Goal Forge: AI Jangan Langsung Jalan

Ada pola yang makin sering muncul saat memakai AI agent.

Kita punya ide. Di kepala, idenya terasa jelas. Lalu kita lempar ke agent.

Hasilnya kadang bagus. Kadang ngawur. Kadang jalan terlalu jauh. Kadang bikin file, task, jadwal, atau automation yang sebenarnya belum kita sepakati.

Masalahnya bukan selalu AI-nya bodoh. Seringnya masalah ada di depan: goal belum ditempa.

Di sinilah konsep Goal Forge loop dari Forward Future Loop Library menarik.

Intinya sederhana: sebelum AI agent mulai kerja panjang, paksa dulu ide mentah menjadi bentuk yang bisa diuji.

Bukan langsung:

Bikinkan X.

Tapi diperjelas dulu:

Apa yang mau dibuat?
Apa yang tidak termasuk scope?
Input apa yang boleh dipakai?
Risiko apa yang harus dihindari?
Bukti selesai seperti apa?
Tool apa yang boleh digunakan?
Kapan agent harus berhenti?

Kedengarannya formal. Tapi untuk agentic AI, ini bukan birokrasi. Ini rem tangan.

AI agent kuat, jadi batasnya harus jelas

Chatbot biasa cuma menjawab.

AI agent bisa jauh lebih aktif: membaca file, menulis dokumen, membuat task, menjalankan command, browsing, mengirim pesan, menjadwalkan reminder, sampai mengubah sistem.

Justru karena itu, instruksi kabur jadi berbahaya.

Kalau kita bilang:

Bantu aku improve workflow kerja.

Agent bisa menebak banyak hal:

• bikin dashboard,
• membuat reminder,
• mengubah folder,
• menyusun SOP,
• membuat automation,
• menulis ulang task list,
• mengusulkan sistem produktivitas lengkap.

Sebagian mungkin berguna. Sebagian mungkin lebay.

Masalahnya: agent tetap akan bergerak meskipun definisi suksesnya belum jelas.

Dan AI itu sangat lancar membuat asumsi yang kelihatan masuk akal.

Di sinilah Goal Forge berguna. Dia membuat agent berhenti sebentar sebelum eksekusi, lalu bertanya: bentuk selesai yang benar itu apa?

Jangan mulai sebelum tahu bentuk done

Menurutku bagian paling penting dari Goal Forge bukan nama loop-nya. Bukan juga format file SPEC.md dan GOAL.md.

Yang penting adalah prinsipnya:

Jangan mulai eksekusi sebelum tahu bentuk selesai.

Ini kelihatan obvious, tapi sering dilanggar.

Banyak project gagal bukan karena kurang effort. Mereka gagal karena definisi done berubah terus.

Banyak habit gagal bukan karena malas. Goal-nya terlalu abstrak.

Banyak automation gagal bukan karena tool-nya jelek. Authority dan stopping condition-nya tidak jelas.

AI mempercepat semua itu. Termasuk mempercepat kekacauan.

Kalau goal kabur, AI tidak otomatis membuatnya bijak. AI hanya membuat output lebih cepat.

Dua file yang sehat: SPEC dan GOAL

Versi asli Goal Forge diarahkan untuk coding agent seperti Codex. Output-nya biasanya dua file:

• SPEC.md untuk menjelaskan what to build,
• GOAL.md untuk menjelaskan how to execute and verify.

Pembagian ini bagus karena memisahkan dua hal yang sering tercampur.

SPEC.md menjawab:

Kita sedang membangun apa?
Siapa yang memakai?
Apa yang termasuk scope?
Apa yang sengaja tidak dikerjakan?
Input dan constraint apa yang penting?

GOAL.md menjawab:

Langkah eksekusinya apa?
Tool apa yang boleh dipakai?
Verification gate-nya apa?
Apa risiko yang harus dicek?
Kapan berhenti?
Kapan minta approval manusia?

Ini bukan cuma berguna untuk coding.

Menurutku pola ini bisa dipakai untuk content system, planning bisnis kecil, eksperimen AI, personal improvement, sampai audit proses kerja.

Bedanya cuma isi filenya.

Contoh: goal yang terlalu kabur

Ambil contoh personal:

Bantu aku improve hidup dan lebih enjoy.

Sebagai niat, ini bagus.

Sebagai instruksi eksekusi, ini jelek.

Improve bagian apa?

• kesehatan,
• fokus,
• kerja,
• hubungan,
• kreativitas,
• uang,
• spiritual,
• tidur,
• fun,
• semuanya?

Kalau semua masuk, output agent biasanya jadi plan generik: bangun pagi, journaling, olahraga, baca buku, meditasi, minum air, kurangi screen time.

Benar, tapi mati rasa.

Bukan karena sarannya salah. Tapi karena tidak ada konteks pribadi, tidak ada prioritas, dan tidak ada bentuk selesai yang manusiawi.

Goal Forge memaksa kita mempersempit:

Pilih satu area improvement.
Pilih satu area enjoyment.
Jalankan eksperimen 7 hari.
Jangan buat sistem besar.
Jangan bikin reminder tanpa approval.
Buktinya harus terasa di hidup nyata, bukan cuma spreadsheet rapi.

Itu jauh lebih sehat.

Personal improvement jangan jadi enterprise software

Ini jebakan klasik orang tech: semua hal mau dijadikan sistem.

Mau lebih sehat? Bikin dashboard.

Mau baca buku? Bikin Notion database.

Mau lebih bahagia? Bikin habit tracker dengan 17 field.

Mau enjoy hidup? Bikin automation reminder untuk menikmati hidup.

Absurd, tapi familiar.

Goal Forge bisa jadi rem.

Sebelum membangun sistem, tanya:

Apakah ini membuat hidup lebih baik, atau cuma membuat hidup terlihat terkelola?

Beda.

Kalau goal-nya personal improvement dan enjoyment, sistemnya harus ringan. Kalau sistemnya terlalu berat, dia mengalahkan tujuannya sendiri.

Authority boundary harus eksplisit

Bagian yang sering diremehkan dalam AI agent adalah authority boundary.

AI boleh apa?

• hanya bertanya,
• menyusun rencana,
• membaca catatan,
• membaca calendar,
• membuat reminder,
• mengubah jadwal,
• mengirim pesan ke orang,
• menjalankan automation harian,
• mengubah file atau sistem.

Ini harus eksplisit.

Untuk urusan personal, default yang aman menurutku begini:

AI boleh membantu merancang, merapikan, dan mengingatkan.
AI tidak boleh mengambil keputusan sosial, finansial, kesehatan, publik, atau irreversible tanpa approval manusia.

Kedengarannya kaku, tapi perlu.

Karena agent yang terlalu helpful bisa melewati batas. Bukan karena jahat. Karena dia diberi ruang terlalu luas tanpa pagar.

Verification harus manusiawi

Masalah lain: cara mengukur personal growth sering jelek.

Kalau semua dijadikan angka, hidup jadi dingin.

Tapi kalau tidak ada bukti sama sekali, improvement cuma jadi mood.

Jadi verification-nya harus manusiawi.

Contoh bukti yang masuk akal:

• tidur terasa lebih cukup 4 dari 7 hari,
• ada 3 sesi fokus tanpa distraksi besar,
• satu aktivitas fun benar-benar dilakukan,
• tidak menambah sistem baru selama eksperimen,
• ada refleksi 5 menit di akhir minggu,
• ada satu hal yang sengaja dihentikan.

Bukti kecil. Tapi nyata.

Ini penting karena AI agent suka output yang terlihat rapi. Checklist panjang. Table cantik. Framework meyakinkan.

Tapi hidup tidak selalu membaik karena tabelnya rapi.

Kadang bukti terbaik adalah: minggu ini kepala sedikit lebih lega.

Stopping condition itu bukan bonus

Loop yang sehat harus tahu kapan berhenti.

Untuk Goal Forge, stopping condition bisa seperti ini:

• berhenti kalau goal masih terlalu kabur,
• berhenti kalau input belum cukup,
• berhenti kalau perlu akses data pribadi yang belum disetujui,
• berhenti kalau rekomendasi mulai generik,
• berhenti kalau sistem mulai over-engineered,
• berhenti kalau aktivitas enjoyment berubah jadi kewajiban,
• berhenti kalau dua iterasi tidak menghasilkan perubahan nyata.

Ini bagian yang sering hilang.

Kita terlalu sibuk menambah sistem, padahal kadang keputusan terbaik adalah stop.

AI agent yang tidak tahu kapan berhenti bukan autonomous. Dia cuma aktif tanpa disiplin.

Template ringan Goal Forge

Kalau dibuat sederhana, template Goal Forge bisa seperti ini.

# SPEC.md

## Goal
Apa hasil yang ingin dicapai, dalam bahasa sederhana.

## In Scope
Apa saja yang boleh dikerjakan.

## Out of Scope
Apa yang sengaja tidak dikerjakan.

## Inputs
Data, file, jawaban, atau konteks yang boleh dipakai.

## Constraints
Batas waktu, akses, gaya, risiko, dan hal yang harus dihindari.

## Done When
Bukti konkret bahwa kerjaan selesai.

Lalu file eksekusinya:

# GOAL.md

## Plan
Langkah kecil yang akan dikerjakan berurutan.

## Tool Boundary
Tool apa yang boleh dipakai dan tidak boleh dipakai.

## Quick Check
Tes cepat sebelum lanjut terlalu jauh.

## Final Verification
Bukti akhir sebelum bilang done.

## Stop Conditions
Kondisi yang membuat agent harus berhenti dan bertanya.

Tidak perlu panjang. Yang penting jelas.

Prompt yang lebih aman

Daripada langsung meminta agent membuat sistem besar, mulai dari prompt seperti ini:

Bantu aku menempa goal ini sebelum eksekusi.

Interview aku dulu kalau konteks belum cukup.
Ubah ide mentah menjadi SPEC.md dan GOAL.md.
Tentukan in scope, out of scope, input, done when, verification, tool boundary, dan stop condition.
Jangan eksekusi sebelum aku approve.
Kalau goal terlalu kabur, bilang bagian mana yang perlu diperjelas.

Untuk personal improvement, bisa lebih spesifik:

Bantu aku membuat eksperimen 7 hari untuk personal improvement dan enjoyment.

Jangan buat sistem besar.
Interview aku dulu.
Pilih hanya satu area improvement dan satu area enjoyment.
Buat plan yang ringan.
Tentukan bukti selesai yang manusiawi.
Stop kalau informasinya belum cukup.
Jangan bikin reminder, automation, atau jadwal tanpa approval.

Prompt ini tidak membuat AI lebih ajaib. Tapi membuat AI lebih aman dan lebih berguna.

Operational takeaway

Goal Forge mengajarkan satu hal yang sederhana:

Sebelum menyuruh AI bergerak, tempa dulu niatnya menjadi bentuk yang bisa diuji.

Ini berlaku untuk coding.

Berlaku untuk kerja.

Berlaku juga untuk hidup pribadi.

AI agent makin lama makin mampu mengeksekusi. Tapi kemampuan eksekusi tanpa clarity cuma mempercepat asumsi.

Jadi skill penting ke depan bukan cuma prompting.

Skill pentingnya adalah knowing what to ask for, what to exclude, what counts as done, and when to stop.

Itu yang membuat AI jadi partner, bukan mesin pembuat kekacauan yang rapi.

FAQ

Apa itu Goal Forge loop?

Goal Forge loop adalah workflow untuk memperjelas goal sebelum AI agent mulai eksekusi. Fokusnya adalah scope, constraint, verification, authority boundary, dan stopping condition.

Kenapa AI agent perlu Goal Forge?

Karena AI agent bisa mengambil tindakan lebih jauh daripada chatbot biasa. Tanpa batas yang jelas, agent mudah mengisi kekosongan instruksi dengan asumsi sendiri.

Apakah Goal Forge hanya untuk coding?

Tidak. Walaupun contoh awalnya sering dipakai untuk coding agent, prinsipnya bisa dipakai untuk content planning, automation, bisnis kecil, personal improvement, dan eksperimen kerja.

Apa bedanya SPEC.md dan GOAL.md?

SPEC.md menjelaskan apa yang mau dibuat dan batas scope-nya. GOAL.md menjelaskan cara eksekusi, tool boundary, verification, dan kapan agent harus berhenti.

Apa stopping condition paling penting?

Yang paling penting: berhenti kalau goal terlalu kabur, butuh approval manusia, action berikutnya berisiko, atau tidak ada bukti progress yang nyata.