Pipeline Riset: Query → Triase → Sintesis

Riset = pipeline, bukan satu alat ajaib

Sekarang rangkai. Ini pipeline lengkap untuk meneliti satu pertanyaan (contoh: "efektifitas agent AI untuk otomasi kerja kantor") — dari nol sampai catatan sintesis yang bisa dipercaya:

Tahap 1 — Query & kandidat (1 jam)

• Susun 2-3 varian query (Bahasa Inggris + Indonesia) — simpan semuanya di log riset.
• Jalankan di Semantic Scholar + basis data bidangmu; kumpulkan kandidat ke satu daftar (Zotero dkk. untuk manajemen referensi).

Tahap 2 — Triase (1-2 jam)

• Elicit untuk screening relevansi + ekstraksi kolom inti (metode, temuan, sampel).
• Connected Papers dari 2-3 paper terbaik → tambah kandidat yang terlewat (sumber kedua itu penting — satu basis data selalu bias).

Tahap 3 — Baca dalam (setengah hari)

• Paper terpilih (biasanya 8-15) masuk NotebookLM per sub-topik.
• Tanya hal yang sulit: perbedaan metodologi, inkonsistensi temuan, celah yang disebut penulis di bagian limitations.
• Dengarkan Audio Overview sambil rehat — sering memuncahkan pertanyaan bagus.

Tahap 4 — Sintesis & catatan (setengah hari)

• Tulis draf sintesis tanpa AI dulu — struktur argumen harus milikmu.
• Lalu pakai LLM sebagai editor: "temukan klaimku yang tidak didukung sumber", " mana bagian yang bias". Terakhir, verifikasi klaim yang ia tandai.
• Simpan log riset: query, keputusan include/exclude, catatan — reprodusibilitas adalah kredibilitas.

Aturan emas sepanjang pipeline

AI mempercepat tiap tahap — tapi keputusan risah tetap di tanganmu: paper mana yang dipercaya, klaim mana yang cukup kuat, kesimpulan seperti apa yang jujur. Itu bukan beban; itu nilai penelitimu.

Alat terbaik di dunia tetap menghasilkan riset buruk kalau pertanyaannya buruk. Mulai dari sana.