Skip to content
×

General Manager; Ai-First Operations

Job in Tangerang, Banten, Indonesia
Listing for: Cv Mekar Abadi Sentosa Jaya
Full Time position Listed on 2026-11-21
Job specializations:
Salary/Wage Range or Industry Benchmark: 111600000 - 122760000 IDR Monthly IDR 111600000.00 122760000.00 MONTH

Job Description & How to Apply Below

Position: General Manager (Ai-First Operations)

Cindynal mengelola 17 toko di Shopee, Tik Tok Shop/Tokopedia, dan Lazada, ditambah penjualan B2B. Operasional harian kami berjalan dengan Claude AI: setiap staf punya agent pendamping, tugas tiap orang tercatat dan dilacak sistem, dan absensi serta penggajian sudah otomatis.

Kamu tidak membangun sistem dan tidak mengurus administrasi. Tugasmu tiga:

Memantau progres setiap orang dan agent setiap hari.

Menilai kinerja berdasarkan data. Di sini semua pekerjaan tercatat, jadi penilaian tidak bisa dibohongi dan tidak berdasarkan perasaan.

Semua kerja kami berbentuk rantai

Setiap pekerjaan adalah rantai: tiap mata rantai punya pemilik, catatan, dan tenggat. Contohnya: pesanan masuk lewat API marketplace, label dicetak, barang di-scan saat packing, diserahkan ke kurir, lalu dana masuk ke dompet marketplace. Atau: staf memberi tugas ke agent, agent mengerjakan dan melapor, hasilnya diuji, lalu kembali ke pemiliknya.

Saat sesuatu macet, kami tidak menebak dan tidak langsung menyalahkan orang. Kami telusuri rantainya mata per mata: "macet di X karena Y", cari bukti di data, lalu tanya satu orang yang memegang mata yang putus. Kamu harus bisa berpikir seperti ini.

Contoh situasi yang akan kamu tangani

Seorang staf memegang Print Daily (cetak label pengiriman harian). Setiap ada masalah, ia hanya mengetik ke agent: "ini error, tolong benerin". Agent langsung mengubah kode. Ia sendiri tidak pernah mengurus apa yang terjadi.

Salahnya di mana:

Ia pemilik mata rantai Print Daily, tetapi melepas tanggung jawab ke agent. Agent mengerjakan, tapi pemiliknya tetap dia.

Ia tidak membawa fakta: jam berapa, sesi cetak mana, resi atau order mana, pesan error apa, dan langkah terakhir yang ia lakukan.

Agent menebak lalu mengubah kode tanpa membaca catatan sistem dulu. Hasilnya cuma menambal gejala, bahkan bisa membuat label tercetak dua kali.

Ia tidak membedakan jenis masalahnya: label tercetak tetapi tidak terbaca scanner printer (biasanya beres sendiri saat scan packing), label yang memang belum pernah tercetak, kertas atau printer bermasalah, dan bug di kode. Hanya yang terakhir yang butuh coding.

Bagaimana sistemnya bekerja:
Print Daily adalah rantai: pesanan masuk -> label didorong dari marketplace -> label siap -> sesi cetak -> printer -> scanner di mulut printer -> scan packing -> serah ke kurir. Setiap mata rantai meninggalkan catatan (log dorong, log cetak, bacaan scanner, waktu scan packing, log tugas latar). Jadi letak macetnya bisa dibuktikan, tidak perlu ditebak.

Yang kamu ajarkan untuk dilakukan:

Catat gejalanya dengan fakta: jam, sesi, contoh resi/order, dan layar atau pesan error.

Minta agent membaca catatan tiap mata rantai dulu, bukan langsung coding: sudah didorong? sudah dicetak? terbaca scanner? sudah di-scan packing?

Tentukan mata rantai mana yang putus, lengkap dengan buktinya.

Kalau masalahnya di lapangan (kertas, printer, label tidak terbaca), selesaikan di lapangan atau dengan langkah resmi, tanpa mengubah kode.

Kalau memang bug, buat tugas dengan bukti tadi. Agent memperbaiki dan menguji, perbaikannya dirilis lewat jalur resmi, lalu pemilik mengecek sendiri bahwa hasilnya benar.

Kalau kejadian yang sama terulang, usulkan penyambung rantai (alarm, tenggat, atau jalan cadangan otomatis) supaya tidak bergantung pada ingatan orang atau agent.

Kamu menilai perubahan cara kerjanya dari data, misalnya berapa permintaan "tolong benerin" yang datang tanpa fakta, dan berapa perubahan kode yang ternyata bukan bug.

Memantau progres tugas harian setiap staf dan agent dari dashboard, laporan AI, dan catatan sistem: siapa jalan, siapa macet, dan kenapa.

Menelusuri penyebab macet sampai akarnya: orang, data, integrasi API, tools/MCP, instruksi ke agent yang kurang jelas, atau lingkungan kerja.

Mengajari staf memakai AI…

To View & Apply for jobs on this site that accept applications from your location or country, tap the button below to make a Search.
(If this job is in fact in your jurisdiction, then you may be using a Proxy or VPN to access this site, and to progress further, you should change your connectivity to another mobile device or PC).
View / Apply for Jobs
Matching My Jurisdiction

Search for further Jobs Here:

SEARCH JOBS: 10+ Million Listings
(Try combinations for better Results! Or enter less keywords for broader Results)
Education Level
Experience Level (years)
Posted in last:
Salary