CV Enhancer, Studi Kasus

Gambaran Proyek

CV Enhancer adalah produk unggulan pertama di dalam ekosistem wizdev.tech. Produk ini dirancang khusus untuk memecahkan ketimpangan antara kualifikasi pencari kerja di Indonesia dengan cara mereka menyajikan pengalaman di dalam berkas lamaran kerja.

Banyak pencari kerja sebenarnya memiliki pengalaman yang relevan dan bernilai, tetapi tersingkir di tahap awal seleksi ATS (Applicant Tracking System) atau penyaringan awal HR karena susunan kalimat yang kabur, kata kunci yang tidak selaras dengan job description, atau format dokumen yang sulit terbaca mesin.

Prinsip fundamental dari CV Enhancer: AI dilarang keras mengarang fakta, memanipulasi angka, atau menambahkan pengalaman fiktif. Optimasi dilakukan murni pada kejernihan bahasa, struktur pencapaian, dan penyelarasan kata kunci terhadap posisi yang dituju.

Masalah

Kurang Relevan dengan Deskripsi Pekerjaan: Pelamar sering kali mengirim satu versi CV generik ke puluhan lowongan yang memiliki kriteria spesifik berbeda.
Kelemahan Penyajian Hasil (Impact): Pengalaman nyata sering dituliskan hanya sebagai daftar tugas harian tanpa menunjukkan dampak atau metode penyelesaian masalah.
Halusinasi dan Risiko AI Generik: Menggunakan AI publik seperti ChatGPT secara mentah sering kali menambahkan klaim berlebihan atau teknologi palsu yang tidak dikuasai pelamar, sehingga membahayakan kredibilitas kandidat saat wawancara.
Format yang Tidak Ramah ATS: Desain kolom ganda yang rumit atau elemen visual yang tidak standar menyebabkan teks CV gagal diparsing oleh parser ATS perusahaan.

Pengguna

Lulusan Baru (Fresh Graduates & Vocational Alumni): Pencari kerja pemula yang kesulitan menerjemahkan proyek kuliah, magang, dan organisasi ke dalam bahasa profesional yang dinilai rekruter.
Kandidat Career-Switcher: Pekerja yang berpindah jalur karier dan perlu menonjolkan keahlian yang dapat dialihkan (transferable skills) secara tepat sasaran.
Pekerja Terampil yang Aktif Melamar: Kandidat yang butuh menyesuaikan CV secara cepat untuk beberapa lowongan spesifik tanpa kehilangan keaslian profil mereka.

Keputusan Teknis

Arsitektur Serverless di Cloudflare: Dipindahkan ke arsitektur Cloudflare Workers (Hono API) dan Cloudflare Pages (React + Vite) untuk memastikan latensi rendah di seluruh jaringan Indonesia dengan biaya operasional yang sangat efisien.
Penyimpanan Terdistribusi: Menggunakan Cloudflare D1 (SQL di edge) dan Cloudflare R2 untuk penyimpanan sementara dokumen dengan mekanisme penghapusan otomatis setelah ekstraksi data terstruktur selesai (mengutamakan privasi pengguna).
Prompt Engineering yang Ketat: Pipa inferensi AI (Claude API) dirancang dengan batas aturan (guardrails) ketat: ekstraksi fakta strictly dari CV asli, penyesuaian nada profesional berbasis sapaan hangat, serta penolakan otomatis untuk membuat klaim tanpa dasar bukti.
Antarmuka Minimalis & Terarah: Desain hangat dengan palet hijau hutan (forest green) dan kuning mustard, navigasi langkah demi langkah tanpa distraksi tombol yang membingungkan.

Tantangan

Menjaga Integritas Data: Menjaga agar model bahasa tidak “mempercantik” resume sampai ke tahap memalsukan durasi kerja, jabatan, atau keterampilan teknis yang tidak dicantumkan pengguna.
Ekstraksi PDF & DOCX Indonesia: Dokumen pengguna sering kali menggunakan format tata letak yang tidak teratur, tabel tanpa garis batas, atau font khusus. Sistem parser harus mampu mengekstraksi teks secara utuh dan terstruktur sebelum dianalisis oleh AI.
Privasi Pengguna: Menjamin bahwa data identitas sensitif (nomor kontak, alamat, riwayat penghasilan) ditangani dengan prinsip data minimization dan tidak pernah digunakan sebagai bahan pelatihan model publik.

Hasil Terukur

Akurasi Penyelarasan: [TODO: Tambahkan persentase rata-rata peningkatan kesesuaian kata kunci CV terhadap job description setelah evaluasi batch pertama.]
Pengguna Aktif: [TODO: Tambahkan jumlah berkas CV yang berhasil diproses setelah peluncuran publik di cv.wizdev.tech.]
Efisiensi Waktu Pelamar: [TODO: Hitung rata-rata waktu yang dihemat pengguna dalam menyesuaikan CV per lamaran pekerjaan.]
Keterbacaan ATS: [TODO: Tambahkan hasil uji parsing CV keluaran dengan parser ATS setelah ekspor PDF tersedia.]