Konteks

Model bahasa gene­rik memang fasih, tetapi tidak tahu bagai­mana sebuah orga­ni­sasi benar-benar bekerja: tem­plat­nya, rantai per­se­tu­ju­an­nya, doku­men-do­ku­men lama­nya, regu­lasi yang harus dipa­tu­hi­nya. Di per­u­sa­haan besar, BUMN, dan instansi peme­rin­tah, justru di celah itulah seba­gian besar peker­jaan nyata berada, dan di situ pula data­nya ter­lalu sen­si­tif untuk diki­rim ke model publik.

Saya memu­lai Spead AI pada Novem­ber 2025 untuk menu­tup celah itu, diin­ku­basi di dalam Cali­ana Indo­ne­sia, tempat saya bebe­rapa bulan sebe­lum­nya bekerja seba­gai analis ini­si­a­tif stra­te­gis lang­sung di bawah Direk­tur Utama. Tesis­nya seder­hana: keah­lian inter­nal orga­ni­sasi adalah aset yang bisa diin­deks, dita­rik kem­bali, dan dipa­kai ulang, bukan dike­tik ulang, dan sistem yang meng­er­ja­kan­nya harus hidup di dalam tembok orga­ni­sasi itu sen­diri.

Perjalanannya

  1. Jul 2025

    Analis inisiatif strategis di Caliana Indonesia

    Riset pasar, studi kelayakan, dan proposal untuk Direktur Utama. Masalah yang sama terus muncul di setiap proses yang padat dokumen.

  2. Nov 2025

    Spead AI berdiri, diinkubasi di dalam Caliana

    Founder dan Lead AI Engineer, dari validasi pasar sampai rekayasa inti, dengan kekayaan intelektual tetap dimiliki penuh.

  3. Des 2025

    Google for Startups AI Solution Lab Program 2025

    Akses komputasi, mentorship teknis, dan tolok ukur arsitektur multi-agen terhadap standar global.

  4. 2026

    MVP produksi dalam pilot di sebuah BUMN

    Dipasang untuk uji pilot strategis, di infrastruktur yang dikendalikan klien.

Saya men­di­rikan per­u­sa­haan ini dan memim­pin­nya dari ujung ke ujung, dari vali­dasi pasar dan arsi­tek­tur deep-tech sampai reka­yasa AI inti­nya, mem­bawa produk dari nol ke MVP pro­duksi. Spead AI juga men­jadi studi kasus caps­tone untuk Magis­ter Mana­je­men New Ven­tu­res Inno­va­tion saya di Uni­ver­si­tas Pra­se­tiya Mulya, sehingga kepu­tusan model bisnis diuji pada produk yang hidup, bukan pada slide pre­sen­tasi.

Yang dibangun

Bagaimana sebuah dokumen menjadi keputusan, tanpa keluar dari gedung

Semua yang di bawah ini berjalan di infrastruktur Anda sendiri

  1. Dokumen dan aturan Anda

    Kontrak, regulasi, laporan lama, dan templat, diindeks apa adanya.

  2. RAG kontekstual dan server MCP

    Retrieval yang disetel ke struktur Anda, dengan server MCP yang membuka basis data berdaulat dan knowledge graph ke agen.

  3. Alur kerja multi-agen

    Agen-agen khusus menyusun, memeriksa, dan saling mengoreksi sebelum apa pun sampai ke manusia.

  4. Laporan, analisis, peta kepatuhan

    Dikirim lewat kanal yang sudah dipakai tim Anda, lengkap dengan jejak audit.

  • Multi-agen dan keda­u­latan data. Pipe­line multi-agen ber­da­u­lat yang meng­hu­bungkan LLM dengan infras­truk­tur on-pre­mise atau pri­vate cloud ter­i­so­lasi, dengan loop koreksi man­diri, sehingga tidak ada yang bocor ke luar orga­ni­sasi.
  • Model Con­text Pro­to­col. Server MCP kustom yang menyam­bungkan basis data ber­da­u­lat dan kno­wle­dge graph inter­nal lang­sung ke alur kerja agen.
  • Gate­way multi-kanal. AI gate­way yang meng­or­kes­trasi alur kerja otonom di 50+ pro­to­kol pesan enterp­rise.
  • Docu­ment inte­lli­gence. Pipe­line oto­ma­tis untuk mem­be­dah doku­men tak ter­s­truk­tur dan meme­takan kepa­tuhan regu­lasi, peker­jaan yang dulu memakan waktu ber­ha­ri-hari mem­baca.
  • Sudah jadi produk. Mesin doku­men­nya men­jadi Doc Bui­lder dan Doc Assis­tant di spead.ai, dan per­en­cana ope­ra­sio­nal­nya men­jadi Daily Pro­du­cti­vity Plan­ner. Bagian produk di bawah memuat kelima modul­nya.

Per­ang­kat­nya sama dengan yang saya pakai di selu­ruh peker­jaan AI saya: Python dengan Lang­Graph dan LangChain untuk orkes­trasi, MCP untuk akses alat dan data, pen­ca­rian vektor dengan Pine­cone dan FAISS, serta Google Cloud atau server on-pre­mise untuk infras­truk­tur, ter­gan­tung di mana data klien boleh berada.

Produknya

Yang dite­mui pengun­jung di spead.ai hari ini adalah versi ter­ke­mas dari mesin itu: "kar­ya­wan AI admi­nis­tra­tif" untuk orga­ni­sasi di Indo­ne­sia, dijual ber­jen­jang, dengan pene­rapan enterp­rise seperti dije­laskan di atas berada di anak tangga ter­a­tas.

Lima modul di spead.ai

  • 1 juta+ dokumen

    Doc Assistant

    Bertanya ke seluruh basis dokumen dan mendapat jawaban yang berpijak pada berkas Anda sendiri.

  • 87% lebih cepat

    Doc Builder

    Dokumen korporat terstandar dan otomatis dari templat dan laporan lama.

  • 90% lebih produktif

    Daily Productivity Planner

    Penjadwalan dan prioritas otomatis untuk tim.

  • AI Partner

    Konsultan bisnis yang tersedia sepanjang waktu dan paham konteks Anda.

  • Enterprise Admin Panel

    Kedaulatan data, izin akses, dan tata kelola terpusat untuk administrator.

Dikemas dari paket gratis untuk satu pengguna sampai Enterprise untuk 50 pengguna, plus paket Custom dengan penerapan on-premise, SSO, dan SLA 99% untuk instansi pemerintah dan BUMN. Produknya berjalan di spead.caliana.id.

Ditopang Caliana

Spead AI bukan eks­pe­ri­men seo­rang diri. Ia diin­ku­basi di dalam Cali­ana Indo­ne­sia, merek tek­no­logi milik PT Data Nusan­tara Adhi­karya, dan Cali­ana mema­jang­nya di menu utama seba­gai lini AI admi­nis­tra­tif bis­nis­nya. Itu mem­beri produk AI muda hal yang bia­sa­nya tidak ia punya: per­u­sa­haan ber­ser­ti­fi­kat di balik kon­trak, kanal pen­ju­alan yang sudah men­jang­kau komite penga­daan, dan klien yang pernah bekerja dengan induk­nya.

  • Cali­ana mem­ba­ngun sistem ter­in­te­grasi sejak 2019: visi­tor mana­ge­ment, inte­lli­gent surve­i­llance, big data, inte­gra­ted com­mand center, access con­trol, face recog­ni­tion, lear­ning mana­ge­ment, dan pengem­bangan sof­tware enterp­rise.
  • Ber­ser­ti­fi­kat ISO 9001, ter­daf­tar di Direk­to­rat Jen­de­ral Keka­yaan Inte­lek­tual, dan rese­ller ter­daf­tar di e-Ka­ta­log LKPP, pla­tform penga­daan Peme­rin­tah Indo­ne­sia.
  • Daftar kli­en­nya men­ca­kup PLN, Per­ta­mina, Daikin, Tra­ve­loka, GMF Aero­A­sia, ISS, Bakrie Tower, Prodia, serta lem­baga publik seperti Dis­ko­minfo Bang­gai dan Satlat Brimob Cikeas.

Validasi dan kecocokan pasar

Di Google for Startups AI Solution Lab Program, 2025. Program ini membandingkan arsitektur multi-agennya dengan standar global.
  • Ter­pi­lih dalam Google for Star­tups AI Solu­tion Lab Pro­gram 2025, dengan akses kom­pu­tasi dan men­tor­ship teknis, dan lulus pada Desem­ber 2025.
  • Riset pasar enterp­rise dan studi kela­yakan meme­takan oto­ma­ti­sasi ber­dam­pak paling tinggi di sektor publik dan per­u­sa­haan ter­e­gu­lasi sebe­lum satu baris kode produk pun ditu­lis.
  • Kerangka pro­du­ct-market-fit meng­in­te­gra­sikan Spead AI ke kanal dis­tri­busi ber­ser­ti­fi­kat ISO milik Cali­ana dan pro­po­sal stra­te­gis­nya, dan lewat jalan itulah produk AI muda bisa sampai ke komite penga­daan.

Hasil

  • MVP enterp­rise siap pro­duksi diba­ngun dari nol dan dipa­sang untuk uji pilot stra­te­gis di sebuah BUMN.
  • 100% keka­yaan inte­lek­tual inti dan basis kode­nya tetap dimi­liki, dengan tata kelola teknis yang siap untuk spin-off.

Posisi Spead AI saat ini

  • 3

    enterprise aktif

  • 2

    penerapan pemerintah

    sedang berjalan

  • 87%

    pelaporan lebih cepat

    di pilot BUMN

  • 100%

    HAKI inti dipegang

    siap spin-off

Spead AI sudah ber­jalan di tiga enterp­rise, dengan dua pene­rapan peme­rin­tah yang sedang ber­jalan. Lima modul di spead.ai (Doc Assis­tant, Doc Bui­lder, Daily Pro­du­cti­vity Plan­ner, AI Part­ner, dan Enterp­rise Admin Panel) adalah versi kemasan dari mesin yang sama, didis­tri­bu­sikan lewat kanal Cali­ana yang ber­ser­ti­fi­kat ISO, dan 100% keka­yaan inte­lek­tual inti (HAKI) serta kode sum­ber­nya tetap dipe­gang pen­di­ri­nya, siap untuk spin-off.

Spead AI juga meru­pakan New Ven­ture Pro­ject saya, tugas akhir pro­gram MM New Ven­tu­res Inno­va­tion di Uni­ver­si­tas Pra­se­tiya Mulya.

Mau angka yang sama di dokumen Anda sendiri?

Ceritakan proses mana yang paling menyita jam kerja tim Anda. Saya balas dengan gambaran pilotnya, di infrastruktur yang Anda kendalikan.

Pelajaran

Model jarang menjadi hambatan utama. Kualitas retrieval, struktur dokumen, dan batas izin akses yang menentukan apakah sebuah keluaran layak dipakai di alur kerja korporat.

Yang diajarkan setiap pilot sejauh ini

Mem­ba­ngun untuk orga­ni­sasi yang punya komite penga­daan juga memaksa disi­plin sejak awal: jejak audit, batas data, dan jawaban yang jelas atas per­ta­nyaan "data kami disimpan di mana" harus ada sebe­lum pilot per­tama, bukan sesu­dah­nya.

Pertanyaan yang sering diajukan

  • Workspace AI multi-agen kelas enterprise dan mesin kedaulatan data yang berjalan di dalam infrastruktur organisasi sendiri, sehingga data tidak pernah keluar dan keluarannya mengikuti aturan, templat, dan rantai persetujuan internal.
BagikanLinkedInXWhatsApp