Bagaimana Menjadi Pengguna Claude Level Tinggi dalam 30 Hari?

marsbitDipublikasikan tanggal 2026-05-20Terakhir diperbarui pada 2026-05-20

Abstrak

**Bagaimana Menjadi Pengguna Claude Lanjutan dalam 30 Hari?** Kebanyakan orang menggunakan Claude seperti mesin pencari: tanya, baca, tutup. Tidak ada akumulasi pengetahuan atau sistem. Namun, dengan 30 hari konfigurasi sadar, Anda bisa mengubah Claude menjadi sistem operasi kerja pribadi yang memahami konteks, preferensi, dan alur kerja Anda. **Minggu 1: Kuasai Fondasi yang Sering Diabaikan** * **Hari 1-2:** Pelajari penulisan *prompt* terstruktur: **Peran, Konteks, Tugas, Format, Batasan**. * **Hari 3-4:** Pahami *context window* (hingga 200K token). Letakkan informasi kunci di awal dan akhir percakapan. * **Hari 5-7:** Atur **Proyek** (mis., kerja utama, riset, penulisan) dan aktifkan **Memory** untuk profil pribadi yang konsisten. **Minggu 2: Bangun Alur Kerja Pertama Anda** * **Hari 8-9:** Buat templat **alur kerja riset** yang dapat digunakan kembali. * **Hari 10-11:** Bangun **alur kerja penulisan** dua langkah (buat kerangka, lalu tulis lengkap). * **Hari 12-14:** Buat **alur kerja pengambilan keputusan** untuk menganalisis opsi secara sistematis. **Minggu 3: Biarkan Claude Bekerja Secara Otonom** * **Hari 15-17:** Gunakan **Claude Cowork** untuk menjalankan tugas multi-langkah di folder komputer Anda. * **Hari 18-19:** Hubungkan alat kerja Anda (**Google Drive, Slack, Gmail**, dll.) untuk akses data langsung. * **Hari 20-21:** Atur **tugas otomatis** pertama (mis., ringkasan harian otomatis, laporan mingguan). **Minggu 4: Akumulasi Majemuk dan ...

Catatan Editor: Artikel ini adalah panduan tingkat lanjut Claude untuk pengguna biasa, yang memecah jalur spesifik dari pemula hingga penggunaan tingkat lanjut dalam 30 hari: Minggu pertama belajar menulis Prompt yang jelas, mengatur Projects dan Memory; minggu kedua membangun alur kerja umum seperti penelitian, penulisan, pengambilan keputusan; minggu ketiga mencoba menghubungkan Claude dengan alat, memproses file, menjalankan tugas otomatis; minggu keempat kembali ke sistem itu sendiri, terus mengoptimalkan prompt, mengendapkan basis pengetahuan, membentuk alur kerja Claude pribadi yang eksklusif.

Inti artikel ini bukan mengajarkan beberapa "perintah ajaib", melainkan mengajarkan bagaimana mengubah Claude dari alat tanya jawab sementara menjadi asisten kerja yang dapat memahami, mendukung, dan terus menghasilkan untuk Anda.

Jika Anda juga sering merasa output Claude tidak stabil, setiap kali harus menjelaskan latar belakang ulang, coba mulai dari tutorial 30 hari ini, dengan terlebih dahulu menyiapkan Projects, Memory, dan alur kerja pertama Anda. Peningkatan efisiensi yang sebenarnya, seringkali bukan berasal dari satu pertanyaan sempurna, melainkan dari satu sistem yang dapat digunakan kembali dan diiterasi terus-menerus.

Berikut adalah teks aslinya:

Sebagian besar orang menggunakan Claude dengan cara seperti menggunakan kotak pencarian.

Saran untuk disimpan :)

Mereka memasukkan satu pertanyaan, membaca jawabannya, lalu menutup halaman. Hari demi hari, pola yang sama terus berulang: tidak ada sistem, tidak ada konteks, juga tidak ada akumulasi yang menghasilkan efek majemuk.

Tapi ada sebagian kecil orang yang sedang menggunakan Claude sebagai sistem operasi seluruh kehidupan profesional mereka. Claude mereka tahu proyek apa yang sedang mereka kerjakan, preferensi apa yang mereka miliki, bagaimana gaya penulisan mereka, standar kualitas seperti apa yang mereka inginkan. Claude dapat menjalankan alur kerja secara mandiri, menghasilkan keluaran lengkap tepat waktu, dan tanpa perlu diingatkan berulang kali, terus mengoptimalkan dirinya sendiri seiring berjalannya waktu.

Perbedaan antara kedua kelompok orang ini, tidak terletak pada kecerdasan, juga bukan pada kemampuan teknis, apalagi karena satu kelompok mendapatkan model rahasia tertentu, sementara kelompok lain tidak.

Perbedaannya hanya terletak pada: konfigurasi yang disadari selama 30 hari.

Hanya dalam 30 hari, Anda dapat berubah dari pengguna biasa menjadi pengguna Claude tingkat tinggi. Berikut adalah jalur spesifiknya, dipecah per minggu.

Minggu Pertama: Menguasai Kemampuan Dasar yang Diabaikan Sebagian Besar Orang

Hari ke-1–2: Benar-benar Belajar Menulis Prompt

Cara sebagian besar orang menulis Prompt, seperti mengirim SMS: singkat, samar, dan kurang informasi kunci yang dibutuhkan Claude untuk menghasilkan hasil berkualitas tinggi.

Jarak antara sebuah Prompt biasa dan Prompt yang sangat baik, tidak terletak pada penulisannya yang cerdas, melainkan pada apakah ada strukturnya.

Sebuah Prompt yang baik biasanya terdiri dari lima bagian:

Peran (Role): Beri tahu Claude siapa yang seharusnya ia perankan.
Misalnya, "Anda adalah seorang analis keuangan senior yang berfokus pada metrik SaaS", dan "Anda adalah asisten yang suka menolong", keluaran akhirnya akan sangat berbeda.

Latar Belakang (Context): Berikan Claude konteks yang diperlukan.
Untuk proyek apa tugas ini melayani? Siapa audiensnya? Saat ini sudah sampai tahap mana? Informasi apa yang Claude awalnya tidak tahu, tetapi harus tahu?

Tugas (Task): Jelaskan dengan jelas apa yang Anda inginkan.
"Analisis kumpulan data ini" terlalu samar.
"Temukan tiga tren terpenting dalam kumpulan data pendapatan ini, jelaskan mengapa tren-tren ini mempengaruhi pendanaan Seri B, dan tunjukkan sinyal risiko yang mungkin diperhatikan investor", inilah tugas yang jelas.

Format (Format): Jelaskan seperti apa Anda ingin keluarannya.
Apakah daftar poin? Laporan dua halaman? Satu paragraf? Satu email? Jika Anda tidak menjelaskan, Claude akan menebak sendiri. Dan tebakan Claude belum tentu sesuai dengan preferensi Anda.

Batasan (Constraints): Jelaskan apa yang tidak Anda inginkan.
Misalnya: "Jangan gunakan jargon perusahaan. Jangan tambahkan pernyataan disclaimer. Jangan lebih dari 500 kata."
Batasan adalah cara tercepat untuk menghilangkan konten umum yang terasa "berbau AI".

Luangkan dua hari, berlatih kerangka kerja ini di setiap Prompt yang Anda tulis. Pada akhir hari kedua, Anda akan merasakan dengan jelas bahwa kualitas output Claude jauh lebih tinggi daripada sebelumnya.

Hari ke-3–4: Memahami Jendela Konteks

Claude memiliki jendela konteks (context window). Ini mengacu pada jumlah total teks yang dapat "diingat" model dalam satu percakapan tunggal. Anda dapat memahaminya sebagai memori kerja.

Opus 4.7 dan Sonnet 4.6 di API standar mendukung hingga 200 ribu token, beberapa tingkatan dapat mendukung hingga 1 juta token, setara dengan sekitar 150 ribu hingga 750 ribu kata bahasa Inggris.

Mengapa ini penting? Karena ketika percakapan menjadi panjang, informasi yang lebih awal mungkin secara bertahap keluar dari konteks yang efektif. Claude tidak akan benar-benar "lupa" informasi tersebut seperti manusia—dari sisi teknis, informasi tersebut masih ada di dalam jendela konteks—tetapi model akan mengalokasikan lebih sedikit perhatian pada konten yang jauh dari percakapan saat ini.

Pelajaran praktis dalam penggunaan adalah: untuk proyek panjang, letakkan konteks terpenting di bagian depan. Tempatkan instruksi kunci, standar kualitas, dan bahan referensi di awal, dan letakkan tugas saat ini di bagian akhir. Claude paling mementingkan dua jenis informasi: konten yang paling dekat dengan pertanyaan saat ini, dan konten yang muncul paling awal.

Hari ke-5–7: Mengatur Projects dan Memory

Pada akhir minggu pertama, Anda setidaknya harus menyiapkan tiga Projects Claude:

Proyek 1: Proyek kerja utama Anda
Unggah panduan gaya Anda, briefing proyek saat ini, standar kualitas, serta 2–3 sampel keluaran terbaik yang Anda anggap bagus. Dengan demikian, setiap kali memulai percakapan baru di proyek ini, Claude sudah tahu bagaimana cara Anda bekerja.

Proyek 2: Proyek Penelitian & Analisis
Unggah bidang industri yang Anda perhatikan, sumber informasi yang Anda sukai, dan template penelitian. Dengan demikian, Claude tidak lagi menjadi asisten serbaguna, melainkan menjadi analis penelitian dengan latar belakang bidang tertentu.

Proyek 3: Proyek Penulisan & Komunikasi
Unggah sampel email, laporan, dan dokumen yang dapat mewakili cara ekspresi pribadi Anda. Claude akan berusaha mencocokkan nada bicara Anda, bukan menggunakan nada bicara umum "asisten AI yang ramah" secara default.

Di saat yang sama, aktifkan Claude Memory. Mulai beri tahu Claude beberapa informasi yang seharusnya ia ingat:

"Saya bekerja di [nama perusahaan]."

"Audiens saya adalah [kelompok orang tertentu]."

"Saya lebih suka [format-format ini]."

"Jangan pernah gunakan [ungkapan-ungkapan ini]."

Seiring waktu, Claude akan membangun profil pribadi untuk Anda yang dapat berlanjut lintas percakapan.

Hanya dengan menyelesaikan pengaturan minggu ini, Anda sudah melampaui 90% pengguna Claude.

Minggu Kedua: Membangun Alur Kerja Pertama Anda

Alur kerja (workflow) adalah proses yang dapat dijalankan berulang dan menghasilkan keluaran yang stabil. Anda tidak perlu lagi menulis Prompt dari nol setiap kali, tetapi cukup mendefinisikan prosesnya sekali, dan langsung menjalankannya saat dibutuhkan di masa depan.

Hari ke-8–9: Membangun Alur Kerja Penelitian

Buat template Prompt yang dapat digunakan kembali di setiap tugas penelitian:

Simpan template ini. Gunakan setiap kali perlu melakukan penelitian, dan ganti variabel di dalam tanda kurung siku sesuai dengan tugas spesifik. Template ini dapat mengompres penelitian manual yang awalnya satu jam menjadi pekerjaan Claude selama lima menit.

Hari ke-10–11: Membangun Alur Kerja Penulisan

Buat proses penulisan dua langkah:

Langkah pertama:

Langkah kedua, setelah Anda meninjau kerangka:

Proses dua langkah ini lebih efektif daripada langsung meminta Claude menulis artikel lengkap sekaligus. Tahap kerangka dapat menemukan masalah struktur lebih awal, menghindari Anda menginvestasikan waktu untuk mengerjakan draf awal yang strukturnya sudah melenceng.

Hari ke-12–14: Membangun Alur Kerja Pengambilan Keputusan

Anda dapat menggunakan Prompt seperti ini:

Pada akhir minggu kedua, Anda telah memiliki tiga alur kerja yang setiap minggu dapat menghemat waktu Anda berjam-jam. Sementara sebagian besar orang bahkan belum pernah membangun satu pun.

Minggu Ketiga: Mulai Membuat Claude Bekerja Secara Mandiri

Langkah ini adalah tempat pengguna biasa dan pengguna tingkat tinggi benar-benar berbeda. Anda tidak lagi hanya menganggap Claude sebagai alat yang merespons pasif, tetapi mulai menganggapnya sebagai sistem yang dapat beroperasi secara mandiri.

Hari ke-15–17: Mengatur Claude Cowork

Claude Cowork memungkinkan Claude menjalankan tugas di komputer Anda secara mandiri. Ia dapat membaca file, menulis file, memproses data, membuat dokumen, dan menyelesaikan tugas multi-langkah tanpa perlu Anda perintah selangkah demi selangkah.

Buka tab Cowork. Tentukan folder kerja. Beri Claude tugas dari pustaka alur kerja Anda, lalu amati ia menjalankannya secara mandiri.

Mulai dari tugas sederhana:

Lalu tingkatkan secara bertahap:

Hari ke-18–19: Menghubungkan Alat-alat Anda

Masuk ke pengaturan, hubungkan semua layanan yang dibutuhkan Claude untuk bekerja: Google Drive, Slack, Gmail, Calendar, Notion.

Setiap kali satu alat terhubung, kegunaan Claude meningkat berlipat ganda.

Setelah terhubung dengan Google Drive, Claude dapat langsung membaca dokumen asli Anda, tanpa perlu Anda salin tempel manual.

Setelah terhubung dengan Slack, Claude dapat memposting ringkasan langsung ke saluran tim.

Setelah terhubung dengan Calendar, Claude dapat merujuk jadwal Anda saat membantu merencanakan hari Anda.

Hari ke-20–21: Menyiapkan Tugas Otomatisasi Pertama

Gunakan Claude Cowork atau Claude Code, siapkan tugas yang dapat berjalan secara otomatis sesuai jadwal, tanpa perlu Anda picu secara manual.

Misalnya:

Atau:

Inilah momen Anda beralih dari "menggunakan Claude" menjadi "mengelola Claude". Ia tidak lagi hanya alat yang merespons saat Anda bertanya, tetapi benar-benar mulai bekerja untuk Anda.

Minggu Keempat: Akumulasi Majemuk dan Optimasi Sistem

Hari ke-22–24: Mengoptimalkan Semua Alur Kerja

Tinjau setiap alur kerja yang telah Anda bangun. Jalankan satu per satu, dan evaluasi kualitas keluaran dengan ketat.

Untuk setiap keluaran yang kurang bagus, tanyakan pada diri sendiri beberapa pertanyaan:

· Apa yang kurang dari Prompt ini?

· Konteks apa yang dapat ditambahkan untuk menyelesaikan masalah?

· Batasan apa yang perlu ditambahkan untuk menghilangkan kelemahan ini?

· Perbarui setiap Prompt berdasarkan umpan balik ini.

Langkah optimasi ini adalah garis pemisah antara sistem yang "cukup bisa digunakan" dan sistem yang "stabil menghasilkan keluaran berkualitas tinggi".

Hari ke-25–26: Membangun Basis Pengetahuan Anda

Mulai simpan konten berkualitas tinggi yang dihasilkan Claude ke dalam folder khusus atau database Notion. Susun berdasarkan topik dan proyek.

Setiap kali memulai topik baru, muat ulang keluaran sejarah terkait sebagai konteks.

Misalnya:

Basis pengetahuan Anda akan mengubah Claude dari "alat tanpa memori" menjadi sistem dengan akumulasi pengetahuan terorganisir.

Hari ke-27–28: Mengajari Orang Lain

Cara tercepat untuk memperkuat pemahaman sendiri adalah dengan mengajari orang lain. Carilah seorang rekan yang masih menggunakan Claude secara sembarangan, bantu ia menyiapkan Projects, Memory, dan satu alur kerja.

Ketika Anda dapat menjelaskan dengan jelas kepada seseorang yang belum pernah melakukan pengaturan ini: mengapa sistem ini efektif, Anda benar-benar telah menginternalisasi metode ini.

Hari ke-29–30: Merancang Sistem Operasi Claude Ideal Anda

Dua hari terakhir, mundur selangkah, rancang sistem yang lengkap.

Buat daftar semua alur kerja yang dibutuhkan untuk posisi Anda: mana yang sudah siap? mana yang masih kurang? Alur kerja apa yang harus ditambahkan berikutnya?

Buat daftar semua alat yang seharusnya dihubungkan ke Claude: mana yang sudah terhubung? mana yang belum?

Rancang ritme penggunaan Claude mingguan Anda: tugas mana yang dijalankan setiap hari? mana yang mingguan? mana yang dipicu secara manual oleh Anda?

Tuliskan gambaran ini. Inilah sistem operasi Claude pribadi Anda. Seiring dengan perubahan kebutuhan Anda dan perluasan kemampuan Claude, Anda dapat terus mengiterasinya setiap bulan.

Seperti Apa Hari ke-31?

Pada hari ke-31, saat Anda membuka komputer, Anda akan menemukan dunia sudah berbeda.

Dokumen rencana pagi Senin Anda sudah muncul di Google Drive—Claude membuatnya secara otomatis jam 8 pagi.

Ringkasan penelitian yang dihasilkan otomatis Jumat lalu, sudah ada di folder proyek Anda.

Laporan mingguan tim juga sudah diposting otomatis ke Slack.

Anda memulai percakapan baru di proyek Work, Claude sudah tahu proyek, audiens, standar kualitas, dan gaya penulisan Anda. Anda tidak perlu lagi menjelaskan apa pun, cukup mulai bekerja.

Dengan dua kalimat menggambarkan kebutuhan, keluaran pertama Claude sudah mendekati standar Anda, karena sudah melalui umpan balik dan iterasi selama 30 hari.

Anda menghabiskan waktu pagi untuk hal-hal yang benar-benar membutuhkan penilaian kreatif Anda: strategi, hubungan, keputusan. Urusan lainnya ditangani oleh sistem.

Inilah arti pengguna tingkat tinggi. Bukan menguasai trik, bukan menghafal perintah, melainkan memiliki sistem yang benar-benar dapat beroperasi.

Sebagian besar orang tidak akan pernah membangun sistem ini. Mereka akan terus menjelaskan ulang diri mereka sendiri setiap kali membuka Claude selama setahun ke depan. Mereka akan terus mendapatkan keluaran yang umum dan terus merasa Claude "hanya begitu-begitu saja".

Tetapi mereka yang mau menghabiskan 30 hari membangun sistem yang digambarkan dalam artikel ini, akan memasuki tingkat pekerjaan yang sama sekali berbeda.

Mulailah dari minggu pertama. Projects hanya butuh 15 menit untuk disiapkan, Memory hanya butuh 5 menit, alur kerja pertama hanya butuh 10 menit. Malam ini saja, Anda sudah memimpin 90% pengguna Claude.

Semoga ini membantu Anda.

Khairallah ❤️

[Judul Asli]

Pertanyaan Terkait

QApa saja lima komponen penting dalam menulis Prompt yang baik untuk Claude?

ALima komponen penting dalam menulis Prompt yang baik adalah: 1) Peran (Role) - menjelaskan siapa yang harus diperankan Claude; 2) Konteks (Context) - memberikan informasi latar belakang yang diperlukan; 3) Tugas (Task) - pernyataan jelas tentang apa yang diinginkan; 4) Format (Format) - spesifikasi format output; 5) Batasan (Constraints) - penjelasan tentang hal yang tidak diinginkan.

QApa yang dimaksud dengan 'jendela konteks' (context window) dalam Claude dan mengapa itu penting?

AJendela konteks dalam Claude mengacu pada jumlah teks yang dapat 'diingat' model dalam satu percakapan. Model versi Opus 4.7 dan Sonnet 4.6 dapat mendukung hingga 20.000 token standar (setara ~15.000 kata) atau 100.000 token pada tingkat tertentu (~75.000 kata). Ini penting karena informasi yang lebih awal dalam percakapan panjang mungkin mendapatkan lebih sedikit perhatian. Strategi praktisnya adalah menempatkan instruksi kunci dan konteks di awal percakapan.

QApa saja tiga jenis Claude Projects yang disarankan untuk disiapkan pada minggu pertama?

ATiga jenis Claude Projects yang disarankan adalah: 1) Proyek Pekerjaan Utama - berisi panduan gaya, pengarahan proyek, standar kualitas, dan sampel output terbaik; 2) Proyek Penelitian & Analisis - berisi domain industri, sumber informasi pilihan, dan template penelitian; 3) Proyek Penulisan & Komunikasi - berisi sampel email, laporan, dan dokumen yang mewakili gaya penulisan pribadi.

QBagaimana langkah-langkah membuat alur kerja (workflow) penelitian yang dapat digunakan kembali?

ALangkah-langkah membuat template alur kerja penelitian yang dapat digunakan kembali adalah: 1) Buat prompt template dengan komponen Role (misal: analis penelitian), Context (tujuan, sumber, batasan waktu), Task (ringkas dan analisis), Format (daftar poin utama, analisis dampak), dan Constraints (hindari jargon, fokus fakta); 2) Simpan template ini; 3) Setiap kali ada tugas penelitian baru, gunakan template tersebut dan ganti variabel (seperti topik dan sumber) sesuai kebutuhan.

QApa itu Claude Cowork dan bagaimana cara menggunakannya untuk memulai otomatisasi tugas?

AClaude Cowork adalah fitur yang memungkinkan Claude bekerja secara mandiri di komputer pengguna. Cara menggunakannya untuk otomatisasi: 1) Buka tab Cowork dan tentukan folder kerja; 2) Berikan tugas dari pustaka alur kerja, mulai dari yang sederhana (misal: meringkas dokumen) hingga kompleks (misal: analisis data multi-langkah); 3) Koneksikan dengan alat lain (Google Drive, Slack, dll) agar Claude dapat mengakses dan mengolah data langsung; 4) Atur tugas berjalan otomatis berdasarkan jadwal (misal: ringkas email pagi setiap hari).

Bacaan Terkait

Lima Bentuk Inti AI Agent Menurut Pandangan YC

Penyunting: AI Agent telah berkembang dari prompt sekali pakai ke dalam alur kerja yang lebih kompleks. Pertanyaan penting sekarang bukanlah "apakah model bisa menyelesaikan tugas?", tetapi "bisakah kemampuan AI dijadikan aset proses yang dapat digunakan ulang dan terakumulasi?". Berikut adalah lima bentuk inti yang muncul: 1. **Skills:** Bukan SOP kaku, melainkan lebih seperti "pemanggilan metode". Satu alur kerja (Skill) yang sama dapat digunakan untuk banyak kasus dengan mengganti parameternya (misal, target, pertanyaan, dataset). 2. **Thin Harness:** Kerangka kerja eksekusi ringan (~200 baris kode) yang menjadi "tangan dan kaki" bagi model. Fungsinya menjalankan loop, membaca/menulis file, dan mengelola konteks. 3. **Resolvers:** Tabel perutean yang memetakan jenis tugas ke Skill spesifik. Ini mencegah "korupsi konteks" saat jumlah Skill sangat banyak, sehingga memastikan panggilan yang tepat. 4. **Latent vs. Deterministic:** Pisahkan tugas. Serahkan penilaian, sintesis, dan pemahaman kontekstual ke LLM. Gunakan kode deterministik (yang dapat ditulis model) untuk hal-hal yang memerlukan kepastian dan konsistensi, seperti perhitungan. 5. **Memory:** Lapisan memori untuk akumulasi pengetahuan jangka panjang. Contoh: folder markdown dengan satu halaman per entitas (orang/perusahaan/konsep), berisi kesimpulan terkini dan garis waktu yang terus bertambah. Kombinasi ini membentuk **"kemampuan proses" (process power)** – keunggulan kompetitif yang berkelanjutan di era AI. Ini mengubah pengalaman menjadi alur kerja yang terdokumentasi, tugas menjadi parameter, aturan stabil menjadi kode, dan pembelajaran menjadi memori yang terakumulasi. Sistem semacam ini, meski tampak sederhana (seperti folder markdown), sulit ditiru karena dibangun melalui iterasi dan disiplin yang terus-menerus, berbeda dengan aplikasi hasil "vibe coding" yang harga ekuilibrinya akan turun hingga ke biaya token.

marsbit1j yang lalu

Lima Bentuk Inti AI Agent Menurut Pandangan YC

marsbit1j yang lalu

Tiger Research: Operator Risiko On-Chain, Kesenjangan Pasar antara 147 Triliun dan 70 Miliar

Laporan oleh Tiger Research ini membahas pergeseran kekuasaan dalam sektor pinjaman keuangan terdesentralisasi (DeFi) dari protokol ke "risk operators" atau operator risiko profesional yang mengendalikan keputusan manajemen risiko. **Poin Utama:** * Era dominasi penuh oleh protokol dan komunitas di DeFi telah berakhir, digantikan oleh peran manajer aset baru. * Industri masih muda, tetapi modal dan sumber daya sudah terkonsentrasi di tim operator risiko teratas, dengan rekam jejak praktis menjadi tolok ukur utama. * Ada tiga jalur utama untuk memasuki industri: **distribusi saluran** (menggunakan tim operator sebagai pendukung backend), **penyediaan aset** (membawa aset dunia nyata ke blockchain), dan **operasi mandiri** (membangun tim operator risiko sendiri). * Pilihan jalur menentukan tingkat kendali, kemampuan inti yang dibutuhkan, dan risiko yang dihadapi. * Keputusan kritis bukanlah *apakah* masuk ke DeFi, tetapi *bagaimana* membagi tanggung jawab dan kewenangan manajemen risiko antara pihak eksternal dan internal. **Perkembangan & Kondisi Industri:** Protokol pinjaman awal seperti Aave dan Compound menyatukan infrastruktur dan standar risiko. Kemunculan Morpho dengan arsitektur vault modular memisahkan infrastruktur dan otoritas risiko, mengubah "operator risiko" dari pengelola parameter global menjadi pengelola aset mandiri yang mengoperasikan vault pinjaman khusus. Pada Mei 2026, total aset yang dikelola (TVL) sektor operator risiko mencapai $70 miliar, dengan tiga tim teratas (Steakhouse, Sentora, Gauntlet) menguasai 70% pasar. Persaingan kini berfokus pada standar penerimaan agunan, saluran distribusi modal, dan kemampuan penanganan risiko. **Struktur yang Menyerupai Manajemen Aset Tradisional:** DeFi kini mereplikasi alur kerja manajemen aset tradisional: 1. **Lapisan Distribusi/Perolehan Modal:** Pertukaran terpusat (CEX) dan platform sebagai saluran masuk modal. 2. **Lapisan Strategi & Manajemen Risiko:** Operator risiko DeFi berfungsi seperti manajer portofolio dan komite risiko. 3. **Lapisan Produk & Kustodian:** Vault sebagai produk investasi dan protokol pinjaman sebagai infrastruktur penyelesaian. **Peluang dan Pilihan bagi Lembaga:** Bagi lembaga tradisional, lapisan strategi/manajemen risiko adalah titik masuk terbaik karena memanfaatkan keahlian inti mereka dalam penilaian risiko tanpa memerlukan pengembangan teknologi blockchain yang mendalam. **Kesenjangan Besar dan Masa Depan:** Industri manajemen aset tradisional bernilai $147 triliun, sementara total TVL DeFi hanya $800 miliar, dan sektor operator risikonya hanya $70 miliar. Kesenjangan besar ini menunjukkan potensi pertumbuhan yang masif. Begitu kerangka risiko dan regulasi matang, aliran modal kecil dari pasar tradisional dapat mendorong pertumbuhan eksponensial di DeFi. Tim yang membangun fondasi dan aturan industri awal akan memiliki keunggulan dan kekuatan penetapan standar yang signifikan.

marsbit1j yang lalu

Tiger Research: Operator Risiko On-Chain, Kesenjangan Pasar antara 147 Triliun dan 70 Miliar

marsbit1j yang lalu

Trading

Spot
Futures
活动图片