Jawaban AI “penjualan naik 12%” tidak membantu manajemen jika angka tersebut mencampur rupiah dan dolar, periode berjalan dan tahun penuh, atau penjualan bruto dan neto. RAG data numerik bisnis perlu menjaga arti angka sejak pengambilan sumber sampai penjelasan akhir. Referensi dokumen saja belum cukup: pembaca juga harus bisa menelusuri sel, filter, serta cara hitungnya.
Artikel ini membahas rancangan jawaban atas tabel dan laporan operasional. Fokusnya bukan membangun model peramalan atau menggantikan laporan keuangan resmi. Contoh hitung adalah ilustrasi, bukan data pelanggan Layana. Rekomendasi perlu disesuaikan dengan definisi metrik, kebijakan akses, dan sumber yang berlaku di perusahaan.
Kenali Batas Retrieval untuk Angka
RAG mengambil informasi relevan agar model menjawab dengan konteks. Pada dokumen naratif, kutipan paragraf sering membantu. Pada tabel, potongan yang terlepas dari judul kolom dapat mengubah makna: angka 150 mungkin berarti unit, juta rupiah, atau jumlah pesanan. Catatan kaki dan pengali satuan sering berada di halaman berbeda.
Karena itu, jangan menjadikan pencarian kemiripan teks sebagai satu-satunya jalur untuk seluruh pertanyaan numerik. Jika pertanyaan membutuhkan agregasi transaksi ERP, gunakan query atau layanan analitik yang disetujui dengan filter terkontrol. Model membantu memahami pertanyaan dan menjelaskan hasil; perhitungan dilakukan oleh komponen deterministik. Pilih sumber berdasarkan jenis pertanyaan, bukan memaksa semua jawaban melewati berkas PDF.
Tetapkan Kontrak Metrik Bersama Pemilik Data
Definisi, Satuan, dan Periode
Finance analytics atau pemilik metrik harus menyetujui definisi sebelum pilot. Untuk penjualan, jelaskan apakah pesanan, pengiriman, atau invoice menjadi dasar; bagaimana retur diperlakukan; serta apakah pajak termasuk. Bedakan tanggal transaksi dan tanggal posting. Tahun fiskal, bulan kalender, serta zona waktu juga dapat menghasilkan himpunan data berbeda.
Simpan satuan dan mata uang sebagai metadata eksplisit. Jangan membiarkan model memilih kurs atau menebak apakah kolom bertanda “000” berarti ribuan. Jika konversi diizinkan, sumber kurs, tanggal, dan aturan pembulatan harus ditentukan. Bila informasi itu tidak tersedia, minta klarifikasi atau tampilkan angka pada satuan aslinya.
Entitas dan Hak Akses
Dalam holding, nama unit yang mirip tidak berarti angkanya boleh digabung. Tetapkan badan usaha, cabang, dan konsolidasi yang boleh diakses pengguna. Hasil agregat juga bisa sensitif: menyembunyikan baris detail tidak otomatis mengizinkan penampilan total grup. Validasi hak akses sebelum query dan sebelum hasil dikirim ke model.
Pertahankan Struktur Tabel Saat Ingest
Untuk spreadsheet, simpan nama sheet, rentang sel, header bertingkat, tipe data, formula atau nilai tersimpan, dan versi berkas. Pada PDF, catat halaman serta ketidakpastian ekstraksi. Sel kosong harus dibedakan dari nol, nilai tidak berlaku, dan data yang tidak terbaca. Jangan mengisi kekosongan dengan nilai yang terlihat masuk akal.
Header yang digabung, tabel bersambung, dan total pada akhir halaman perlu diuji secara khusus. Pasangkan setiap nilai dengan label baris dan kolom yang membentuk artinya. Jika OCR tidak dapat membedakan tanda minus atau pemisah desimal, keluaran harus menyatakan kebutuhan review. Perbandingan pendekatan ekstraksi dapat dilihat pada panduan rules, OCR, dan LLM untuk dokumen bisnis.
Contoh Ilustratif: Persentase yang Benar dengan Dasar yang Salah
Misalkan laporan tahun lalu memuat penjualan neto Rp800 juta, sedangkan laporan periode ini memuat penjualan bruto Rp900 juta. Menghitung (900−800)/800 menghasilkan 12,5%, tetapi perbandingannya belum sah karena definisi berbeda. Sistem harus menemukan perbedaan definisi dan menahan kesimpulan pertumbuhan, sekalipun aritmetikanya benar.
Setelah pemilik data menyediakan angka neto yang setara, komponen hitung menerapkan rumus yang disetujui. Jawaban menyebut periode, entitas, definisi, angka dasar, rumus, dan sumber. Jika periode ini hanya mencakup sembilan bulan, jangan membandingkannya dengan setahun penuh tanpa penjelasan. Angka ilustratif di sini hanya menunjukkan risiko perbandingan, bukan proyeksi atau hasil bisnis.
Alur Jawaban yang Dapat Diperiksa
- Terjemahkan pertanyaan menjadi metrik, entitas, periode, filter, dan jenis operasi yang diminta.
- Minta klarifikasi jika ada definisi material yang ambigu, misalnya “bulan ini” atau “penjualan terbesar”.
- Ambil data dari sumber berotoritas dengan hak akses pengguna; catat versi dan waktu pembacaannya.
- Validasi tipe, satuan, kelengkapan, serta kesetaraan basis sebelum menghitung.
- Jalankan operasi deterministik dan simpan input, rumus, serta hasilnya.
- Susun penjelasan dengan referensi sel atau query, keterbatasan, dan pertanyaan yang belum terjawab.
Rangkaian tetap seperti ini dapat berupa workflow, tanpa agent. Agent baru relevan jika perlu memilih penelusuran tambahan secara dinamis dalam daftar sumber yang disetujui. Banyak tool tidak otomatis menjadikannya agentic. Ketika model mengusulkan query, batasi pada operasi baca, parameter terkontrol, dan biaya eksekusi yang masuk akal.
Evaluasi Jawaban pada Level Angka dan Penjelasan
Buat paket uji yang mencakup angka negatif, nol, data kosong, satuan ribuan, pemisah angka berbeda, revisi laporan, dan dua tabel dengan nama serupa. Tambahkan pertanyaan yang tidak dapat dijawab dari sumber. Keluaran harus mampu mengakui kekurangan data tanpa mengarang total atau melengkapi baris yang hilang.
Nilai secara terpisah ketepatan sumber, filter, satuan, periode, rumus, dan narasi. Jawaban yang menyebut angka benar tetapi salah entitas tetap gagal. Ukur proporsi jawaban yang dapat direproduksi reviewer, kesalahan material, waktu review, dan keberhasilan menahan jawaban yang basisnya tidak sebanding. Tentukan toleransi sesuai metrik; jangan memakai satu batas desimal untuk seluruh kebutuhan.
Untuk kontrol akses dan bukti sumber yang lebih luas, gunakan kerangka evaluasi RAG dan hak akses. NIST AI Risk Management Framework menjadi rujukan umum pengelolaan risiko; rincian kontrak tabel dan KPI di sini merupakan rekomendasi desain, bukan sertifikasi atau ketentuan NIST yang spesifik.
Mulai dari Satu Pertanyaan Manajemen yang Berulang
Pilih satu laporan dengan pemilik, definisi metrik, dan riwayat revisi yang jelas. Siapkan contoh tersamarkan serta jawaban pembanding yang sudah diterima bisnis. Melalui layanan AI dan machine learning Layana, tim dapat memetakan jalur retrieval, query, dan review. Diskusikan pilot RAG untuk data numerik bisnis sebelum memperluas cakupan ke banyak laporan.
Gambar merupakan ilustrasi konseptual review dokumen bisnis, bukan tampilan produk analitik atau data pelanggan Layana.