

Minggu 5: Proyek Teks

Pilih satu:

email profesional;
FAQ;
ringkasan rapat;
outline artikel;
materi belajar;
deskripsi produk;
analisis umpan balik.

Simpan tiga versi: input awal, output AI, dan hasil final setelah edit manusia.

Minggu 6: Proyek Analisis Sederhana

Gunakan data publik atau data sintetis.

Contoh:

mengelompokkan komentar;
menyusun tema pertanyaan pelanggan;
membandingkan pilihan dengan matriks;
mengubah catatan menjadi daftar risiko;
menyusun prioritas pekerjaan.

Periksa ulang seluruh angka dan kategori. AI dapat membantu menyusun, tetapi bukan pengganti validasi data.

Minggu 7: Proyek Workflow

Gabungkan beberapa langkah:

menerima input;
membersihkan input;
membuat draft;
mengkritik draft;
memperbaiki draft;
menjalankan checklist;
menyimpan hasil.

Jangan menambah otomasi sebelum langkah manual stabil.

Minggu 8: Dokumentasi

Buat halaman proyek yang menjelaskan:

masalah;
pengguna;
input;
prompt;
proses;
output;
pemeriksaan;
hasil;
keterbatasan;
perbaikan berikutnya.

Panduan Cara Membangun Portofolio AI dapat digunakan untuk menyusun dokumentasinya.

Target Hari ke-60

Anda memiliki:

dua proyek kecil;
satu workflow terdokumentasi;
satu rubrik penilaian;
satu catatan risiko;
satu contoh kegagalan dan cara memperbaikinya.

Fase 4 — Hari 61–90: Portofolio dan Spesialisasi

Target fase terakhir adalah memilih arah dan membuat bukti kemampuan yang relevan.

Minggu 9: Pilih Jalur

Pilih satu jalur utama untuk 30 hari:

produktivitas kerja;
pendidikan;
UMKM dan bisnis;
content creation;
riset;
analisis data;
coding dan aplikasi;
karier AI.

Gunakan Karier AI untuk Pemula untuk memahami pilihan peran tanpa menganggap semua profesi membutuhkan keterampilan yang sama.

Minggu 10: Buat Proyek Utama

Proyek utama harus:

menyelesaikan satu masalah;
memiliki pengguna yang jelas;
memakai input yang sah;
mempunyai kriteria kualitas;
menunjukkan proses revisi;
menyebutkan risiko;
dapat didemonstrasikan.

Minggu 11: Minta Umpan Balik

Mintalah satu orang mencoba workflow tanpa penjelasan tambahan.

Catat:

langkah yang membingungkan;
input yang kurang jelas;
output yang tidak konsisten;
pemeriksaan yang terlewat;
waktu yang dibutuhkan.

Minggu 12–13: Perbaiki dan Publikasikan

Rapikan:

judul proyek;
ringkasan masalah;
screenshot yang tidak memuat data sensitif;
prompt yang telah disanitasi;
hasil sebelum dan sesudah;
checklist;
keterbatasan;
pelajaran utama.

Jangan mengklaim hasil sebagai pengalaman klien ketika proyek menggunakan data sintetis.

Jadwal Mingguan Ringkas

Minggu	Fokus	Output Minimum
1	Dasar dan batas AI	Catatan konsep dan satu uji
2	Prompt dan workflow	Satu template, tiga uji
3	Variabel dan contoh	Template yang dapat dipakai ulang
4	Verifikasi	Rubrik dan aturan data
5	Proyek teks	Satu hasil terdokumentasi
6	Analisis sederhana	Satu matriks atau kategorisasi
7	Workflow bertahap	Proses tujuh langkah
8	Dokumentasi	Halaman proyek
9	Pilih spesialisasi	Rencana 30 hari
10	Proyek utama	Prototype
11	Uji pengguna	Catatan umpan balik
12–13	Perbaikan	Portofolio final

Sepuluh Template Prompt Latihan

Template ini menggunakan placeholder. Jangan masukkan data rahasia, data pelanggan, data kesehatan, informasi keuangan pribadi, kredensial, atau dokumen internal tanpa dasar dan perlindungan yang sesuai.

Template Prompt 1: Tutor Konsep

Jelaskan [konsep] untuk pemula.

Gunakan:
- bahasa Indonesia sederhana;
- satu analogi;
- satu contoh praktis;
- tiga kesalahpahaman umum;
- lima pertanyaan untuk menguji pemahaman.

Pisahkan fakta, analogi, dan keterbatasan penjelasan.

Template Prompt 2: Rencana Belajar

Buat rencana belajar [topik] selama [durasi].

Profil saya:
- pengetahuan awal: [level];
- waktu tersedia: [jam per minggu];
- tujuan: [hasil];
- batasan: [kendala].

Untuk setiap minggu, berikan:
1. tujuan;
2. materi;
3. latihan;
4. output;
5. cara menilai hasil.

Jangan menjanjikan penguasaan; tandai asumsi yang Anda gunakan.

Template Prompt 3: Kritik Prompt

Tinjau prompt berikut:

[PROMPT]

Nilai:
- kejelasan tujuan;
- kelengkapan konteks;
- kualitas input;
- batasan;
- format output;
- kriteria kualitas;
- risiko data;
- kemungkinan salah tafsir.

Jangan langsung mengerjakan tugas.
Berikan versi revisi dan jelaskan perubahan utama.

Template Prompt 4: Latihan Verifikasi

Analisis draft berikut:

[DRAFT]

Buat tabel dengan kolom:
- klaim;
- jenis klaim;
- perlu sumber atau tidak;
- sumber primer yang seharusnya dicari;
- tingkat ketidakpastian;
- tindakan verifikasi.

Jangan mengarang sumber atau URL.

Template Prompt 5: Mengubah Catatan Menjadi Workflow

Ubah catatan berikut menjadi workflow:

[CATATAN]

Susun:
1. tujuan;
2. input;
3. langkah;
4. keputusan manusia;
5. output;
6. risiko;
7. checklist akhir.

Tandai informasi yang masih kurang dengan [PERLU DIISI].

Template Prompt 6: Membuat Rubrik

Buat rubrik penilaian untuk [jenis output].

Gunakan lima kriteria:
- akurasi;
- relevansi;
- kelengkapan;
- kejelasan;
- kepatuhan terhadap batasan.

Berikan skor 1-5 dengan deskripsi yang dapat diamati.
Tambahkan kondisi yang membuat output harus ditolak.

Template Prompt 7: Membandingkan Dua Output

Bandingkan Output A dan Output B berdasarkan rubrik berikut:

[RUBRIK]

OUTPUT A:
[ISI]

OUTPUT B:
[ISI]

Berikan:
- skor tiap kriteria;
- bukti dari teks;
- kekurangan;
- risiko;
- rekomendasi gabungan.

Jangan memilih pemenang tanpa alasan yang dapat ditunjukkan.

Template Prompt 8: Membuat Studi Kasus Sintetis

Buat studi kasus sintetis untuk latihan [keterampilan].

Syarat:
- tidak menggunakan nama orang atau perusahaan nyata;
- semua angka diberi label ilustratif;
- masalahnya realistis;
- terdapat input, batasan, dan target;
- sertakan jawaban acuan;
- sertakan kesalahan yang mungkin dilakukan pemula.

Tulis jelas bahwa kasus ini sintetis.

Template Prompt 9: Refleksi Mingguan

Bantu saya merefleksikan latihan minggu ini.

Catatan:
[CATATAN LATIHAN]

Kelompokkan:
- yang berhasil;
- yang gagal;
- pola kesalahan;
- hal yang belum dipahami;
- risiko yang ditemukan;
- eksperimen minggu depan.

Ajukan maksimal lima pertanyaan sebelum memberi rekomendasi.

Template Prompt 10: Audit Portofolio

Audit deskripsi proyek AI berikut:

[DESKRIPSI PROYEK]

Periksa:
- masalah dan pengguna;
- input;
- peran AI;
- peran manusia;
- metode evaluasi;
- privasi;
- bukti hasil;
- keterbatasan;
- klaim yang terlalu kuat.

Berikan daftar revisi prioritas.
Jangan mengubah proyek sintetis menjadi seolah-olah proyek klien.

Empat Skenario Sintetis untuk Latihan

Seluruh skenario berikut dibuat untuk latihan. Tokoh, angka, dan hasilnya bukan data pengguna nyata.

Skenario 1: Karyawan Administrasi

Masalah: seorang staf menghabiskan waktu menyusun tindak lanjut rapat dari catatan yang tidak konsisten.

Latihan:

buat format input rapat;
gunakan AI untuk menyusun keputusan, pemilik tugas, dan tenggat;
tandai informasi yang tidak disebutkan;
bandingkan dengan catatan asli;
ukur jumlah koreksi.

Bukti portofolio: template catatan, prompt, contoh sintetis, checklist, dan catatan kesalahan.

Skenario 2: Guru

Masalah: seorang guru ingin membuat variasi soal latihan berdasarkan tujuan pembelajaran.

Latihan:

gunakan tujuan pembelajaran sebagai input;
minta variasi tingkat kesulitan;
periksa jawaban dan kesesuaian materi;
hapus data siswa;
dokumentasikan revisi.

Batas: keputusan pedagogis dan penilaian akhir tetap dilakukan guru.

Skenario 3: UMKM

Masalah: sebuah toko sintetis ingin mengelompokkan pertanyaan pelanggan menjadi FAQ.

Latihan:

buat 30 pertanyaan pelanggan sintetis;
kelompokkan berdasarkan tema;
susun draft jawaban;
periksa informasi produk;
tandai pertanyaan yang harus ditangani manusia.

Bukti portofolio: dataset sintetis, kategori, FAQ, aturan eskalasi, dan rubrik.

Skenario 4: Content Creator

Masalah: seorang creator ingin mengubah satu artikel menjadi beberapa ide konten tanpa menyalin mentah.

Latihan:

identifikasi lima gagasan utama;
tentukan audiens dan format;
buat variasi hook;
periksa apakah klaim tetap sesuai sumber;
edit dengan sudut pandang manusia.

Bukti portofolio: peta ide, prompt, draft, sumber, hasil edit, dan catatan orisinalitas.

Cara Mengukur Kemajuan

Gunakan lima dimensi.

1. Pemahaman

Anda dapat menjelaskan konsep tanpa membaca jawaban AI.

2. Penerapan

Anda dapat menyelesaikan tugas nyata dengan proses yang konsisten.

3. Verifikasi

Anda mampu menemukan kesalahan, asumsi, dan klaim yang perlu sumber.

4. Dokumentasi

Orang lain dapat memahami input, prompt, proses, dan batasannya.

5. Tanggung Jawab

Anda menjaga data, melibatkan manusia, dan tidak melebih-lebihkan hasil.

Rubrik Skor 1–5

Skor	Deskripsi
1	Hanya dapat mengikuti contoh tanpa memahami alasan
2	Dapat mencoba, tetapi hasil belum konsisten
3	Dapat menyelesaikan tugas dan memeriksa kesalahan dasar
4	Dapat membuat workflow, rubrik, dan dokumentasi
5	Dapat menguji, memperbaiki, menjelaskan risiko, dan membantu orang lain

Skor bukan sertifikasi. Gunakan untuk membandingkan perkembangan Anda sendiri dari waktu ke waktu.

Log Eksperimen

Catat setiap percobaan:

Tanggal:
Tujuan:
Input:
Data yang dihapus/disamarkan:
Prompt:
Output:
Kesalahan:
Revisi:
Waktu:
Skor rubrik:
Keputusan akhir:
Pelajaran:

Log membuat proses belajar lebih objektif dan mencegah Anda mengulangi kesalahan yang sama.

Cara Memilih Tools

Pilih berdasarkan tugas, bukan popularitas.

Nilai:

apakah dapat menangani jenis input Anda;
apakah kebijakan datanya sesuai;
apakah hasil dapat diekspor;
apakah biaya dapat dikendalikan;
apakah kualitas cukup untuk tugas;
apakah tersedia kontrol admin untuk organisasi;
apakah mudah diaudit;
apakah ada alternatif ketika layanan berubah.

Untuk bulan pertama, satu chatbot dan satu aplikasi kerja yang sudah Anda gunakan biasanya cukup. Menambah banyak tools sebelum workflow stabil akan memperbesar biaya belajar.

Privasi, Etika, dan Keamanan

Jangan Masukkan Data yang Tidak Perlu

Hapus atau samarkan:

nama lengkap;
alamat;
nomor identitas;
nomor telepon;
email pribadi;
data kesehatan;
data keuangan;
kredensial;
rahasia perusahaan;
dokumen pelanggan;
informasi anak.

UU Nomor 27 Tahun 2022 mengatur pemrosesan dan pelindungan data pribadi di Indonesia. Artikel ini bukan nasihat hukum; organisasi perlu menilai kewajibannya sesuai konteks.

Pertahankan Kendali Manusia

Jangan menyerahkan keputusan berdampak tinggi sepenuhnya kepada output AI.

Manusia perlu:

menentukan tujuan;
memilih data;
memeriksa hasil;
mempertimbangkan konteks;
menyetujui keputusan;
menangani keberatan;
mencatat alasan.

Waspadai Prompt Injection

Instruksi berbahaya dapat muncul dalam dokumen, halaman, email, atau data yang diproses AI.

Praktik dasar:

pisahkan instruksi dari data;
jangan memberi akses lebih dari yang diperlukan;
jangan mengikuti perintah yang muncul dari konten tanpa verifikasi;
batasi tindakan otomatis;
tinjau output sebelum dikirim atau dieksekusi;
gunakan data uji ketika belajar.

Periksa Hak Cipta dan Orisinalitas

Jangan menganggap semua output bebas digunakan.

Periksa:

sumber bahan;
hak penggunaan;
kemiripan dengan karya lain;
atribusi;
kebijakan platform;
izin untuk data dan gambar.

Surat Edaran Menteri Komunikasi dan Informatika Nomor 9 Tahun 2023 menyediakan pedoman etika kecerdasan artifisial bagi pelaku usaha dan penyelenggara sistem elektronik. Gunakan sebagai salah satu rujukan konteks Indonesia, bukan satu-satunya dasar kebijakan internal.

Kesalahan Umum Pemula

Mempelajari Terlalu Banyak Tools

Akibatnya, pembelajar mengenal tombol tetapi tidak memiliki workflow.

Menganggap Prompt Panjang Selalu Lebih Baik

Prompt perlu cukup konteks, bukan sekadar panjang.

Tidak Menyimpan Versi

Tanpa catatan prompt dan output, Anda tidak mengetahui perubahan mana yang memperbaiki hasil.

Tidak Membuat Baseline

Kecepatan output sering disalahartikan sebagai peningkatan produktivitas.

Tidak Memeriksa Fakta

Bahasa yang yakin dapat menyembunyikan kesalahan.

Menggunakan Data Nyata Terlalu Cepat

Latihan awal sebaiknya memakai data publik, data yang telah disanitasi, atau data sintetis.

Mengejar Sertifikat Sebelum Proyek

Kursus dan sertifikat dapat membantu struktur belajar, tetapi tidak menggantikan bukti praktik. Lihat Kursus AI Gratis Terbaik dan Sertifikasi AI Gratis sebagai pelengkap.

Mengaku Mahir Tanpa Batas yang Jelas

Lebih kredibel menjelaskan tugas apa yang dapat Anda kerjakan, bagaimana Anda menguji hasil, dan keterbatasan apa yang masih ada.

Checklist Hari ke-90

FAQ

Apakah harus bisa coding untuk belajar AI?

Tidak untuk jalur pengguna AI. Coding dibutuhkan ketika tujuan Anda membuat aplikasi, integrasi, otomasi teknis, atau model.

Berapa lama sampai bisa menggunakan AI?

Anda dapat menyelesaikan tugas sederhana dalam beberapa hari. Konsistensi, verifikasi, dokumentasi, dan proyek yang layak dipamerkan membutuhkan latihan lebih lama.

AI apa yang paling cocok untuk pemula?

Pilih satu tools yang mudah diakses, sesuai kebijakan data Anda, dan mampu menangani tugas yang dipilih. Jangan menjadikan merek sebagai pusat roadmap.

Apakah harus belajar prompt engineering?

Anda perlu memahami cara memberi tujuan, konteks, input, batasan, format, dan kriteria. Nama keterampilannya kurang penting daripada kemampuan mengomunikasikan tugas dan memeriksa hasil.

Apakah roadmap ini cocok untuk pelajar?

Ya, dengan pendampingan dan kebijakan sekolah yang sesuai. Pelajar harus menjaga data, memahami integritas akademik, dan tetap mengerjakan proses berpikir sendiri.

Apakah hasil AI boleh langsung digunakan?

Tidak untuk output penting. Periksa fakta, logika, data, sumber, hak penggunaan, audiens, dan dampaknya.

Kapan harus mulai membuat portofolio?

Mulai sejak proyek pertama. Portofolio yang baik menunjukkan proses, bukan hanya hasil akhir.

Apa langkah setelah 90 hari?

Pilih spesialisasi, buat proyek yang lebih dekat dengan kebutuhan nyata, tingkatkan metode evaluasi, dan pelajari aspek teknis hanya ketika mendukung tujuan.

Sumber Primer

Sumber primer memberi kerangka umum. Penerapan tetap perlu disesuaikan dengan usia, profesi, organisasi, jenis data, risiko, dan aturan yang berlaku.

Kesimpulan

Roadmap belajar AI yang baik tidak dimulai dengan mengejar semua tools. Mulailah dari satu hasil, satu workflow, satu cara mengukur, dan satu kebiasaan memeriksa output.

Dalam 90 hari, sasaran yang realistis bukan “menguasai seluruh AI”, melainkan:

memahami prinsip dan batasnya;
menggunakan AI untuk tugas tertentu;
memverifikasi hasil;
menjaga data;
membuat proyek;
mendokumentasikan proses;
menentukan jalur berikutnya.

Kemampuan tersebut lebih tahan lama daripada hafalan fitur karena dapat diterapkan kembali ketika tools, model, dan tren berubah.

← Kembali ke Belajar AI

Pelajari Lebih Lanjut

Jelajahi seluruh artikel dalam kategori Belajar AI.

Lihat Semua Artikel Belajar AI