AI Class

Cara Bangun AI Personal Finance Assistant dengan n8n + OpenAI (MVP 3 Hari)

· 3 menit baca

Cara Bangun AI Personal Finance Assistant dengan n8n + OpenAI (MVP 3 Hari)

🚀 Hook: Kenapa Kamu Masih Catat Pengeluaran Pakai Spreadsheet?

Setiap akhir bulan, kamu masih harus menyalin data dari bank, menghitung manual, dan berakhir dengan "surprise" kalau uang nggak cukup buat liburan. Itu semua karena workflow keuangan kamu masih fragmented dan manual. Bayangkan kalau semua transaksi otomatis terklasifikasi, dibudget, dan kamu dapat insight harian lewat Slack atau WhatsApp. Semua ini bukan impian futuristik – dengan n8n dan OpenAI, kamu bisa bikin AI Personal Finance Assistant dalam tiga hari.

Konsep Cepat (Tanpa Teori Bertele‑tele)

  • n8n: Orkestrator low-code yang menghubungkan API bank, Google Sheets, dan LLM.
  • AI Agent (OpenAI GPT‑4o): Memahami transaksi, mengkategorikan, memberi rekomendasi budgeting, dan menjawab pertanyaan natural language.
  • Webhook / Scheduler: Trigger tiap kali ada transaksi baru atau tiap pagi.

🛠️ Breakdown Teknis / Workflow

  1. Step 1 – Ingest Transaksi
    • Gunakan node HTTP Request untuk panggil API banking aggregator (mis: Plaid, Finnhub, atau API bank lokal yang support OAuth).
    • Set schedule trigger “Every 5 minutes” untuk polling atau gunakan Webhook kalau bank mendukung push.
  2. Step 2 – Normalisasi & Enrichment
    • Node Function untuk memastikan format standar: {date, amount, description, merchant, category?}.
    • Optional: Enrich dengan OpenAI Completion untuk extract merchant name bila description kurang jelas.
  3. Step 3 – Klasifikasi AI
    • Panggil OpenAI Chat Completion dengan prompt: "Klasifikasikan transaksi berikut ke dalam kategori budget (Food, Transport, Entertainment, Bills, Savings, Others). Return JSON only."
    • Parse response, simpan ke field category.
  4. Step 4 – Persist ke Google Sheet / Supabase
    • Gunakan node Google Sheets atau Postgres untuk mencatat baris baru (date, amount, description, category).
  5. Step 5 – Insight Harian
    • Node Set agregasi: total per kategori, sisa budget, “overspend warning”.
    • Bangun prompt ke OpenAI: “Berikan ringkasan keuangan hari ini dalam 2 kalimat, highlight overspend atau peluang menabung.”
    • Kirim hasil via Slack, Telegram, atau Email.
  6. Step 6 – Conversational Query
    • Buat webhook endpoint /finance‑assistant yang menerima pesan teks dari Slack/WhatsApp.
    • Set OpenAI Chat Completion dengan konteks: "Kamu adalah asisten keuangan pribadi. Jawab pertanyaan tentang pengeluaran, budgeting, atau rekomendasi tabungan berdasarkan data yang sudah tersimpan."

💡 Contoh Use Case Real: “Saya Mau Tabung Liburan Sekarang”

Pengguna kirim pesan ke Slack: "Berapa sisa uang untuk liburan tahun ini?". Workflow:

  1. Webhook menangkap pesan, menyimpan user_query.
  2. Node Postgres Query ambil total tabungan + target liburan dari tabel goals.
  3. Prompt ke OpenAI: "User ingin tahu sisa dana liburan. Data: target 5M, saved 2.3M, monthly saving 150K. Berikan jawaban singkat dan saran tambahan."
  4. Balas Slack dengan: "Anda masih butuh 2.7M. Jika tetap menabung 150K per bulan, Anda siap dalam 18 bulan. Pertimbangkan mengurangi makan di luar 20% untuk percepat."

🔑 Insight & Strategi yang Bikin AHA

  • Prompt Engineering sebagai “Business Logic”. Alih-alih menulis kode IF‑ELSE yang panjang, kamu menaruh logika ke dalam prompt yang mudah di‑tweak. Misalkan menambah kategori “Investasi” hanya dengan edit satu contoh di prompt.
  • Cache hasil klasifikasi. Simpan kategori di DB; hanya panggil OpenAI bila merchant belum dikenal. Mengurangi biaya token 70‑80%.
  • Hybrid Model. Untuk transaksi berulang (grocery, transport), gunakan model kecil (e.g., OpenAI *Ada*) dan fallback ke GPT‑4o hanya bila confidence rendah.
  • Observability. Tambahkan node HTTP Request ke Grafana Loki untuk log token usage, latency, dan error rate. Ini penting untuk scaling ke 1k transaksi/hari.
  • Security First. Simpan kredensial API di n8n credentials, aktifkan HTTPS dan IP whitelist pada webhook.

🧩 Penutup + Call to Action

Dengan n8n + OpenAI, kamu tidak perlu menunggu tim data science 6 bulan untuk dapat asisten keuangan. Ikuti langkah di atas, deploy ke n8n Cloud (free tier cukup untuk <10k transaksi/bln) dan mulai catat pengeluaran secara otomatis. Challenge untukmu: tambahkan modul "Prediksi cash‑flow 30 hari ke depan" menggunakan Time Series Forecasting di OpenAI atau Prophet, dan lihat bagaimana insight tersebut mengubah kebiasaan belanjamu.

Jadi, tunggu apa lagi? Clone repo template di GitHub, tweak prompt, dan share hasilmu di komunitas JIPRAKS! 🚀

Artikel terkait