Ulasan

Review Make

Make adalah platform automasi visual yang kuat untuk tim ops, tetapi model kredit, kurva belajar, dan privasi enterprise-nya perlu dibaca cermat.

Make sekarang hidup di titik yang lebih menarik daripada sekadar alat automasi no-code biasa. Ia tidak lagi hanya menjahit satu aplikasi ke aplikasi lain; ia ingin menjadi lapisan orkestrasi untuk workflow, data, dan agen AI yang berjalan di atasnya. Itu ambisi yang masuk akal, karena banyak pekerjaan operasional hari ini memang bukan soal satu trigger dan satu action, melainkan rangkaian keputusan yang harus terlihat, diaudit, dan diulang.

Kelebihannya langsung terasa kalau Anda bekerja di tim yang memegang banyak SaaS sekaligus. Zapier memang lebih cepat untuk automasi sederhana, tetapi Make lebih nyaman ketika alurnya bercabang, datanya harus dimanipulasi, dan Anda ingin melihat logika di atas kanvas, bukan menyembunyikannya di balik form yang rapi. Untuk buyer seperti itu, Make bukan mainan; ia alat kerja yang serius.

Hal yang sama juga menjelaskan kenapa produk ini tidak cocok untuk semua orang. Jika kebutuhan Anda hanya menghubungkan dua aplikasi atau membuat satu notifikasi sederhana, Make terasa lebih berat daripada yang perlu. Model kreditnya, kedalaman builder-nya, dan lapisan fitur AI-nya memberi banyak tenaga, tetapi juga menambah gesekan.

Yang paling jujur tentang Make adalah ini: ia sangat kuat saat dipakai sebagai sistem orkestrasi, dan cukup mudah terasa berlebihan saat dipakai seperti automasi ringan. Kalau Anda memang butuh platform yang bisa tumbuh dari scenario sederhana menjadi operasi yang lebih teratur, Make layak. Kalau Anda hanya ingin sesuatu yang cepat dan datar, pilihannya lain akan lebih masuk akal.

Produk Ini Sebenarnya Apa Sekarang

Make kini lebih tepat disebut platform visual untuk automasi dan orkestrasi, bukan sekadar no-code connector. Di dalamnya ada scenario builder, lebih dari 3.000 aplikasi, Make Grid, Make MCP Server, Make AI Toolkit, Make AI Agents, dan fitur web search AI yang membuatnya semakin dekat ke lapisan operasional untuk kerja berbasis konteks.

Perubahan pentingnya ada di arah produk: Make sekarang ingin membantu Anda membangun workflow yang adaptif, bukan hanya workflow yang deterministik. Itu cocok untuk tim yang ingin AI dipakai di dalam proses bisnis, bukan ditempelkan di samping proses bisnis sebagai eksperimen terpisah. Make sendiri menyebut platform ini sudah dipakai ratusan ribu organisasi dan merupakan bagian dari Celonis, dengan jejak perusahaan yang dimulai sejak 2015.

Kelebihan

Kanvas visualnya benar-benar membantu saat workflow mulai rumit. Make tidak memaksa Anda menebak-nebak bagaimana data berpindah. Router, filter, custom variables, dan scenario outputs membuat alur yang bercabang tetap bisa dibaca dan diperiksa. Untuk tim ops yang harus men-debug proses, itu jauh lebih berharga daripada tampilan yang sekadar cantik.

AI dan automasi sekarang hidup di tempat yang sama. Make AI Agents, Make AI Toolkit, dan Make MCP Server tidak diperlakukan sebagai produk sampingan. Mereka berada di dalam platform yang sama, sehingga Anda bisa menaruh keputusan AI di dalam workflow yang memang harus dieksekusi. Pendekatan ini lebih masuk akal daripada memaksa tim pindah ke chatbot hanya karena mereka ingin ada AI di prosesnya.

Cocok untuk tim yang butuh pengawasan, bukan sekadar kecepatan. Make Grid, analytics dashboard, audit logs, dan kontrol enterprise membuat platform ini terasa siap untuk dipakai dalam organisasi yang serius. Anda tidak hanya membangun automasi; Anda juga bisa melihat hubungan antar-scenario, memantau perubahan, dan memahami di mana bottleneck muncul.

Ekosistem aplikasinya luas tanpa kehilangan identitas produk. Make masih menyediakan 3.000+ app standar, dan di enterprise ada koneksi ke aplikasi bisnis yang lebih spesifik seperti NetSuite, Greenhouse, Entra ID, dan lain-lain. Banyak platform mengklaim integrasi luas, tetapi sedikit yang tetap mempertahankan gaya visual yang konsisten saat skalanya membesar.

Kekurangan

Kurva belajarnya nyata, dan itu bukan harga kecil. Make memang visual, tetapi visual tidak sama dengan sederhana. Begitu Anda mulai memakai branching, iterasi, error handling, dan data mapping, platform ini menuntut disiplin desain proses yang tidak semua tim punya sejak awal.

Skema kredit membuat biaya lebih sulit diprediksi daripada label harga yang terlihat. Harga resmi ditampilkan per 10.000 kredit per bulan, tetapi satu aksi modul bernilai satu kredit, dan Make Code App mengonsumsi 2 kredit per detik eksekusi. Itu berarti workflow yang tampak ringan bisa menjadi mahal kalau Anda tidak mengawasi desainnya.

Banyak fitur yang paling berguna justru terkunci di tier yang lebih tinggi. Free plan cukup untuk mencoba, tetapi terasa seperti ruang latihan: 1.000 kredit per bulan, interval minimum 15 menit, dan dua scenario aktif. Begitu Anda butuh full-text log search, team roles, atau governance yang lebih serius, Anda sudah masuk ke paket berbayar yang lebih mahal.

Make lebih kuat daripada ramah pemula. Jika tim Anda belum punya kebiasaan mendokumentasikan proses dan merapikan data flow, platform ini bisa berubah dari alat bantu menjadi sumber kekacauan baru. Make tidak memperbaiki proses yang buruk; ia hanya mempercepatnya.

Harga

Secara praktis, Core adalah titik masuk yang paling masuk akal untuk kebanyakan pengguna. Di US$9/bulan untuk 10.000 kredit, Anda sudah mendapat scenario aktif tak terbatas, interval penjadwalan sampai menit, akses API, dan fondasi yang cukup untuk mulai bekerja serius. Untuk individu atau tim kecil yang baru naik kelas dari automasi ringan, ini adalah tier pembelian yang paling sulit dibantah.

Pro di US$16/bulan mulai terasa seperti tier untuk orang yang benar-benar memakai Make setiap hari. Priority scenario execution, custom variables, dan full-text execution log search adalah fitur yang berguna, tetapi bukan kebutuhan semua orang. Jika Anda belum sering mentok pada keterbatasan operasional Core, loncatan ke Pro belum tentu memberi nilai yang sebanding.

Teams di US$29/bulan lebih masuk akal untuk organisasi yang butuh kolaborasi dan template bersama daripada sekadar menambah kuota. Enterprise adalah lapisan yang berbeda: custom pricing, custom functions, app enterprise, on-prem agent, SSO, audit logs, dan proteksi overage. Di sini Make berhenti menjual automasi sebagai alat individu dan mulai menjual tata kelola.

Yang perlu diperhatikan pembeli Indonesia adalah bahwa harga resmi tetap dipublikasikan dalam USD, bukan IDR. Ada juga insentif billing tahunan dengan penghematan 15% atau lebih, serta kredit tahunan yang berlaku selama 12 bulan. Itu bagus untuk tim yang bisa merencanakan konsumsi dengan rapi, tetapi juga berarti Anda harus paham pemakaian sebelum menandatangani langganan yang lebih besar.

Privasi

Dokumen privasi Make berada di bawah Celonis, dan itu langsung memberi tahu Anda banyak hal tentang bagaimana data diperlakukan. Make mengumpulkan data kontak, interaksi, penggunaan aplikasi, serta data perangkat dan browser; data itu bisa dibagikan ke anak perusahaan Celonis, vendor, processor, auditor, dan pihak lain yang diperlukan untuk operasi layanan. Dokumen privasinya juga menyebut transfer data lintas wilayah dan partisipasi Celonis Inc. serta Celonis Labs LLC dalam Data Privacy Framework.

Yang penting untuk buyer profesional adalah bahwa Make tidak memposisikan data pelanggan sebagai bahan pelatihan model generatif secara terang-terangan di dokumen yang saya verifikasi. Sebaliknya, kebijakan itu menegaskan bahwa data penggunaan agregat, anonim, atau statistik dipakai untuk meningkatkan layanan, dan secara spesifik menyatakan bahwa Google Workspace APIs tidak digunakan untuk mengembangkan, memperbaiki, atau melatih model AI/ML generik. Di sisi keamanan, Make mencantumkan GDPR, SOC 2 Type II, SOC 3, enkripsi, SSO, audit logs, retensi log default 30 hari, serta audit logs enterprise yang disimpan 12 bulan.

Untuk Siapa

Tim ops, revops, dan marketing ops yang hidup di banyak SaaS. Mereka butuh automasi yang bisa bercabang, memindahkan data, dan tetap bisa dibaca saat ada yang rusak. Make menang karena pendekatannya visual, fleksibel, dan cukup dalam untuk workflow yang nyata.

Tim yang ingin memasukkan agen AI ke proses bisnis, bukan ke demo. Jika Anda ingin AI ikut memutuskan langkah dalam workflow, Make lebih pas karena agen, toolkit, dan orkestrasi ada di satu platform. Itu lebih berguna daripada memisahkan AI ke alat lain yang tidak tahu konteks operasional Anda.

Organisasi menengah sampai besar yang peduli governance. Kalau Anda butuh SSO, audit logs, on-prem agent, dan kontrol yang lebih rapi atas workflow yang dipakai banyak orang, Make Enterprise masuk akal. Di situ, platform ini terasa seperti infrastruktur operasional, bukan sekadar automation app.

Tim teknis yang ingin automasi visual tetapi masih butuh fleksibilitas. Jika Anda tidak mau sepenuhnya pindah ke kode seperti di n8n, tetapi juga tidak puas dengan automasi yang terlalu dangkal, Make sering menjadi kompromi yang tepat. Anda tetap bisa mengatur detail tanpa harus membangun semuanya dari nol.

Untuk Siapa Bukan Pilihan Terbaik

Pemula yang hanya ingin automasi lurus dan cepat. Untuk kebutuhan seperti sinkronisasi sederhana atau notifikasi dasar, Zapier lebih ringan dipakai dan lebih cepat dipahami. Make bisa melakukan hal yang sama, tetapi Anda membayar dengan kompleksitas tambahan.

Tim teknis yang ingin kontrol paling penuh. Kalau prioritas Anda adalah self-hosting, fleksibilitas kode, dan model operasional yang lebih dekat ke infrastruktur, n8n biasanya lebih cocok. Make lebih nyaman secara visual, tetapi tidak sefleksibel itu untuk tim yang ingin membangun sangat dalam.

Tim GTM yang hampir seluruh kerjanya terjadi di browser. Kalau sumber masalah Anda ada di tab, form, dan halaman web, Bardeen lebih langsung karena browser adalah pusat produknya. Make lebih cocok untuk orkestrasi lintas sistem, bukan automasi yang berpusat di web saja.

Kesimpulan

Make adalah salah satu platform automasi visual paling serius yang bisa dibeli hari ini. Ia cukup matang untuk dipakai sebagai lapisan kerja operasional, cukup modern untuk memasukkan agen AI ke dalam workflow yang sama, dan cukup terstruktur untuk organisasi yang ingin melihat apa yang benar-benar terjadi di balik automasi mereka.

Tetapi kekuatan itu datang bersama biaya berupa kompleksitas, model kredit, dan privasi yang harus dibaca dengan teliti. Kalau Anda sedang membangun proses yang memang pantas diorkestrasi secara visual, Make punya argumen yang kuat. Kalau Anda hanya butuh beberapa koneksi sederhana, platform ini lebih banyak memberi tenaga daripada kenyamanan.

Harga dan fitur diverifikasi terhadap dokumentasi resmi, April 2026.