X

Advocate at Dongan Law Firm, [email protected] | Seeking US$20,000,000.- for kid's ⚽️ project I Harahart I ETH: 0xa10262b196cd38ad8

[X @albinandeo]

Penampilan baru, Para! 🥂

[Ibrahim Arief @ibamarief]

Beberapa waktu lalu, ada perusahaan ajak ketemuan.

Mereka minta masukan karena lagi bangun AI untuk support operasional kantor, sebuah use case yang aku rasa dihadapi ribuan perusahaan lain saat ini.

Pas aku coba chat AI mereka, jawabannya muter2 dan ga nyambung.

Ternyata mereka kasih akses database ke AI agent yang serving chatnya, dan berharap AI modelnya bisa cukup pintar untuk decide sendiri SQL query apa yang dibutuhkan untuk jawab pertanyaan user, dan kemudian execute sendiri query tersebut.

Pendekatan kaya gitu riskan error. Untuk bangun AI yang efektif, langkah pertama adalah kita perlu tahu batasan kemampuan model AI yang kita gunakan.

Bahkan frontier model (c. 2026) sekalipun bakal sering error kalau pertanyaan dari user bisa diinterpretasikan open-ended jadi ribuan SQL query berbeda untuk raw data yang kita punya.

Di @PerkaraAI, saat sidang kami sedang berjalan, satu "aha moment" dimana jawaban dari AI yang kami rancang mulai kerasa manfaatnya, adalah ketika kami rancang semantic model sebagai jembatan antara AI models dengan data-data pada perkara hukum kami.

Semantic model ini ada banyak jenisnya, silahkan riset dan cari2 sendiri yang paling cocok seperti apa untuk use case yang dihadapi.

Dalam perkara kami, semantic model yang kami pilih untuk organize knowledge dalam sebuah perkara, adalah multi-layered knowledge graph, dimana beberapa layer di dalamnya menggunakan ontologi yang sudah dirancang khusus dengan semantik investigasi perkara hukum.

Knowledge graph ini yang bisa dilihat pada kutipan post di bawah, dan menjadi semacam "otak pengetahuan" dari sebuah perkara. Sebuah perkara bisa memuat ~1 juta entitas dan keterhubungan antar entitas.

Lalu, contoh konkretnya gimana?

Misalnya, user ingin @PerkaraAI generate daftar seluruh pertemuan yang seorang saksi tertentu klaim karyawannya pernah lakukan dengan "Pejabat Z".

AI agent yang berusaha jawab pertanyaan di atas bisa saja generate SQL query berikut:

SELECT DISTINCT k.nama
FROM karyawan k
JOIN dokumen d ON d.isi LIKE '%' || k.nama || '%'
WHERE d.isi LIKE '%Pejabat Z%'
AND d.isi LIKE '%meeting%';

Terlihat baik2 saja, tapi sebenarnya bisa generate false positive ketika ada unstructured data “Tolong sampaikan ke Pak Z, Budi tidak bisa ikut meeting” dalam dokumen. Akar permasalahannya karena query tersebut ngga bisa paham semantik "tidak bisa ikut meeting".

Kontras dengan reorganizing seluruh pengetahuan dalam sebuah perkara jadi semantic models. AI agents di @PerkaraAI ngga perlu lagi langsung hit raw data, tapi bisa pakai high-level semantic graph query seperti:

“Siapa saja <orang <tipe karyawan>> yang <bekerja di> <perusahaan X> dan <mengikuti> <event <tipe meeting> <pada tanggal Y> <bersama <orang <tipe pejabat>> Z>>?”

Semantic relationships seperti <mengikuti> sekarang bisa digunakan oleh AI models untuk menentukan predikat keterhubungan yang cocok ketika mencari data yang bisa menjawab pertanyaan pengguna.

Hasil pencariannya kemudian bisa digunakan untuk berbagai keperluan. Di perkara kami, termasuk untuk analisa perkara, bedah saksi, dan RAG untuk jawaban chat.

Terus teknis bikin semantic model gimana? Ini banyak sekali possibilitiesnya, silahkan ditanyakan ke coding agent masing2 pendekatan apa yang cocok untuk situasi yang dihadapi.

Di @PerkaraAI kami simply bikin event-driven ETL pipeline untuk reorganize raw data yang ada, tapi dalam beberapa kasus cukup pakai materialized views di PostgreSQL.

Terakhir, jangan lupa, selain cari arsitektur semantic model yang dirasa cocok untuk use casenya, yang ngga kalah pentingnya adalah rancang ontologi yang cocok seperti apa.

e.g., untuk perusahaan yang proses bisnisnya ekspor impor, tentu perlu ontologi yang berbeda dengan proses bisnis rumah sakit, atau persidangan sebuah perkara hukum.

Semoga sharing di atas membantu, dan mohon masukannya jika ada feedback atau ada cerita arsitektur lain. 🫰🏻 Di era coding agents seperti sekarang, inspirasi2 arsitektur yang datangnya dari pengalaman dan real use case sangat dibutuhkan.

[Emre Akcakmak @akcakmak]

"Wash trading" illustration as published on Bloomberg, explaining what happened in #Indonesia.

Well, it's essentially a pump-and-dump scheme. Apparently a complete surprise to regulators in certain markets.

[sapte @saptaipb]

kalo di suruh harus pilih 1 emiten per 1 sektor,

emiten berikut ini yang salah pilih untuk jadi investasikan,

karakter nya harus dividen rutin,
keuangan sehat,

belinya cicil pelan2,
semampunya,
jaga cash di RDN mu biar tetap selalu ready.

[Nikkei Asia @NikkeiAsia]

Indonesia fires and haze cause more than 5,200 deaths, study says https://t.co/3rwvyrHHSS

[X @albinandeo]

🥂

[Joshua Aweda @AwedaJoshua]

THE WORST DEFEAT OF ALI, SO CR*ZY

🥊 ALI vs FRAZIER

Two undefeated champions. Two completely different styles. Fifteen brutal rounds that tested everything they had.

Ali had the speed, movement, and mouth. Frazier had relentless pressure, a vicious left hook, and the heart to keep coming forward.

JOE FRAZIER DIDN’T JUST BEAT MUHAMMAD ALI THAT NIGHT. HE PROVED THAT EVEN THE GREATEST CAN BE BROKEN. 👑🔥

March 8, 1971. Boxing history was made. 💥

[Richie Taylor @RWTaylors]

Hey @grok can you translate this manuscript?

[X @albinandeo]

Transparansi itu jendela kemajuan. Mentalitas korup tak akan pernah siap dengan itu. 🥂

[Angelo Giuliano 🇨🇭🇮🇹 @angeloinchina]

Former CIA officer John Kiriakou, on Indonesia 1965 :

> "they literally crafted this narrative that was absolutely untrue, that a Communist Party was going to rise up and kill everyone"
> "military ended up clashing with the Communist Party in Indonesia and one million people died"
> "Several documents of the CIA actually say that it was a model of an operation"

The CIA's own 1968 research study called the killings "one of the worst mass murders of the 20th century". The agency knew exactly what it was looking at.

Then Washington backed Suharto for 32 years.

I keep coming back to this one because it's the case that shaped everything after it, from Chile to the colour revolutions of today.

If the people who ran it called it a success, what exactly were they measuring ?

[Noctis @sequencetraders]

HOLY SHIT BARU SADAR 💀

[Tha Fackin Daddy @ThaFackinDaddy]

🤣🤣🤣🤣🤣🤣🤣🤣🤣🤣🤣🤣

[Global South Opportunities @GlobalOpp1]

SOAS University of London seeks a Research Fellow / Postdoctoral Researcher 2026: Earn £44,073–£51,483 Annually (Provision for Visa Sponsorship) - Global South Opportunities

Apply: https://t.co/OS5J5Mi5as

[Total Philosophy @TotalPhilo]

What was never meant to be seen

[Vanessa Li @cyvanessali]

Anyone want to join a fun startup? I'm hiring!

[X @albinandeo]

@KhalidAlNumi Check my bio, Sheikh! 🃏

[Bilinmeyen Gerçekler @iyiTriloji]

Cep telefonu kullanımı bundan daha iyi anlatılmadı

[Global Relocation Guide @GlobalMoveHub]

JUST IN 🚨

Denmark has launched an official website where foreigners can search for jobs, apply for vacancies, and relocate to work in the country.

https://t.co/HBTYUhiWRP

You know what to do??

[X @albinandeo]

🥂

[Shivani @meme_ki_diwani]

Paracetamol after seeing the pain inside me

[Lambe Saham @LambeSahamjja]

just info sekuritas yang kena sanksi OJK. 11 Sekuritas terkait kasus:

DSSA:
•⁠ ⁠SS: PT Supra Sekuritas Indonesia
•⁠ ⁠DH: PT Sinarmas Sekuritas
•⁠ ⁠PP: PT Aldiracita Sekuritas Indonesia
•⁠ ⁠SQ: PT BCA Sekuritas
•⁠ ⁠YO: PT Amantara Sekuritas Indonesia
•⁠ ⁠LG: PT Trimegah Sekuritas Indonesia Tbk
•⁠ ⁠RF: PT Buana Capital Sekuritas
•⁠ ⁠FZ: PT Waterfront Sekuritas Indonesia
•⁠ ⁠DR: PT RHB Sekuritas Indonesia

CUAN:
•⁠ ⁠HP: PT Henan Putihrai Sekuritas
•⁠ ⁠OD: PT BRI Danareksa Sekuritas

[Yale Law School @YaleLawSch]

Professor Nicholas Parrillo’s paper on how some large and powerful industries routinely sue their federal regulators while others rarely do earned him an award for scholarship.
https://t.co/zK3YMqfQce

[X @albinandeo]

Jika maksud LBP adalah soal pasal 2 atau 3 tipikor, nah dia punya kegelisahan yg dari UU Tipikor terbit sampai hari ini selalu jadi permasalahan. (3)

[X @albinandeo]

LBP (bahkan Hakim2 Agung) benar2 gak punya pemahaman yg clear soal "unsur2 korupsi" mensimplifikasi korupsi ke unsur "kerugian negara" saja jelas2 kek "apadah?!", tendensi LBP kita gk tahu. (1)

[X @albinandeo]

Hukum positif sdh mengatur unsur2 tipikor, suap atau gratifikasi tentu salah satunya diatur. TP Suap atau gratifikasi tak perlu unsur kerugian negara. (2)