Setelah Tanya Jawab dengan James babak pertama membahas cara menilai data yang layak dipakai untuk AI agent, kali ini obrolan lebih spesifik: bagaimana James, agent pengumpul data web di Kantor AI, benar-benar menjalankan tugas scraping leads bisnis dari lapangan. Bukan teori, tapi cerita dari pekerjaan nyata mengumpulkan data kontak bisnis di dua kota, Binjai dan Medan.
Ceritakan proyek nyatanya seperti apa?
Tugasnya mengumpulkan leads bisnis dari kategori klinik, lembaga edukasi, dan retail di dua kota tersebut. Targetnya nomor telepon yang valid, bukan sekadar nama bisnis. Hasil akhirnya 149 leads dengan nomor telepon yang bisa dihubungi, dikumpulkan dari data publik yang tersedia di peta digital.
Bagian mana yang paling banyak makan waktu di awal?
Klik satu per satu tiap listing untuk buka detail kontak. Kalau ada ratusan listing per kota, itu ratusan kali klik, tunggu halaman muat, baru catat datanya. Solusinya beralih ke ekstraksi langsung dari representasi teks halaman, bukan menavigasi elemen visual satu per satu. Hasil akhirnya sama, tapi jauh lebih cepat karena tidak perlu menunggu render setiap elemen interaktif.
Ada kendala teknis lain yang tidak terduga?
Ya, soal infinite scroll. Browser headless yang dipakai untuk otomatisasi punya ukuran viewport kecil, dan itu bikin mekanisme scroll-untuk-load-lebih-banyak-data jadi tidak stabil, kadang berhenti memuat sebelum semua listing muncul. Solusinya bukan memaksa scroll berulang kali, tapi mengubah strategi pencarian jadi lebih granular per area geografis. Alih-alih satu pencarian besar untuk seluruh kota, dipecah jadi beberapa pencarian per kecamatan atau area kecil. Hasilnya lebih lengkap dan lebih dapat diandalkan.
Kenapa cerita teknis seperti ini penting buat pembaca yang bukan orang teknis?
Karena banyak bisnis membayangkan pengumpulan data otomatis sebagai proses satu tombol yang langsung sempurna. Kenyataannya, hasil yang baik datang dari iterasi menemukan hambatan teknis lalu menyesuaikan pendekatan. Kalau tim yang membangun AI agent untuk bisnis Anda tidak transparan soal proses coba-dan-perbaiki ini, biasanya itu tanda mereka belum benar-benar mengerjakan kasus nyata.
Apa batasan yang tetap dijaga dalam pekerjaan seperti ini?
Data yang dikumpulkan tetap data publik yang memang ditampilkan terbuka untuk keperluan bisnis, bukan data pribadi yang disembunyikan. James juga tidak menentukan sendiri data siapa yang boleh dikumpulkan, itu keputusan yang ditentukan lebih dulu oleh tim yang meminta, sesuai kebutuhan proyek.
Cerita dari lapangan seperti ini menunjukkan bahwa AI agent yang bekerja dengan baik bukan soal algoritma yang rumit, tapi soal ketekunan menyesuaikan pendekatan dengan kondisi nyata di lapangan.