Kerja di bidang QA dan AI sering dibayangkan serba teknis dan ribet. Tapi keseharian Ryandi Putra justru menunjukkan sisi lain: pekerjaan yang rapi, fleksibel, dan memberi ruang besar untuk eksplorasi diri.
Halo! Nama saya Ryandi Putra. Saat ini saya bekerja sebagai Quality Assurance (QA) Analyst di perusahaan manufaktur. Secara total, saya sudah lebih dari 5 tahun berkarier, tapi untuk peran yang benar-benar berkaitan dengan data baru sekitar kurang dari 3 tahun.
Prosesnya cukup seamless. Saya memang memulai karier di dunia engineering lapangan—mesin, konstruksi, dan elektrikal. Tapi sejak awal, ketertarikan saya ada di IT, khususnya data, bukan development.
Beberapa turning point penting:
- Udah membaca tren digitalisasi dan sadar bahwa data itu krusial di hampir semua bidang
- Belajar otodidak ratusan jam
- Merasa butuh pembelajaran yang lebih terarah
- Akhirnya, memilih FSDA + Next di RevoU
Awalnya, tujuan saya ikut RevoU murni untuk upskilling, tanpa target switch career total. Tapi setelah lulus, peluang itu datang sendiri—dan saya mulai beralih ke peran analis.
Pekerjaan saya justru tidak terlalu rumit dan cenderung less technical.
Di awal, fokus saya adalah:
- Membangun sistem pengambilan data
- Menyusun penyimpanan data
- Membuat dashboarding periodik (semi-otomatis)
Setelah sistem berjalan, fokus kerja sehari-hari lebih ke maintenance dan analisis.
- Dimulai dengan daily briefing
- Membahas isu kualitas
- Peran saya: memberi insight sebagai "kuncen data"
- Action item ditindaklanjuti oleh tim engineering
- Mengecek dan membalas email
- Monitoring data dan dashboard
- Meeting dengan QA lapangan dan tim engineering
- Diskusi dan alignment data vs kondisi lapangan
Setelah itu? Pulang. Tidak berlebihan, tidak rumit—dan justru nyaman. Fleksibilitas inilah yang memberi saya waktu untuk belajar hal lain.
Saat ini proyeknya udah mulai sunset. Namun sebelumnya, peran saya meliputi:
- Mengevaluasi respons AI
- Mengkurasi output AI dalam bentuk teks dan visual
Singkatnya, saya berperan sebagai kurator prompt dan respons AI.
Soal membagi waktu, bagi saya waktu itu selalu ada jika kita niatkan. Selalu ada ruang untuk menyisipkan kegiatan tertentu di tengah kesibukan. Bahkan saya sempat dua batch berturut-turut berperan sebagai mentor di kelas data-AI-cloud malam hari, tanpa kendala.
Semuanya sesuai ekspektasi, aman. Justru ketika sudah menjadi alumni FSDA, saya menyadari sistem data di tempat saya bekerja belum sematang itu dan masih banyak yang bisa dikembangkan.
Yang paling menyenangkan tentu fleksibilitasnya—tidak terus-terusan di lapangan, dan punya waktu untuk eksplorasi hal lain.
Tantangan paling hanya soal alignment dengan engineer di lapangan. Tidak ada yang terlalu besar.
Posisi ini cukup unik di perusahaan saya. Untuk entry level, bisa mulai sebagai engineer di perusahaan manufaktur, misalnya. Untuk mencapai posisi senior: work smart, mampu berkolaborasi dengan tim, peers, dan atasan.
Bukan hanya gambaran nyata a day in the life sebagai QA Analyst dan AI Trainer, tapi juga cerita tentang tools, pola kerja, dan proses bagaimana ia sampai di titik ini—dari dunia engineering hingga peran berbasis data dan AI.
Kalau cerita Ryandi membuat kamu tertarik menekuni bidang Data dan AI, kamu bisa mulai eksplor lewat course-course di RevoU dan melihat apakah jalur ini cocok buat kamu.