Studi Kasus #1Otomasi Dokumen KontrakArsitektur & Engineering AI End-to-End

Asisten Penyusunan Kontrak

Dari 60 menit menjadi 2: ekstraksi dokumen berbasis AI dan penyusunan draf terpusat dengan validasi manusia secara side-by-side.

React 19TanStackFastAPIDoclingvLLMn8nPostgreSQL

Penyusunan draf manual memakan waktu sekitar 60 menit; dengan AI hanya sekitar 2 menit (96,7% lebih cepat), menghemat ~145 jam per bulan (proyeksi) pada 150 dokumen per bulan.

SIMULASI DAMPAK · V-1

60 menit → ±2 menit

Kedua sisi berjalan dengan jam yang sama. Lalu sisi manual dipercepat sampai selesai.

Pengerjaan Manual

Membaca PDF & mengetik ulang satu per satu

Dengan AISelesai di 02:00

Ekstraksi vision OCR + verifikasi berdampingan

Waktu per langkah: manual vs AI

Pilih template & siapkan dokumen sumber5 menit → 15 detik
Baca PDF sumber multi-halaman15 menit → 35 detik
Ekstrak dan pindahkan data ke draf30 menit → 0 detik (terisi otomatis)
Validasi total finansial & rekening bank10 menit → 40 detik
Finalisasi & terapkan klausul khusus10 menit → 30 detik
96,7% lebih cepat
~145 jam dihemat / bulanproyeksi
150 dokumen / bln

Dampak Bisnis

Angka berlabel 'Proyeksi' atau 'Estimasi' mencerminkan target model bisnis, bukan metrik yang sudah terealisasi.
Terukur
±60 menit→±2 menit

Waktu penyusunan draf per dokumen

96,7% lebih cepat (percepatan ±30×)

Estimasi
12–20%→<1%

Tingkat kesalahan ketik pada draf awal (surat, nominal, rekening)

Dicapai lewat antarmuka verifikasi side-by-side

Proyeksi
150 jam/bulan→5 jam/bulan

Jam kerja staf per bulan untuk menyusun draf

~145 jam/bulan dihemat (setara 1 FTE) dengan asumsi 150 dokumen/bulan

Terukur
File lokal yang tersebar→100% terpusat

Standarisasi template

Terukur
Tidak ada→100% tercatat

Audit trail operasional

Masalah

Sebelumnya, tim pengadaan menyusun kontrak formal dan surat penunjukan dengan membaca manual puluhan halaman PDF: nota dinas, penawaran vendor, dan berita acara rapat.

Staf harus mencari klausul yang tersebar, menghitung ulang total finansial secara manual, memeriksa rekening bank vendor, mengetik ulang nomor surat, dan menuliskan angka dalam kata-kata untuk nominal rupiah (kalimat terbilang). Seluruh proses manual ini lambat, melelahkan, dan rawan kesalahan transkripsi yang mahal pada dokumen hukum yang penting.

Solusi

Kami merancang pipeline human-in-the-loop yang ringkas:

  1. Ingestion Dokumen Sumber: Staf mengunggah PDF sumber langsung ke platform.
  2. Ekstraksi Vision & LLM: Pipeline orkestrasi berbasis vision OCR dan LLM extractor terstruktur mengurai semua entitas penting (kredensial vendor, identitas surat, rincian harga, dan rekening bank).
  3. Verifikasi Side-by-Side: Pengguna meninjau parameter hasil ekstraksi berdampingan dengan PDF asli pada antarmuka dua panel sebelum menyimpan perubahan apa pun.
  4. Perakitan DOCX Otomatis: Draf DOCX standar dibuat secara dinamis dari template enterprise terpusat.
  5. Penyuntingan Dokumen di Browser & Audit: Draf yang dihasilkan dapat dirapikan di editor dokumen online terintegrasi, dengan setiap validasi dan perubahan tercatat di audit log.

Dampak Bisnis

Sebelumnya, staf pengadaan menghabiskan ~60 menit untuk memeriksa silang PDF multi-halaman secara manual, mengetik ulang detail vendor, rekening bank, dan nominal dalam kata-kata, sehingga 12–20% draf awal memuat kesalahan ketik. Memangkas waktu pengerjaan menjadi ~2 menit lewat verifikasi side-by-side dan template terpusat diproyeksikan menghemat ~145 jam kerja per bulan (dengan asumsi 150 dokumen per bulan, setara 1 FTE, proyeksi), sekaligus memastikan setiap perubahan tercatat dalam audit trail operasional.

Prinsip Engineering

Human-in-the-Loop sejak Desain

AI tidak boleh menulis komitmen hukum final secara otonom.

Penurunan error yang signifikan tidak semata-mata berasal dari akurasi benchmark LLM, tetapi dari UX yang mewajibkan verifikasi split-screen. Dengan menampilkan nilai hasil ekstraksi di samping PDF sumber, manusia memverifikasi dalam 40 detik apa yang sebelumnya memakan 10 menit pengecekan manual.

Di Balik Keputusan

Di Balik Keputusan

Kami sengaja menjauhkan AI dari dokumen final. AI hanya mengekstrak entitas; manusia memverifikasinya berdampingan dengan PDF sumber, dan draf DOCX dibuat dari template terpusat. Error turun karena langkah verifikasi itu, bukan semata-mata karena model yang lebih pintar. Tanyakan kepada saya bagaimana kami merancangnya.

Tertarik merilis sistem serupa?

Saya bermitra dengan tim untuk merancang, mengevaluasi, dan merilis sistem AI tingkat produksi dengan dampak operasional yang terverifikasi.

Mari berdiskusi di LinkedIn