Banyak orang memakai AI seperti mesin pencari: tulis pertanyaan, tekan kirim, lalu berharap jawaban pertama langsung tepat. Cara ini memang cepat, tetapi tidak selalu efisien. Ketika permintaan mengandung banyak asumsi—misalnya “buatkan strategi pemasaran untuk bisnis saya”—AI terpaksa menebak target pelanggan, anggaran, kanal promosi, dan tujuan akhirnya.
Masalahnya bukan semata-mata kemampuan AI. Masalahnya adalah konteks yang belum lengkap. Dokumentasi resmi tentang prompt engineering juga menekankan pentingnya instruksi yang jelas, konteks yang cukup, serta kriteria hasil yang ingin dicapai. ([docs.anthropic.com](https://docs.anthropic.com/en/docs/build-with-claude/prompt-engineering/prompt-templates-and-variables?utm_source=openai))
Salah satu teknik yang sederhana tetapi sering dilewatkan adalah meminta AI bertanya dulu sebelum mengerjakan tugas. Pola ini cocok untuk pekerjaan yang membutuhkan keputusan, seperti menyusun rencana konten, menganalisis data, menulis proposal, membuat kode, atau merancang alur kerja.
Mengapa AI perlu diberi izin untuk bertanya?
Secara default, banyak model akan berusaha memberikan respons meskipun informasi yang tersedia belum cukup. Dari sisi pengalaman pengguna, ini terasa membantu. Namun, respons yang cepat belum tentu respons yang benar-benar berguna.
Bayangkan Anda meminta seorang konsultan membuat anggaran renovasi rumah hanya dengan informasi “rumah saya ingin dibuat lebih bagus”. Konsultan yang langsung memberi angka mungkin terlihat percaya diri, tetapi hasilnya berisiko tidak sesuai kebutuhan. Konsultan yang baik akan bertanya: luas rumahnya berapa, ruangan mana yang direnovasi, gaya yang diinginkan seperti apa, dan berapa anggarannya.
AI juga membutuhkan proses serupa. Pertanyaan klarifikasi membantu mengurangi tiga masalah umum:
- Asumsi yang tidak terlihat, misalnya AI mengira pembaca artikel adalah pemula, padahal targetnya profesional.
- Output terlalu umum, karena tujuan, batasan, dan konteks belum dijelaskan.
- Revisi berulang, sebab kesalahan arah baru diketahui setelah jawaban panjang selesai dibuat.
Tambahkan “gerbang klarifikasi” ke dalam prompt
Anda tidak perlu membuat prompt yang rumit. Cukup tambahkan instruksi bahwa AI harus memeriksa kelengkapan informasi sebelum mulai bekerja.
Anda membantu saya mengerjakan tugas berikut: [jelaskan tugas].Sebelum memberikan hasil akhir:1. Periksa apakah informasi yang saya berikan sudah cukup.2. Jika ada informasi penting yang belum tersedia, ajukan maksimal 5 pertanyaan klarifikasi.3. Jangan membuat asumsi penting tanpa menyatakannya.4. Setelah saya menjawab, rangkum pemahaman Anda lalu kerjakan tugas tersebut.
Instruksi ini membuat percakapan memiliki dua tahap: memahami masalah lalu menghasilkan solusi. Untuk pekerjaan sederhana, Anda bisa mengurangi jumlah pertanyaan. Untuk pekerjaan yang berdampak besar, seperti analisis bisnis atau perubahan kode produksi, tahap klarifikasi sebaiknya dipertahankan.
Bedakan informasi wajib dan informasi tambahan
Salah satu risiko dari teknik ini adalah AI bertanya terlalu banyak. Jika semua hal dianggap wajib, percakapan justru menjadi lambat. Karena itu, jelaskan prioritas informasi yang dibutuhkan.
Contoh prompt untuk membuat kalender konten:
Saya ingin membuat kalender konten media sosial selama 30 hari untuk kedai kopi lokal.Sebelum membuat kalender:- Tanyakan hanya informasi yang benar-benar memengaruhi strategi.- Kelompokkan pertanyaan menjadi “wajib dijawab” dan “boleh dilewati”.- Jika saya tidak menjawab pertanyaan tambahan, lanjutkan dengan asumsi yang masuk akal dan tuliskan asumsi tersebut.- Jangan mulai membuat kalender sebelum informasi wajib terjawab.
Dengan format ini, Anda tidak perlu menjawab pertanyaan kecil yang tidak mengubah keputusan utama. Misalnya, warna logo mungkin berguna untuk desain visual, tetapi belum tentu diperlukan untuk menentukan tema konten.
Gunakan pilihan jawaban agar klarifikasi lebih cepat
Pertanyaan terbuka sering menghasilkan jawaban yang panjang atau tidak konsisten. Untuk mempercepat proses, minta AI menawarkan beberapa pilihan.
Jika membutuhkan informasi tentang target audiens, berikan 3–5 pilihan kategori yang paling relevan dan minta saya memilih salah satunya.
Contohnya, daripada bertanya “Siapa target pelanggan Anda?”, AI dapat menawarkan:
- Mahasiswa dengan anggaran terbatas.
- Pekerja kantoran yang membutuhkan kopi sebelum bekerja.
- Keluarga yang mencari tempat berkumpul.
- Penggemar kopi manual brew.
Teknik ini bukan berarti AI selalu mengetahui pilihan yang paling tepat. Pilihan tersebut hanya berfungsi sebagai titik awal agar pengguna lebih mudah mengoreksi arah.
Minta AI memisahkan fakta, asumsi, dan rekomendasi
Untuk tugas analisis, klarifikasi saja belum cukup. Anda juga perlu meminta AI menjelaskan dasar jawabannya. Ini penting karena model bahasa dapat menghasilkan kalimat yang terdengar meyakinkan meskipun sebagian isinya merupakan perkiraan.
Dalam jawaban Anda, pisahkan menjadi tiga bagian:1. Fakta yang berasal dari informasi saya.2. Asumsi yang Anda buat karena informasi belum lengkap.3. Rekomendasi yang merupakan hasil analisis Anda.Jika Anda tidak memiliki dasar yang cukup, katakan bahwa informasinya belum memadai.
Ini bukan jaminan bahwa semua jawaban AI otomatis benar. Namun, struktur tersebut membuat Anda lebih mudah melihat bagian mana yang perlu diverifikasi. Untuk informasi terbaru, angka, regulasi, atau keputusan yang berisiko, tetap gunakan sumber tepercaya dan jangan hanya mengandalkan respons model.
Contoh penggunaan untuk pekerjaan sehari-hari
Menulis email penting
Saya perlu menulis email kepada klien tentang keterlambatan proyek.Sebelum menulis, tanyakan tujuan email, tingkat formalitas, alasan keterlambatan, tanggal baru, dan tindakan yang saya tawarkan kepada klien.Setelah itu, buat versi yang singkat, sopan, dan tidak defensif.
Memperbaiki kode
Saya akan memberikan potongan kode yang bermasalah.Sebelum menyarankan perubahan, tanyakan bahasa pemrograman, versi yang digunakan, pesan error, hasil yang diharapkan, dan batasan perubahan.Jangan mengubah bagian yang tidak berkaitan dengan masalah utama.
Menyusun rencana belajar
Bantu saya membuat rencana belajar pemrograman selama 8 minggu.Sebelum menyusun rencana, tanyakan pengalaman saya, waktu belajar per minggu, tujuan akhir, perangkat yang tersedia, dan jenis proyek yang ingin dibuat.Jika ada informasi yang belum saya jawab, lanjutkan dengan asumsi yang diberi label jelas.
Kapan sebaiknya tidak memakai pola ini?
Teknik klarifikasi tidak harus digunakan untuk semua hal. Jika Anda hanya meminta definisi singkat, terjemahan satu kalimat, atau ide awal yang sifatnya eksploratif, terlalu banyak pertanyaan malah membuat proses terasa berat.
Gunakan pola ini ketika:
- hasilnya akan dipakai untuk keputusan penting;
- tugas memiliki banyak kemungkinan arah;
- konteks pribadi atau bisnis sangat menentukan hasil;
- kesalahan akan menimbulkan biaya, risiko, atau pekerjaan ulang;
- Anda ingin menghasilkan output yang konsisten berulang kali.
Yang bisa dilakukan sekarang
Pilih satu prompt yang sering Anda gunakan, lalu tambahkan tiga kalimat berikut:
Sebelum menjawab, periksa apakah informasi yang tersedia sudah cukup.Jika belum cukup, ajukan pertanyaan paling penting terlebih dahulu.Jangan menyembunyikan asumsi; tandai asumsi yang Anda gunakan.
Setelah beberapa kali mencoba, perhatikan apakah pertanyaan AI benar-benar membantu atau justru terlalu rinci. Sesuaikan jumlah pertanyaan, berikan batas waktu atau jumlah maksimal, dan tentukan kapan AI boleh melanjutkan dengan asumsi.
Tujuan akhirnya bukan membuat AI selalu berhenti untuk bertanya. Tujuannya adalah membuat AI tahu kapan harus bertanya dan kapan cukup mengambil langkah yang aman. Dalam banyak workflow, satu menit klarifikasi di awal dapat menghemat beberapa putaran revisi di belakang.
Sumber & bacaan lebih lanjut
– Rio Yotto @rioyotto