ChatGPT Pintar, Tapi Angka Bisnis Anda Belum Tentu Kebaca

Dimas punya usaha catering kecil. Menu andalannya nasi box dan tumpeng. Order paling sering masuk lewat WhatsApp: arisan, pengajian, ulang tahun, kadang pesanan kantor yang mendadak banyak. Usahanya tidak besar, tapi ritmenya padat. Pagi masak, siang kirim, sore balas chat, malam cek pesanan besok.

Dia bukan tipe yang rajin buka Excel. Yang dipakai sehari-hari justru grup WhatsApp pelanggan, Instagram buat foto menu, aplikasi bank buat cek mutasi, dan Mbak Rina yang bantu catat order serta DP di buku tulis dan file Excel sederhana. Pembukuan formal memang ada. Biasanya yang pegang orang kepercayaan yang dia bayar per bulan.

Waktu ChatGPT mulai ramai dibicarakan, Dimas ikut coba. Pertanyaan pertamanya sederhana saja.

Kalau bulan depan saya tambah satu orang bantu packing, masih aman nggak?

Dia screenshot saldo rekening, tempel ke chat. Ditambah perkiraan omzet yang masih dia ingat dari minggu lalu. Jawaban ChatGPT keluar cepat: kisaran gaji yang wajar, saran cash flow, lalu paragraf rapi soal disiplin keuangan UMKM.

Kelihatannya meyakinkan. Tapi bukan angka usahanya Dimas.

Kebiasaan yang bikin jawaban meleset

Banyak pemilik usaha kecil punya kebiasaan yang mirip. Export mutasi. Screenshot saldo. Copy beberapa baris catatan order. Lalu minta AI "analisis."

Masalahnya bukan AI-nya malas. Masalahnya, data yang masuk sudah telat sebelum sempat dibaca.

Screenshot mutasi kemarin tidak tahu kalau hari ini ada dua DP besar yang sudah masuk. ChatGPT juga tidak tahu ada order kantor yang masih di tahap penawaran. Karena yang terlihat cuma potongan, jawabannya pun diisi nasihat umum. Persis seperti yang dialami Dimas.

Dia tidak berhenti pakai ChatGPT. Dia cuma berhenti menganggap jawaban AI sebagai patokan untuk urusan uang.

AI biasa vs AI yang benar-benar baca data Anda

Di sini bedanya mulai kelihatan.

AI biasa paham pola dari internet. Dia bisa bantu menjelaskan cash flow, hiring, atau harga jual secara teori. Tapi dia tidak bisa lihat pipeline Anda, jurnal pembukuan Anda, atau order mana yang sudah diam seminggu.

AI yang terhubung lewat MCP bisa baca data yang memang sudah Anda simpan di tools bisnis, setelah Anda izinkan. Sifatnya read-only. Bukan masuk ke server orang lain. Bukan nebak-nebak dari screenshot.

Buat Dimas, yang dia butuh bukan AI yang terdengar pintar. Dia butuh jawaban yang lihat angka yang sama dengan Mbak Rina sebelum bicara.

MCP, versi gampangnya

Kalau mau dibuat sederhana, MCP itu jembatan supaya ChatGPT bisa tanya ke Modula tanpa menebak.

Sekali authorize per workspace, agent bisa lihat pipeline penjualan, detail lead, saldo akun, sampai laba rugi periode berjalan. Tapi dia tidak bisa posting jurnal, tidak bisa mindah kartu lead, dan tidak bisa mengubah catatan sesuka hati.

Buat Dimas, bayangannya gampang: kayak punya asisten yang boleh lihat buku, tapi tidak boleh coret-coret.

Pertanyaan penjualan yang tadinya muter-muter

Sebelum semua terhubung, Dimas biasanya cek WhatsApp untuk lihat siapa yang sudah setuju, tanya Mbak Rina daftar quotation, lalu masih tetap ragu mana yang benar-benar jadi.

Begitu pipeline rapi di satu tempat, dia coba tanya begini:

Order mana yang masih penawaran dan DP-nya belum masuk minggu ini?

Jawaban yang keluar langsung dari CRM: nama acara, nominal, tahap, siapa yang harus follow-up. Bukan template jawaban. Data dari papan kanban, bukan dari ingatan.

Itu bedanya. Bukan sihir. Cuma tidak perlu lagi merakit cerita bisnis dari screenshot dan chat yang sudah tenggelam.

Pertanyaan uang yang dulu selalu ditunda

Lalu pertanyaan yang sama muncul lagi, tapi lebih spesifik.

Dengan saldo kas dan bank plus laba rugi kuartal ini, realistis nggak kalau saya hire helper packing Rp 3,5 juta per bulan dalam 60 hari ke depan?

Sekarang agent bisa tarik data ledger: posisi kas, pemasukan, pengeluaran terbaru, lalu jawab dengan kisaran yang nyambung ke buku. Orang kepercayaannya tetap pegang pembukuan formal. Dimas cuma tidak lagi menebak-nebak di antara pertemuan bulanan.

Sengaja dibuat read-only

Ada produk yang suka jualan AI seolah-olah bisa "jalanin bisnis". Dimas wajar kalau waswas.

Di Modula, akses MCP memang dibuat read-only. Agent boleh membantu mengambil keputusan, tapi tidak mengeksekusi. Lead tidak pindah tahap karena model salah baca. Jurnal tidak ke-post hanya karena ada pertanyaan yang kebetulan kelewat berani.

Buat tim kecil yang belum punya finance full-time, batas seperti ini justru bikin lega.

Tetap harus ada tempat datanya tinggal

MCP tidak beresin kekacauan sendiri. Kalau order masih berserakan di WhatsApp dan pembukuan telat tiga bulan, menyambungkan AI justru cuma bikin masalahnya kelihatan lebih cepat.

Jalan yang dipakai Dimas sebenarnya sederhana dan tidak glamor: taruh prospek di papan kanban, jaga jurnal dasar tetap update, baru sambungkan ChatGPT. Karena CRM dan ledger ada di satu workspace, dua kebiasaan itu terasa seperti satu alur kerja, bukan dua proyek terpisah.

Modula memang dibuat untuk alur seperti ini. Gratis untuk tim kecil, dan tidak perlu kartu kredit untuk coba. Lihat halaman produk Modula (Bahasa Indonesia) untuk pipeline, jurnal, dan gambaran MCP. Kalau mau langsung mulai, buat workspace gratis.

Kalau penasaran, coba satu pertanyaan dulu

Kalau Anda sudah sering tempel export ke chat dan jawabannya terasa "hampir benar tapi tetap meleset," bukan Anda yang salah. Tool-nya memang belum melihat data Anda sendiri.

Coba satu pertanyaan yang biasanya Anda lempar ke admin atau orang kepercayaan: kas, pipeline, quotation yang masih menggantung. Lalu bandingkan jawabannya setelah semua angka hidup di satu sistem dan MCP sudah tersambung.

Dimas masih tetap masak dan packing. Bedanya, sekarang dia tidak lagi menganggap nasihat AI umum sebagai jawaban final untuk buku besarnya.

Mau ngobrol singkat?

Setiap usaha punya alur yang beda. Ada yang perlu beresin penjualan dulu, ada yang pembukuannya dulu yang berantakan.

Kalau mau cerita singkat soal cara kerja Anda sekarang, kami bantu lihat apakah cocok dengan Modula. Chat lewat WhatsApp. Santai saja, tanpa paksaan, dan tidak harus demo panjang kalau memang belum perlu.