Trik Menerapkan Framework RCTOC & AI Council untuk Keputusan Bisnis Cepat

tl;dr — Di episode Kongko Komunitech, Enrico Wikarsa dan Edward Santoso membongkar cara mereka pakai AI buat menjalankan bisnis nyaris sendirian: dari ChatGPT jadi “karyawan pertama” seharga Rp300 ribu/bulan, framework prompting RCTOC (Role, Context, Task, Output, Clarify) yang mereka pakai tiap hari, sampai “AI Council” — lima persona AI dengan sudut pandang berbeda buat bantu ambil keputusan strategis. Video lengkap ada di bawah.

Framework prompting RCTOC adalah pola instruksi lima lapis (Role, Context, Task, Output, Clarify) yang dipakai Enrico Wikarsa dan Edward Santoso untuk mendapat hasil konsisten dari AI, dibahas dalam episode Kongko Komunitech bersama host Robbie Jeo. Keduanya juga membagikan cara mereka membangun AIU (AI University & Agency) dan Insurctive.com, SaaS untuk industri asuransi yang dibangun dalam 3 bulan.

Dua Jalur Berbeda Menuju AI

Enrico Wikarsa dan Edward Santoso datang dari latar belakang yang jauh dari dunia teknis, dan itu justru jadi bagian menarik dari perbincangan ini.

Enrico berlatar belakang finance dan investment banking, tanpa pengalaman coding. Titik baliknya datang saat dia mengenal n8n, tools otomasi berbasis workflow, dan menyadari sebagian besar pekerjaan analitis yang biasa dia lakukan manual ternyata bisa dirangkai jadi alur otomatis.

Edward datang dari jalur berbeda lagi: dropout IT semester 1, lalu membangun bisnis media digital 7%.coco dari Papua. Dia menyebut ChatGPT sebagai “karyawan pertama”-nya — biaya langganan sekitar Rp300 ribu per bulan, bekerja 24 jam tanpa mengeluh, dan menurutnya jadi titik awal dia berhenti melihat AI sebagai gimmick dan mulai memperlakukannya sebagai bagian struktural dari bisnisnya.

Poin yang mereka tekankan bareng-bareng: latar belakang teknis bukan syarat buat mulai. Yang membedakan mereka dari kebanyakan orang yang “sudah coba AI tapi nggak dapat hasil” bukan kemampuan coding, tapi kejelasan apa yang sebenarnya mereka mau dari AI-nya — dan itu yang jadi benang merah sepanjang episode.

Dari Belajar Sendiri Jadi Dua Unit Bisnis

Yang menarik, eksplorasi keduanya berujung pada unit bisnis yang jalan, bukan berhenti di eksperimen pribadi.

AIU — AI University & Agency

AIU berdiri di atas dua pilar. Pertama, marketing use-cases: pembuatan digital IP dan aset media untuk klien. Kedua, operations: otomatisasi proses dan pengembangan software berbasis AI. Di luar dua pilar itu, mereka juga menjalankan corporate training — membawa cara kerja yang sama ke tim internal perusahaan lain.

Insurctive.com — SaaS untuk industri asuransi

Insurctive adalah produk kolaborasi AIU yang menyasar masalah spesifik di industri asuransi: tingginya angka agen baru yang berhenti karena tidak tahan penolakan. Pendekatannya lewat gamifikasi — sistem XP dan leveling — supaya progres agen terlihat terukur, bukan cuma dinilai dari closing.

Menurut Enrico dan Edward, produk itu dibangun dalam tiga bulan dan sudah mencapai titik impas sejak bulan pertama. Keduanya angka yang mereka sampaikan sendiri di podcast dan belum kami verifikasi lewat laporan independen, jadi perlakukan sebagai klaim narasumber, bukan data yang sudah diaudit.

Pola “pakai AI untuk menjalankan unit bisnis dengan tim minimal” bukan cerita tunggal. Kami pernah membahas kasus serupa dari sisi angka di Nat Eliason: modal $1.000 bikin perusahaan AI Agent — konteksnya beda, tapi strukturnya mirip: satu orang, banyak fungsi, AI yang mengisi celahnya.

RCTOC: Framework Prompting yang Mereka Pakai Harian

Bagian paling bisa langsung kamu praktikkan dari episode ini adalah RCTOC — lima lapis yang mereka susun tiap kali memberi instruksi ke AI.

Huruf	Komponen	Isinya apa
R	Role	Peran yang kamu berikan ke AI — misalnya chef, expert marketer, analis keuangan.
C	Context	Onboarding: latar belakang, SOP, data pendukung, situasi yang perlu dia tahu.
T	Task	Instruksi spesifik — apa persisnya yang harus dikerjakan.
O	Output	Format hasil akhir: tabel, poin, PDF, panjang tertentu.
C	Clarify	Minta AI bertanya balik kalau ada yang kurang jelas, plus acuan gaya atau contoh sebagai referensi.

Lapis terakhir yang paling sering dilewatkan orang. Menyuruh AI bertanya balik sebelum mengerjakan memindahkan beban klarifikasi ke tempat yang benar: sebelum hasil dibuat, bukan sesudah kamu menerima keluaran yang meleset dan harus mengulang dari awal.

Kalau digambarkan sebagai alur kerja, lima lapis itu membentuk satu siklus dengan percabangan di bagian klarifikasi — AI memeriksa kelengkapan konteks lebih dulu, bertanya balik kalau masih ada yang ambigu, baru mengeksekusi. Titik akhirnya tetap sama: peninjauan manusia.

Bedanya di Praktik: Prompt Biasa vs RCTOC

Penjelasan komponen sering terasa abstrak sampai kamu melihat dua versi instruksi yang sama berdampingan. Berikut contohnya untuk kasus yang identik — menyusun strategi marketing.

Prompt A — tanpa RCTOC

Buatkan strategi marketing untuk bisnis AI agent B2B di Indonesia.

Prompt B — dengan RCTOC

Role:
Bertindak sebagai B2B SaaS marketing strategist yang memahami pasar Indonesia.

Context:
Kami menjual AI Agent untuk perusahaan 50–500 karyawan. Target utama HR dan
operational manager. Budget marketing Rp20 juta/bulan. Brand masih baru dan
belum punya banyak case study.

Task:
Buat strategi acquisition 90 hari untuk mendapatkan 20 qualified leads pertama.

Output:
Buat tabel berisi channel, objective, aktivitas mingguan, estimasi biaya, KPI,
dan risiko. Prioritaskan channel berdasarkan kemungkinan menghasilkan
qualified leads.

Clarify:
Sebelum membuat strategi, tanyakan maksimal 5 pertanyaan jika informasi yang
tersedia belum cukup untuk membuat rekomendasi yang bertanggung jawab.

Perbedaannya bukan soal panjang instruksi, melainkan berapa banyak keputusan yang kamu serahkan ke mesin:

Aspek	Prompt biasa	RCTOC
Tujuan	Umum	Spesifik
Konteks	Hampir kosong	Lengkap
Output	Tidak terdefinisi	Terstruktur
Ambiguitas	Tinggi	Lebih rendah
Klarifikasi	Tidak ada	Ada
Bisa dievaluasi?	Sulit	Lebih mudah

Baris terakhir yang paling menentukan dalam pekerjaan nyata. Keluaran dari Prompt A sulit dinilai benar atau salah karena tidak ada kriteria yang kamu tetapkan sejak awal. Keluaran Prompt B bisa langsung diperiksa: apakah tabelnya lengkap, apakah channel-nya diprioritaskan, apakah risikonya disebut.

Kalau kamu sudah terbiasa menyusun prompt berlapis seperti ini, langkah berikutnya biasanya soal efisiensi — konteks panjang berarti token yang terpakai juga lebih banyak. Cara menekannya kami bahas di tips prompting hemat token AI, dan untuk penerapan di konteks produksi konten ada di panduan prompting buat content creator.

Kami Uji Sendiri: Tiga Level Prompt, Satu Tugas yang Sama

Tabel perbandingan di atas menjelaskan teorinya. Supaya tidak berhenti di klaim, kami menjalankan pengujian kecil: satu tugas yang sama diberikan dalam tiga tingkat kelengkapan instruksi, ke model yang sama, dengan pengaturan yang sama.

Tugas yang dipakai: menyusun strategi konten LinkedIn untuk perusahaan AI Agent B2B. Tiga levelnya:

• Level 1 — prompt biasa: satu kalimat, tanpa konteks. “Buat strategi konten LinkedIn untuk perusahaan AI.”
• Level 2 — RCTO: Role, Context, Task, Output. Lengkap kecuali Clarify.
• Level 3 — RCTOC penuh: RCTO ditambah instruksi bertanya balik maksimal lima pertanyaan bila informasi belum cukup.

Hasilnya

Aspek	Level 1 (biasa)	Level 2 (RCTO)	Level 3 (RCTOC)
Panjang keluaran	~5.400 karakter	~3.900 karakter	~2.000 karakter
Format sesuai permintaan	Tidak diminta, hasilnya esai bertingkat	Tabel mingguan sesuai instruksi	Belum dieksekusi — bertanya dulu
Relevansi ke konteks bisnis	Generik: menyasar C-Level, investor, rekrutmen talenta	Tepat sasaran: HR & ops manager, tim 1 orang, tanpa case study	Tepat sasaran, plus menyadari celah informasi
Pertanyaan klarifikasi	Tidak ada	Tidak ada	5 pertanyaan terarah
Asumsi yang diambil diam-diam	Banyak — audiens, tujuan, skala tim semuanya dikarang	Sedikit — masih menebak use case & tone	Paling sedikit — asumsi diangkat jadi pertanyaan
Siap dievaluasi	Sulit, tidak ada kriteria pembanding	Mudah, formatnya terdefinisi	Mudah setelah pertanyaan dijawab

Tiga temuan yang menarik

Keluaran terpanjang justru paling tidak berguna. Level 1 menghasilkan teks paling banyak, tapi isinya melebar ke tiga persona audiens sekaligus — termasuk investor dan pencari kerja — padahal tidak ada satu pun yang relevan dengan kebutuhan yang dimaksud. Volume keluaran bukan indikator kualitas.

Konteks memangkas pekerjaan revisi. Level 2 menghasilkan tabel yang bisa langsung dipakai, dengan detail yang tidak muncul di Level 1: frekuensi posting yang realistis untuk tim satu orang, dan strategi khusus untuk brand yang belum punya case study. Detail seperti itu tidak akan muncul kalau tidak disebutkan di bagian Context.

Clarify mengubah perilaku model, bukan cuma hasilnya. Level 3 tidak langsung mengerjakan tugas. Model bertanya lebih dulu soal use case spesifik, gaya bahasa, dan indikator sukses — hal-hal yang di Level 2 dia tebak sendiri tanpa memberi tahu. Bagi pekerjaan bernilai tinggi, asumsi yang diangkat ke permukaan jauh lebih murah daripada asumsi yang baru ketahuan setelah strategi dijalankan.

Catatan penting soal batas pengujian ini ada di bagian metodologi di bawah. Ringkasnya: satu tugas, satu model, satu kali jalan. Cukup untuk menunjukkan pola, tidak cukup untuk digeneralisasi.

AI Council: Lima Sudut Pandang dalam Satu Ruang Diskusi

Bagian yang paling jarang terdengar di pembahasan AI lokal adalah cara mereka memakai AI untuk pengambilan keputusan strategis — bukan sekadar mengerjakan tugas.

Idenya: alih-alih bertanya ke satu AI dan menerima satu jawaban, mereka membuat lima persona dengan sudut pandang yang sengaja dibikin bertabrakan, lalu mempertemukannya dalam satu diskusi:

• Kontradiktif — tugasnya menyerang dan mencari lubang dari setiap ide.
• Oportunis — mencari peluang tercepat yang bisa diambil.
• Ekspansionis — mendorong ke arah skala dan pertumbuhan.
• Idealis — menjaga arah jangka panjang dan nilai yang dipegang.
• Penguji harga dan budget — menekan dari sisi kelayakan biaya.

Kekuatan pola begini ada pada friksinya. Satu AI yang ditanya satu kali cenderung memberi jawaban yang enak didengar dan sejalan dengan cara kamu bertanya. Lima persona yang saling membantah memaksa kelemahan sebuah rencana muncul ke permukaan sebelum kamu mengeluarkan uang untuk menjalankannya.

“AI Terbaik Adalah AI yang Dipakai”

Ditanya soal model mana yang paling bagus, jawaban mereka justru memotong perdebatan yang biasanya panjang: AI terbaik adalah yang benar-benar kamu pakai — bahkan sesederhana Meta AI yang sudah menempel di WhatsApp.

Untuk pekerjaan harian, keduanya mengombinasikan beberapa model sesuai kekuatan masing-masing:

• Claude — coding dan penulisan panjang.
• ChatGPT — kebutuhan desain dan pembuatan gambar.
• Gemini — Canvas dan Live API untuk voice agent real-time.

Soal langganan, saran mereka tegas: gali dulu manfaat dari versi gratis. Jangan berlangganan versi berbayar kalau versi gratisnya saja belum menghasilkan nilai atau efisiensi yang terasa. Logikanya sederhana — kalau kamu belum bisa mendapat hasil dari tools gratis, menambah biaya bulanan tidak menyelesaikan masalah yang sebenarnya ada di cara pakai, bukan di kapasitas modelnya.

Kalau kamu sedang menimbang tools mana yang layak dibayar untuk kebutuhan kerja, kami sudah membandingkannya lebih rinci di aplikasi AI terbaik untuk produktivitas kerja, termasuk mana yang versi gratisnya masih memadai.

AI Mempercepat Aliran, Bukan Menciptakan Airnya

Bagian yang paling layak dicatat pemilik bisnis adalah cara mereka menggambarkan batas kemampuan AI.

Analoginya: bisnis yang berjalan itu seperti aliran air. AI berguna untuk memperderas aliran dan mengeringkan titik-titik bocor — mempercepat proses yang sudah jalan, menekan biaya, menambal kebocoran operasional. Tapi kalau bisnisnya memang tidak punya “air” sejak awal — model bisnisnya belum terbukti, tidak ada permintaan, fondasinya rusak — AI tidak menciptakan air dari ruang kosong.

Konsekuensinya praktis: pertanyaan pertama sebelum mengadopsi AI bukan “tools apa yang harus saya pakai”, melainkan “proses mana yang sudah jalan tapi terlalu lambat atau terlalu mahal”. Kalau tidak ada jawaban jelas untuk pertanyaan kedua, menambah AI cuma memindahkan masalah, bukan menyelesaikannya.

Urutan implementasi yang mereka sarankan mengikuti logika yang sama:

1. Mulai dari versi gratis, cari manfaat nyatanya dulu.
2. Petakan proses bisnis — business process mapping — supaya kelihatan mana yang berulang dan mana yang bocor.
3. Rapikan dokumentasi dan data, karena AI hanya sebaik konteks yang bisa kamu berikan.
4. Baru bangun otomatisasi atau aplikasi berbasis AI di atas fondasi itu.

Langkah ketiga sering diremehkan. Dokumentasi yang berantakan adalah alasan paling umum kenapa implementasi AI di perusahaan berhenti di tahap demo — polanya kami bahas lebih jauh di catatan kami saat mewajibkan semua staf punya AI Agent sendiri, termasuk bagian yang sering rusak.

Tony Stark dan Jarvis: AI Sehebat Penggunanya

Penutup diskusi mereka memakai analogi yang gampang diingat: AI itu Jarvis, dan Jarvis hanya sehebat Tony Stark yang memakainya.

Maksudnya, kemampuan AI dibatasi oleh kejelasan tujuan dan keahlian penggunanya. Orang yang paham bidangnya bisa mengarahkan AI ke hasil yang tajam karena dia tahu output seperti apa yang benar. Orang yang tidak tahu apa yang dia cari akan menerima keluaran yang terdengar meyakinkan tanpa bisa menilai apakah itu berguna atau tidak.

Ini juga yang menjelaskan kenapa banyak orang merasa AI “biasa saja” setelah mencoba. Masalahnya jarang di modelnya. Lebih sering di dua hal: tidak tahu persis apa yang diinginkan, dan tidak tahu cara menyampaikannya — dua hal yang justru dijawab oleh RCTOC dan pemetaan proses di atas.

Pembedaan antara “bisa pakai ChatGPT” dan “benar-benar paham cara kerja AI” kami bahas terpisah di literasi AI: bisa ChatGPT belum tentu melek AI.

Yang Bisa Kamu Praktikkan Minggu Ini

Kalau kamu mau menerapkan isi obrolan tadi tanpa harus membangun agency dulu, tiga langkah berikut cukup jadi titik masuk:

1. Tulis ulang satu prompt yang sering kamu pakai dengan pola RCTOC. Ambil instruksi yang biasa kamu ketik seadanya, lalu susun ulang dengan lima lapis tadi — terutama bagian Clarify. Bandingkan hasilnya.
2. Petakan satu proses yang paling menyita waktu. Bukan seluruh bisnis, cukup satu alur yang berulang tiap minggu. Catat langkahnya, tandai mana yang manual dan mana yang bocor.
3. Uji satu keputusan dengan AI Council sederhana. Tidak perlu lima persona sekaligus; mulai dari dua yang saling bertentangan — satu yang menyerang idemu, satu yang mendorongnya. Lihat argumen apa yang muncul dan tidak terpikirkan sebelumnya.

Ketiganya gratis dan bisa dikerjakan dengan tools yang kemungkinan sudah kamu punya. Sesuai saran Enrico dan Edward: buktikan nilainya dulu di versi gratis sebelum menambah biaya langganan.

Pertanyaan yang Sering Ditanya

Apa itu framework prompting RCTOC?

RCTOC adalah pola menyusun instruksi AI dalam lima lapis: Role (peran yang diberikan ke AI), Context (latar belakang dan data pendukung), Task (instruksi spesifik), Output (format hasil yang diinginkan), dan Clarify (meminta AI bertanya balik bila ada yang kurang jelas, plus acuan gaya). Polanya dibagikan Enrico Wikarsa dan Edward Santoso di podcast Kongko Komunitech.

Apakah perlu bisa coding untuk memakai AI di bisnis?

Tidak. Kedua narasumber berlatar belakang non-teknis — Enrico dari finance dan investment banking, Edward berhenti kuliah IT di semester pertama. Yang menentukan hasil bukan kemampuan coding, melainkan kejelasan tujuan dan cara menyusun instruksi.

Apa itu AI Council dan bagaimana cara memakainya?

AI Council adalah teknik membuat beberapa persona AI dengan sudut pandang berbeda — kontradiktif, oportunis, ekspansionis, idealis, dan penguji anggaran — lalu mempertemukannya dalam satu diskusi untuk menguji sebuah keputusan. Tujuannya memunculkan kelemahan rencana lewat perdebatan antar sudut pandang, bukan menerima satu jawaban tunggal yang cenderung menyenangkan penanya.

Model AI mana yang paling bagus untuk bisnis?

Menurut narasumber, AI terbaik adalah yang benar-benar dipakai secara konsisten. Untuk kerja harian mereka mengombinasikan Claude untuk coding dan penulisan, ChatGPT untuk kebutuhan desain dan gambar, serta Gemini untuk Canvas dan voice agent real-time lewat Live API.

Kapan waktunya berlangganan versi berbayar?

Setelah versi gratis terbukti memberi nilai atau efisiensi nyata. Kalau versi gratis saja belum menghasilkan manfaat yang terasa, masalahnya biasanya ada di cara pakai — bukan di keterbatasan model — dan berlangganan tidak akan menyelesaikannya.

Apakah AI bisa memperbaiki bisnis yang sedang merugi?

Tidak secara langsung. Analogi yang dipakai di podcast: AI mempercepat aliran air dan menutup titik bocor, tapi tidak menciptakan air kalau memang tidak ada. Bisnis dengan model yang belum terbukti atau tanpa permintaan pasar tidak akan tertolong dengan menambahkan AI — yang berkembang justru kecepatan menuju hasil yang sama.

Metodologi & Sumber

Framework RCTOC dan AI Council berasal dari narasumber — Enrico Wikarsa dan Edward Santoso — dalam episode Kongko Komunitech. Bagian penjelasan komponen dan analogi (Tony Stark & Jarvis, aliran air) adalah pemaparan mereka langsung, ditulis ulang tanpa perubahan makna.

Pengujian tiga level di atas kami jalankan sendiri sebagai eksperimen editorial, bukan bagian dari podcast aslinya. Detail teknisnya: satu tugas (“strategi konten LinkedIn untuk perusahaan AI Agent B2B”), tiga versi prompt dengan tingkat kelengkapan berbeda, dikirim ke model bahasa yang sama, dengan pengaturan yang sama, masing-masing satu kali jalan tanpa pengulangan.

Batasannya perlu ditulis jelas supaya tidak disalahpahami sebagai bukti kuat: satu tugas, satu model, satu percobaan. Model bahasa punya variasi hasil antar percobaan meski promptnya identik, dan tugas yang berbeda — misalnya analisis data numerik dibanding penulisan strategi — bisa menunjukkan pola yang berbeda pula. Perlakukan hasil ini sebagai ilustrasi arah, bukan angka yang bisa digeneralisasi ke semua kasus penggunaan AI.

Mau Mulai Bangun Karyawan AI Sendiri?

Pola yang dibagikan Enrico dan Edward bisa dipelajari siapa saja, termasuk yang belum pernah menyentuh kode. Di Workshop 2 Jam Bikin Karyawan AI, kami membedah langkahnya dari nol sampai agent-nya jalan untuk kasus bisnismu sendiri — dengan mentor praktisi, bukan sekadar teori di slide.

Disclaimer: isi tulisan di atas merupakan rangkuman perbincangan podcast Kongko Komunitech dan mencerminkan pengalaman serta pendapat narasumber. Angka bisnis yang disebutkan — termasuk durasi pengembangan dan pencapaian titik impas Insurctive.com — adalah klaim yang disampaikan narasumber di podcast dan belum kami verifikasi lewat laporan independen. Hasil penerapan AI berbeda-beda tergantung model bisnis, kualitas data, dan proses yang sudah berjalan di masing-masing organisasi.

Artikel telah diupdate pada 28/08/2026 untuk memastikan artikel tetap sesuai kondisi terkini.