Latest / M365.FM – Podcast Microsoft 365, Copilot & AI Bahasa Indonesia / Microsoft Designer: Cara AI Menghemat Berjam-jam Setiap Minggu untuk Tata Letak, Warna Merek, dan Kolaborasi (Sulih Suara AI)

Transcript

Microsoft Designer: Cara AI Menghemat Berjam-jam Setiap Minggu untuk Tata Letak, Warna Merek, dan Kolaborasi (Sulih Suara AI) · M365.FM – Podcast Microsoft 365, Copilot & AI Bahasa Indonesia

0:00
Siap untuk 10 hari pembahasan Microsoft 365,
0:03
kopilot, AI, Azure, dan para tokoh pembentuk.
0:05
Masa depan kerja di Januari ini,
0:08
M365 Con kembali hadir dan kami tampil lebih besar.
0:12
Bergabunglah bersama kami dalam sesi langsung demo dunia nyata
0:15
dan pengetahuan praktis dari MVP serta pakar industri di seluruh dunia.
0:18
Tanpa slide umum, tanpa jargon yang tiada.
0:21
Kami membahas tantangan nyata,
0:23
kopilot studio, agen AI, fabrik, keamanan,
0:26
tata kelola, dan otomatisasi.
0:28
Baik Anda seorang profesional TI, pengembang, atau pemimpin bisnis,
0:32
ada sesi yang dirancang khusus untuk Anda.
0:35
Dengan 10 hari penuh, Anda bisa menjelajahi berbagai teknologi
0:38
dan terhubung dengan komunitas global.
0:40
Tonton langsung dan bawa wawasan praktis kembali ke organisasi Anda.
0:45
Januari 2022 27, 10 hari, satu komunitas Microsoft.
0:49
Pendaftaran sudah dibuka sekarang.
0:51
Amankan tempat Anda hari ini.
0:54
Kunjungi m3.5.con.net
0:58
Bergabunglah sekarang di m365.com.net
1:02
dan sampai jumpa secara langsung di bulan Januari.
1:05
Ingat saat menghabiskan waktu berjam-jam perapikan slide PowerPoint
1:07
hanya untuk mendapati seseorang mengubah warna merknya.
1:10
Bagaimana jika saya katakan Microsoft Designer kini
1:12
bisa melakukan pekerjaan itu dalam hitungan detik tanpa Anda perlu menyentumok?
1:15
Namun begini, ini tidak hanya lebih cepat,
1:17
tapi juga mempelajari gaya Anda saat Anda bekerja.
1:20
Hari ini saya akan menunjukkan bagaimana ini bisa mengakhiri
1:22
pembuatan aset yang membosankan
1:23
dan mengapa ini bisa mengubah cara tim pemasaran Anda beroperasi selamanya.
1:26
Pertanyaannya, apakah Anda siap mempercayakan identitas merek Anda pada AI?
1:31
Dari penyesuaian manual menuju kecerdasan.
1:34
Jika Anda pernah mengerjakan selebaran pemasaran atau dek presentasi,
1:37
Anda tahu betapa cepatnya sedikit perubahan bisa menghabiskan waktu sepanjang sore.
1:41
Menyesuaikan kotak teks setengah milimeter agar sejajar dengan foto.
1:45
Mengganti gambar, karena seseorang di tim pimpinan tidak menyukainya,
1:47
memastikan judul menggunakan ukuran font perusahaan yang tepat,
1:50
bukan sekadar mendekati, tapi harus persis.
1:53
Itu baru sebelum kesenangan yang sesungguhnya dimulai.
1:56
Orang lain membuka file tersebut, membuat perubahan mereka sendiri,
1:58
dan sekarang Anda harus membandingkan versi untuk melihat mana yang sebenarnya penal.
2:01
Ini tidak hanya membosankan,
2:02
tapi perlahan menguras waktu yang seharusnya Anda gunakan untuk pekerjaan kreatif.
2:06
Bagian yang sering memakan waktu paling banyak,
2:08
bahkan bukan revisi besar yang nyata,
2:10
melainkan siklus umpan balik kecil yang tak ada habisnya,
2:12
memindahkan logo setengah inci,
2:14
menyesuaikan satu warna biru agar cocok dengan palet yang disetujui,
2:16
memastikan poin-poin menggunakan bobot font custom perusahaan yang benar.
2:20
Ini adalah kematian karena seribu penyesuaian kecil,
2:23
dan dalam proyek lompok perubahan tersebut berlipat ganda.
2:26
Bukan hal aneh untuk bolak-balik 10 atau 12 kali hanya agar hasilnya terasa sesuai dengan merek.
2:32
Disitulah AI yang tertanam dalam Microsoft Designer mengubah segalanya.
2:36
Setelah dilatih dengan kit merek,
2:37
warna, font, logo, dan gaya gambar Anda,
2:39
ia mulai menerapkan pilihan tersebut secara otomatis.
2:43
Anda cukup masukkan sekumpulan teks dan gambar,
2:45
lalu ia membuat tata letak yang sudah tahu font judul Anda berukuran 32 poin,
2:48
tombol Anda menggunakan kode warna Mephi,
2:50
dan foto Anda mengikuti profil warna hangat.
2:54
Alih-alih memeriksa setiap elemen desain secara manual,
2:56
Anda mulai dari sesuatu yang sudah konsisten.
2:58
Pikirkan perbedaan dengan contoh nyata ini.
3:03
Dulu, membuat selebaran peluncuran produk berarti memulai dari file PowerPoint,
3:07
atau in desain kosong,
3:08
lalu menambahkan gaya menyelaraskan block teks dan menukar warna pengganti secara manual.
3:14
Di designer, Anda masukkan judul, subtext, dan gambar produk,
3:16
lalu dalam hitungan detik AI menghasilkan 5 atau 6 traf rapi,
3:19
semuanya selaras dengan aturan merek Anda.
3:21
Semuanya selaras dengan aturan merek Anda.
3:22
Anda mungkin masih perlu menyesuaikan urutan elemen,
3:24
tetapi strukturnya sudah terkunci.
3:27
Salah satu manajer pemasaran yang baru saja saya ajak,
3:30
bicara merasa kewalahan mengerjakan kampanye musiman.
3:33
Sebelum menggunakan designer,
3:35
ia menghabiskan sekitar 6 jam persiklus desain,
3:37
sebagian besar untuk tugas administratif dalam tata letak.
3:41
Setelah beralih,
3:41
ia meringkas tugas yang sama menjadi hanya 1 jam lebih sedikit
3:44
tanpa mengorbankan gaya atau kualitas.
3:47
Itu adalah penghematan 1 hari kerja penuh setiap minggu
3:49
hanya dengan memangkas pekerjaan format yang berulang.
3:52
Program percontohan telah melaporkan hasil serupa.
3:55
Tim yang menggunakan designer untuk produksi materi rutin
3:58
melihat peningkatan hasil yang terukur.
4:00
Lebih banyak kampanye tepat waktu,
4:02
lebih sedikit permintaan perubahan minor yang terlambat,
4:04
dan penurunan revisi yang signifikan per proyek.
4:08
Bagian menariknya adalah kreativitas tidak menurun.
4:10
Faktanya, dengan lebih sedikit energi yang dihabiskan
4:13
untuk penyelarasan teknis,
4:14
designer dan pemasar mengaku punya lebih banyak ruang
4:16
untuk bertukar pikiran dan pengembangan konsep.
4:20
Salah satu alasannya adalah
4:21
cara designer menawarkan saran tata letak.
4:24
Alih-alih menyajikan template statis yang harus Anda ikuti AI-nya,
4:28
melihat konten yang Anda berikan,
4:30
dan mengusulkan hirarki visual yang menurutnya akan berhasil.
4:34
Itu berarti Anda menanggapi draft pertama yang layak
4:36
daripada berjuang membangunnya dari nol.
4:37
Panduan ini cukup untuk melawan kelan kreatif,
4:40
tetapi yang memutuskan apa yang akhirnya dipublikasikan.
4:43
Ada pertanyaan diam-diam di latar belakang di sini.
4:45
Bagaimana designer tahu gaya Anda?
4:48
Jawabannya adalah,
4:48
ih, bisa diberikin merek yang ditentukan melalui Microsoft 3.5
4:52
dan seiring waktu ia belajar dari revisi yang Anda setujui atau tolak.
4:56
Jika Anda terus-menerus melukar gambar stok umum dengan gambar yang memiliki tampilan tertentu,
5:01
ia mulai memprioritaskan gaya tersebut dalam saran di masa depan.
5:05
Tim Anda sedang melatihnya meskipun Anda tidak secara eksplisit melatih model.
5:08
Pada akhirnya, itulah cerita sebenarnya.
5:10
Ini bukan tentang menggantikan selera atau penilaian manusia.
5:13
Ini tentang menghapus jenis pekerjaan desain yang terasa seperti entry data.
5:17
Pengambilan keputusan, lompatan kreatif, dan momen-momen ini akan menarik bagi audiens kita.
5:23
Hal itu terdatang dari manusia.
5:24
Desainer hanya memastikan piksel sudah berada di tempat yang tepat sehingga energi Anda tidak habis di sana.
5:29
Dan visual otomatis hanyalah permulaannya.
5:32
Perubahan yang lebih besar adalah apa yang terjadi ketika kecerdasan yang sama ini
5:35
mulai terintegrasi langsung ke dalam cara tim bekerja sama.
5:39
Kolaborasi tanpa kekacauan.
5:41
Jika Anda pernah mengerjakan file desain bersama,
5:43
Anda pasti tahu momen ketika kontrol versi benar-benar berantakan.
5:47
Seseorang mengambil salinan lama dari desktop mereka,
5:49
membuat perubahan menyimpannya sebagai final 2,
5:50
dan sekarang Anda membandingkannya dengan file di folder SharePoint yang diberi label final gunakan ini.
5:57
Kalikan itu dengan 3 orang yang bekerja secara paralel akan mendapatkan kekacauan.
6:00
Ini bukan karena kurangnya usaha.
6:02
Ini karena alat yang digunakan meminta orang untuk bekerja dengan cara yang tidak sejalan dengan bagaimana kolaborasi seprederja.
6:06
Kenyataannya, bahkan di perusahaan yang berkomitmen penuh pada Microsoft 365 aset seringkali tersebar.
6:12
Ada versi yang tersimpan di obrolan tim sehari selasa lalu,
6:15
yang lain tersembunyi di utas email seseorang,
6:17
dan tempat utama terkubur di tiga folder dalam di SharePoint.
6:22
Untuk mendapatkan file yang tepat,
6:23
seringkali Anda harus menghubungi tiga rekan berbeda,
6:25
dan berharap seseorang tidak menimpa pembaruan terakhir.
6:28
Saat Anda menemukannya,
6:29
separuh tim sudah meninjau file yang salah.
6:31
Disinilah integrasi desainer ke dalam ekosistem M365 mengubah segalanya.
6:36
Alih-alih berpindah-pindah antar berbagi file,
6:38
Anda membuka desainer dan bekerja langsung di tempat aset Anda berada,
6:41
baik di SharePoint, OneDrive, atau yang ditautkan, melalui Teams.
6:45
Pengeditan terjadi secara waktu nyata di dalam versi yang sama yang dilihat orang lain.
6:49
Jika Anda mengubah judul atau menukar gambar,
6:51
perubahan itu langsung terlihat oleh seluruh tim.
6:53
Tidak perlu mengirim apapun.
6:55
Desainer hanyalah antar muka lain di ruang kerja terhubung yang sama.
6:58
Bayan ini.
6:59
Anda dan rekan satu tim sama-sama berada di desainer,
7:02
mengerjakan selebaran acara penjualan.
7:04
File itu ditarik langsung dari pustaka SharePoint pemasaran
7:06
yang sudah dimuat dengan font dan warna merek.
7:09
Anda menyesuaikan gambar utama,
7:10
mereka menyempurnakan subjudul,
7:11
dan Anda melihat suntikan satu sama lain muncul seketika.
7:15
Setelah selesai, file yang diperbarui berada tepat di tempat asalnya,
7:17
dengan riwayat versi yang disimpan secara otomatis sesuai peran pengguna Anda.
7:21
Jika Anda perlu kembali ke versi sebelumnya,
7:22
Anda tidak perlu memukar melajak.
7:24
Anda cukup mulihkan tidak kemeniksaan itu.
7:26
Itu adalah perubahan besar dari sistem template tradisional.
7:29
Tempat jadul ada sebagai file statis.
7:30
Setiap putaran perubahan bergantung pada ingatan orang
7:35
untuk menerapkan gaya yang tepat secara manual,
7:37
dan seseorang pasti akan melewatkan sesuatu.
7:41
Anda masih membutuhkan manajer untuk mengawasi penamaan file kode warna
7:44
dan apakah logo terlihat tidak proporsional.
7:47
Dengan desainer yang berada di ruang yang sama dengan konten M365 Anda lainnya,
7:51
dan AII yang menerapkan aturan merek di latar belakang,
7:54
banyak pekerjaan pengawasan itu pun hilang.
7:56
Namun, ada juga keuntungan tak terduga dalam cara AI mengantisipasi apa yang kurang.
8:01
Jika AI melihat Anda sedang membuat aset kampanye untuk acara yang sudah ada di kalender outlook perusahaan,
8:07
AII dapat menunjukkan perintah desain yang membantu Anda menyelesaikan pekerjaan lebih cepat,
8:11
seperti menyarankan gambar spesifik lokasi,
8:14
atau menarik tagline acara.
8:16
Jika rapat tim menyertakan catatan tentang fokus produk,
8:19
hal itu dapat memandu rekomendasinya untuk blok teks atau gambar.
8:23
Tad.
8:24
Idenya adalah menutup celah antara percakapan dan eksekusi
8:26
tanpa Anda harus repot mencari semua konteksnya.
8:29
Namun, hal itu secara alami munculkan pertanyaan
8:32
bisakah AII benar-benar memahami nuansa nada dan gaya di berbagai departemen?
8:36
Bahasa pemasaran tidak selalu sama dengan bahasa HR.
8:40
Desain yang sempurna untuk iklan pelanggan mungkin terasa terlalu informal
8:43
untuk materi komunikasi internal.
8:46
AIPANDAI mengenali pola tetapi nada,
8:49
manusia sulit dipahami,
8:50
dan saran otomatis seringkali terasa kurang tepat.
8:54
Itulah mengapa siklus pembelajari penting.
8:56
Desainer tidak hanya menerapkan aturan tetap dari perangkat merek Anda,
8:59
tetapi juga mencatat perubahan yang dilakukan orang setelah AI membuat draft sesuatu.
9:02
Jika AI terus menyarankan tata letak untuk memo internal
9:05
yang selalu diubah oleh tim HR Anda,
9:06
AI dapat mengubah rekomendasinya seiring waktu
9:09
agar lebih sesuai dengan konteks tersebut.
9:11
Memang tidak sempurna,
9:12
tetapi semakin sering berinteraksi dengan perilaku pengguna yang nyata,
9:14
semakin AI menghindari pengulang kesalahan yang sama.
9:17
Kita semakin mendekati model kolaborasi
9:19
di mana perangkat mengelola kekacauan
9:21
dan tim berfokus pada pesan serta tampilan.
9:24
Namun sebelum kita membayangkannya,
9:25
sebagai solusi sempurna,
9:26
perlu diingat bahwa AI masih sering membuat pilihan yang aneh.
9:30
Titik buta itulah yang menjadi awal dari bagian cerita selanjutnya.
9:33
Saat AI masih melakukan kesalahan,
9:35
jika Anda pernah mendapati alat AI menyarankan gambar untuk kampanye Anda
9:38
dan bertanya-tanya apakah itu ditujukan untuk audiens yang benar-benar berbeda,
9:41
Anda pasti tahu rasanya.
9:44
Mungkin Anda sedang mengumumkan program pelatihan perusahaan dan AI
9:47
dengan percaya diri menyajikan gambar pantai tropis
9:49
dengan ruang keterangan yang disiapkan untuk tanggal acara Anda.
9:53
Secara teknis tidak salah,
9:54
hanya saja tidak cocok sama sekali untuk konteks Anda.
9:58
Itu adalah momen-momen yang tidak Anda lihat dalam demo Microsoft.
10:01
Presentasi langsung cenderung menunjukkan skenario terbaik.
10:03
Alat merek diterapkan dengan sempurna,
10:06
teks seimbang di halaman,
10:07
dan gambar yang terlihat seperti berasal dari pustaka internal Anda.
10:10
Di dunia nyata, AI tidak selalu berhasil mencapai sasarannya.
10:14
AI bisa selalu membaca nada yang Anda inginkan
10:16
dan menyajikan visual yang tidak selaras dengan audiens atau budaya Anda.
10:21
Ketidaksuaian itu bisa kecil,
10:22
seperti gambar latar belakang yang terlalu santai
10:24
untuk siaran pers yang serius atau mencolok,
10:26
seperti menggunakan foto stock
10:28
yang menunjukkan industri yang sangat berbeda dari bidang Anda.
10:31
Satu tim pemasaran yang saya ajak
10:34
bicara mengalaminya saat peluncuran kepatuhan etika internal.
10:38
AI menyarankan citra karyawan yang tersenyum
10:40
dan melakukan tos di ruang kantor terbuka.
10:42
Meskipun ceria,
10:43
gambar itu justru merusak nada serius
10:45
yang ingin disampaikan oleh manajemen.
10:47
Contoh lain muncul dalam presentasi klien
10:48
sebuah firma layanan profesional.
10:51
AI secara otomatis memilih ruang kerja startup
10:53
yang berwarna cerah
10:54
untuk slide yang ditujukan
10:55
bagi audiens keuangan yang konservatif.
10:57
Pesannya, faktanya, bahkan tata-tata yang sudah bagus.
11:01
Namun, bingkai visualnya
11:02
memberikan sinyal yang salah.
11:05
Pengguna profesional awal melaporkan beberapa pola
11:07
dalam koreksi yang mereka buat.
11:10
Seringkali, ini adalah penyesuaian hirarki tata letak
11:12
ketika AI terlalu menekankan detail sekunder
11:14
atau mengabaikan pesan utama.
11:17
Terkadang, ini adalah menghapus elemen dekoratif tambahan
11:20
yang ditambahkan AI
11:21
karena dianggap sesuai dengan gaya
11:22
padahal justru mengalihkan perhatian
11:23
dalam konteks spesifik Anda.
11:25
Dan, lebih sering dari yang Anda bayangkan,
11:28
ini adalah mengganti stok gambar pilihan otomatis
11:30
yang tidak sepenuhnya mematuhi pedoman merek
11:32
meskipun aturan tersebut sudah dimuat ke dalam sistem.
11:35
Temprat branding itu sendiri tidak selalu menjadi perisai.
11:38
Saran AI dapat mengesampingkannya dengan cara yang halus.
11:41
Warna yang sedikit lebih terang dari warna resmi di sini,
11:44
bobot font,
11:45
yang sedikit berubah di sana.
11:47
Di atas kertas,
11:48
perubahan itu mungkin tidak disadari.
11:49
Tetapi bagi seseorang yang telah menjaga integritas merek
11:51
selama bertahun-tahun,
11:52
hal itu langsung terlihat.
11:53
Jika tidak ada yang meninjau hasil akhir dengan ketelitian tersebut,
11:57
penyimpanan kecil itu akan merembis ke aset produksi.
12:00
Disitulah perlunya pengawasan manusia yang menjadi mutlak.
12:03
Meskipun langkah pembuatan konten semakin cepat dan akurat,
12:06
seseorang harus tetap bertindak sebagai penjaga merek.
12:09
Ini bukan tentang tidak mempercayai AI.
12:12
Ini tentang mengakui bahwa AI tidak memiliki kesadaran budaya
12:15
dan strategis yang muncul dari pemahaman
12:16
tentang sejarah merek, pasar yang dituju,
12:18
dan sensitivitas audiens Anda.
12:20
Anda bisa mengotomatisasi kebatulan, guy.
12:23
Anda tidak bisa mengotomatisasi insting.
12:25
Dan ya, beberapa hambatan di sini hanyalah sifat dari pembelajaran mesin.
12:28
AI mengambil data dari pelatihan,
12:30
perilaku pengguna indahiani,
12:31
dan input yang Anda berikan.
12:33
Jika sinyal-sinyal tersebut bertentangan,
12:35
atau jika permintaan berada di luar apa yang pernah dilihat sebelumnya,
12:37
tingkat tebakan akan meningkat.
12:39
Tebakan itu mungkin tidak terlihat oleh Anda saat pilihannya tepat.
12:42
Tebakan itu menjadi sangat terlihat saat pilihannya mesin.
12:44
Menariknya, kebutuhan akan keterlibatan manusia ini bukan sekadar masalah.
12:47
Di dunia desain,
12:48
hal ini juga terjadi di bidang seperti manajemen data,
12:52
di mana alat dapat mengotomatisasi 80% pekerjaan yang membosankan,
12:55
namun tetap memerlukan tinjauan ahli sebelum semuanya diluncurkan.
12:58
Dalam kedua kasus tersebut,
12:59
AI dapat menangani sebagian besar pekerjaan berat.
13:03
Namun, dalam hal menafsirkan makna,
13:04
memverifikasi konteks atau menemukan kesalahan kecil,
13:06
tinjauan manusia tetap menjaga semuanya tetap pada jalurnya.
13:09
Jadi, meskipun desainer jelas memangkas waktu produksi konten,
13:13
peran peninjau kreatif belum tergantikan.
13:16
Peran tersebut kini bergeser dari sekadar memperbaiki selan ketik
13:19
dan menyelaraskan kotak menjadi membuat keputusan tingkat tinggi
13:21
terkait pesan, nada, dan kecocokan.
13:23
Dan kecocokan.
13:25
Peningkatan efisiensi memang nyata,
13:26
begitu pula kebutuhan akan pemeriksaan internal akhir
13:28
sebelum semuanya dipublikasikan.
13:30
Dan saat kita melihat bagaimana AI digunakan di luar dunia desain,
13:34
perpaduan antara otomatisasi dan pengawasan
13:36
muncul di tempat-tempat yang tidak terduga,
13:37
terutama dalam alur kerja data terduga,
13:39
terutama dalam alur kerja data yang secara tradisional
13:41
sama membosankannya dengan pekerjaan desain manual.
13:45
Dari kendala ETL hingga keunggulan data flows gen 2.
13:48
Jika Anda pernah mengelola jahler pipa data dengan cara lama,
13:51
Anda tahu betapa rentannya hal tersebut.
13:53
Pekerjaan cron yang dicatwalkan pada
13:54
waktu yang tidak lazim,
13:56
script base yang dibuat berbulan-bulan,
13:57
lalu oleh seseorang yang sudah tidak bekerja
13:59
di perusahaan,
14:00
serta rantai ketergantungan yang begitu panjang,
14:02
sehingga perubahan format kecil pada CSV
14:03
dapat menghentikan segalanya,
14:05
dapat menghentikan segalanya.
14:05
Itu tidak hanya rumit, tetapi juga rapuh.
14:08
Satu hambatan kecil di hulu,
14:09
dan tiba-tiba Anda menatap data yang tidak lengkap
14:11
sambil bertanya-tanya server mana
14:12
yang menjalankan pekerjaan tadi malam.
14:14
Bagian terburuknya,
14:15
kegagalan jarang terjadi pada waktu yang tepat.
14:17
Anda akan menerima peringatan pada pukul 2 pagi
14:19
bahwa angka kemarin gagal dimuat,
14:21
dan pemilik sistem sumber baru
14:22
bisa dihubungi pada pagi hari.
14:24
Saat Anda memulai kembali jalur pipa tersebut,
14:26
separuh pengguna dashboard sudah mulai mengirim surel.
14:28
Mengapa ini kosong?
14:29
Mengapa ini kosong?
14:30
Jam-jam yang hilang untuk melakukan debug seringkali
14:32
tidak ada hubungannya dengan nilai data itu sendiri.
14:34
Waktu tersebut habis untuk mencari.
14:36
Melalui log, mengubah ekspresi reguler,
14:37
dan menjalankan ulang langkah-langkahnya
14:39
untuk kembali ke titik semua.
14:41
Data plus gen 2 di Microsoft Fabric
14:42
secara signifikan mengalihkan beban tersebut.
14:45
Alih-alih membangun dan memelihara
14:46
jalur pipa custom tersebut baris demi baris demi baris.
14:48
Anda dapat memindahkan sebagian besar pekerjaan
14:50
ke antarmuka tanpa kode atau dengan sedikit kode.
14:53
Power Query, teknologi yang sama
14:54
yang digunakan banyak orang di Excel dan Power BI,
14:57
menangani langkah ekstraksi, dan transformasi.
15:00
Jadi itu berarti Anda tidak perlu membuat pengurahan dari awal
15:02
hanya untuk menggabungkan tiga format file yang berbeda.
15:05
Anda cukup menghubungkan sumber,
15:06
menunjuk ke kolom,
15:07
membentuk data secara visual,
15:09
dan membiarkan layanan menangani pengaturan teknis di latar belakang.
15:13
Hal yang membuat gen 2 menarik adalah bantuan AI bawaannya.
15:16
Ini bukan sekadar alat untuk menggabungkan tabel
15:18
atau mengubah nama kolom.
15:19
Alat ini secara aktif melihat data yang Anda impor
15:21
dan menyarankan transformasi berdasarkan pola yang terdeteksi.
15:24
Jika Anda selalu menggabungkan kolom tanggal dan waktu menjadi satu bidang,
15:28
alat ini akan mulai menyarankan langkah tersebut secara otomatis.
15:31
Jika alat ini melihat ID pelanggan di dua sistem
15:34
dengan skema yang cocok,
15:35
ia dapat menunjukkan hubungan tersebut
15:36
tanpa perlu Anda petakan secara manual.
15:39
Katakanlah Anda sedang menggabungkan data kampanye pemasaran,
15:42
gabungan ekspor Google Ads,
15:43
statistik, interaksi email,
15:45
dan metrik platform sosial.
15:47
Dan metrik platform sosial.
15:48
Dalam pengaturan ETL tradisional,
15:49
Anda mungkin menulis skrip untuk menormalkan nama bidang,
15:51
mengonversi mata uang,
15:52
menyelaraskan retang tanggal,
15:54
dan mengisi nilai yang hilang.
15:57
Dengan gen 2,
15:57
Anda dapat memasukkan setiap sumber data ke Polquery,
16:00
membiarkan AI menandai jenis kolom yang tidak konsisten,
16:02
dan langsung menerapkan perbaikan yang disarankannya.
16:06
Pada akhirnya,
16:07
Anda mendapatkan satu tabel bersih yang siap untuk pelaporan
16:09
tanpa harus melusuri setiap ketidakcocokan data secara manual.
16:12
Pengujian sejauh ini menunjukkan bahwa ini lebih dari sekadar kemudah.
16:14
Kecepatan penyegaran telah meningkat dibandingkan aliran data sebelumnya
16:17
dengan mesin yang menangani transformasi secara paralel
16:19
dan memulihkan dari kegagalan parsial
16:21
tanpa memulihkan dari kegagalan parsial
16:22
tanpa memerlukan proses ulang sepenuhnya.
16:24
Toleransi kesalahannya,
16:25
Jika satu sumber data gagal di tengah penyegaran,
16:28
yang lain tetap dapat selesai,
16:30
dan Anda mendapatkan pesan kesalahan yang jelas
16:31
bukan sekadar kegagalan alur kerja umum.
16:34
Hal itu saja sudah menghemat banyak siklus
16:36
pemrosesan yang terbuang dan upaya menepak-nepak.
16:38
Pertanyaan wajarnya adalah
16:39
apakah ini benar-benar mengunangi kebutuhan
16:41
akan insinyur data khusus?
16:43
Jika seorang analis pemasaran
16:44
dapat membangun alur kerja yang berfungsi
16:46
dari berbagai sumber data
16:47
tanpa menulis satu baris kode pun,
16:49
apakah Anda masih memerlukan tim ETL khusus?
16:52
Dalam prakteknya, jawabannya lebih pernah.
16:55
Pekerjaan berulang yang sederhana
16:56
mungkin beralih sepenuhnya kesualaian,
16:57
tetapi alur kerja kompleks
16:59
dengan puluhan sumber,
17:00
logika bisnis yang rumit,
17:01
atau persyaratan regulasi
17:03
tetap memerlukan pengawasan
17:04
dan keahlian arsitektur
17:05
dari seorang insinyur berpengalaman.
17:08
Yang berubah adalah
17:09
bagaimana para ahli tersebut
17:10
menghabiskan waktu mereka.
17:11
Ahli-ahli melayani permintaan satu kali
17:13
untuk memformat ulang kumpulan data
17:14
atau memperbaiki sambungan yang rusak.
17:16
Mereka dapat fokus merancang model
17:17
yang dapat disekalakan,
17:18
mengoptimalkan query,
17:19
dan membangun kemampuan analitik
17:20
yang dapat digunakan seluruh organisasi
17:22
dan membangunkan seluruh organisasi.
17:24
Pekerjaan persiapan yang berulang,
17:25
hal-hal yang dulu mengganggu mereka setiap hari,
17:27
kini ditangani dihulu oleh alat
17:29
seperti Gen 2.
17:30
Dan disitulah benang merahnya muncul.
17:33
Baik kita berbicara tentang desain,
17:34
bertenaga AI di Microsoft Designer,
17:36
atau persiapan data berbantuan AI di Fabric,
17:38
polanya sama.
17:40
Hilangkan pekerjaan kasar,
17:41
bertanggung penilaian manusia
17:42
di tempat yang penting.
17:44
Tim konten dan tim data
17:45
tidak terpaut sejauh yang terlihat.
17:46
Keduanya membangun aset,
17:48
keduanya memiliki alur kerja
17:49
yang terhambat oleh langkah-langkah repetitif
17:51
yang mudah di otomatisasi,
17:53
dan kini keduanya memiliki alat
17:54
di MTK Ana 5
17:55
yang mulai menangani
17:56
langkah-langkah tersebut untuk mereka.
17:58
Satu ekosistem, dua revolusi.
18:00
Kebanyakan bisnis menganggap tim kreatif
18:01
dan tim data sebagai dua dunia yang terpisah.
18:04
Masaran membangun cerita,
18:05
analitik mengukur dampaknya.
18:08
Namun dalam prakteknya,
18:09
alur kerja tersebut terus menerus
18:10
tumpang tindih.
18:11
Kampanye tidak berakhir
18:12
setelah postingan media sosial tayang.
18:15
Keputusan kreatif memengaruhi
18:16
dan data membentuk babak kreatif berikutnya.
18:19
Memisahkan mereka ke dalam silo,
18:20
menyembunyikan fakta
18:21
bahwa keduanya bergantung
18:22
pada tantangan mendasar yang sama,
18:23
mengubah input mentah
18:24
menjadi sesuatu yang dapat digunakan
18:25
dengan cukup cepat agar bermanfaat.
18:27
Itulah sebabnya perubahan
18:28
yang kita lihat pada Microsoft Designer
18:29
dan Fabric Data Flows Gen 2
18:31
terasa terhubung
18:31
meskipun keduanya memecahkan
18:33
masalah yang berbeda,
18:34
meskipun kebeda.
18:35
Di satu sisi, AI hadir
18:36
untuk menangani tugas berat
18:37
dalam tata letak dan konsistensi merek.
18:39
Di sisi lain,
18:40
AI benar-benar berupaya
18:41
mengatasi beban repetitif
18:42
dalam persiapan data.
18:44
Bersama-sama,
18:45
keduanya memangkas waktu
18:46
yang dibutuhkan
18:46
mulai dari ideasi
18:47
hingga pelacakan hasil.
18:49
Anda tidak hanya menghemat upaya
18:50
di dua bidang terpisah,
18:51
Anda juga memperpendeksi klus
18:52
di antara keduanya.
18:54
Bayangkan sebuah kampanye
18:55
belum contoh.
18:56
Tim kreatif menggunakan designer
18:57
untuk membangun rangkaian visual lengkap,
18:59
sepanu promosi,
19:00
gambar email,
19:00
hingga slide acara,
19:01
hingga slide acara.
19:03
Setiap aset otomatis
19:03
selaras dengan kit merek,
19:05
sehingga tidak ada yang perlu
19:06
mengerjakan ulang warna
19:07
atau mencari logo yang tepat.
19:08
Secara paralel,
19:11
tim analitik menyiapkan
19:12
aliran data Gen 2
19:13
yang menarik
19:14
lalu lintas situs,
19:15
pengeluaran iklan,
19:15
keterlibatan email,
19:17
dan kehadiran webinar
19:18
ke dalam set data siap pakai.
19:21
Saat kampanye ditayangkan,
19:23
Anda sudah berada di posisi
19:24
untuk mencocokkan
19:24
setiap aset kreatif
19:25
dengan angka-angka
19:26
yang menunjukkan kinerjanya.
19:28
Detail sangat penting di sini.
19:29
Designer bukan sekadar
19:30
klon yang kanver
19:30
yang disematkan ke dalam 365.
19:32
Alat ini terikat
19:33
dengan konteks M365 Anda.
19:35
Jika kampanye ada
19:36
di kalender perusahaan,
19:37
jika gambar disimpan
19:38
di SharePoint,
19:38
jika draft naskah ada
19:39
di obrolan teams,
19:40
EI dapat menggunakannya
19:41
untuk memulai saran
19:42
tata letak.
19:44
Gen 2 bekerja
19:44
dengan cara yang sama
19:45
di bidangnya.
19:46
IA mendeteksi kesamaan kolom
19:47
antar sumber input,
19:48
menyarankan normalisasi,
19:50
dan menandai
19:50
kesenjangan data sebelum
19:51
Anda memuatnya
19:53
ke Power BI.
19:55
Keduanya menggunakan konteks
19:56
dari sudut alur kerja
19:57
yang berbeda
19:57
untuk mengurangi
19:58
telaga kerja
19:59
antara input mentah
19:59
dan output
20:00
yang dapat digunakan.
20:02
Itulah prinsip bersama
20:02
yang mendorong keduanya.
20:04
Kesadaran konteks
20:05
ditambah saran cerdas.
20:07
Ini bukan kajaman gratis.
20:09
Ini adalah otomatisasi
20:10
terarah yang didukung
20:11
oleh sinyal
20:12
yang sudah diproduksi
20:12
oleh lingkuan Anda.
20:14
Semakin sering Anda
20:15
bekerja di dalam
20:15
ekosistem M365,
20:17
semakin banyak sinyal
20:17
yang dapat ditangkap oleh
20:18
EI.
20:19
Sebuah form design
20:20
yang mengetahui
20:20
segmen audience
20:21
tanpa perlu Anda
20:22
mengetiknya.
20:23
Alur data yang mendeteksi
20:24
separuh pengawaran
20:25
iklan Anda
20:25
tidak berlabel
20:26
dan menanyakan
20:26
apakah Anda ingin
20:27
menyelaraskannya.
20:28
Ini bukan sekadar fitur
20:29
sekadar fakta.
20:30
Ini adalah pola
20:31
yang dapat mengubah
20:31
cara proyek
20:32
dijalankan sehari-hari.
20:34
Lihatlah
20:35
dari sudut pandang
20:35
Microsoft yang lebih luas
20:37
dan jelas mereka
20:37
sedang mengarah ke model
20:38
tempat kerja yang
20:39
mengutamakan AI.
20:41
Bukan AI yang terisolasi
20:43
melainkan AI yang disematkan
20:44
ke dalam alat
20:44
yang sudah Anda gunakan
20:45
disesuaikan dengan
20:46
data operasional Anda.
20:48
Kekuatan model tersebut
20:49
adalah peningkatan AI
20:50
pada satu produk
20:51
seringkali dapat diterapkan
20:52
ke produk lainnya.
20:53
Logika konsistensi merek
20:54
yang menjaga
20:54
tetap letak desainer
20:55
tetap selara suatu hari
20:56
nanti dapat membantu
20:57
memastikan visual data
20:58
di Power BI
20:59
memiliki identitas visual yang sama.
21:02
Deteksi anomali di Gen 2
21:03
dapat menandai angka
21:04
yang tidak konsisten
21:04
dalam dokumen Business World
21:05
sebelum seseorang
21:06
mempresentasikannya.
21:07
Hal ini menimbulkan
21:08
pertanyaan patut
21:09
dipertimbangkan sekarang.
21:10
Jika AI dapat memandu
21:11
pekerjaan kreatif
21:12
dan analitis
21:12
dengan kefasian yang sama
21:14
seberapa jauh kita
21:15
dari dashboard
21:15
terpadu tempat Anda
21:17
merancang aset
21:17
menargetkan audiens
21:19
meluncurkan kampanye
21:20
dan memantau data kinerja
21:21
di satu tempat.
21:23
Ini bukan sekadar
21:24
angan-angan
21:24
dan bahannya sudah ada.
21:26
Hanya saja belum disusun
21:27
menjadi satu kesatuan tampilan.
21:30
Bagi organisasi
21:30
yang sudah menggunakan
21:31
kedua alat tersebut
21:32
manfaat langsungnya
21:33
sudah jelas.
21:35
Anda dapat menyelaraskan
21:36
penceritaan merek
21:36
dengan data kinerja langsung
21:38
tanpa ekspor manual,
21:39
pengiriman email
21:39
dan penggunaan pembaruan
21:40
yang biasanya
21:41
memperlambat kampanye.
21:42
Itu tidak hanya lebih cepat
21:43
tetapi juga tidak rentan kesalahan.
21:46
Tim kreatif dapat melihat
21:47
hasil secara hampir waktu nyata.
21:49
Tim analitik melihat
21:50
dengan tepat aset mana
21:51
yang mendorong hasil
21:52
dan penyesuaian dilakukan
21:53
saat kampanye masih berjalan
21:55
bukan sebagai evaluasi akhir.
21:58
Dan ada gelombang berikutnya
22:00
di Cakawala
22:00
yang tidak hanya beroperasi
22:02
di dalam aplikasi individu
22:02
tetapi mengorkestrasi
22:03
di seluruh aplikasi tersebut.
22:05
Saat itulah
22:06
perubahan dalam pesan kampanye
22:07
dapat secara otomatis
22:08
micu visual
22:09
yang diperbarui di Desainer
22:10
menyesuaikan aturan
22:11
pelabilan dalam alur data Anda
22:13
dan memberikan analitik
22:14
yang diperbarui ke dashboard Anda
22:15
tanpa campur tangan Anda.
22:16
terima kasih telah menonton!