Prompt Makin Panjang tapi Hasil AI Tetap Meleset: Yang Kurang Adalah Konteks Bisnis

Prompt yang makin panjang tetap bisa bikin hasil AI meleset karena yang kurang adalah konteks bisnis: cara kerja, standar, dan keputusan khas bisnismu yang belum pernah ditulis. Solusinya, tulis satu operating recipe untuk tiap proses yang berulang, lalu perbaiki resep itu lewat review loop setiap kali kamu harus mengoreksi hasil AI.
Bagian dari playbook: Playbook Prompt ChatGPT
Di artikel ini kita bongkar mekanismenya, contoh resep yang bisa kamu tiru, cara menyusunnya minggu ini, dan kapan cara ini justru tidak membantu.
Coba kamu bayangin dua cara minta AI membalas chat komplain
Misalnya kamu jualan skincare lokal lewat marketplace dan WhatsApp. Seorang pembeli komplain: paketnya telat tiga hari dan botol serumnya bocor.
Cara pertama: prompt panjang. Kamu menulis lima paragraf instruksi. “Kamu adalah customer service profesional. Jawab dengan sopan dan empatik. Jangan defensif. Tawarkan solusi. Pakai bahasa santai, tapi jangan terlalu santai. Jangan pakai emoji berlebihan.” Dan seterusnya.
Hasilnya rapi dan sopan. Masalahnya, AI menawarkan refund penuh, padahal kebijakanmu adalah kirim ulang produk setelah ada video unboxing. AI juga minta maaf panjang lebar soal kurir, dengan nada yang lebih mirip surat resmi bank daripada admin toko yang akrab.
Cara kedua: prompt pendek, tapi AI sudah memegang resep. Isinya kebijakan produk bocor, kapan refund boleh ditawarkan, kapan kasus harus diteruskan ke kamu, tiga balasan lama yang disukai pembeli, dan satu balasan yang terlalu kaku beserta alasannya.
Nah, perhatikan bedanya. Instruksi soal sopan dan empatik ada di kedua cara. Cara kedua punya sesuatu yang mustahil ditebak AI: aturan dan selera bisnismu sendiri. Itulah yang mengubah hasil.
Kenapa prompt yang makin panjang tidak otomatis bikin hasil lebih tepat
Ada tiga mekanisme yang bekerja di sini. Begitu kamu paham ketiganya, kamu akan berhenti menambah kalimat ke prompt setiap kali hasilnya kurang pas.
Baca jugaPrompt & ChatGPTPrompt Otomatis Buat Nagih Invoice Telat, Sopan tapi Tetap Tegas
Instruksi menjelaskan tugas, konteks bisnis menjelaskan cara kerjanya di tempatmu
Sebagian besar tambahan dalam prompt panjang adalah instruksi umum: sopan, ringkas, persuasif, profesional. Model sudah tahu cara bersikap sopan. Yang tidak dia tahu adalah definisi sopan versi pelangganmu, batas kompensasi yang boleh ditawarkan, atau produk mana yang sedang kosong.
Dokumentasi prompting best practices dari Anthropic menyarankan kita memperlakukan model seperti karyawan baru yang cerdas namun belum paham norma dan alur kerja kita. Dokumen yang sama juga menyebut bahwa menjelaskan alasan di balik instruksi membantu model memberi jawaban yang lebih tertarget.
Jadi menambah sepuluh kata sifat tidak menambah pengetahuan. Menambah satu aturan keputusan beserta alasannya bisa langsung menggeser hasil.
Perhatian model terbatas, dan informasi penting bisa tertimbun
Dalam tulisan Effective context engineering for AI agents, Anthropic menjelaskan fenomena yang mereka sebut context rot. Makin banyak token di dalam konteks, kemampuan model mengingat informasi dari konteks itu cenderung menurun.
Mereka menyebut konteks sebagai sumber daya terbatas dengan manfaat yang makin mengecil, semacam “anggaran perhatian”. Setiap token baru ikut memakai anggaran itu.
Riset Lost in the Middle oleh Liu dan rekan (2023) menemukan pola yang sejalan. Performa model sering paling tinggi saat informasi relevan ada di awal atau akhir konteks. Performanya turun saat informasi penting terselip di tengah konteks panjang.
Artinya praktis: aturan refund yang kamu tulis di paragraf keempat dari delapan paragraf bisa tertimbun oleh instruksi gaya yang sebenarnya kurang penting. Satu catatan batas: riset itu menguji model tahun 2023. Model yang lebih baru bisa menurun lebih landai, walau Anthropic menyebut gejala ini tetap muncul di semua model.
Daftar larangan yang terus ditambah bikin prompt rapuh
Pola yang sering terjadi begini. Hasil AI salah, lalu kamu tambah satu kalimat “jangan begini”. Hasil salah lagi di tempat lain, lalu kamu tambah “jangan begitu”. Lama-lama prompt jadi tumpukan tambalan.
Artikel Anthropic yang sama menyebut dua kegagalan umum. Ujung pertama adalah logika kaku dan rumit yang di-hardcode ke prompt. Ujung kedua adalah arahan kabur yang menganggap model sudah berbagi konteks dengan kita.
Mereka juga tidak merekomendasikan menjejalkan daftar panjang kasus pengecualian. Saran mereka adalah menyusun sekumpulan contoh yang beragam dan mewakili perilaku yang diharapkan. Prompt panjang sering terjebak di dua ujung sekaligus: banyak larangan spesifik, sementara konteks dasar bisnisnya tetap tidak pernah ditulis.
Operating recipe: cara ngajarin AI proses bisnis yang nyata
Operating recipe adalah dokumen kerja untuk satu proses berulang, ditulis supaya AI, dan juga orang baru, bisa menjalankannya sesuai standar bisnismu. Prompt adalah permintaan untuk satu kali jalan. Resep adalah cara kerja yang dipakai ulang setiap kali proses itu muncul.
Resep yang berguna biasanya punya lima komponen:
- Tujuan dan hasil akhir. Untuk apa output ini dipakai, siapa pembacanya, dan seperti apa kondisi “selesai”.
- Input. Data apa yang akan kamu berikan setiap kali, dan apa yang harus AI tanyakan kalau datanya kurang.
- Aturan keputusan. Kalau kondisi A terjadi, lakukan tindakan B, karena alasan C. Alasannya ikut ditulis supaya AI bisa menalar kasus yang mirip.
- Standar kualitas dan contoh. Dua sampai tiga contoh output nyata yang kamu anggap bagus, plus satu contoh jelek dengan catatan kenapa jelek.
- Batas dan eskalasi. Keputusan yang tidak boleh diambil AI, dan fakta yang wajib dicek manusia sebelum dikirim.
Perhatikan komponen ketiga dan keempat. Keduanya adalah isi yang paling sering hilang dari prompt panjang. Di sinilah pengetahuan bisnismu tinggal: kebiasaan keputusan yang selama ini cuma ada di kepala kamu.
Resep dan memori adalah dua lapis yang berbeda
Kalau masalahmu adalah AI lupa semua konteks setiap kali ganti chat, itu soal tempat menyimpan. Topik itu dibahas di artikel tentang memori AI yang hilang dalam pemakaian bisnis.
Resep menjawab pertanyaan berikutnya: apa yang layak disimpan dan bagaimana menulisnya. Prinsip dasar soal kenapa konteks lebih menentukan daripada prompt panjang juga sudah ada di artikel terpisah. Bagian ini melangkah lebih jauh, yaitu mengubah konteks itu menjadi dokumen yang bisa dipelihara.
Review loop: resep yang ikut belajar dari koreksi kamu
Resep pertama hampir pasti belum lengkap. Wajar. Yang membuatnya makin tajam adalah review loop, yaitu kebiasaan memindahkan setiap koreksi ke dalam resep.
Mekanismenya sederhana. Koreksi yang kamu ketik di chat hanya berlaku untuk chat itu. Koreksi yang kamu tulis di resep berlaku untuk semua pekerjaan berikutnya. Jadi setiap kali kamu mengedit hasil AI, itu adalah bahan untuk memperbaiki resep.
Caranya:
- Jalankan resep pada pekerjaan nyata, lalu edit hasilnya seperti biasa.
- Catat jenis koreksinya. Apakah faktanya salah, aturannya belum ada, aturannya ada tapi diabaikan, atau ini soal gaya?
- Pilih perbaikan yang sesuai jenisnya:
- Fakta salah: perbaiki sumber datanya, misalnya daftar harga atau stok.
- Aturan belum ada: tambahkan aturan beserta alasannya.
- Aturan diabaikan: pindahkan ke bagian awal, perjelas kalimatnya, atau tambahkan contoh.
- Gaya kurang pas: ganti atau tambah contoh output, jangan tambah kata sifat.
- Uji ulang ke kasus lama yang sebelumnya sudah benar, supaya perbaikan baru tidak merusak hasil lama.
- Pangkas aturan yang sudah tidak dipakai, karena resep yang gemuk kembali kena masalah anggaran perhatian tadi.
Review loop juga sering membuka hal yang tidak enak. Kadang AI terlihat “tidak konsisten” karena kamu sendiri belum konsisten. Hari ini kamu bilang singkat itu tiga kalimat, minggu depan lima. Soal ini, ada pembahasan tentang satu kata ambigu yang bisa menggeser hasil AI yang layak kamu baca.
Cara solopreneur mendokumentasikan proses bisnis jadi resep untuk AI
Kebanyakan pemilik usaha kecil tidak punya SOP tertulis. Prosesnya ada di kepala, dan itu wajar untuk tim tipis. Kabar baiknya, kamu tidak perlu menulis SOP dari nol dengan format formal. Kamu cukup menangkap cara kamu sendiri mengerjakannya.
Langkah yang bisa kamu jalankan:
- Pilih satu proses yang berulang setiap minggu dan hasil AI-nya paling sering kamu edit. Contohnya membalas komplain, menulis deskripsi produk, atau menyusun penawaran.
- Kerjakan sekali sambil bicara. Rekam voice note saat kamu mengerjakan proses itu, dan jelaskan kenapa kamu mengambil tiap keputusan. Lalu transkripsikan.
- Kumpulkan contoh nyata. Ambil tiga hasil yang kamu anggap bagus dan satu yang menurutmu gagal.
- Tarik aturan keputusan dari transkrip. Kalimat seperti “kalau pesanannya korporat, saya selalu tanya tanggal kirim dulu” adalah aturan yang selama ini tersembunyi.
- Susun resep dengan lima komponen di atas, sependek yang masih jelas.
- Uji dengan kasus lama. Bandingkan hasil AI dengan yang benar-benar kamu kirim dulu.
- Simpan di tempat yang dibaca AI setiap sesi, misalnya instruksi di fitur project, custom GPT, atau dokumen yang kamu tempel di awal percakapan.
Contoh resep ringkas (ilustrasi)
Misalnya ada toko hampers di Surabaya yang sering menerima permintaan hampers custom dari perusahaan. Resepnya kira-kira seperti ini:
- Tujuan: membalas pertanyaan awal klien korporat dan mengumpulkan data yang dibutuhkan untuk penawaran. Hasil akhirnya adalah satu balasan WhatsApp yang siap dikirim admin.
- Input: isi chat klien, katalog terbaru, dan kalender produksi bulan ini.
- Aturan keputusan: kalau klien belum menyebut tanggal kirim, tanyakan dulu sebelum bicara harga, karena kapasitas produksi menentukan apa yang bisa ditawarkan. Kalau jumlah pesanan di atas batas kapasitas mingguan, teruskan ke pemilik.
- Standar dan contoh: tiga balasan lama yang berujung order, satu balasan yang terlalu panjang dan membuat klien berhenti membalas.
- Batas: AI tidak boleh menjanjikan tanggal kirim atau memberi potongan harga. Dua hal itu diputuskan pemilik.
Lihat, tidak ada satu pun kalimat soal “jawab dengan profesional”. Semua isinya adalah keputusan bisnis. Kalau kamu ingin melihat pembanding lain, ada juga contoh prompt kasus bisnis yang tepat dan yang meleset.
Kenapa ini penting kalau timmu tipis
Untuk bisnis dengan dua sampai lima orang, resep memberi tiga manfaat sekaligus.
Pertama, resep itu sekaligus SOP untuk manusia. Admin baru atau freelancer bisa membaca dokumen yang sama dengan yang dibaca AI. Kamu menulis sekali, dua pihak terbantu.
Kedua, pengetahuan pindah dari kepala ke dokumen. Selama keputusan hanya ada di kepala pemilik, setiap pekerjaan tetap bergantung pada kamu. Padahal keahlian yang sudah kamu punya adalah aset bisnis. Resep adalah cara menuliskan aset itu supaya bisa dipakai orang lain.
Ketiga, resep bisa dipindah antar alat. Resep berupa teks biasa. Kalau besok kamu pindah dari satu model ke model lain, resepnya ikut pindah. Kamu tinggal menguji ulang, karena tiap model bisa merespons sedikit berbeda.
Jebakannya: kapan resep ini tidak menolong
Cara ini punya batas. Ini penting, saya ulang ya, ini penting, supaya kamu tidak kecewa:
- Prosesnya belum stabil. Kalau cara kerjamu masih berubah setiap minggu, resep hanya membekukan kekacauan. Rapikan prosesnya dulu.
- Tugasnya sekali jalan. Untuk brainstorming atau eksplorasi ide, prompt biasa sudah cukup. Resep layak dibuat untuk pekerjaan yang berulang.
- Resepnya kegemukan. Kalau setiap koreksi hanya ditambah tanpa dipangkas, resep berubah jadi prompt panjang versi baru. Masalah perhatian model kembali muncul.
- Fakta yang cepat berubah ditulis di dalam resep. Harga, stok, dan promo sebaiknya ada di sumber data terpisah yang selalu diperbarui, lalu dicek manusia sebelum dikirim.
- Data sensitif ikut masuk. Jangan menempel data pribadi pelanggan sembarangan. Cek dulu kebijakan data alat AI yang kamu pakai.
- Keputusan berisiko tinggi. Resep yang bagus tetap tidak menjamin AI benar. Untuk kontrak, harga besar, atau keluhan serius, persetujuan manusia tetap wajib.
- Masalahnya ada di hulu. Balasan chat yang rapi tidak menyelamatkan penawaran yang lemah atau unit ekonomi yang bermasalah. AI hanya memperbesar apa yang sudah ada.
Mulai minggu ini: satu proses, satu resep, satu putaran review
Kamu tidak perlu membangun sistem besar. Cukup satu putaran kecil:
- Pilih satu proses berulang yang hasil AI-nya paling sering kamu edit.
- Rekam dirimu mengerjakannya sambil menjelaskan alasan setiap keputusan.
- Tulis resep dengan lima komponen: tujuan, input, aturan keputusan, contoh, batas.
- Pakai resep itu untuk pekerjaan nyata sepanjang minggu.
- Di akhir minggu, pindahkan setiap koreksi ke resep, lalu uji ulang ke kasus lama.
Satu pemikiran yang semoga nempel: prompt adalah permintaan, resep adalah cara kerja. AI yang memegang cara kerjamu tidak perlu dibujuk dengan instruksi panjang setiap hari.
Kalau kamu ingin dibimbing menyusun resep-resep seperti ini sampai jadi sistem AI untuk bisnismu sendiri, kamu bisa lihat Program Mentoring AI.
Pertanyaan yang sering muncul
Apa beda operating recipe dengan SOP biasa?
Isinya mirip, yaitu cara menjalankan satu proses. Bedanya, operating recipe sengaja memuat hal yang dibutuhkan AI: aturan keputusan beserta alasannya, contoh output bagus dan jelek, serta batas keputusan yang wajib diteruskan ke manusia. Dokumen yang sama tetap bisa dibaca karyawan baru.
Apakah saya perlu alat khusus untuk menyimpan resep?
Tidak perlu. Resep cukup berupa dokumen teks. Kamu bisa menyimpannya di instruksi fitur project, custom GPT, atau menempelkannya di awal percakapan. Yang penting, AI membaca resep yang sama setiap kali proses itu dijalankan.
Seberapa panjang resep yang ideal?
Sependek yang masih jelas. Ukurannya fungsi, bukan jumlah kata: setiap baris harus mengubah keputusan atau hasil AI. Kalau ada aturan yang tidak pernah dipakai, pangkas saat review loop supaya informasi penting tidak tertimbun.
Kenapa AI tetap mengabaikan aturan yang sudah ada di resep?
Biasanya aturan itu tertimbun di tengah dokumen yang panjang, kalimatnya ambigu, atau tidak ada contohnya. Coba pindahkan aturan itu ke bagian awal, tulis ulang dengan kondisi dan tindakan yang jelas, lalu tambahkan satu contoh nyata.



