AI sering mengecewakan bukan karena modelnya selalu buruk, tetapi karena kita memberinya tugas yang terlalu besar dalam satu tarikan napas. Misalnya, “Buatkan strategi pemasaran lengkap untuk bisnis saya, termasuk riset audiens, kalender konten, anggaran, dan caption.” Permintaan seperti ini terlihat praktis, tetapi sebenarnya mencampur banyak pekerjaan dengan standar keberhasilan yang berbeda.
Untuk tugas sederhana, satu prompt mungkin sudah cukup. Namun untuk pekerjaan yang membutuhkan penilaian, data, atau beberapa keputusan, pendekatan yang lebih aman adalah membuat workflow bertahap: minta AI memahami masalah, menyusun pilihan, mengembangkan hasil, lalu mengaudit jawabannya sendiri.
Panduan resmi OpenAI juga menyarankan agar tugas kompleks dipecah menjadi bagian yang lebih kecil dan dikerjakan secara iteratif—artinya, kita meninjau hasil awal lalu memperbaiki instruksi berdasarkan keluaran tersebut. Panduan OpenAI tentang pembuatan prompt menjelaskan pendekatan ini sebagai cara untuk membuat interaksi dengan model lebih terarah.
Mengapa satu prompt panjang sering menghasilkan jawaban biasa saja?
Ketika banyak tujuan dimasukkan sekaligus, AI harus menebak prioritasnya. Apakah ia harus mengejar kelengkapan, kecepatan, gaya bahasa, akurasi, atau ide sebanyak mungkin? Jika semua dianggap penting, hasilnya sering menjadi panjang tetapi dangkal.
Masalah lain adalah kita belum sempat mengoreksi asumsi awal. Jika AI salah memahami target pembaca pada tahap pertama, kesalahan itu bisa terbawa ke seluruh artikel, rencana kerja, atau analisis berikutnya.
Workflow bertahap bekerja seperti membuat rancangan rumah. Kita tidak langsung meminta tukang memasang atap sebelum tahu ukuran tanah dan denahnya. Begitu pula dengan AI: pastikan arah dan bahan dasarnya benar sebelum meminta hasil final.
Workflow empat tahap yang bisa dipakai untuk berbagai tugas
1. Minta AI memetakan masalah terlebih dahulu
Pada tahap pertama, jangan langsung meminta hasil akhir. Minta AI merangkum tujuan, mengenali informasi yang kurang, dan menunjukkan bagian yang perlu diputuskan.
“Saya ingin membuat panduan penggunaan AI untuk tim layanan pelanggan. Sebelum memberi solusi, bantu petakan: tujuan utama, jenis pengguna, informasi yang masih kurang, risiko yang perlu diperhatikan, dan tiga keputusan yang harus saya buat terlebih dahulu. Jangan menulis panduan final.”
Tahap ini berguna karena AI dipakai sebagai alat berpikir, bukan sekadar mesin produksi teks. Anda juga bisa melihat apakah model memahami persoalan dengan benar. Jika arahnya keliru, koreksi sekarang lebih murah daripada memperbaiki hasil akhir yang sudah panjang.
2. Minta beberapa opsi dengan alasan yang jelas
Setelah masalah terpetakan, minta AI menyusun pilihan. Jangan hanya meminta “solusi terbaik”, karena kata terbaik selalu bergantung pada tujuan dan batasan.
“Berdasarkan konteks di atas, buat tiga pendekatan. Untuk setiap pendekatan, jelaskan manfaat, kelemahan, tingkat kesulitan, biaya atau sumber daya yang mungkin dibutuhkan, serta kondisi kapan pendekatan itu paling cocok. Jangan memilihkan satu opsi dulu.”
Dengan cara ini, AI membantu memperjelas trade-off—yaitu pertukaran antara satu keuntungan dan kerugian lain. Pilihan yang paling lengkap belum tentu paling realistis. Untuk tim kecil, solusi yang sederhana dan mudah dirawat sering lebih bernilai daripada sistem yang terlihat canggih.
3. Kembangkan satu opsi menjadi hasil kerja
Baru setelah memilih arah, minta AI menyusun output yang lebih konkret. Sertakan pilihan yang dipakai, audiens, format, batas panjang, dan kriteria keberhasilan.
“Gunakan pendekatan kedua. Buat rancangan workflow untuk tim berisi lima orang. Formatkan sebagai langkah bernomor. Setiap langkah harus memiliki tujuan, input yang dibutuhkan, output yang diharapkan, dan siapa yang bertanggung jawab. Gunakan bahasa yang praktis, bukan istilah teknis yang tidak perlu.”
Perhatikan bahwa prompt ini tidak lagi meminta AI menyelesaikan masalah dari nol. Konteksnya sudah lebih sempit, sehingga peluang keluaran yang relevan menjadi lebih besar.
4. Minta audit, bukan sekadar revisi
Tahap terakhir sering dilewatkan. Kita meminta AI memperhalus gaya bahasa, tetapi tidak meminta pemeriksaan terhadap asumsi dan kelemahan isi. Padahal, pemeriksaan semacam ini lebih berguna daripada sekadar membuat kalimat terdengar rapi.
“Audit rancangan di atas. Cari bagian yang masih kabur, asumsi yang belum dibuktikan, langkah yang berpotensi gagal, informasi yang perlu diverifikasi, dan instruksi yang mungkin disalahpahami anggota tim. Sajikan hasil audit dalam tabel dengan kolom: temuan, dampak, dan perbaikan yang disarankan.”
Audit ini bukan jaminan bahwa semua kesalahan akan ditemukan. AI tetap bisa melewatkan masalah atau menyampaikan kritik yang terlalu umum. Namun, format tersebut memaksa kita melihat hasil dari sudut pandang berbeda sebelum dipakai.
Contoh penerapan untuk pekerjaan sehari-hari
Misalnya Anda ingin membuat artikel blog tentang keamanan akun. Daripada langsung menulis artikel, gunakan urutan berikut:
- Minta AI mengidentifikasi pertanyaan utama pembaca dan miskonsepsi yang umum.
- Minta tiga struktur artikel dengan tingkat kedalaman berbeda.
- Pilih satu struktur, lalu minta pengembangan setiap bagian dengan contoh konkret.
- Minta audit terhadap klaim yang membutuhkan verifikasi, saran yang berisiko, dan bagian yang terlalu umum.
Untuk pekerjaan kantor, pola yang sama bisa dipakai saat membuat proposal, SOP, ringkasan rapat, rencana proyek, atau analisis umpan balik pelanggan. Bedanya hanya pada kriteria audit. Proposal perlu diperiksa dari sisi asumsi biaya dan manfaat. Ringkasan rapat perlu diperiksa dari sisi keputusan dan penanggung jawab. Analisis pelanggan perlu diperiksa dari sisi bias dan data yang kurang.
Kapan workflow ini tidak perlu digunakan?
Jangan membuat proses sederhana menjadi rumit. Jika Anda hanya ingin menerjemahkan satu paragraf, merapikan daftar belanja, atau mencari beberapa alternatif judul, satu prompt langsung biasanya cukup.
Gunakan workflow bertahap ketika tugas memiliki setidaknya satu dari ciri berikut:
- hasilnya akan dipakai untuk mengambil keputusan;
- ada lebih dari satu tujuan yang harus diseimbangkan;
- kesalahan dapat menimbulkan biaya, kebingungan, atau risiko;
- Anda belum yakin apakah masalahnya sudah dirumuskan dengan benar;
- hasil akhir perlu mengikuti format atau standar tertentu.
Yang bisa dilakukan sekarang
Pilih satu pekerjaan yang sering membuat Anda bolak-balik meminta revisi kepada AI. Pecah menjadi empat percakapan kecil: petakan masalah, bandingkan pilihan, kembangkan hasil, lalu audit.
Simpan prompt yang terbukti membantu, tetapi jangan menganggapnya sebagai mantra yang selalu berhasil. Konteks, kualitas input, dan kebutuhan Anda bisa berubah. OpenAI juga menekankan pentingnya meninjau jawaban awal dan memperbaiki prompt secara iteratif, bukan mengejar satu susunan kata yang dianggap sempurna. Panduan praktik prompt OpenAI menyebut proses pengulangan ini sebagai bagian penting dari prompt engineering.
Intinya, AI tidak harus selalu diberi perintah untuk langsung menghasilkan jawaban final. Sering kali, hasil yang lebih dapat dipakai muncul ketika AI diajak melewati proses berpikir yang terstruktur—sementara manusia tetap memegang keputusan akhir, memeriksa fakta, dan menilai apakah hasilnya benar-benar sesuai kebutuhan.
Sumber & bacaan lebih lanjut
– Rio Yotto @rioyotto