Bagaimana Mengotomatiskan Setiap Alur Kerja dengan Claude Skills (Tutorial Lengkap)

marsbitDipublikasikan tanggal 2026-05-12Terakhir diperbarui pada 2026-05-12

Abstrak

**Panduan Lengkap: Mengotomatiskan Alur Kerja dengan Claude Skills** Claude Skills adalah file instruksi permanen yang disimpan di komputer Anda, dirancang untuk memberi tahu Claude cara menyelesaikan tugas tertentu secara konsisten dan berkualitas tinggi. Berbeda dengan prompt biasa yang hanya menjadi awal percakapan, Skills bertindak seperti karyawan terlatih yang mengikuti proses, standar, dan format output yang sama setiap kali. **Mengapa Skills Sangat Berharga?** Skills menawarkan kualitas yang terstandarisasi dan dapat diandalkan. Dengan lebih dari 80.000 Skills komunitas dan Skills resmi dari Anthropic, alat ini masih sering kurang dimanfaatkan karena kurangnya panduan yang jelas. **Tahap 1: Instalasi Cepat (5 Menit)** Skills adalah folder di komputer Anda yang berisi file `SKILL.md`. Untuk menginstal: - Kunjungi skillsmp.com atau github.com/anthropics/skills. - Pilih Skill yang relevan, ikuti petunjuk instalasi. - Terapkan pada tugas nyata dan bandingkan hasilnya dengan metode prompt biasa. **Tahap 2: Membuat Skill Kustom dari Awal** Sebelum mulai, jawab tiga pertanyaan: 1. **Apa tujuan Skill ini?** (Contoh: "Menulis email tindak lanjut untuk calon klien yang menghadiri webinar, menyebutkan sesi spesifik, menyertakan studi kasus, dan mengajak menjadwalkan demo 15 menit."). 2. **Kapan Skill ini diaktifkan?** (Daftar 5 frasa pemicu seperti "tulis email tindak lanjut"). 3. **Seperti apa output yang sempurna?** (Berikan contoh nyata). **Struktur File SKILL.md:** - **...

Catatan Editor: Artikel ini adalah tutorial pengantar Claude Skills, yang membahas lima tahapan: instalasi, pembuatan, pengujian, pengoptimalan, dan pembangunan pustaka Skill. Penulis memulai dari struktur file paling dasar, menjelaskan cara menulis SKILL.md, cara mengatur kondisi pemicu, cara menambahkan contoh dan kasus batas, serta memberikan metode verifikasi "skenario rutin, skenario batas, pengujian tekanan".

Jika Prompt menyelesaikan "bagaimana menanyakan untuk kali ini", maka Skills menyelesaikan "bagaimana melakukan tugas semacam ini di masa depan". Bagi mereka yang ingin benar-benar memasukkan AI ke dalam alur kerja harian, artikel ini memberikan jalur operasional yang dapat langsung diterapkan.

Berikut adalah teks asli:

Saya menggabungkan semua yang saya ketahui tentang Claude Skills ke dalam satu artikel ini.

Saran: simpan dan simpan :)

Setelah membaca artikel ini, pemahaman Anda tentang Claude Skills akan melampaui 99% pengguna. Anda setidaknya akan membangun dan menerapkan satu Skill kustom sendiri, dan menguasai metode yang dapat digunakan kembali untuk mengotomatisasi alur kerja apa pun di industri apa pun.

Ini bukan berlebihan. Ini adalah manual praktik lengkap.

Apa sebenarnya Claude Skills itu? Mengapa kebanyakan orang salah menggunakannya?

Pada dasarnya, Claude Skill adalah file instruksi permanen yang disimpan di komputer Anda, yang memberi tahu Claude bagaimana menyelesaikan tugas tertentu dengan akurat. Setiap kali demikian, dan tidak perlu Anda jelaskan berulang kali.

Kebanyakan orang mendengar ini, akan berpikir: "Oh, jadi ini seperti Prompt yang disimpan."

Bukan. Prompt yang disimpan adalah titik awal percakapan. Skill lebih seperti karyawan yang terlatih.

Prompt yang disimpan mengatakan: "Ini adalah cara memulainya."

Skill mengatakan: "Pekerjaan ini harus dilakukan seperti ini dari awal hingga akhir; output yang baik harus terlihat seperti ini; jika terjadi kesalahan harus ditangani seperti ini; perlu menggunakan alat-alat ini; hasil akhir harus disampaikan dalam format ini."

Perbedaan kualitas output yang dihasilkan sangat besar.

Ketika Anda memberi Claude Prompt sekali pakai, Anda mendapatkan kualitas sekali pakai: tidak stabil, kadang bagus, kadang biasa saja. Hasilnya berbeda setiap kali karena cara Anda bertanya juga sedikit berbeda setiap kali.

Tetapi ketika Anda mengaktifkan Skill, Anda mendapatkan kualitas yang terstandarisasi: proses yang sama, standar yang sama, format output yang sama, konsisten setiap kali. Inilah perbedaan antara "mencari seorang magang" dan "memiliki seorang profesional terlatih".

Mengapa Skills adalah fitur AI yang paling diremehkan saat ini?

Saat ini sudah tersedia lebih dari 80.000 Skills komunitas, dan pasar ini masih menambahkan ribuan setiap minggu. Anthropic juga telah merilis Skills resmi untuk skenario seperti PDF, dokumen Word, presentasi, spreadsheet, dan desain.

Tetapi kebanyakan orang bahkan belum pernah memasang satu pun.

Alasannya sederhana: tidak ada yang benar-benar menjelaskan cara menggunakannya dengan benar. Sebagian besar tutorial hanya memberi tahu cara memasang Skill, lalu selesai. Ini seperti mengajari orang lain cara merekrut karyawan, tetapi tidak pernah mengajarinya cara mengelola karyawan.

Artikel ini mencakup siklus hidup lengkap: cara menemukan Skills yang tepat, cara memasangnya, cara membangun Skill kustom dari nol, cara menguji dan mengoptimalkan, cara menerapkannya ke alur kerja nyata, serta cara membangun pustaka Skill lengkap untuk mengotomatisasi seluruh sistem kerja Anda.

Tahap Satu: Pasang Skill Pertama Anda dalam Lima Menit

Di mana Skills Disimpan?

Skills pada dasarnya hanyalah folder di komputer Anda. Setiap folder berisi file bernama SKILL.md. File ini berisi instruksi spesifik yang memberi tahu Claude bagaimana menyelesaikan pekerjaan ini.

Untuk Claude Code, mereka dapat ditempatkan di .claude/skills/ di bawah direktori proyek, atau secara global di ~/.claude/skills/.

Untuk Claude Desktop dengan Cowork, dapat digunakan melalui antarmuka desktop.

Sesederhana itu. Tidak ada instalasi rumit, tidak ada dependensi, tidak ada file konfigurasi. Itu hanya folder dengan file teks.

Apa yang Perlu Anda Lakukan di Tahap Satu

· Jelajahi skillsmp.com atau github.com/anthropics/skills, temukan Skill yang terkait dengan pekerjaan Anda.

· Ikuti instruksi di repositori kode untuk memasangnya.

· Terapkan pada tugas nyata yang biasa Anda lakukan secara manual.

· Bandingkan kualitas dan kecepatan outputnya dengan cara Anda menggunakan Prompt biasanya.

· Jika output belum sempurna, catat area yang perlu diperbaiki.

Tahap Dua: Bangun Skill Kustom Pertama Anda dari Nol

Uji Tiga Pertanyaan

Sebelum mulai membangun, jawab tiga pertanyaan ini.

Pertama, untuk apa Skill ini digunakan?
Harus sangat spesifik. Jangan tulis "bantu saya menangani email". Sebaiknya tulis: "Tulis email tindak lanjut profesional untuk calon klien yang telah menghadiri webinar online kami, sebutkan sesi spesifik yang mereka hadiri, sertakan studi kasus terkait, dan akhiri dengan ajakan eksplisit untuk menjadwalkan demo produk 15 menit."

Kedua, kapan seharusnya Skill ini diaktifkan?
Apa sebenarnya yang akan Anda input untuk memicunya? Contoh: "tulis email tindak lanjut", "buat draf email tindak lanjut pasca-webinar", "buat email untuk calon klien". Setidaknya buat daftar lima frasa pemicu.

Ketiga, seperti apa seharusnya output yang sempurna?
Jangan deskripsi abstrak, tetapi berikan contoh nyata langsung. Tempelkan email yang pernah Anda tulis dan berhasil dengan baik. Nilai contoh ini melebihi 50 baris instruksi.

Menulis SKILL.md

File SKILL.md Anda terdiri dari dua bagian.

Bagian pertama adalah frontmatter YAML di bagian atas, di antara tanda ---. Di sini Anda perlu menulis nama dan deskripsi dalam format kebab-case. Deskripsi harus berupa teks yang sangat spesifik dan dengan kondisi pemicu yang jelas, daftar semua frasa pemicu, dan jelaskan dengan jelas kapan Skill ini harus diaktifkan dan kapan tidak boleh diaktifkan.

Bagian kedua adalah konten instruksi di bawah frontmatter. Bagian ini adalah alur kerja yang ditulis dalam bahasa alami. Tulis langkah demi langkah, berurutan. Setiap langkah harus berupa tindakan yang jelas. Sertakan contoh input dan output, sertakan kasus batas dan cara penanganannya, serta tuliskan standar kualitas Anda.

Seluruh file sebaiknya dikontrol dalam 500 baris. Dilarang menggunakan bahasa samar seperti "formatnya baguskan sedikit" atau "tangani dengan tepat". Setiap instruksi harus spesifik dan dapat diuji.

Apa yang Perlu Anda Lakukan di Tahap Dua

· Pilih satu tugas yang paling sering Anda ulangi, dan selesaikan "Uji Tiga Pertanyaan".

· Tulis frontmatter YAML dengan deskripsi pemicu yang eksplisit dan spesifik.

· Tulis bagian instruksi sebagai alur kerja langkah demi langkah, dan sertakan contoh konkret.

· Simpan file SKILL.md ke direktori Skills yang benar.

· Jalankan Skill ini dengan tugas nyata, dan simpan output untuk ditinjau ulang.

Tahap Tiga: Uji, Optimalkan, dan Jadikan Tingkat Produksi

Uji Tiga Skenario

Uji Skill Anda dengan tiga skenario.

Pertama, jalur rutin.
Input tugas yang normal dan langsung, yang mewakili 80% skenario penggunaan Anda.

Kedua, kasus batas.
Input tugas yang aneh, tidak umum, atau informasi tidak lengkap, untuk menguji batas Skill. Misalnya data hilang, format tidak normal, konflik informasi, dll.

Ketiga, pengujian tekanan.
Input versi tugas yang terbesar, paling berantakan, paling kompleks. Ini dapat mengungkap apakah Skill ini memiliki kemampuan skalabilitas, atau hanya dapat menangani tugas sederhana.

Jika Skill Anda dapat menghasilkan output yang Anda bersedia tunjukkan kepada klien di ketiga skenario ini, maka ia telah mencapai tingkat produksi. Selama satu skenario gagal, kegagalan itu sendiri akan memberi tahu Anda instruksi apa yang harus ditambahkan.

Siklus Optimasi Mingguan

Setiap kali menggunakan Skill, selama hasil output belum ideal, segera perbarui SKILL.md. Setelah satu bulan pengoptimalan berkelanjutan, konten yang dihasilkan Skill Anda hampir tidak dapat dibedakan dari pekerjaan yang diselesaikan oleh profesional manusia yang terlatih.

Apa yang Perlu Anda Lakukan di Tahap Tiga

Uji Skill Anda dengan tiga skenario: jalur rutin, kasus batas, pengujian tekanan.

Untuk setiap kegagalan, tambahkan instruksi atau contoh spesifik yang dapat menyelesaikan masalah.

Jalankan ketiga skenario lagi, pastikan perbaikan efektif.

Pada bulan pertama, atur pengingat kalender untuk setiap hari Jumat, untuk meninjau dan mengoptimalkan Skill Anda.

Tahap Empat: Bangun Pustaka Skill Lengkap untuk Industri Anda

Satu Skill Adalah Alat, Sepuluh Skills Adalah Tim

Buat satu Skill untuk setiap tugas berulang dalam alur kerja Anda. Skill penulisan konten, Skill penelitian, Skill perancangan email, Skill analisis data, Skill persiapan rapat, Skill pembuatan laporan, Skill komunikasi klien, Skill analisis pesaing.

Dalam satu bulan, Anda dapat memiliki sepuluh Skills tingkat produksi. Dalam tiga bulan, Anda dapat membangun pustaka Skill lengkap yang mencakup alur kerja utama dalam posisi Anda.

Pola Desain Skill untuk Industri Berbeda

Industri Real Estat:
Penulis deskripsi properti, Pembuat analisis pasar, Pembuat draf email tindak lanjut klien, Pembuat studi kasus perbandingan penjualan, Alat persiapan briefing open house.

Pemasaran:
Pembuat Brief acara, Penulis copy iklan, Pengumpul laporan data, Perencana kalender konten, Analis uji A/B.

Industri Keuangan:
Pemroses laporan pengeluaran, Analis faktur, Penjelas varians anggaran, Pembuat ringkasan portofolio klien, Pemeriksa kepatuhan regulasi.

Industri Konsultasi:
Pembuat draf proposal, Alat persiapan wawancara kebutuhan, Alat pemformatan deliverable, Pembuat laporan status, Penulis ringkasan proyek.

Industri E-commerce:
Penulis deskripsi produk, Analis ulasan pelanggan, Pembuat laporan inventaris, Pelacak harga pesaing, Pengumpul analisis retur.

Pola dasarnya universal: identifikasi tugas, bangun Skills, optimalkan terus, biarkan Claude bertanggung jawab atas eksekusi, Anda bertanggung jawab atas strategi.

Apa yang Perlu Anda Lakukan di Tahap Empat

· Buat daftar semua tugas berulang dalam alur kerja Anda saat ini.

· Prioritaskan berdasarkan frekuensi kemunculan dan tingkat waktu yang dihabiskan.

· Mulai dari tugas dengan prioritas tertinggi, bangun satu Skill baru setiap minggu.

· Pertahankan satu dokumen induk yang mencatat status dan tanggal optimasi terakhir semua Skills Anda.

· Bagikan Skills terbaik Anda secara publik.

Terakhir

Satu Skill yang menghemat 30 menit per minggu, dapat menghemat 26 jam untuk Anda dalam setahun. Sepuluh Skills yang masing-masing menghemat 30 menit per minggu, dapat menghemat 260 jam dalam setahun. Setara dengan mengembalikan enam setengah minggu kerja penuh kepada Anda setiap tahun.

Kebanyakan orang masih akan memasukkan instruksi yang sama di Claude setiap hari.

Sementara mereka yang membangun pustaka Skill, akan mulai menjalankan sistem kerja yang sama sekali berbeda dalam 60 hari.

Jika Anda merasa artikel ini bermanfaat, Anda dapat mengikuti saya @eng_khairallah1, untuk mendapatkan lebih banyak konten AI serupa. Saya memposting analisis, kursus, dan alat setiap minggu.

Semoga artikel ini bermanfaat bagi Anda.

Khairallah ❤️

Pertanyaan Terkait

QApa sebenarnya Claude Skills dan apa perbedaannya dengan prompt yang disimpan?

AClaude Skills adalah file instruksi permanen yang disimpan di komputer, yang memberi tahu Claude cara menyelesaikan tugas spesifik secara konsisten. Berbeda dengan prompt yang disimpan, yang hanya titik awal percakapan, Skills lebih seperti karyawan terlatih yang mengikuti alur kerja standar, standar kualitas, dan format output yang sama setiap kali digunakan, memberikan hasil yang stabil dan terstandarisasi.

QBagaimana cara menginstal Skill pertama saya dalam lima menit?

AAnda dapat menginstal Skill pertama dalam lima menit dengan mengunjungi situs seperti skillsmp.com atau github.com/anthropics/skills, mencari Skill yang relevan, mengikuti petunjuk instalasi dari repositori, lalu menerapkannya pada tugas nyata. Skills disimpan sebagai folder dengan file SKILL.md di dalam direktori seperti .claude/skills/ pada proyek atau ~/.claude/skills/ secara global.

QApa saja tiga pertanyaan yang harus dijawab sebelum membangun Skill kustom dari nol?

ATiga pertanyaan yang harus dijawab adalah: 1. Apa tujuan Skill ini? (Jelaskan secara spesifik, misalnya menulis email tindak lanjut untuk klien potensial). 2. Kapan Skill ini harus diaktifkan? (Sebutkan setidaknya lima frasa pemicu seperti 'tulis email tindak lanjut'). 3. Seperti apa output yang sempurna? (Berikan contoh nyata seperti email yang pernah berhasil digunakan).

QBagaimana cara menguji dan mengoptimalkan Skill agar mencapai tingkat produksi?

AUji Skill dengan tiga skenario: 1. Jalur reguler (tugas normal yang mewakili 80% penggunaan). 2. Kasus batas (tugas dengan data tidak lengkap atau format tidak biasa). 3. Uji tekanan (tugas paling kompleks dan berantakan). Perbarui file SKILL.md setiap kali output kurang ideal, dan lakukan pengoptimalan rutin setiap minggu selama sebulan untuk mencapai kualitas setara profesional manusia.

QApa manfaat membangun perpustakaan Skills lengkap untuk industri saya?

AMembangun perpustakaan Skills lengkap (misalnya 10 Skills) dapat mengotomatisasi alur kerja berulang di industri Anda, seperti penulisan konten, analisis data, atau komunikasi klien. Ini menghemat waktu signifikan (misalnya, 10 Skills yang masing-masing menghemat 30 menit per minggu bisa menghemat 260 jam per tahun), memungkinkan Anda fokus pada strategi sementara Claude menangani eksekusi tugas.

Bacaan Terkait

SpaceX, OpenAI, Anthropic Tiga Raksasa AI Berlomba IPO, Mana yang Paling Layak Dipertaruhkan?

SpaceX, OpenAI, dan Anthropic bersiap untuk IPO raksasa secara berdekatan, dengan total pendanaan potensial mencapai $180 miliar, melampaui total era gelembung dot-com. Podcast ini membahas tekanan besar pada modal pribadi dan anggaran belanja perusahaan teknologi akibat percepatan pembangunan infrastruktur AI. Anthropic menunjukkan pertumbuhan pendapatan perusahaan yang sangat cepat, mendekati profitabilitas. SpaceX mengubah aturan indeks pasar untuk memfasilitasi masuknya dana pensiun pasif ke dalam IPO-nya, meski model bisnis pusat data luar angkasa belum terbukti. Google, meski sudah go public, mengumpulkan $80 miliar dari pasar eksternal untuk mendanai ekspansi AI, menandakan intensitas persaingan. Inti diskusi: lonjakan belanja modal ini dianggap bukan sebagai gelembung, melainkan investasi penting dalam infrastruktur fisik dasar (seperti pusat data, chip, listrik) untuk teknologi generasi berikutnya. Kendala utama bukan pada modal, tetapi pada batasan kapasitas produksi di dunia fisik. Ketiga IPO dipandang sebagai taruhan jangka panjang pada fondasi peradaban masa depan, dengan tingkat optimisme yang tinggi terhadap nilai yang akan dibangun.

marsbit59m yang lalu

SpaceX, OpenAI, Anthropic Tiga Raksasa AI Berlomba IPO, Mana yang Paling Layak Dipertaruhkan?

marsbit59m yang lalu

"Saham Lama" Menjadi "Saham Unggulan Baru": Bagaimana AI Menilai Ulang Infrastruktur Lama, dari Dell hingga Nokia?

Setahun lalu, mungkin sulit dipercaya bahwa perusahaan teknologi mapan seperti Dell, Nokia, Cisco, Corning, dan Western Data akan menjadi favorit pasar terkait AI. Dulu, mereka sering dianggap "lambat" dan "kurang menarik" dibandingkan pemain AI seperti Nvidia. Namun, performa mereka belakangan ini menonjol, mendorong pasar mengevaluasi ulang. Alasannya: AI kini bergerak dari parameter model ke pembangunan pusat data nyata. Tahap ini membutuhkan kemampuan pengiriman dan infrastruktur yang kokoh — persis keunggulan perusahaan-perusahaan lama ini. Penilaian ulang ini terbagi dalam tiga area utama: 1. **Server & Integrasi Sistem:** Dell dan HPE unggul karena kemampuan pasokan, pengiriman, dan integrasi sistem mereka. Mereka seperti kontraktor utama yang membangun "pabrik AI," mengubah chip menjadi sistem server yang siap beroperasi. 2. **Jaringan & Konektivitas:** AI berskala besar membutuhkan jaringan yang tangguh. Corning (serat optik), Nokia (jaringan nirkabel AI-RAN), dan Cisco (sakelar pusat data) menjadi krusial untuk menghubungkan dan mengoptimalkan kluster komputasi. 3. **Penyimpanan:** Ledakan data AI meningkatkan permintaan akan kapasitas penyimpanan besar, termasuk hard disk berkapasitas tinggi dari Western Digital dan Seagate untuk data yang tidak terlalu sering diakses. Namun, tidak semua perusahaan tua akan diuntungkan. Penilaian ulang yang nyata harus didukung oleh: **1) realisasi pesanan dan pendapatan AI**, **2) peningkatan panduan bisnis (guidance) dari perusahaan**, dan **3) peningkatan kualitas laba** yang berkelanjutan, bukan hanya pertumbuhan pendapatan sementara. Kesimpulannya, AI sedang masuk ke fase konstruksi fisik. Perusahaan teknologi mapan tidak tiba-tiba menjadi muda, tetapi **aset infrastruktur mereka kembali berharga di era AI**. Hanya perusahaan yang benar-benar dapat memasuki rantai pasokan pembangunan AI dan mengubah permintaan baru menjadi keuntungan berkelanjutan yang akan mengalami penilaian ulang logika bisnis yang sejati.

marsbit1j yang lalu

"Saham Lama" Menjadi "Saham Unggulan Baru": Bagaimana AI Menilai Ulang Infrastruktur Lama, dari Dell hingga Nokia?

marsbit1j yang lalu

Codex dan ChatGPT Digabungkan, Perebutan Posisi Alat Pemrograman Dimulai

OpenAI mengalihkan fokus dari ChatGPT ke Codex, dengan mengintegrasikan ketiganya bersama Atlas menjadi satu aplikasi desktop super. Codex, yang awalnya alat pemrograman, kini menjadi bisnis pertumbuhan tercepat OpenAI, dengan pengguna aktif mingguan melebihi 5 juta. Perbedaannya adalah ChatGPT memberikan jawaban dan saran, sedangkan Codex bertindak untuk menyelesaikan pekerjaan secara langsung. Hal ini membuatnya semakin populer di kalangan analis, manajer investasi, bankir, dan profesional lainnya. OpenAI memperkuat Codex dengan model GPT-5.2/5.5, mengubahnya dari alat pelengkap kode menjadi agen AI yang dapat menangani tugas kompleks. Perusahaan juga meluncurkan enam plugin untuk berbagai peran seperti analisis data, penjualan, dan desain produk. Fitur baru "Sites" memungkinkan pembuatan situs web interaktif dari dokumen, sementara fitur "Anotasi" memudahkan pengeditan kolaboratif. Perubahan ini merepresentasikan pergeseran industri AI dari era "obrolan" ke era "eksekusi", di mana AI bertindak sebagai rekan kerja digital yang memahami tujuan pengguna dan secara otomatis menyelesaikan pekerjaan menggunakan alat yang sesuai.

marsbit1j yang lalu

Codex dan ChatGPT Digabungkan, Perebutan Posisi Alat Pemrograman Dimulai

marsbit1j yang lalu

Menguraikan Peluang Investasi di Era Penjelajahan Laut Besar, Invesco Great Wall Fund Merilis 'Laporan 2026 tentang Ekspansi Perusahaan China ke Luar Negeri'

**Era Navigasi Besar dalam Investasi: Analisis Peluang dan Laporan Invesco Great Wall** Invesco Great Wall Fund merilis **"Laporan Tren Baru dan Peluang Investasi Internasionalisasi Perusahaan China 2026,"** yang menyoroti "Era Navigasi Besar" bagi perusahaan China. Laporan ini menegaskan bahwa internasionalisasi bukan lagi pilihan, melainkan kebutuhan untuk pertumbuhan dan bahkan kelangsungan bisnis, didorong oleh dinamika geopolitik dan peluang meningkatkan profitabilitas (margin laba luar negeri mencapai 28% vs 19.2% domestik). Laporan membedakan evolusi internasionalisasi: dari ekspor produk awal ("1.0") ke **"2.0"** yang mencakup ekspansi kapasitas, kemampuan operasional, layanan, dan rantai pasokan ke luar negeri. Kekuatan utama China meliputi **dividen insinyur** (SDM teknis melimpah), infrastruktur unggul, dan kluster industri yang lengkap. Beberapa sektor kunci dengan peluang besar diidentifikasi: 1. **Barang Modal ("Penjual Sekop"):** Seperti peralatan konstruksi dan peralatan kelistrikan, mendapatkan momentum dari permintaan pasar negara "Belt and Road" dan siklus investasi AI/global. 2. **Kendaraan Listrik (EV):** Masa depan terletak pada lokalisasi produksi dan rantai pasokan di luar negeri untuk mengatasi tarif. 3. **AI & Modul Optik:** Perusahaan China menunjukkan daya saing ekstrem dalam rantai pasokan AI global (contoh: modul optik untuk NVIDIA). Aplikasi AI (seperti model besar/Token) juga memiliki potensi ekspor. 4. **Obat Inovatif:** Memanfaatkan efisiensi pengembangan klinis dan SDM untuk lisensi internasional (BD), dengan potensi pertumbuhan sepuluh kali lipat di area seperti onkologi dan pengurangan berat badan. 5. **Merek Konsumen:** Beralih dari keunggulan biaya ke ekuitas merek bernilai tinggi, mengeksploitasi efisiensi rantai pasokan ("rasio rantai-harga"). Tantangan seperti geopolitik, kepatuhan lokal, dan hambatan budaya diakui. Kunci kesuksesan terletak pada lokalisasi, pembangunan kapasitas komersial, dan ketekunan. Internasionalisasi dipandang sebagai tren investasi jangka panjang yang akan membentuk narasi pasar modal China.

marsbit1j yang lalu

Menguraikan Peluang Investasi di Era Penjelajahan Laut Besar, Invesco Great Wall Fund Merilis 'Laporan 2026 tentang Ekspansi Perusahaan China ke Luar Negeri'

marsbit1j yang lalu

Bitcoin Bull Michael Saylor Beri Kode Pembelian Berikutnya dengan Pos Kriptik

Michael Saylor, ketua eksekutif MicroStrategy, memicu spekulasi pembelian Bitcoin baru setelah mengunggah postingan "Back to Work" di X pada Rabu, 3 Juni 2026, menyimpang dari rutinitas Minggu biasanya. Unggahan ini muncul di tengah penurunan saham MSTR lebih dari 9% dan kekhawatiran investor menyusul penjualan 32 BTC perusahaan senilai $2,5 juta pekan lalu, penjualan pertama dalam beberapa tahun. Meski demikian, MicroStrategy masih memegang 843.706 BTC senilai lebih dari $56 miliar sebagai pemegang korporat terbesar dunia. Aktivitas transfer Bitcoin ke Coinbase Prime dan pengumpulan $128 juta dari penjualan saham MSTR semakin menguatkan dugaan persiapan akuisisi Bitcoin baru. Saylor belum memberikan pengumuman resmi.

bitcoinist1j yang lalu

Bitcoin Bull Michael Saylor Beri Kode Pembelian Berikutnya dengan Pos Kriptik

bitcoinist1j yang lalu

Trading

Spot
Futures
活动图片

Kategori Populerright-arrow

Tag Populerright-arrow