Kadang AI bisa memberikan jawaban yang luar biasa. Terstruktur, detail, bahkan terasa seperti ditulis oleh seseorang yang benar-benar memahami topiknya. Namun di lain waktu, jawabannya justru sangat umum, terlalu dangkal, atau sama sekali tidak menjawab apa yang sebenarnya kubutuhkan.
Awalnya aku mengira kualitas AI memang tidak konsisten. Tetapi semakin sering menggunakannya, aku mulai sadar bahwa masalahnya bukan terletak pada AI melainkan cara memberikan instruksi.
AI Bukan Pembaca Pikiran
Kalau di artikel sebelumnya aku belajar bahwa AI tidak benar-benar “berpikir” seperti manusia, kali ini aku belajar satu hal lagi: AI juga bukan pembaca pikiran. Dulu aku sering memberikan prompt seperti sedang mengirim chat.
“Buat caption ya.”
“Kasih ide konten'”
“Bikin artikel dong.”
Prompt seperti itu memang akan menghasilkan jawaban. Tapi AI harus menebak hampir semua hal yang sebenarnya hanya ada di kepalaku, seperti:
- Siapa target pembacanya?
- Untuk platform apa?
- Apa tujuan tulisannya?
- Seperti apa gaya bahasa yang kuinginkan?
- Seberapa panjang hasilnya?
- Aku tidak pernah menjelaskan semua itu
Bandingkan dengan prompt seperti ini:
“Bertindak sebagai content strategist untuk personal branding. Target audiensku adalah perempuan usia 25–35 tahun yang sedang membangun karier. Buat caption Instagram tentang pentingnya dana darurat dengan gaya yang hangat, mudah dipahami, dan mengajak pembaca berdiskusi. Panjang maksimal 150 kata.”
Perbedaannya bisa sangat signifikan dan jawabannya bukan hanya lebih relevan, tetapi juga jauh lebih dekat dengan apa yang sebenarnya kubutuhkan.
AI Mengajarkanku Berpikir Lebih Jelas
Ironically, AI justru membuatku sadar kalau sering kali aku sendiri tidak benar-benar tahu apa yang kuinginkan. Aku hanya tahu hasil akhirnya, tetapi belum pernah benar-benar mendefinisikan seperti apa hasil yang kubayangkan.
Ketika AI memberikan jawaban yang kurang memuaskan, respons pertamaku biasanya adalah, “Bukan seperti itu.” Masalahnya, aku juga tidak pernah menjelaskan “seperti itu” yang kumaksud.
Menulis prompt memaksaku berhenti sejenak, mengurutkan pikiran, lalu menerjemahkannya menjadi instruksi yang bisa dipahami AI. Semakin sering aku menggunakan AI, semakin aku merasa bahwa proses membuat prompt sebenarnya bukan tentang mengajari AI.
Justru akulah yang sedang belajar berpikir lebih runtut. Menurutku, itu pelajaran yang lebih berharga daripada sekadar mempelajari tools baru.
Aku Mulai Memperlakukan AI Seperti Rekan Kerja
Satu perubahan kecil yang cukup mengubah hasil yang kuterima adalah dengan berhenti memperlakukan AI seperti mesin pencari. Sebaliknya, aku memperlakukannya seperti colleague yang baru bergabung di tim.
Imagine ada anak baru masuk kantor dan belum tahu banyak tentang bisnismu. Kalau kamu hanya berkata, “Tolong buat strategi marketing”. Kemungkinan besar ia akan kembali dengan banyak pertanyaan:
- Marketing untuk produk apa?
- Target pasarnya siapa?
- Budget-nya berapa?
- Apa tujuan campaign-nya?
- Timeline-nya seperti apa?
Semakin lengkap brief yang kita berikan, semakin baik pula hasil pekerjaannya. AI-pun bekerja dengan cara yang sangat mirip.
AI tidak tahu siapa target pembaca kita, apa tujuan tulisan yang sedang dibuat, atau seperti apa gaya bahasa yang kita sukai, kecuali kita benar-benar menceritakannya. Semakin jelas konteks yang kita berikan, semakin sedikit AI harus menebak-nebak apa yang sebenarnya kita inginkan.
Framework Sederhana yang Sekarang Selalu Kupakai
Setelah mencoba berbagai cara, aku sadar hampir semua prompt yang berhasil ternyata memiliki pola yang sama. Sekarang, sebelum mulai mengetik, aku biasanya memastikan ada empat komponen berikut.
1. Role
Siapa yang ingin kita minta bantuannya? Misalnya editor buku, digital marketer, UX writer, financial planner, atau content strategist. Memberikan role membantu AI memahami sudut pandang yang harus digunakan.
2. Context
Bagian ini menurutku yang paling sering dilupakan. Kita harus memberi informasi yang memang relevan. Seperti:
- Siapa target audiensnya?
- Apa tujuan project-nya?
- Apakah ada dokumen yang perlu dibaca?
- Adakah batasan tertentu yang harus diperhatikan?
Semakin lengkap konteksnya, semakin sedikit AI harus menebak.
3. Command
Setelah itu, jelaskan dengan spesifik apa yang ingin dihasilkan.
Daripada menulis, “Tolong buat yang bagus.”
Lebih baik menulis, “Buat strategi konten Instagram selama satu bulan.” atau “Analisis kelemahan artikel berikut dan berikan saran perbaikannya.” Semakin spesifik instruksinya, biasanya semakin relevan hasilnya.
4. Format
Terakhir, tentukan bentuk output yang kamu inginkan.
- Apakah berupa artikel?
- Checklist?
- Bullet point?
- Tabel/CSV?
- Presentasi?
Hal ini sederhana tapi membuat hasil AI jauh lebih siap digunakan tanpa perlu banyak revisi.
Empat komponen ini terdengar sederhana. Aku sendiri masih sering lupa menyebutkan salah satunya. Menariknya, hampir setiap kali itu terjadi, hasil AI terasa lebih umum dan membutuhkan lebih banyak revisi. Sejak mulai menggunakan framework ini dengan lebih konsisten, kualitas jawabannya juga terasa jauh lebih konsisten.
Penutup
Kalau ada satu hal yang paling berubah setelah belajar menggunakan AI, mungkin bukan kemampuan AI-nya. Melainkan cara aku bertanya.
Dulu aku menganggap bertanya hanyalah langkah sebelum mendapatkan jawaban. Sekarang aku justru merasa kualitas pertanyaan sering kali menentukan kualitas jawabannya.
Menurutku, pelajaran itu tidak hanya berlaku ketika menggunakan AI. Saat berdiskusi dengan rekan kerja, meminta bantuan mentor, atau bahkan menjelaskan ide kepada orang lain, kemampuan menyampaikan konteks ternyata sama pentingnya.
Di artikel berikutnya, aku ingin membahas satu teknik yang benar-benar mengubah cara aku menggunakan AI sehari-hari. Selama ini aku selalu langsung meminta AI memberikan jawaban. Ternyata ada pendekatan lain yang hasilnya jauh lebih relevan: meminta AI untuk bertanya balik sebelum menjawab. Ini menjadi salah satu perubahan terbesar dalam cara aku menggunakan AI.
