Peran di bidang data
AI Engineer / LLM Engineer
Membangun aplikasi di atas model AI yang sudah ada.
Membuat chatbot atau asisten yang menjawab dari dokumen perusahaan, lalu mengukur seberapa sering jawabannya benar.
- Ramah pemula: Rendah–sedang
- Python
- API LLM
- Vector database
Sering tertukar dengan ML Engineer di judul lowongan. Baca isi lowongannya.
AI Engineer belum dibahas praktisi di sesi Ngobrol Karir. Kami memperbarui halaman ini sesudah sesi tentang data science, ML, dan AI.
Posisinya di perjalanan data
Label: Penyusun. Isi tiap lapisan
Bekerja dengan siapa
Label: Data (Microsoft dan Anthropic) · Penyusun
Kerjanya apa
Membangun aplikasi di atas LLM yang sudah ada, misalnya chatbot yang menjawab dari dokumen perusahaan.
Analoginya
Kontraktor dapur: tidak membuat kompor, tapi menyusun sambungan dan pengamannya.
Pertanyaan yang ia jawab
- “Bagaimana AI menjawab dari dokumen perusahaan, tidak mengarang?”
- “Seberapa sering jawabannya benar?”
- “Apa yang tidak boleh dilakukan AI ini?”
Label: Data (Microsoft dan Anthropic) · Penyusun
Sepekan kerjanya
Merancang prompt dan retrieval dokumen, menyusun set evaluasi, mengukur, memperbaiki, lalu mengukur lagi. Retrieval di sini artinya mengambil potongan dokumen yang relevan sebelum model menjawab; polanya sering disebut RAG.
- 1Merancang prompt, retrieval, dan tool
- 2Menyusun set evaluasi
- 3Mengukur dan memperbaiki berulang
- 4Memasang guardrail
Hasil kerjanya
Aplikasi AI berikut angka evaluasinya, dan daftar hal yang tidak boleh dilakukan aplikasi itu.
- Aplikasi AI
- Set evaluasi
- Dokumentasi guardrail
Alat yang dipakai
AI Engineer memakai 23 alat di peta alat handout. Sebanyak 12 di antaranya ramah pemula dan diberi warna. Mulailah dari satu alat berwarna di tiap kelompok.
- Sumber data
- PostgreSQL (ramah pemula)
- MongoDB (NoSQL) (ramah pemula)
- API (REST, JSON) (ramah pemula)
- Orkestrasi
- n8n (ramah pemula)
- Analisis
- Python + pandas (ramah pemula)
- Data science dan machine learning
- TensorFlow / Keras
- PyTorch
- Hugging Face (model dan dataset) (ramah pemula)
- MLOps dan deployment
- FastAPI (ramah pemula)
- Streamlit + Community Cloud (ramah pemula)
- Hugging Face Spaces (ramah pemula)
- Google Vertex AI
- AI generatif
- Gemini API (Google AI Studio) (ramah pemula)
- OpenAI API
- Claude (Anthropic)
- Ollama + model open-weight
- LangChain / LangGraph
- LlamaIndex
- Chroma / Qdrant (vector database) (ramah pemula)
- Pinecone (vector database)
- Kerja sama dan fondasi
- Docker Desktop
- Linux CLI / shell (termasuk Git Bash, WSL) (ramah pemula)
- Google Cloud (GCP)
Label: Penyusun, per 3 Oktober 2026. Tanda ramah pemula penilaian pengajar, belum hasil survei.
- Skill minimum untuk junior
- Python, memanggil API, dasar RAG, menyusun evaluasi.
- Judul lain di lowongan
- LLM Engineer
- Generative AI Engineer
- AI Developer
- AI Automation Engineer
Roadmap belajarnya
AI Engineer punya tiga anak tangga belajar. Naiklah ke anak tangga berikutnya sesudah batas “cukup kalau” tercapai.
- 1
1. Fondasi
Python, API, JSON, Git; pengantar LLM dan embedding (bagian dari Google ML Crash Course)
Cukup kalau
Bisa memanggil model lewat API dan menyimpan hasilnya
AI membantu: Menulis kode dasar
- 2
2. Inti
RAG sederhana, set evaluasi, guardrail, kriteria sukses yang spesifik dan terukur
Cukup kalau
Satu aplikasi dengan angka evaluasi yang bisa ditunjukkan
AI membantu: Menulis kode, mengusulkan kasus uji
- 3
3. Lanjut
Workflow vs agent, tool use, monitoring biaya dan kualitas, keamanan (prompt injection)
Cukup kalau
Bisa menjelaskan kenapa memilih workflow atau agent untuk satu kasus
AI membantu: Riset dokumentasi
Label: Data
Fondasi yang dipakai semua peran →Contoh portfolio
Asisten tanya-jawab dokumen publik, 30 pertanyaan uji, catatan kasus gagal.
Kesalahan umum
Agent rumit padahal satu panggilan model cukup, dan tanpa evaluasi.
Label: Data (lowongan dan Anthropic) · Penyusun
AI dan manusia
Dibantu AI
Menulis kode dan mengusulkan kasus uji.
Tetap di tangan manusia
Kriteria sukses, menilai jawaban yang "hampir benar".
Label: Data (lowongan dan Anthropic) · Penyusun
Jalur masuk dan lowongan
Snapshot 3 Oktober 2026 mencatat 94 lowongan berjudul AI Engineer, dari 538 lowongan peran data. LLM atau GenAI diminta di 27 dari 44 lowongan dengan deskripsi lengkap.
DataSnapshot lowongan 3 Oktober 2026
- Skill yang paling sering diminta
- Dari 44 lowongan berdeskripsi lengkap.
Python65,9%
LLM/GenAI61,4%
Machine learning38,6%
- Syarat pengalaman
- 2 tahun (median dari 17 lowongan yang menulis syaratnya sendiri). Baca sebagai arah saja. Angka gabungan ML dan AI Engineer, karena snapshot memisahkan keduanya dari judul saja.
- Lowongan yang meminta 1 tahun atau kurang: 66,7% dari 57 lowongan bersyarat, dan 47,1% kalau isian Glints tidak dihitung, sama dengan halaman pasar kerja. Glints mencatat rentang pengalaman dari batas bawahnya, jadi angka pertama terlalu tinggi. Angka syarat pengalaman ini beda dengan porsi lowongan yang menulis terbuka untuk fresh graduate di atas.
- Lowongan berbahasa Inggris
- 56,7% (34 dari 60 lowongan berdeskripsi lengkap). Angka gabungan ML dan AI Engineer, karena snapshot memisahkan keduanya dari judul saja.
Lowongan AI Engineer dihitung dari judulnya. Snapshot satu hari, 9 website lowongan publik (terbanyak Glints dan Jobstreet), tanpa LinkedIn. Bukan estimasi pasar. Kami mengganti angka di kotak ini begitu snapshot berikutnya keluar.
Cocok untuk Anda?
Cocok kalau
Senang membangun aplikasi, dan rajin menguji sampai tahu persis kapan sistemnya salah.
Kurang cocok kalau
Alatnya berganti hampir tiap bulan. Kalau Anda butuh materi yang stabil bertahun-tahun, peran ini melelahkan.
Langkah pertama
Python dan cara memanggil API dulu. Sesudah itu buat satu aplikasi tanya-jawab kecil berikut set evaluasinya, sebelum menyentuh agent.
Sumber gratisnyaSumber: handout Peta Dunia Data, seri Ngobrol Karir Data & AI, Oktober 2026. Kami menyesuaikan bahasanya untuk anakdata; label di tiap bagian menunjukkan asal isinya.
Kembali ke peta semua peran