Studi kasus · Manufaktur
AI-Powered Executive Decision Making untuk PT Sinar Alum Sarana
Pada 2 November 2026, 11 direksi dan manajer PT Sinar Alum Sarana mengikuti AI-Powered Executive Decision Making selama satu hari di Tangerang. TNA menunjukkan celah terbesar bukan pada fitur, melainkan pada membatasi AI agar bekerja di atas data dan memverifikasi hasilnya. Rata-rata skor tes naik dari 7,5 menjadi 10,9 dari 15.
Oleh Andi Syahrul, S.T. · 2 November 2026
Ringkasan program
- Klien
- PT Sinar Alum Sarana, Tangerang
- Peserta
- 11 orang, dari President Director dan direktur sampai GM dan manajer
- Format
- In-house di kantor klien, 1 hari (08.30-16.40)
- Program
- AI-Powered Executive Decision Making: From Data to Strategy
- Fasilitator
- Tim trainer Pakai.ai, dipimpin Andi Syahrul, S.T.
Audit dan TNA: apa yang ditemukan?
TNA diisi 10 dari 11 peserta dan dilaporkan ke manajemen pada 29 Oktober 2026.
- 7 dari 10 belum punya akun Claude, dan 6 belum pernah membuka claude.ai dari perangkat pelatihan.
- Prompt latihan kuat pada tugas tetapi lemah pada batasan: rata-rata 4,3 dari 8, dan tidak satu pun meminta AI berpegang hanya pada data yang diberikan.
- 3 dari 10 tidak menemukan satu pun dari tiga kesalahan yang disisipkan di ringkasan AI.
- Tidak ada yang mengetahui aturan AI perusahaan, 7 khawatir data bocor, dan 4 pernah memasukkan data non-publik ke layanan AI.
- 10 dari 10 berharap AI membantu menganalisis angka dan tren.
Kurikulum: bagaimana TNA diterjemahkan?
Karena pelatihan hanya satu hari, materi dipusatkan pada kebutuhan pengambil keputusan:
- Tata kelola AI dan kerahasiaan data di awal sesi.
- Mindset AI untuk pemimpin, lanskap tools, dan setup akun Claude.
- Prompt engineering dengan kerangka Konteks, Tugas, Format, dan Batasan, termasuk meminta AI berpegang pada data yang diberikan.
- Claude Projects, Skills, dan Artifacts, dengan satu Project per fungsi kerja.
- Studi kasus dari data ke keputusan, capstone mini, dan rencana adopsi.
- Paket per peserta berisi Skill pribadi dari pekerjaannya, misalnya arus kas mingguan, ringkasan approval PO, rencana perbaikan QCD, dan laporan mingguan plant.
Pelaksanaan: apa yang dikerjakan peserta?
Peserta memakai data atau dokumen dari fungsi masing-masing. Hasil yang tercatat trainer antara lain dashboard tindak lanjut rapat, analisis kinerja plant dalam Excel dan PPT, analisis pasar aftermarket sepeda motor, laporan mingguan pembelian, laporan tenaga kerja, analisis tren pengiriman, dan analisis downtime dalam PPT interaktif. Satu project tentang approval PO belum bisa diotomasi karena kendala file data.
Hasil: apa yang berubah?
Rata-rata skor tes 11 peserta naik dari 7,5 menjadi 10,9 dari 15 soal. Sepuluh peserta skornya naik dan satu turun.
Di formulir evaluasi, 11 peserta memberi skor rekomendasi rata-rata 8,2/10, dan 10 dari 11 puas atau sangat puas. Delapan dari 11 memperkirakan bisa menghemat minimal 1 jam per minggu, sedangkan 2 belum melihat penghematan.
Setelah pelatihan
Manajemen diminta menetapkan aturan sementara tentang data yang boleh, perlu disamarkan, dan tidak boleh dimasukkan ke AI. Setiap peserta pulang dengan rencana adopsi dari capstone mini.
Contoh hasil project peserta
Apa kata peserta
“Dulu saya butuh setengah hari untuk membuat laporan man power ini, sekarang draft pertamanya selesai dalam 5 menit”Peserta, PT Sinar Alum Sarana
“dulu saya membuat prompt tanpa struktur baku yang ideal, sekarang bisa membuat dengan struktur baku sehingga hasilnya bisa lebih baik”Peserta, PT Sinar Alum Sarana
“Dulu saya menggunakan AI tanpa struktur sekarang lebih memahaminya seperti R3CF”Operational Director, PT Sinar Alum Sarana
“Kalau data tidak lengkap, percuma menerapkan/minta advice dari AI. Karena fakta aktual lebih penting dari pada laporan yg tidak lengkap.”Peserta, PT Sinar Alum Sarana
Kutipan disalin utuh dari formulir evaluasi peserta dan ditampilkan sesuai izin masing-masing peserta. Waktu yang dihemat adalah perkiraan peserta.
Dokumentasi kelas
Ingin hasil serupa untuk tim Anda?
Setiap program Pakai.ai dimulai dari Audit Kesiapan AI gratis untuk memetakan kebutuhan per jabatan, lalu kurikulum disusun dari pekerjaan nyata tim Anda.
Studi kasus lain: Claude AI Mastery Batch 3 untuk Divisi IT PT Astra Honda Motor · AI Agent dan Automation untuk Manajemen PT Amstel Indonesia · AI Training untuk PT WIKA Tirta Jaya Jatiluhur · Claude AI Mastery Batch 2 untuk Divisi IT PT Astra Honda Motor · Claude AI for Productivity untuk SAS Group · Claude AI Mastery untuk Tim IT PT Astra Honda Motor