Banyak orang menulis prompt panjang, lengkap dengan konteks, peran, dan format output, tetapi hasil AI tetap terasa meleset. Masalahnya sering bukan karena instruksinya kurang detail, melainkan karena AI belum memiliki gambaran konkret tentang seperti apa jawaban yang dianggap benar.
Di sinilah teknik example-based prompting berguna. Sederhananya, kita tidak hanya memberi tahu AI apa yang harus dilakukan, tetapi juga menunjukkan contoh hasil yang diinginkan. Agar batasnya lebih jelas, kita bisa menambahkan kontra-contoh: hasil yang terlihat masuk akal, tetapi sebenarnya tidak sesuai.
Teknik ini cocok untuk pekerjaan yang membutuhkan gaya, struktur, atau keputusan yang konsisten—misalnya menulis deskripsi produk, mengelompokkan tiket pelanggan, merangkum laporan, atau mengubah catatan kasar menjadi format tertentu.
Mengapa contoh sering lebih efektif daripada instruksi panjang?
Bahasa manusia mudah menimbulkan tafsir ganda. Misalnya, kita meminta AI menulis dengan gaya “ringkas, ramah, dan profesional”. Bagi satu orang, itu berarti dua paragraf pendek. Bagi orang lain, itu berarti satu paragraf dengan bahasa formal dan tanpa sapaan.
Contoh membantu mengurangi ruang tafsir tersebut. AI dapat melihat pola yang perlu dipertahankan, seperti panjang kalimat, pilihan kata, urutan informasi, dan tingkat formalitas.
Bayangkan Anda meminta rekan kerja baru mengisi laporan dengan format tertentu. Menjelaskan semua aturan memang membantu, tetapi menunjukkan dua atau tiga laporan yang sudah benar biasanya jauh lebih cepat dipahami.
Bedakan contoh positif dan kontra-contoh
Contoh positif adalah contoh yang mewakili hasil yang Anda inginkan. Contoh ini menunjukkan pola yang harus diikuti.
Kontra-contoh adalah hasil yang tampak benar pada pandangan pertama, tetapi memiliki masalah tertentu. Kontra-contoh membantu AI memahami batasan yang tidak selalu mudah dijelaskan hanya dengan kalimat larangan.
Misalnya, Anda ingin membuat ringkasan keluhan pelanggan. Contoh positif dapat menunjukkan ringkasan yang fokus pada masalah dan tindakan yang dibutuhkan. Kontra-contohnya dapat menunjukkan ringkasan yang mengulang emosi pelanggan terlalu panjang atau menyimpulkan sesuatu yang tidak pernah disebutkan.
Gunakan kontra-contoh secukupnya. Jika terlalu banyak, prompt justru menjadi berat dan AI bisa bingung mana pola utama yang harus diikuti.
Struktur prompt yang bisa langsung dipakai
Berikut kerangka sederhana yang dapat Anda sesuaikan:
Anda membantu saya mengubah input menjadi output dengan aturan berikut:Tujuan:[Jelaskan pekerjaan yang harus dilakukan]Aturan:- [Aturan pertama]- [Aturan kedua]- [Hal yang harus dihindari]Contoh hasil yang benar:Input: [contoh input]Output: [contoh output yang diinginkan]Contoh hasil yang tidak benar:Input: [contoh input]Output: [contoh output yang salah]Masalahnya: [jelaskan mengapa output tersebut tidak sesuai]Sekarang kerjakan input berikut:[input aktual]Contoh: mengubah catatan rapat menjadi daftar tindakan
Misalkan Anda memiliki catatan rapat yang berantakan dan ingin mengubahnya menjadi daftar tindakan. Jangan hanya meminta AI “merapikan catatan”. Tunjukkan bentuk hasil yang Anda perlukan.
Ubah catatan rapat menjadi daftar tindakan. Untuk setiap tindakan, tampilkan: tugas, penanggung jawab, tenggat waktu, dan status informasi. Jika penanggung jawab atau tenggat waktu tidak disebutkan, tulis “belum ditentukan”. Jangan menebak informasi yang tidak ada.
Contoh benar:
Catatan: Tim konten akan memperbarui halaman harga. Rina mengerjakannya minggu depan.
Output: Tugas: memperbarui halaman harga. Penanggung jawab: Rina. Tenggat waktu: minggu depan. Status informasi: siap dikerjakan.
Contoh tidak benar:
Output: Rina akan memperbarui halaman harga pada Senin depan.
Masalahnya: hari Senin tidak pernah disebutkan, sehingga AI tidak boleh menambahkannya.
Perhatikan bahwa contoh tersebut tidak hanya menunjukkan format, tetapi juga memperjelas cara menangani informasi yang tidak lengkap. Ini penting karena AI cenderung membuat jawaban terdengar lengkap, meskipun sebagian detail sebenarnya merupakan tebakan.
Gunakan contoh yang mewakili kasus nyata
Contoh yang terlalu ideal sering tidak banyak membantu. Jika pekerjaan Anda biasanya berisi input yang pendek, ambigu, atau penuh kesalahan ketik, masukkan kondisi tersebut ke dalam contoh.
Untuk sistem klasifikasi, misalnya, jangan hanya memberi contoh tiket yang sangat jelas. Sertakan juga tiket yang bisa masuk ke dua kategori. Lalu jelaskan keputusan yang Anda inginkan.
- Contoh jelas: “Saya tidak bisa masuk karena kode OTP tidak diterima.” Kategori: masalah login.
- Contoh ambigu: “Aplikasi terus meminta kode, padahal sudah saya masukkan.” Kategori: masalah login, karena inti masalahnya tetap berada pada proses autentikasi.
- Kontra-contoh: “Saya ingin mengganti nomor telepon untuk menerima OTP.” Kategori: perubahan data akun, bukan masalah login.
Kasus ambigu seperti ini sering lebih berharga daripada contoh yang terlalu mudah karena menunjukkan cara berpikir di area abu-abu.
Jangan membuat contoh yang saling bertentangan
Jika dua contoh memberikan pola yang berbeda, AI akan kesulitan menentukan aturan mana yang lebih penting. Misalnya, satu contoh menggunakan bahasa formal, sementara contoh lain memakai bahasa santai, padahal Anda tidak menjelaskan kapan masing-masing gaya digunakan.
Periksa contoh Anda dengan tiga pertanyaan:
- Apakah semua contoh mengikuti format output yang sama?
- Apakah contoh tersebut menerapkan aturan yang sama?
- Apakah perbedaan hasil memang disebabkan oleh perbedaan input, bukan karena contoh dibuat secara tidak konsisten?
Jika jawabannya belum jelas, rapikan contoh terlebih dahulu. Prompt yang lebih pendek tetapi konsisten biasanya lebih berguna daripada prompt panjang yang penuh pengecualian.
Perbaiki prompt berdasarkan pola kesalahan
Jangan terus menambah instruksi setiap kali hasil AI kurang tepat. Simpan beberapa output yang bermasalah, lalu cari pola kesalahannya.
Jika AI sering menambahkan fakta, tambahkan kontra-contoh yang menunjukkan larangan tersebut. Jika AI terlalu panjang, berikan contoh dengan panjang yang sesuai. Jika AI salah membaca prioritas, tampilkan contoh ketika dua informasi saling bertentangan.
Pendekatan ini mengubah prompt dari dokumen aturan yang terus membesar menjadi panduan yang dibangun dari pengalaman nyata.
Yang bisa dilakukan sekarang
- Pilih satu tugas AI yang sering menghasilkan jawaban tidak konsisten.
- Ambil dua output yang menurut Anda sudah benar.
- Ambil satu output yang terlihat baik, tetapi memiliki kesalahan penting.
- Tulis alasan singkat mengapa masing-masing output benar atau salah.
- Masukkan contoh tersebut ke dalam prompt dan uji dengan input baru.
- Catat kesalahan yang masih berulang, lalu tambahkan contoh yang mewakili kesalahan itu.
Contoh dan kontra-contoh bukan pengganti penilaian manusia. Keduanya hanya membuat maksud kita lebih mudah dibaca oleh AI. Untuk pekerjaan yang menyangkut data sensitif, keputusan penting, atau informasi faktual, hasil tetap perlu diperiksa sebelum digunakan.
Jika prompt adalah briefing untuk pekerja digital, contoh adalah portofolionya. Semakin relevan dan konsisten contoh yang diberikan, semakin kecil kemungkinan AI hanya menebak-nebak apa yang kita maksud.
– Rio Yotto @rioyotto