Contoh penggunaan Paperclip: 10 cara mengotomatisasi operasional dengan AI agent
Apr 30, 2026
/
Katerina B.
/
10 menit Dibaca
Use case Paperclip mencakup orkestrasi beberapa agen AI untuk menjalankan operasional bisnis secara otonom. Alih-alih mengandalkan satu chatbot atau asisten saja, Paperclip memungkinkan Anda membangun seluruh organisasi agen AI, masing-masing dengan peran, tujuan, dan alur pelaporan yang jelas.
Sistem ini berfungsi sebagai lapisan pengelolaan yang menjaga setiap agent tetap selaras dengan tujuan bisnis Anda, sambil melacak biaya, mencatat keputusan, dan menegakkan aturan tata kelola.
Masalah yang diselesaikannya memang nyata. Pembuat Paperclip mengembangkannya setelah menjalankan hedge fund otomatis dengan lebih dari 20 sesi AI agent yang terbuka sekaligus, masing-masing bekerja secara terpisah tanpa konteks bersama, tanpa pelacakan biaya, dan tanpa cara untuk memulihkan status setelah crash.
Itulah yang terjadi saat Anda meningkatkan skala penggunaan agen AI tanpa lapisan pengelolaan organisasi. Paperclip menyediakan lapisan tersebut dengan memodelkan perusahaan, bukan pipeline, sehingga Anda langsung mendapatkan bagan organisasi, ticketing, anggaran, dan pendelegasian yang siap pakai.
Contoh penggunaan praktis Paperclip meliputi:
- Membangun startup otonom dengan struktur perusahaan virtual.
- Mengotomatisasi pengembangan software dengan sprint multi-agent.
- Mengontrol biaya AI dengan penerapan anggaran per agen.
- Mengelola departemen marketing berbasis AI.
- Menjalankan operasional 24/7 di virtual private server (VPS).
- Menjalankan sistem AI yang mengutamakan privasi dan berjalan secara self-host.
- Menangani dukungan pelanggan dengan workflow tiket yang bisa diaudit.
1. Membangun startup yang sepenuhnya otonom
Salah satu use case Paperclip yang paling ambisius adalah menyusun perusahaan virtual dari nol. Anda menentukan bagan organisasi dengan peran seperti CEO, CTO, dan pimpinan marketing, menugaskan satu agen AI untuk setiap posisi, lalu menetapkan tujuan utama seperti mencapai target pendapatan berulang bulanan (MRR) tertentu.
Tugas akan mengalir melalui hierarki ini secara alami. Agen CEO menguraikan tujuan utama menjadi sasaran strategis, mendelegasikannya kepada kepala departemen, lalu agen-agen tersebut meneruskannya kepada pekerja spesialis.
Setiap tugas membawa seluruh rangkaian tujuan yang melatarbelakanginya, sehingga setiap agen selalu memahami bukan hanya apa yang perlu dilakukan, tetapi juga alasan pentingnya tugas tersebut dalam konteks misi yang lebih besar.
Berikut cara penerapannya dalam praktik. Misalnya, target Anda adalah meningkatkan MRR hingga US$10.000 (sekitar Rp170.000.000). Agent CEO bisa membuat proyek bernama “Meluncurkan paket freemium”, lalu menugaskan agent CTO untuk membangun fiturnya, sementara agent pimpinan marketing merencanakan kampanye peluncuran.
CTO kemudian mendelegasikan tugas lebih lanjut: satu agen developer menangani integrasi billing, sementara agen lainnya membangun alur onboarding. Setiap pekerjaan selalu mengacu pada target pendapatan awal, jadi tidak ada agen yang menyimpang ke tugas yang tidak relevan.
Tapi, penyiapan awal memang perlu dipikirkan dengan matang. Anda perlu menetapkan peran yang jelas, menyusun alur pelaporan, dan menetapkan anggaran sebelum peluncuran.
Memulai dengan dua atau tiga agent lalu memperluasnya setelah alur dasarnya berjalan adalah metode yang jauh lebih baik daripada mencoba membangun organisasi dengan 15 agent sejak hari pertama.
Siapkan waktu untuk terus menyempurnakan system prompt seiring Anda mempelajari cara agent memahami perannya.
2. Mengotomatiskan workflow pengembangan software
Paperclip memungkinkan Anda menugaskan agen engineering untuk menangani coding, debugging, testing, dan deployment sebagai tim yang terkoordinasi.
Setup yang umum bisa terlihat seperti ini: agen tech lead menerima permintaan fitur, memecahnya menjadi tiket, lalu mendelegasikannya kepada agen developer yang berjalan di Claude Code, Codex, atau adapter lainnya.
Setiap agent mengambil tugas dari antrean bersama, mengerjakannya, lalu melaporkan progres melalui tiket yang terstruktur. Ketika agen developer menyelesaikan sebuah fitur, agen tersebut memperbarui status tiket, membuat tugas lanjutan untuk pengujian, dan memberi tahu tech lead untuk melakukan review.
Kalau review tidak lolos, tech lead akan menugaskan ulang ticket tersebut dengan feedback yang spesifik, lalu developer agent melakukan iterasi.
Keunggulan dibandingkan tool agen tunggal adalah koordinasi. Saat tiga agen developer mengerjakan project yang sama, Paperclip memastikan mereka tidak mengerjakan hal yang sama dua kali atau menimpa hasil kerja satu sama lain.
Setiap agen bisa melihat seluruh task board, mengetahui tugas apa yang sedang dikerjakan agen lain, dan memahami bagaimana tugasnya berperan dalam tujuan proyek secara keseluruhan. Tingkat visibilitas seperti itu mustahil didapatkan saat Anda harus mengelola sesi agent yang terpisah secara manual.
Satu tips praktis: pastikan agen developer tetap fokus pada satu tanggung jawab saja. Agen yang menangani pekerjaan frontend dan backend sekaligus cenderung menghasilkan hasil yang tidak konsisten dibandingkan dua agen dengan peran yang dibatasi secara ketat.
Anda juga bisa mengintegrasikan ini dengan environment berbasis container, dan memahami apa itu Docker akan membantu Anda melihat bagaimana Paperclip mengemas layanannya agar deployment tetap konsisten di berbagai server.
3. Mengelola tim marketing berbasis AI
Paperclip memungkinkan Anda membangun departemen marketing tanpa anggota tim manusia. Anda menugaskan agen untuk fungsi tertentu seperti pembuatan konten, dasar-dasar SEO, pengelolaan media sosial, dan outreach email. Setiap agen memiliki peran yang jelas dan melaporkan progres melalui sistem ticketing bersama.
Mekanisme yang membuat semua ini bekerja adalah penjadwalan heartbeat. Anda mengonfigurasi setiap agent agar aktif pada interval yang sudah ditentukan, misalnya setiap enam jam, lalu memeriksa antrean tugasnya, menjalankan pekerjaan yang masih tertunda, dan kembali ke mode siaga.
Agen konten Anda menghasilkan draf blog. Agen SEO Anda meninjau performa kata kunci dan menyesuaikan penargetan. Agen media sosial Anda menjadwalkan postingan. Semua ini berjalan secara otomatis.
Bagian yang mulai terasa menarik adalah feedback loop. Kalau Anda menghubungkan agen analytics yang memantau data traffic dan engagement, agen tersebut bisa membuat task baru berdasarkan hal-hal yang benar-benar efektif.
Artikel blog tentang topik tertentu bisa mendatangkan traffic tiga kali lebih banyak? Agen analytics menandai pola tersebut dan membuat tugas untuk agen konten agar menghasilkan lebih banyak konten dengan tema tersebut. Tidak perlu meninjau dashboard secara manual.
Kunci agar metode ini berjalan efektif adalah menjaga agar peran setiap agen tetap memiliki cakupan yang sangat jelas dan terbatas. Agen konten yang juga mencoba menangani analitik dan penjadwalan biasanya hanya akan menghasilkan hasil yang biasa-biasa saja di ketiga area tersebut. Agen khusus dengan tanggung jawab yang jelas bekerja lebih baik dan lebih mudah di-debug saat kualitas output menurun.
4. Menjalankan operasional dukungan pelanggan
Berikut skenario yang menunjukkan mengapa orkestrasi yang terstruktur penting untuk support. Seorang pelanggan mengajukan pertanyaan tentang penagihan. Agen garda depan mengklasifikasikan kasus tersebut, memeriksa status akun dengan tool API, lalu menyelesaikannya menggunakan respons template.
Sepuluh menit kemudian, pelanggan lain melaporkan bug yang kompleks. Agen lini depan menyadari bahwa masalah tersebut berada di luar cakupannya, lalu membuat tiket baru dengan tag “eskalasi engineering” dan menugaskannya kepada agen spesialis yang memiliki akses ke codebase.
Beginilah cara kerja model ticketing Paperclip dalam praktiknya. Setiap interaksi pelanggan otomatis menjadi tiket dengan penanggung jawab, status, dan riwayat percakapan yang jelas.
Agen merespons, memperbarui status, dan meneruskan masalah berdasarkan aturan yang Anda tentukan. Agen terdepan menangani pertanyaan rutin, dan setiap masalah yang tidak bisa diselesaikan akan dieskalasikan dengan konteks lengkap, sehingga agen berikutnya tidak perlu mulai dari nol.
Yang membedakan solusi ini dari chatbot dasar adalah traceability. Setiap pemanggilan tool, permintaan API, dan titik pengambilan keputusan dicatat dalam audit trail yang hanya bisa ditambah.
Kalau pelanggan menggugat sebuah respons tiga minggu kemudian, Anda bisa melihat kembali urutan tindakan yang persis terjadi: apa yang diperiksa agen, data apa yang ditemukan, dan alasan agen memberikan jawaban tersebut.
Untuk industri yang diatur ketat atau tim yang memiliki persyaratan kepatuhan, tingkat dokumentasi seperti ini akan sangat memakan waktu kalau harus dipelihara secara manual.
Seiring waktu, meninjau log ini juga bisa mengungkap pola. Kalau 40% eskalasi melibatkan kategori masalah yang sama, itu menjadi sinyal bahwa Anda perlu memperbaiki instruksi untuk agen lini depan atau membuat agen khusus untuk jenis masalah tersebut.
5. Mengotomatiskan riset dan analisis data
Anda sekarang sudah bisa meminta model bahasa besar untuk menelusuri web, mengambil harga kompetitor, atau merangkum perubahan regulasi terbaru. Tapi itu tetap berarti Andalah yang mengerjakannya, menulis prompt, dan menyusun hasilnya setiap kali.
Paperclip mengubah rutinitas riset manual tersebut menjadi workflow otomatis yang berjalan sesuai jadwal tanpa keterlibatan Anda.
Pengaturan yang praktis bisa mencakup tiga agen:
- Kolektor yang mengambil data dari halaman harga, feed berita, atau dokumen publik secara berkala.
- Synthesizer yang membandingkan data baru dengan tren historis dan menandai anomali.
- Seorang reporter yang menyusun temuan ke dalam dokumen ringkasan.
Collector meneruskan data mentah ke synthesizer, lalu synthesizer meneruskan insight ke reporter.
Hal ini sangat bernilai, terutama untuk kebutuhan intelijen yang berulang. Alih-alih menghabiskan dua jam setiap hari Senin untuk menarik data harga kompetitor, tim riset Anda menanganinya secara otomatis dan mengirimkan laporan yang sudah diformat saat Anda mulai menjalani minggu kerja.
Kalau kompetitor menurunkan harga sebesar 20% pada Selasa sore, kolektor akan menandainya saat proses berikutnya dijalankan.
Batasan utama yang perlu Anda ingat adalah, kualitas riset sangat bergantung pada seberapa jelas Anda menetapkan apa yang harus dicari oleh agent dan di mana mereka harus mencarinya.
Instruksi yang samar seperti “pantau pasar” juga akan menghasilkan hasil yang samar. Instruksi yang spesifik seperti “cantumkan tier harga di lima halaman kompetitor ini dan bandingkan dengan tarif kami saat ini” menghasilkan insight yang bisa langsung ditindaklanjuti.
6. Mengontrol biaya AI dengan tata kelola anggaran
Tanpa kontrol biaya, inilah yang bisa terjadi: agen menemukan edge case, masuk ke loop retry, lalu menghabiskan US$300 (sekitar Rp5.100.000) untuk panggilan API pada pukul 03.00 sebelum ada yang menyadarinya.
Ini bukan situasi hipotetis. Biaya agent yang lepas kendali adalah salah satu masalah paling umum yang dihadapi tim saat menskalakan sistem AI otonom.
Paperclip mengatasi masalah ini dengan batas pengeluaran per agen dan per departemen. Anda menetapkan anggaran bulanan untuk setiap agen, dan saat anggaran itu mencapai batasnya, prosesnya akan berhenti.
Dashboard menampilkan penggunaan token yang diuraikan berdasarkan agent, task, project, dan goal, sehingga Anda bisa melihat dengan jelas pekerjaan mana yang mahal dan mana yang efisien.
Tingkat granularitas seperti ini lebih penting daripada yang mungkin Anda bayangkan. Anda mungkin akan menemukan bahwa agent konten Anda biayanya US$15 per bulan, sekitar Rp255.000, sedangkan agent code review Anda biayanya US$200 per bulan, sekitar Rp3.400.000, karena agent tersebut memproses file berukuran besar setiap kali melakukan review.
Insight tersebut membantu Anda mengoptimalkan prosesnya, mungkin dengan menyusun ulang workflow code review agar mengirim bagian file yang lebih kecil dan lebih terarah, bukan seluruh repository.
Bandingkan metode ini dengan alternatifnya, yaitu memeriksa halaman penagihan penyedia API Anda secara berkala dan berharap tidak ada masalah yang terjadi di antara waktu pemeriksaan.
Metode Paperclip bersifat proaktif: Anda menetapkan batasannya sejak awal, sistem akan menegakkannya secara otomatis, dan Anda akan mendapatkan laporan terperinci tentang ke mana setiap dolar digunakan.
7. Membuat dan mengelola AI agent kustom
Paperclip tidak membatasi Anda pada pilihan tipe agent yang sudah tetap. Saat ada kebutuhan baru, Anda bisa membuat agent langsung dari dashboard: beri nama, pilih adapter, Claude Code untuk engineering, Codex untuk pembuatan kode, Gemini untuk riset, arahkan ke direktori kerja, lalu tentukan tanggung jawabnya melalui system prompt.
Nilai praktisnya akan terasa saat kebutuhan Anda berkembang. Misalnya, saat awal Anda meluncurkan bisnis dengan tim engineering dan tim marketing, tapi sekarang Anda membutuhkan intelijen kompetitif.
Alih-alih mengonfigurasi ulang agent yang sudah ada, Anda membuat departemen riset baru, yaitu agent peneliti utama yang merencanakan informasi apa saja yang perlu dikumpulkan, serta dua agent spesialis yang menjalankan tugas riset yang sebenarnya.
Setiap agen baru langsung terintegrasi ke struktur organisasi yang sudah ada, dengan jalur pelaporan dan anggarannya sendiri.
Tata kelola tetap ketat sepanjang proses. Agent tidak bisa membuat sub-agent tanpa persetujuan Anda, jadi kalau agent CEO memutuskan perusahaan membutuhkan desainer baru, agent tersebut akan mengusulkan perekrutan lalu menunggu persetujuan.
Anda juga bisa membatasi tool yang bisa diakses setiap agen, menetapkan batas biaya yang memerlukan persetujuan manual, serta menjeda atau menghentikan agen mana pun kapan saja.
8. Menjalankan operasional otonom 24/7
Menjalankan Paperclip secara lokal memang bisa untuk pengujian, tapi dalam praktiknya cara ini cepat menemui kendala. Saat Anda menutup laptop, kehilangan daya, atau restart untuk update, semua agen akan berhenti di tengah tugas. Heartbeat terjadwal melewati jendela waktunya. Pekerjaan yang seharusnya terjadi dalam semalam ternyata tidak berjalan sama sekali.
Deployment VPS mengatasi masalah ini. Agent Anda berjalan di atas resource yang terjamin sepanjang waktu: agent pelaporan menyusun metrik kemarin sebelum Anda bangun, agent pemantauan menandai integrasi API yang rusak pada pukul 04.00 dan membuat ticket untuk tim engineering, agent konten memublikasikan posting terjadwal yang waktunya disesuaikan dengan zona waktu lain. Semua ini tetap berjalan, baik saat Anda online maupun tidak.
Keandalan juga berarti tetap berjalan setelah restart. Paperclip menyimpan memori agen, konteks tugas, dan seluruh struktur organisasi Anda di database PostgreSQL yang didukung oleh volume mount.
Restart container, reboot server, dan update Paperclip tidak akan menghapus progres Anda. Agent Anda langsung melanjutkan pekerjaan dari titik terakhir saat berhenti.
Dan karena Paperclip dilengkapi opsi PostgreSQL bawaan, Anda bahkan tidak perlu menyiapkan database terpisah untuk deployment pertama.
Bagi siapa pun yang serius membangun workflow otonom, hosting VPS adalah fondasi yang membuat semua use case lain dalam daftar ini benar-benar bisa berjalan dalam praktik, karena heartbeat yang dijadwalkan pada pukul 03.00 membutuhkan server yang benar-benar aktif pada pukul 03.00.
9. Mengelola proyek kompleks dengan struktur organisasi AI
Bayangkan peluncuran produk yang mengharuskan tim engineering, desain, dan marketing bekerja secara paralel. Tanpa struktur yang jelas, agent bisa mengerjakan hal yang sama berulang kali, melewatkan dependensi, atau mengerjakan tugas yang sebenarnya sudah diselesaikan oleh agent lain.
Bagan organisasi hierarkis Paperclip mencegah hal seperti ini.
Agen CEO bertanggung jawab atas tujuan peluncuran dan membaginya menjadi tiga proyek: “membangun produk”, “mendesain landing page”, dan “menyiapkan kampanye peluncuran”. Setiap proyek ditugaskan kepada agen pimpinan departemen, yang kemudian membaginya menjadi tugas-tugas individual dengan dependensi yang jelas.
Agen desain belum bisa merampungkan landing page sampai agen engineering mengonfirmasi set fitur yang akan digunakan. Paperclip melacak hubungan antar-tugas ini, sehingga agent tidak mulai bekerja pada tugas yang bergantung pada tugas upstream yang belum selesai.
Semua ini bisa dipantau lewat dashboard. Anda bisa melihat tugas mana yang sedang berjalan, mana yang terhambat, agen mana yang aktif, dan bagaimana penggunaan anggaran dipantau di setiap departemen.
Alih-alih meminta pembaruan status dari setiap agen, Anda mendapatkan tampilan terpadu atas seluruh operasional.
10. Mengoperasikan sistem AI yang mengutamakan privasi
Setiap prompt yang Anda kirim ke platform AI pihak ketiga akan menjadi data yang tersimpan di server milik pihak lain. Bagi bisnis yang bekerja dengan strategi proprietari, informasi klien, atau data yang diatur oleh regulasi, opsi seperti itu jelas bukan pilihan.
Menjalankan Paperclip secara self-host di VPS membuat semua komponen tetap berada di infrastruktur yang Anda kontrol.
Log agent, riwayat tugas, struktur organisasi, dan konten asli yang dihasilkan agent semuanya tetap tersimpan di server Anda. Anda menghubungkan API key milik Anda sendiri langsung ke provider seperti Anthropic atau OpenAI, tanpa perantara yang menangani atau menyimpan prompt Anda. Satu-satunya data yang keluar dari VPS Anda hanyalah panggilan API ke penyedia model itu sendiri.
Hal ini paling penting bagi tim di bidang keuangan, layanan kesehatan, hukum, atau bidang apa pun yang memiliki persyaratan ketat dalam pengelolaan data. Jejak audit append-only yang dikelola Paperclip juga tetap tersimpan di hardware Anda, sehingga Anda bisa mengelola sepenuhnya kebijakan retensi dan akses.
Memperkuat keamanan VPS membantu memastikan operasional AI ini tetap terlindungi dengan baik.
Lisensi MIT dan sifatnya yang sepenuhnya open source menambah tingkat kepercayaan. Anda bisa mengaudit setiap baris kode yang menjalankan tenaga kerja AI Anda, memastikan tidak ada telemetri yang mengirim data sensitif ke tempat yang tidak semestinya, dan melakukan fork pada project tersebut untuk menyesuaikannya dengan kebutuhan kepatuhan spesifik Anda.
Cara memulai menggunakan Paperclip di VPS
Cara tercepat untuk men-deploy Paperclip adalah melalui template Docker yang sudah dikonfigurasi sebelumnya.
Sebagai contoh, Katalog Aplikasi Hostinger akan menangani penyiapan container, database PostgreSQL, jaringan, dan variabel environment secara otomatis.
Anda memberikan kredensial admin dan API key untuk penyedia language model pilihan Anda, klik deploy, lalu sistem akan langsung berjalan di port 3100. Database PostgreSQL bawaan berarti Anda tidak perlu mengonfigurasi database terpisah untuk deployment pertama.
Setelah sistem berjalan, buka dashboard Paperclip dari VPS Anda, lalu masuk menggunakan kredensial admin yang Anda atur saat deployment.
Alur onboarding akan memandu Anda melalui tiga langkah: membuat organisasi Anda, yaitu nama perusahaan beserta misi atau tujuannya, menyiapkan AI agent pertama Anda, mencakup nama, jenis adapter seperti Claude Code atau Codex, direktori kerja, serta konfigurasi model, lalu menentukan tugas pertama dengan judul dan deskripsi yang jelas.
Pastikan tugas pertama tetap spesifik. “Riset kompetitor” terlalu samar. “Cantumkan tier harga dari tiga kompetitor ini dan bandingkan dengan harga kami” memberi agen sesuatu yang konkret untuk dikerjakan.
Dari sana, tetapkan anggaran untuk setiap agen, tentukan alur pelaporan antaragen, lalu biarkan workflow berjalan.
Tahan dorongan untuk membangun semuanya sekaligus. Mulailah dengan satu CEO dan satu agen spesialis yang bisa bekerja dengan andal, lalu tambahkan agen satu per satu.
Setiap agent baru menambah interaksi baru yang perlu di-debug, dan masalah akan jauh lebih mudah diisolasi kalau Anda menambah kompleksitas secara bertahap.
Untuk panduan lengkap langkah demi langkah, pelajari cara menyiapkan Paperclip di VPS. Mencakup semua hal, mulai dari deployment melalui Docker Manager hingga membuat tim agen pertama Anda.
Semua konten tutorial di website ini telah melalui peninjauan menyeluruh sesuai standar dan komitmen editorial Hostinger.
Katerina adalah Localization Project Manager di Hostinger, dengan pengalaman lebih dari 5 tahun dalam manajemen proyek dan latar belakang selama 6 tahun sebagai ahli bahasa. Ia berfokus untuk membuat teknologi lebih mudah diakses dengan mengubah panduan yang kompleks menjadi tutorial yang jelas dan mudah diikuti. Di waktu luangnya, ketika tidak mengikuti perkembangan terbaru dalam bidang lokalisasi, ia senang menonton film dan membaca buku.
