Seorang pengembang perangkat lunak, Mode AI Creator, baru‑baru ini membagikan proyek yang menjawab dua masalah umum dalam penjangkauan berbasis AI: email generik yang tidak relevan dan ketergantungan pada teks yang tidak dapat dipercaya. Alih-alih mengandalkan data yang mungkin salah, proyek ini mengotomatisasi proses pengambilan konten langsung dari situs web calon pelanggan, lalu menggunakan konten tersebut sebagai satu‑satunya sumber informasi untuk menyusun pesan.
Alur kerja dimulai dengan lembar Google yang berisi daftar prospek. Setiap baris baru memicu permintaan HTTP ke beranda perusahaan yang bersangkutan. Node HTML HTML mengambil teks dari halaman, lalu node Set mengurangi teks tersebut hingga sekitar 6.000 karakter. Model bahasa besar kemudian menerima ringkasan yang sudah diverifikasi ini, bukan sekadar nama perusahaan, dan harus mematuhi kontrak yang ketat: setiap klaim harus dapat ditelusuri ke teks yang diambil, format subjek dan tubuh email dibatasi, serta frasa klise seperti “Saya harap email ini menemukan Anda dengan baik” dilarang. Jika halaman yang diambil kosong, menampilkan pesan kesalahan, atau berisi kurang dari 40 kata yang bermakna, model secara eksplisit menolak untuk menulis dan mengeluarkan tanda “[NEEDS‑HUMAN]” beserta alasan satu baris. Node IF kemudian menandai baris tersebut sebagai “butuh tinjauan manusia” di lembar kerja.
Desain ini mencakup lima keputusan penting. Pertama, penelitian dilakukan dalam satu kali eksekusi, bukan sebagai langkah terpisah. Kedua, brief berfungsi sebagai kontrak yang tidak dapat dinegosiasikan, sehingga setiap output dapat ditinjau. Ketiga, penolakan diperlakukan sebagai hasil kelas satu, bukan sebagai email generik. Keempat, node pengambilan data dilengkapi dengan opsi “lanjutkan jika terjadi kesalahan”, sehingga situs yang tidak dapat diakses tidak menghentikan seluruh batch. Kelima, alur kerja hanya menghasilkan draf; tinjauan manusia tetap diperlukan sebelum pengiriman.
Mode AI Creator juga menekankan pentingnya evaluasi yang ketat. Dia mengembangkan suite uji yang terdiri dari 14 tes yang mensimulasikan berbagai jenis situs web—halaman beranda SaaS, halaman “coming soon”, halaman kesalahan, dan bahkan toko roti berbahasa Spanyol. Tes dibagi menjadi dua kategori: kritis terhadap kepercayaan (grounding, penolakan pada input yang tipis) dan tes tambahan (batas kata, pilihan kata). Aturan pengiriman adalah semua tes kritis harus lulus dan setidaknya 12 dari 14 tes harus lulus. Selama pengembangan, sebuah bug ditemukan dalam skor pengujian, bukan pada model; skor tersebut salah menandai output yang sah karena penjelasan penolakan model secara tidak sengaja mengandung substring yang dicari. Pengembang menekankan bahwa evaluasi juga harus di-debug.
Dari segi biaya, menjalankan seluruh alur kerja untuk 30 prospek hanya menghabiskan sekitar $0,01 dengan gpt‑4o‑mini. Ketika dijalankan pada model open-source yang dihosting sendiri (keluarga Qwen), biayanya menjadi nol. Bagian yang paling mahal dari penjangkauan sebelumnya bukanlah token LLM, melainkan waktu 3–5 menit per prospek yang dihabiskan oleh manusia untuk membaca situs web. Alat ini mengotomatisasi langkah membaca, sementara keputusan akhir untuk mengirim email tetap berada di tangan manusia.
Proyek ini tersedia dalam dua versi. Versi lite gratis (melalui formulir di GitHub) menghasilkan satu draf per permintaan, sedangkan versi lengkap seharga $24 di Gumroad mencakup integrasi batch Google Sheets, routing “butuh tinjauan manusia”, tiga kerangka email, dan suite pengujian 14 tes.
Bagi pembaca Indonesia, alur kerja ini menawarkan wawasan berharga. Banyak startup lokal masih mengandalkan email dingin yang generik, yang sering kali menghasilkan tingkat respons yang rendah. Dengan mengadopsi pendekatan berbasis bukti, perusahaan SaaS Indonesia dapat meningkatkan relevansi pesan mereka dan melindungi reputasi domain mereka. Selain itu, alat open-source dapat disesuaikan untuk bekerja dengan basis data prospek lokal dan API unik yang digunakan oleh banyak perusahaan Indonesia. Seiring dengan semakin matangnya ekosistem teknologi Indonesia, solusi otomatisasi seperti ini dapat menjadi standar baru untuk penjangkauan yang terukur dan etis.
Ke depannya, tren ini mungkin akan berkembang melampaui email. Kemampuan untuk mengambil konten situs web dan menggunakannya sebagai satu-satunya sumber fakta dapat diperluas ke pembuatan konten situs web, pembuatan laporan, atau chatbot layanan pelanggan. Namun, komponen manusia—untuk meninjau, menyesuaikan, dan memastikan kepatuhan etis—akan tetap menjadi faktor yang tidak dapat diabaikan. Alat seperti yang dikembangkan oleh Mode AI Creator mengilustrasikan masa depan di mana AI menangani tugas yang membosankan dan berulang, sementara manusia tetap fokus pada strategi dan hubungan.