Langsung ke konten
Sektor Kesehatan & Farmasi

Jasa Pelatihan Prompt Engineering untuk Sektor Kesehatan & Farmasi

Tim non-klinis rumah sakit dan industri farmasi (HR, sekretariat, marketing, layanan pelanggan) memakai AI untuk pekerjaan administratif sehari-hari. Tantangannya: kultur kepatuhan sangat tinggi, data kesehatan adalah data pribadi spesifik (UU PDP), dan ada risiko penggunaan AI menyentuh keputusan klinis yang tidak boleh, itu domain DPJP. Prompt library yang baik menetapkan batas eksplisit sejak hari pertama.

  • 4,9/5 · 287 ulasan
  • 300+ klien nasional
  • 2.000+ trainer
  • 1 sampai ratusan peserta
  • Standar · Premium · Privat 1-on-1
Minta ProposalChat WhatsApp
format
In-house / online / hybrid
durasi
3 hari intensif per angkatan
peserta
10-30 per batch
bahasa
Indonesia / English

2.000+ trainer dan expert

Jaringan pengajar grup kami, dipilih per kebutuhan tim Anda.

Lihat dokumentasi kelas

Trainer Anda terlihat dulu

Profil, rekam jejak, dan bidang trainer dikirim bersama proposal, sebelum Anda memutuskan.

4,9 dari 5

287 ulasan peserta.

300+ klien nasional dan 180.000+ sesi pelatihan privat terselesaikan. Sebagian di antaranya: MPR RI, Akademi Militer Magelang, DPRD Provinsi Jawa Timur.

Satu orang sampai ratusan

Coaching privat untuk satu peserta, kelas satu tim, sampai beberapa angkatan sekaligus.

Tiga tingkat anggaran

  • Standar: kelas inti, materi disesuaikan pekerjaan peserta
  • Premium: trainer senior, rancangan materi lebih dalam
  • Privat 1-on-1: satu peserta, satu trainer, jadwal mengikuti peserta
Sebutkan anggaran Anda
Khusus Sektor Kesehatan & Farmasi

Mengapa Menulis Perintah AI yang Menghasilkan berbeda di Kesehatan & Farmasi

Tim non-klinis rumah sakit dan industri farmasi (HR, sekretariat, marketing, layanan pelanggan) memakai AI untuk pekerjaan administratif sehari-hari. Tantangannya: kultur kepatuhan sangat tinggi, data kesehatan adalah data pribadi spesifik (UU PDP), dan ada risiko penggunaan AI menyentuh keputusan klinis yang tidak boleh, itu domain DPJP. Prompt library yang baik menetapkan batas eksplisit sejak hari pertama.

KPI sektor
  • Cakupan staf non-klinis pemakai prompt library
    Mendekati seluruh staf administratif yang menulis dokumen
  • Insiden penggunaan AI di luar batas klinis
    Mendekati nol setelah guardrail prompt diperketat
  • Waktu cycle drafting kebijakan / SOP non-klinis
    Berkurang nyata dengan review kualitas tetap
Regulasi & standar relevan
  • Permenkes 24/2022 tentang Rekam Medis Elektronik
  • UU 17/2023 tentang Kesehatan
  • Standar Akreditasi Rumah Sakit (SNARS / KARS)
  • UU PDP No. 27/2022 — data kesehatan = data pribadi spesifik
  • OWASP Top 10 for LLM Applications 2025 — LLM09 misinformation, LLM06 sensitive information disclosure
Peran sasaran di Kesehatan & Farmasi
  • Direktur Utama RS / Direktur SDM
  • Manager IT Rumah Sakit
  • Kepala HR Rumah Sakit
  • Kepala Sekretariat / Humas
  • Data Protection Officer Layanan Kesehatan
  • Kepala Pelayanan Pelanggan
Hasil yang umum diminta di Kesehatan & Farmasi
  • Tim non-klinis menulis kebijakan / ringkasan / korespondensi lebih cepat dengan brand voice rumah sakit
  • Batas tegas dalam prompt: AI tidak memberi rekomendasi terapi langsung; eskalasi ke DPJP
  • Rekam medis tidak masuk model publik; data fiktif / dataset sintetis untuk demo
  • Klasifikasi keluhan layanan otomatis untuk routing yang konsisten ke unit terkait
  • Komite Medik & DPO punya audit log pemakaian AI di area non-klinis
Pertanyaan khas Kesehatan & Farmasi
Apakah pelatihan boleh diikuti tim klinis (perawat, dokter)?
Bisa, dengan scope tegas: prompt untuk pekerjaan administratif (catatan rapat, dokumen non-rekam-medis, drafting SOP). Penggunaan AI untuk keputusan klinis berada di luar scope dan memerlukan jalur terpisah dengan persetujuan Komite Medik.
Bagaimana data rekam medis tidak bocor saat pelatihan?
Latihan memakai dataset sintetis atau data sample yang sudah di-anonimisasi DPO. Tidak ada rekam medis nyata yang diunggah ke model publik selama pelatihan. Onsite di rumah sakit dengan jaringan yang disetujui IT.
Bisakah dipetakan ke audit SNARS / KARS?
Bisa. Kami petakan ke standar SNARS terkait manajemen informasi, keselamatan pasien (tanpa melibatkan AI di keputusan klinis tanpa otorisasi), dan kebijakan IT, sehingga prompt library jadi bukti kepatuhan dengan jejak audit yang jelas.

Jawaban Singkat

Pelatihan prompt engineering mendalam membangun disiplin prompt knowledge worker memakai pola riset (Chain-of-Thought, Tree-of-Thoughts, ReAct, Self-Consistency), structured output ber-JSON Schema, eval harness, dan tata kelola NIST AI RMF GenAI Profile (NIST AI 600-1) + UU PDP, sehingga AI menjadi alat kerja yang dapat diaudit dengan bukti, beroperasi di atas pola 'feels right' subjektif.

Konsultasi Gratis

Tanpa eval harness, prompt 'merasa' baik berbeda dari prompt 'terbukti' baik

Banyak tim percaya pada satu contoh demo yang berhasil. Golden eval set + rubrik kualitas + A/B prompt adalah cara satu-satunya membuktikan perubahan prompt benar memperbaiki dengan menghindari regresi tersembunyi. Program ini menempatkan eval harness sebagai fondasi sejak hari pertama.

Pola prompt = literatur akademik + panduan resmi

Kami merujuk panduan resmi OpenAI Prompt Engineering & Anthropic Prompt Engineering, plus paper akademik: Chain-of-Thought (Wei et al. 2022), Self-Consistency (Wang 2022), Tree-of-Thoughts (Yao 2023), ReAct (Yao 2022). Setiap pola diterapkan dengan kriteria nyata kapan ia membantu dan kapan ia noise.

Reasoning models mengubah aturan main

Reasoning models (o-series OpenAI, Claude extended thinking, Gemini Deep Think) sering mengembalikan hasil yang lebih baik dengan prompt yang LEBIH SEDIKIT eksplisit reasoning. CoT manual sering kontra-produktif di sini. Modul khusus membahas kapan pilih reasoning model dengan pertimbangan biaya & latency.

Klien & Dokumentasi

Sebagian institusi yang sudah kami latih

Foto dari sesi yang sudah berjalan, dengan nama institusinya tertulis apa adanya.

Lihat dokumentasi kelas (123 foto)

Menulis Perintah AI yang Menghasilkan

Pelatihan prompt engineering mendalam adalah program yang membekali knowledge worker (analis, perencana, penulis, peneliti, hukum, kepatuhan) mengubah pertanyaan ke LLM menjadi instruksi yang andal, terstruktur, dan dapat dievaluasi, memakai pola riset terkini (Chain-of-Thought Wei et al. 2022, Tree-of-Thoughts Yao 2023, ReAct Yao 2022, Self-Consistency Wang 2022) dan praktik produksi panduan OpenAI/Anthropic, dengan structured output ber-JSON Schema, evaluasi harness, dan tata kelola yang dipetakan ke NIST AI RMF GenAI Profile (NIST AI 600-1) dan UU PDP No. 27/2022.

1Berbasis literatur akademik dan panduan resmi: Chain-of-Thought, Tree-of-Thoughts, ReAct, Self-Consistency, Least-to-Most, role/system prompting, panduan OpenAI Prompt Engineering & Anthropic Prompt Engineering
2Cakupan structured output: JSON Schema, function calling, tool use, constrained decoding, agar output dapat diproses sistem tanpa parsing rapuh
3Tata kelola dipetakan ke NIST AI RMF (Govern/Map/Measure/Manage) + GenAI Profile (NIST AI 600-1), UU PDP, dan OWASP LLM Top 10 2025 (LLM01 prompt injection)
4Output terukur: prompt library per peran, golden eval set, dashboard kualitas, dan SOP pemakaian AI
5Latihan memakai konteks pekerjaan peserta (analisis, drafting, summarisasi, klasifikasi), tidak konten generik
6Disusun ADDIE dengan tujuan pembelajaran selaras Bloom; evaluasi Kirkpatrick L1-L4
7Rujukan yang kami pakai: pola Chain-of-Thought, Tree-of-Thoughts, ReAct, dan Self-Consistency, keluaran terstruktur berbasis skema, eval harness untuk menguji kualitas, serta NIST AI 600-1 GenAI Profile untuk tata kelola.

Hasil Terukur

Hasil yang Diharapkan

Indikator dipetakan ke Kirkpatrick L1-L4; target kualitatif yang ditetapkan saat TNA.

Pola menyusun perintah dikuasai
Peserta lulus asesmen tentang kapan memakai CoT, ToT, ReAct, Self-Consistency, dan structured output. Dinilai lewat latihan menyusun perintah berskema di kelas (Kirkpatrick L2).
Kumpulan prompt dipakai tim
Mayoritas peserta memakai prompt library tim dalam alur kerja mingguan dalam 30 hari. Terlihat dari prompt bersama yang dipakai berulang oleh tim (Kirkpatrick L3).
Kualitas keluaran naik dan terukur
Skor kualitas pada golden eval set tim naik vs baseline prompt 'bebas'. Terbaca dari skor kumpulan soal uji sebelum dan sesudah kelas (Kirkpatrick L4).
Aturan pemakaian AI dipatuhi
Seluruh peserta lulus checklist anti prompt injection (OWASP LLM01) dan SOP data UU PDP. Dinilai lewat kuis batas pemakaian data di akhir kelas (Kirkpatrick L2).
Prompt library dan soal uji jadi milik perusahaan
Pustaka prompt tervalidasi + golden eval set + dashboard kualitas dimiliki tim. Wujudnya prompt library dan soal uji yang dirawat tim sendiri (transfer Kirkpatrick L3).
Nilai rupiah dari jam kerja yang kembali (opsional)
Perhitungan penghematan waktu per kategori tugas, terisolasi dari faktor lain, bila keuangan meminta. Nilai jam kerjanya ditaksir lewat Phillips L5 bila memang diperlukan.

Format Program

Pilihan Format Program

Dipilih sesuai populasi peserta, kompleksitas tugas, dan ambisi pelembagaan, final ditetapkan setelah TNA. Pola menyusun perintah sudah dikuasai satu angkatan dalam tiga hari itu. Tim yang ingin kumpulan promptnya menjadi aset bersama meneruskannya lewat program tiga bulan untuk menyusun, menguji, dan merawat prompt library tiap divisi.

1

Prompt Workshop per Peran (1 hari)

Workshop terfokus satu peran (analis kredit, perencana, customer service, dll). Bangun 8-15 prompt utama untuk pekerjaan harian peserta dengan eval ringkas.

Cocok untuk: Tim spesifik yang ingin quick win prompt operasional
2

Prompt Engineering Deep Intensive (3-4 hari)

Pendalaman lengkap pola prompt mutakhir (CoT/ToT/ReAct/Self-Consistency), structured output, eval harness, security (prompt injection), dan governance.

Cocok untuk: Power users, analis senior, dan champion tim AI
3

Prompt Bootcamp Modular (6-8 sesi)

Sesi mingguan dengan eksperimen di antaranya: peserta mempraktikkan di pekerjaan, membawa hasil, dikoreksi, lalu pindah ke pola lebih lanjut.

Cocok untuk: Knowledge worker tanpa jeda operasional
4

Prompt Library Program (3 bulan)

Program berkelanjutan dengan office hours, prompt review club, dan kompetisi internal, sampai prompt library tim hidup dengan pemilik (owner) dan SOP refresh.

Cocok untuk: Organisasi yang ingin pelembagaan jangka panjang melampaui event sekali jalan

Konsultasi Gratis

Bangun disiplin prompt yang dapat diaudit

Kami petakan peran, tugas, dan stack AI tim Anda, lalu susun proposal & estimasi anggaran berbasis kebutuhan nyata.

Minta Proposal

Kurikulum

Kerangka Kurikulum

Disusun dengan ADDIE; modul final dikurasi sesuai hasil TNA. Topik di bawah adalah cakupan penuh, bisa diaktifkan sebagian sesuai populasi peserta.

  • Tokenisasi, context window, attention, tanpa jargon
  • Determinisme, temperature, top-p, seed, pengaruh ke output
  • Knowledge cutoff, halusinasi, dan kapan model 'mengarang dengan percaya diri'
  • Perbedaan model: GPT-5/4o, Claude Sonnet/Opus, Gemini Pro/Flash, Llama 3.x, pengaruh ke gaya prompt
  • Reasoning models (o-series, Claude extended thinking), apa berubah di prompting

  • Empat blok inti: peran, konteks, instruksi, format output
  • Few-shot prompting: kapan, berapa contoh, urutan, anti-bias contoh
  • Role/system prompting menurut panduan OpenAI dan Anthropic
  • Memberikan kriteria kualitas eksplisit (rubrik) di prompt
  • Mengatasi instruksi panjang: ringkas vs lengkap vs terstruktur

  • Chain-of-Thought (Wei et al. 2022), kapan efektif, kapan menjadi noise
  • Self-Consistency (Wang 2022), voting jawaban untuk tugas matematis/logis
  • Tree-of-Thoughts (Yao 2023), pencarian solusi banyak jalur
  • Least-to-Most prompting untuk dekomposisi tugas kompleks
  • ReAct (Yao 2022), interleaving reasoning + tool use
  • Step-back prompting & meta-prompt untuk memperbaiki sendiri

  • Output JSON ber-skema (JSON Schema), kontrak yang dapat diuji
  • Function calling & tool use (OpenAI, Anthropic, Gemini)
  • Constrained decoding & guided generation (Outlines, BAML)
  • Anti-parsing: extracting fields dengan regex vs structured output
  • Validation pasca-LLM: pydantic, zod, JSON Schema validator

  • Membangun golden eval set dengan subject matter expert tim
  • Rubrik kualitas: faktualitas, kelengkapan, gaya, kepatuhan format
  • LLM-as-judge: cara aman pakai (bias judge, calibration), kapan jangan
  • A/B prompt: bagaimana menguji perubahan prompt sebelum dipakai produksi
  • Regression test prompt: CI/CD untuk prompt library tim
  • Dashboard kualitas prompt: Langfuse / PromptLayer / lembar kerja sederhana

  • OWASP LLM Top 10 2025, LLM01 prompt injection (direct & indirect)
  • Data yang dilarang masuk model publik (UU PDP), checklist per peran
  • NIST AI RMF + GenAI Profile (NIST AI 600-1): Govern/Map/Measure/Manage
  • Prompt library governance: owner, versioning, depreciation, jejak audit
  • Pola 70-20-10: kelas formal + office hours + on-the-job adoption
  • Komite prompt internal: review berkala, taxonomy, dan retirement

Perbandingan

Memilih Format Program Prompt Engineering

Matriks keputusan ringkas, final ditetapkan setelah training needs analysis.

AspekPrompt Workshop per Peran (1 hari)Prompt Deep Intensive (3-4 hari)Prompt Bootcamp Modular (6-8 sesi)Prompt Library Program (3 bln)
Tujuan utamaQuick win 1 peranPenguasaan pola mutakhirBelajar paralel operasionalPelembagaan prompt library
Peserta idealSatu peran terfokusPower user & championKnowledge worker padat operasionalLintas peran organisasi
Kedalaman evalRubrik ringkasGolden set + A/B promptEval bertahap per sesiFull eval + CI/CD prompt
Level evaluasi trainingKirkpatrick L1-L2Kirkpatrick L1-L3Kirkpatrick L1-L3Kirkpatrick L1-L4 (+Phillips L5)
Paling cocok untukValidasi cepat per peranBangun kapabilitas championTim padat operasionalTarget adopsi & dampak org

Untuk Siapa

Untuk Siapa Program Ini?

Knowledge worker yang ingin AI menjadi alat kerja serius, beroperasi di atas pola demo sekali pakai. Tanpa prasyarat coding.

Analis bisnis, riset, dan perencanaan

Membangun prompt yang menghasilkan analisis terstruktur, ringkasan andal, dan klasifikasi yang konsisten.

Tantangan umum

  • Hasil prompt berbeda-beda antara orang & antar hari
  • Halusinasi pada angka & nama yang tidak terdeteksi
  • Tidak ada cara objektif menilai prompt mana yang lebih baik

Tim hukum, kepatuhan, dan kebijakan

Menyiapkan prompt untuk drafting, summarisasi peraturan, klasifikasi risiko, dengan jejak yang dapat dipertanggungjawabkan.

Tantangan umum

  • Kekhawatiran terhadap kebocoran data sensitif lewat prompt
  • Tidak ada SOP yang membatasi apa yang boleh diketik ke AI publik
  • Output AI sulit diaudit karena tidak ber-skema

Tim marketing, komunikasi, dan layanan

Memproduksi varian konten, ringkasan, dan respons pelanggan dengan brand voice konsisten.

Tantangan umum

  • Brand voice melayang antara penulis
  • Output tidak terstruktur, sulit dipakai sistem CMS / CRM
  • Klaim produk berisiko regulasi konsumen / BPOM tanpa kontrol

Tim L&D, HR, dan champion AI

Membangun prompt library tim & memimpin pelembagaan pemakaian AI yang terukur.

Tantangan umum

  • Pelatihan AI berhenti di 'apa itu ChatGPT', tidak masuk pekerjaan
  • Tidak ada cara mengukur progress adopsi & kualitas pemakaian
  • Prompt library jadi spreadsheet mati setelah event berakhir

Konteks Industri

Penerapan per Industri

Setiap industri punya tugas knowledge work khas, pola prompt didesain mengikutinya.

Perbankan & Jasa Keuangan

Prompt library analis kredit & compliance: ringkasan dokumen kredit, klasifikasi risiko awal, draf memo komite dengan structured output yang dapat dimasukkan sistem LOS, semua dengan checklist anti prompt injection dan guardrail data nasabah.

Lihat di konteks Perbankan & Jasa Keuangan →
Teknologi & Startup

Prompt library engineer & PM: drafting PRD, ringkasan post-mortem, generasi unit test, klasifikasi ticket, dengan structured output JSON Schema yang langsung dipakai sistem internal dan defense terhadap prompt injection di tool baru.

Lihat di konteks Teknologi & Startup →
Ritel & FMCG

Prompt library marketing & CX: produksi varian copy multi-channel, klasifikasi review pelanggan, draf respons keluhan, dengan structured output, brand voice guard, dan checklist klaim produk UU PK / BPOM.

Lihat di konteks Ritel & FMCG →
BUMN

Prompt library staf sekper & perencanaan: drafting nota dinas, ringkasan kebijakan, materi RUPS, klasifikasi disposisi, dengan structured output, jejak audit, dan kepatuhan AKHLAK serta UU PDP.

Lihat di konteks BUMN →
Pemerintahan & Sektor Publik

Prompt library ASN: draf surat dinas, ringkasan kebijakan, klasifikasi disposisi, asisten layanan publik, dengan structured output, klasifikasi informasi, dan jejak audit inspektorat sesuai SPBE.

Lihat di konteks Pemerintahan & Sektor Publik →
Kesehatan & Farmasi

Prompt library tim non-klinis rumah sakit & farmasi: drafting kebijakan, ringkasan literatur internal, klasifikasi keluhan layanan, asisten administrasi, dengan batas tegas: tidak menyentuh keputusan klinis langsung dan tidak menempel rekam medis ke model publik.

Metode Pengiriman

Cara Pelaksanaan

Latihan langsung memakai konteks pekerjaan peserta. Setiap sesi menghasilkan prompt nyata yang bisa dipakai esok hari.

In-house tatap muka

Fasilitator datang ke kantor; peserta latihan dengan dokumen / data tim (di lingkungan aman). Cocok untuk intensif 2-4 hari.

Live online

Kelas interaktif via Zoom/Teams dengan breakout per peran, screen-share review prompt, dan rekaman sesi. Cocok untuk bootcamp modular.

Hybrid

Tatap muka untuk lab intensif & komite prompt; online untuk office hours dan prompt review club berkelanjutan.

Jadwal disusun mengikuti kalender operasional tim
Materi, prompt library awal, dan template eval disiapkan tim Neksus
Lingkungan latihan aman bila lisensi AI enterprise belum tersedia
Sertifikat keikutsertaan untuk tiap peserta
Laporan evaluasi pasca-pelatihan untuk tim L&D & pimpinan

Alur Pelaksanaan

Alur Kerja Sama (Engagement Path)

Dari kebutuhan ke prompt library hidup yang terukur, durasi kualitatif, disesuaikan skala.

1

Training Needs Analysis (TNA)

Pemetaan peran, tugas knowledge work, stack AI, kebijakan data, dan target bisnis. Output: profil kebutuhan + baseline pengukuran + scoping prompt library awal.

Tahap awal
2

Desain Program (ADDIE)

Penyusunan tujuan pembelajaran, silabus per peran, golden eval set awal, dan template prompt library yang akan dikembangkan peserta.

Sebelum delivery
3

Delivery, Lab Intensif

Hands-on lab: pola prompt, structured output, eval harness, security. Peserta menulis prompt nyata untuk pekerjaan mereka dan diuji di golden set.

Inti program
4

Komite Prompt & Tata Kelola

Pembentukan komite prompt internal, charter, owner per prompt, versioning policy, dan integrasi ke sistem dokumen / git tim.

Pasca-intensif
5

Office Hours & Prompt Review Club

Coaching pemakaian prompt di pekerjaan nyata, prompt review club mingguan/dwi-mingguan, dan kompetisi prompt internal untuk momentum.

Berkelanjutan
6

Evaluasi Kirkpatrick & Roadmap

Pengukuran Level 1-4 (reaksi, pembelajaran, perilaku/adopsi, hasil). Phillips ROI Level 5 bila keuangan meminta. Roadmap pendewasaan prompt library.

Pasca program

Studi Kasus

Pola Hasil Tipikal

Gambaran pola dampak dari struktur program serupa; tanpa nama klien atau angka yang dijanjikan.

Tim analis di institusi jasa keuangan dengan AI sudah dipakai sporadis

Intervensi

Intensif 3 hari + prompt library awal 30 prompt + golden eval set 60 contoh

Hasil

Konsistensi output meningkat; tim memiliki prompt library hidup dengan owner; jejak pemakaian dapat ditunjukkan ke SKAI

Tim marketing dan CX di organisasi ritel besar

Intervensi

Program berkelanjutan 3 bulan + prompt review club + checklist klaim UU PK

Hasil

Throughput varian konten naik, insiden klaim berisiko regulasi konsumen tidak naik; prompt library jadi standar antar regional

Sekretariat & perencanaan unit BUMN/instansi

Intervensi

Workshop terpandu + komite prompt internal + tata kelola UU PDP

Hasil

Penyusunan draf dokumen lebih cepat dengan kualitas konsisten; jejak pemakaian disiapkan untuk pemeriksaan SPI / inspektorat

Informasi Pengadaan

Informasi untuk Procurement & Vendor Management

Kelengkapan untuk tim pengadaan, keuangan, hukum, dan keamanan informasi.

Penawaran

Proposal terstruktur: tujuan pembelajaran terukur, silabus, peta tata kelola (NIST AI RMF/UU PDP/OWASP LLM), profil fasilitator, jadwal, rincian biaya berbasis TNA.

Model harga

Berbasis TNA, flat per program, per sesi, per peserta, tiered, atau custom. Estimasi diberikan setelah TNA.

Pembayaran & pajak

Termin fleksibel (DP + pelunasan / termin per batch); faktur pajak (PPN) dan dukungan dokumen PO tersedia.

Proses BUMN/pemerintah

Terbiasa pengadaan BUMN/instansi: dokumen vendor, e-procurement, HPS/penawaran, klausul kepatuhan.

Pengukuran

Laporan evaluasi Kirkpatrick Level 1-3 (kehadiran, asesmen, hasil latihan); Phillips ROI Level 5 atas permintaan keuangan.

Kerahasiaan & keamanan data

NDA, klausul kerahasiaan, dan praktik latihan yang tidak memaksa data rahasia masuk model publik (selaras UU PDP & OWASP LLM).

Kepemilikan materi

Prompt library & golden eval set yang dibangun untuk perusahaan menjadi milik perusahaan; hak pakai materi pelatihan disepakati di kontrak.

FAQ

Pertanyaan Umum

Kelas ChatGPT biasa berhenti di 'cara pakai'. Pelatihan ini membangun disiplin prompt: pola reasoning mutakhir (CoT/ToT/ReAct/Self-Consistency), structured output ber-skema, eval harness, security (prompt injection), dan tata kelola (NIST AI RMF, UU PDP). Output: prompt library tim yang hidup dengan owner & versioning sebagai infrastruktur permanen di atas kumpulan screenshot.

Tidak. Pelatihan ini untuk knowledge worker. Struktur output, eval harness, dan governance dijelaskan dalam bahasa pengguna bisnis. Untuk integrasi dalam (mis. function calling ke sistem internal), kami punya jalur khusus tim engineering yang dapat ditambahkan sebagai modul lanjutan.

Mulai dari fundamental: peran-konteks-instruksi-format-output + few-shot. Selanjutnya, pilih pola sesuai tugas: CoT untuk reasoning, structured output untuk integrasi sistem, ReAct untuk tugas yang butuh tool, Self-Consistency untuk tugas berisiko tinggi. Kami sediakan decision tree pemilihan pola di kurikulum.

Dengan golden eval set + rubrik kualitas (faktualitas, kelengkapan, gaya, kepatuhan format). Setiap perubahan prompt diuji A/B terhadap baseline pada golden set sebelum dipakai produksi. Untuk skala, dashboard kualitas memantau drift output dari waktu ke waktu.

Ya, eksplisit. Pola berubah: di reasoning models, CoT prompting eksplisit sering kontra-produktif (model sudah 'berpikir'); fokus pindah ke pemberian kriteria evaluasi yang jelas dan struktur output. Termasuk pertimbangan biaya & latency yang signifikan.

Modul OWASP LLM01 mengajarkan defense in depth: (1) sanitisasi input pengguna; (2) system prompt resilient (jangan paste user input mentah); (3) output guard struktural; (4) batasi tool yang dapat dipanggil; (5) red-team prompt untuk regression. Khusus untuk indirect injection lewat dokumen / web, ada checklist tambahan.

Komite prompt internal (L&D + IT + domain owner) berbobot review berkala: prompt baru di-PR-review, prompt rusak / out-of-date di-deprecate, dan ada owner per prompt. Modul governance memuat tata kelola lengkap + template charter komite.

Ya. TNA memetakan stack tim. Pola prompt punya nuansa antar model, kami latih perbedaan praktisnya. Contoh: Anthropic prefer instruksi di sistem prompt panjang; OpenAI flexible; Gemini punya behaviour structured output sendiri.

Ada. Program berkelanjutan menyediakan office hours, prompt review club, dan kompetisi prompt internal. Pola 70-20-10: sebagian besar pembelajaran terjadi di pekerjaan nyata, didukung review berkala sehingga momentum tidak hilang setelah kelas.

Ya. Laporan mencakup kehadiran, skor asesmen, hasil latihan, skor golden eval set per peserta, dan rekomendasi langkah lanjutan untuk L&D dan pimpinan, dipetakan ke level Kirkpatrick. Knowledge worker yang menyelesaikan pustaka prompt timnya bisa mendapat sertifikat keikutsertaan dengan ringkasan kompetensi, bila diminta.

Penentu pertamanya apakah bahan disusun per divisi, sebab pola perintah untuk tim hukum, tim keuangan, dan tim pemasaran lahir dari jenis pekerjaan yang berlainan. Jumlah peserta, banyaknya gelombang, lapisan peserta, dan jumlah pertemuan menyusul. Bila kelas sekaligus menyusun prompt library, ada tambahan sesi penyusunan berikut pengujiannya. Tempat pelaksanaan, akses ke alat AI yang dipakai, dan kota penyelenggaraan melengkapi daftar biayanya. Angkanya kami keluarkan sehabis training needs analysis dituntaskan.

Satu angkatan kami isi 10 hingga 30 peserta, sehingga dua puluhan orang masih longgar, dan tiga hari penuh mencakup pola perintah, keluaran berskema, sampai pengujian hasilnya. Yang membuat hasilnya bertahan adalah kumpulan prompt bersama: sisakan waktu sesudah kelas untuk merapikannya dan menunjuk siapa yang merawatnya. Bila pesertanya datang dari banyak divisi, kelasnya tetap satu, hanya kasus latihannya yang sebaiknya dipisah per divisi.

Bisa diganti. Kelas prompt gampang melayang jadi pamer trik kalau pembawanya tidak menautkannya ke pekerjaan peserta. Kabari koordinator program, agar pelatih prompt lain yang sudah tervalidasi melanjutkan sisa sesi. Kumpulan prompt hasil kelas, soal uji, dan kemajuan tiap peserta tercatat pada sistem operasi kami, lalu kelas menyambung dari sesi terakhir.

Langkah Berikutnya

Bangun disiplin prompt yang dapat diaudit

Kami petakan peran, tugas, dan stack AI tim Anda, lalu susun proposal & estimasi anggaran berbasis kebutuhan nyata.

  • Proposal, silabus, dan peta tata kelola
  • Dokumen siap procurement (company profile, NPWP, NDA, faktur PPN)
  • Pengukuran dampak Kirkpatrick (Phillips ROI atas permintaan)
Minta ProposalKonsultasi Gratis

Jelajahi Lebih Lanjut

Topik Terkait

Pelatihan Ai Generatif KorporatPelatihan Rag Knowledge Base Llm AplikasiLiterasi Data Analitik BisnisKomunikasi Presentasi Eksekutif

Pelatihan Menulis Perintah AI yang Menghasilkan untuk tim Kesehatan & Farmasi Anda

Kami petakan peran, tugas, dan stack AI tim Anda, lalu susun proposal & estimasi anggaran berbasis kebutuhan nyata.

  • Proposal, silabus, dan peta tata kelola
  • Dokumen siap procurement (company profile, NPWP, NDA, faktur PPN)
  • Pengukuran dampak Kirkpatrick (Phillips ROI atas permintaan)

Enam isian saja untuk memulai. Tim korporat kami yang membaca dan membalasnya.

Detail tambahan (opsional)

Isi kalau sudah ada gambarannya. Semua isian di bagian ini boleh dilewati, dan tim kami akan menanyakannya saat sesi analisa kebutuhan.