Ada satu momen yang saya ingat jelas: saya habiskan satu jam setiap Senin pagi untuk copy-paste laporan dari Notion ke Google Sheets, membuat summary-nya, terus kirim email ke klien. Satu jam. Setiap Senin. Selama berbulan-bulan.
Sampai akhirnya saya duduk, buka Make, dan dalam dua jam setup workflow otomatis yang melakukan semua itu tanpa saya sentuh. Sekarang Senin pagi saya minum kopi sambil workflow itu jalan sendiri.
Kalau kamu belum kenalan dengan Make (sebelumnya bernama Integromat), ini adalah platform otomasi yang menurut saya jauh lebih powerful dari Zapier untuk kasus-kasus yang kompleks. Dan ketika kita tambahkan AI ke dalamnya, workflow yang bisa kita bangun jadi beda level.
Make vs Zapier: Kenapa Saya Pilih Make?
Zapier bagus untuk otomasi sederhana: “kalau A terjadi, lakukan B.” Tapi Make punya visual editor yang lebih ekspresif, mendukung percabangan logika (branching), iterasi (looping), dan bisa handle data transformation yang kompleks tanpa harus keluar ke kode eksternal.
Harganya juga lebih kompetitif untuk volume operasi yang sama.
Yang paling penting: Make punya native module untuk OpenAI, Anthropic, dan berbagai AI provider lain — jadi integrasi AI jadi sangat mudah.
Konsep Dasar Make yang Harus Kamu Tahu
Sebelum masuk ke tutorial, beberapa istilah kunci:
- Scenario: Satu workflow lengkap dari trigger sampai action akhir
- Module: Satu blok dalam scenario — bisa trigger, action, atau data transformer
- Trigger: Pemicu yang menjalankan scenario (misalnya: email masuk, form disubmit, jadwal tertentu)
- Bundle: Satu “paket” data yang mengalir melalui scenario
- Router: Percabangan — bundle bisa diarahkan ke jalur berbeda berdasarkan kondisi
Tutorial: Workflow Otomatis Email + AI Summary
Mari kita bangun sesuatu yang nyata: workflow yang otomatis membaca email masuk, menganalisisnya dengan AI, lalu mencatat hasilnya ke spreadsheet dan mengirim notifikasi Slack.
Step 1: Setup Trigger Gmail
- Buat Scenario baru di Make
- Tambahkan module Gmail > Watch Emails
- Connect akun Gmail kamu
- Set filter: misalnya hanya email dengan label tertentu, atau dari domain spesifik
- Set interval polling: setiap 15 menit cukup untuk kebanyakan kasus
Step 2: Tambahkan AI Analyzer
Setelah trigger, tambahkan module OpenAI (atau Anthropic) > Create Completion:
Prompt:
Analisis email berikut dan berikan:
- Kategori email (inquiry, complaint, order, other)
- Tingkat urgensi (low/medium/high)
- Summary singkat (maksimal 2 kalimat)
- Action item yang disarankan
Email:
Subject: {{subject}}
From: {{from.email}}
Body: {{snippet}}
Respond in JSON format.
Set temperature ke 0.3 untuk hasil yang konsisten. Pilih model yang sesuai — untuk task klasifikasi seperti ini, model yang lebih kecil sudah cukup dan lebih hemat biaya.
Step 3: Parse JSON Response
AI akan return JSON, tapi Make menerimanya sebagai teks biasa. Gunakan module JSON > Parse JSON untuk mengubahnya jadi struktur data yang bisa dipakai modul selanjutnya.
Step 4: Router — Percabangan Berdasarkan Urgensi
Tambahkan Router untuk memisahkan handling berdasarkan tingkat urgensi:
- High urgency → Tambahkan ke Notion urgent board + kirim Slack mention langsung
- Medium urgency → Tambahkan ke Google Sheets + kirim Slack biasa
- Low urgency → Hanya tambahkan ke Google Sheets
Step 5: Google Sheets Logging
Untuk setiap jalur yang berujung ke Sheets, tambahkan module Google Sheets > Add Row:
- Timestamp:
{{now}} - From:
{{from.email}} - Subject:
{{subject}} - Kategori:
{{parseJson.category}} - Urgensi:
{{parseJson.urgency}} - Summary:
{{parseJson.summary}} - Action Item:
{{parseJson.action_item}}
Step 6: Slack Notification
Tambahkan Slack > Create a Message dengan format yang informatif:
Email Baru - [{{parseJson.urgency | upper}}]
From: {{from.name}} <{{from.email}}>
Subject: {{subject}}
Category: {{parseJson.category}}
Summary:
{{parseJson.summary}}
Suggested Action:
{{parseJson.action_item}}
Tips Praktis Membuat Workflow Make yang Solid
Selalu Pakai Error Handler
Make punya fitur Error Handler yang sering diabaikan pemula. Tambahkan di setiap module yang kritis — terutama koneksi ke API eksternal. Kalau AI gagal return JSON yang valid, scenario tidak harus crash total.
Module AI -> [Error Handler] -> Fallback: kirim raw email ke SlackManfaatkan Data Store untuk State
Kalau workflow kamu perlu “ingat” sesuatu antar eksekusi (misalnya: sudah proses email ini atau belum?), gunakan Make Data Store sebagai mini-database. Gratis dan terintegrasi langsung.
Batasi Token AI dengan Smart Preprocessing
Sebelum kirim ke AI, trim dulu data yang tidak perlu. Email dengan thread panjang? Ambil 500 karakter pertama saja kalau cuma butuh summary. Ini hemat biaya dan hasilnya sering tidak jauh beda.
Gunakan module Text Parser > Replace atau fungsi bawaan Make untuk pre-processing sederhana.
Gunakan Webhooks untuk Trigger Real-time
Kalau kamu tidak mau nunggu interval polling, pakai Webhook sebagai trigger. Banyak service (GitHub, Stripe, Typeform) bisa kirim data ke webhook Make secara real-time saat event terjadi.
Contoh Workflow Lain yang Bisa Kamu Replikasi
Workflow 1: Content Pipeline
- Trigger: Jadwal (setiap Senin pukul 08.00)
- Ambil trending topics dari RSS feed atau API
- AI generates content outline
- Simpan ke Notion sebagai draft
- Notifikasi Slack ke tim konten
Workflow 2: Customer Support Triage
- Trigger: Form submission (Typeform/Tally)
- AI klasifikasikan jenis support ticket
- Route ke board yang tepat di Jira/Trello
- Auto-reply ke customer dengan template yang dipersonalisasi AI
Workflow 3: Invoice Processing
- Trigger: Email attachment masuk
- Parse PDF invoice dengan AI (atau Mindee/Google Document AI)
- Ekstrak data: vendor, nominal, tanggal jatuh tempo
- Tambahkan ke accounting spreadsheet
- Buat reminder di Google Calendar
Berapa Biaya Operasionalnya?
Pertanyaan yang wajar. Mari hitung untuk workflow email yang kita bangun tadi:
- Make: Plan Starter (500 operations/bulan) = gratis. Plan Core (10.000 ops) = sekitar $10/bulan
- OpenAI API: Dengan gpt-4o-mini, ~200 token per email, $0.15 per juta token input = hampir tidak terasa untuk ratusan email
- Total: Untuk 500 email/bulan, total biaya bisa di bawah $5
Sangat masuk akal untuk penghematan waktu yang didapat.
Kesimpulan
Make + AI bukan hanya soal otomasi tugas berulang. Ini soal membangun sistem yang bisa berpikir dan membuat keputusan sederhana tanpa intervensi manusia di setiap langkah.
Yang kamu perlu adalah:
- Identifikasi proses repetitif yang makan waktu
- Petakan alurnya (trigger → proses → output)
- Tentukan di mana AI bisa ambil keputusan
- Bangun, test, iterate
Mulai dari yang kecil. Otomasi satu proses dulu, lihat hasilnya, baru expand. Jangan coba langsung otomasi seluruh operasional bisnis dalam satu scenario raksasa — itu cara paling ampuh untuk membuat workflow yang susah di-debug.
Mau bangun workflow otomasi yang custom untuk bisnis kamu? Atau butuh bantuan integrasi Make dengan sistem yang sudah ada? Yuk ngobrol — hubungi mafadev.
Leave a Reply