Bayangkan situasi ini. Tim produksi video pembelajaran baru saja menerima kiriman materi dari klien berisi 100 slide presentasi dengan puluhan halaman berbagai dokumen pendamping. Deadline-nya pun sangat singkat, padahal kita perlu membuat naskah dan storyboard terlebih dahulu. Bagaimana ya solusinya?
Scriptwriting untuk video pembelajaran adalah perpaduan antara desain instruksional dan kreativitas. Penulis naskah harus mampu memilih mana konsep yang paling esensial lalu menyederhanakan dan mengemasnya dalam narasi yang mengalir dan mudah dicerna. Hal ini hanya bisa dilakukan setelah penulis memahami materinya dengan baik.
Penjelasan yang tidak akurat di tahap ini akan ikut terbawa ke tahap storyboard. Dan apabila tidak ada proses quality checking yang baik, informasi yang keliru tersebut bisa terus dioper ke bagian desain visual dan animasi. Kekeliruan ini bisa memakan waktu dan biaya nantinya.
dalam praktiknya, ada dua hambatan besar yang sering menghadang tim produksi.
Pertama, kompleksitas materi. Klien dari industri perbankan, manufaktur, kesehatan, atau logistik seringkali memberikan materi yang sarat istilah teknis dan prosedur yang sangat spesifik. Bayangkan harus membuat video pelatihan tentang pembangkit geotermal dan ada topik terkait prosedur shutdown mesin. Tim produksi perlu memiliki anggota tim yang mampu memahami topik tersebut.
Kedua, volume materi yang besar. Makin kompleks sebuah program pelatihan, makin banyak dokumen referensi yang harus dipelajari. Memproses ratusan halaman materi dalam waktu singkat, lalu mengekstrak poin-poin yang relevan untuk naskah, adalah pekerjaan yang melelahkan secara kognitif, sehingga rentan terhadap kesalahan.
Dua tantangan ini menjadi semakin relevan mengingat industri e-learning terus berkembang pesat. Pasar e-learning korporat global diproyeksikan mencapai nilai 462,6 miliar dolar pada 2027, tumbuh dengan compound annual growth rate sekitar 13%. Artinya, permintaan akan konten video pembelajaran berkualitas tinggi akan terus meningkat, dan tim produksi perlu menemukan cara yang lebih efisien.
Di sinilah NotebookLM dari Google masuk sebagai solusi yang patut dicoba. NotebookLM bukan chatbot biasa, loh!
NotebookLM adalah virtual research assistant yang bekerja secara eksklusif berdasarkan dokumen yang kamu unggah. Tidak seperti search engine yang mencari di seluruh internet, atau chatbot generalis yang menjawab berdasarkan pengetahuan umum, NotebookLM menjadi ahli atas konten spesifik yang kamu berikan.
Kita tinggal mengunggah dokumen-dokumen materi ajar ke dalamnya. Setelah itu, kita bisa berdialog langsung dengan NotebookLM terkait materi tersebut. Misalnya kita bisa meminta untuk menjelaskan konsep X dengan cara yang mudah dipahami oleh orang awam. NotebookLM akan menjawab berdasarkan sumber yang kamu berikan, lengkap dengan kutipan dan referensi spesifik ke bagian dokumen yang relevan.
Setiap notebook bisa menampung hingga 50 sumber dengan total kapasitas sekitar 25 juta kata. Fitur Audio Overview-nya bahkan bisa mengubah dokumen teknis menjadi diskusi podcast yang mudah diikuti, sangat berguna untuk tim yang ingin mendalami materi secara auditori.
Salah satu yang paling membedakan NotebookLM dari LLM lainnya adalah tingkat halusinasinya yang rendah. NotebookLM menggunakan pendekatan retrieval-augmented generation (RAG) sehingga hanya fokus pada dokumen yang diberikan. Pendekatan ini berbeda dengan LLM lain yang mengambil data dari berbagai sumber.
Setelah dokumen yang relevan diunggah ke NotebookLM dalam satu notebook, NotebookLM menganalisis seluruh sumber dan menghasilkan ringkasan awal serta pertanyaan-pertanyaan kunci yang relevan. Dari sini, tim penulis naskah bisa mulai mengajukan pertanyaan yang terarah, dan NotebookLM akan menjawab dengan presisi, sambil menunjukkan persis di bagian mana jawaban itu berasal.
Proses yang butuh waktu lama bisa dipangkas menjadi lebih singkat. Tim tidak lagi perlu menyelami setiap halaman satu per satu. Mereka bisa langsung berdialog dengan materi dan membangun pemahaman secara terstruktur. Selain itu, potensinya akan jauh lebih besar ketika dikombinasikan dengan LLM lain seperti ChatGPT, Claude, atau Gemini.
NotebookLM unggul dalam memahami dan mengekstrak makna dari dokumen spesifik. Namun untuk tugas kreatif seperti menulis naskah, mengembangkan narasi, menyesuaikan gaya bahasa untuk audiens tertentu, atau merancang alur storyboard, LLM generalis akan tetap lebih efektif.
Dengan NotebookLM, tim produksi video pembelajaran tidak perlu lagi bergulat sendirian dengan tumpukan dokumen teknis. Mereka bisa berdialog langsung dengan materi, membangun pemahaman yang akurat dan terstruktur, lalu membawa pemahaman itu ke tahap kreatif bersama LLM lain untuk menghasilkan naskah dan storyboard yang lebih cepat dan lebih baik.
Setelah mengerjakan lebih dari 1000 multimedia pembelajaran, Monkey Melody memahami bahwa setiap perusahaan memiliki tantangan dan tujuan yang berbeda. Oleh karena itu, kami menawarkan pendekatan yang disesuaikan untuk memastikan bahwa setiap video yang kami buat dapat mencapai tujuan pelatihan yang diinginkan. Dengan menggunakan teknologi terbaru dan pendekatan kreatif, kami siap membantu perusahaan Anda dalam menghadapi tantangan pelatihan di masa depan.
Di Monkey Melody, Fajar memastikan proses pembuatan multimedia learning berjalan dengan lancar dari pra-produksi hingga pasca produksi. Selain kadang terlibat langsung dalam pembuatan script dan storyboard, Fajar juga membantu menyusun konten-konten media sosial Monkey Melody.
