Prompt & ChatGPTAI untuk Produktivitas & Operasional

Kenapa Revisi Prompt Asal Ulang Bikin Kerjaan AI Muter-Muter, Diagnosis Dulu Kesalahannya

Kenapa Revisi Prompt Asal Ulang Bikin Kerjaan AI Muter-Muter, Diagnosis Dulu Kesalahannya

Hasil AI yang tidak sesuai biasanya muncul karena satu dari tiga hal: AI salah paham tujuanmu, AI kekurangan konteks, atau AI mengisi kekosongan dengan asumsi karangan. Kalau kamu cuma bilang “ulang, kurang bagus”, AI tidak tahu mana yang rusak. AI hanya menebak arah baru. Makanya, diagnosis jenis kesalahannya dulu, baru revisi bagian yang memang bermasalah.

Kedengarannya sepele. Tapi di sinilah banyak jam kerja hilang tanpa terasa.

Coba kamu bayangin dua orang yang minta hal yang sama

Misalnya ada dua pemilik toko online skincare. Keduanya minta AI menulis deskripsi produk untuk serum baru.

Orang pertama dapat hasil yang terasa “kurang”. Dia ketik “kurang menarik, coba lagi”. Hasil kedua lebih heboh, penuh kata seru. Dia ketik “terlalu lebay”. Hasil ketiga jadi kaku. Dia ketik “lebih santai dong”. Lima putaran kemudian, deskripsinya masih belum pas. Ujungnya dia tulis sendiri sambil kesal.

Orang kedua dapat hasil yang sama-sama meleset. Bedanya, dia berhenti sebentar dan bertanya: “Melesetnya di mana?” Dia sadar deskripsi itu ditulis untuk pembaca umum. Padahal pembelinya kebanyakan orang dengan kulit sensitif yang takut iritasi. Masalahnya ada di konteks. Dia menambahkan satu paragraf tentang siapa pembelinya dan apa ketakutan mereka. Hasil berikutnya langsung lebih dekat.

Keduanya sama-sama merevisi. Yang membedakan, orang kedua tahu apa yang sedang dia perbaiki.

Kenapa “coba lagi” jarang memperbaiki hasil AI?

Ada tiga mekanisme yang bikin revisi asal ulang terasa muter-muter.

Baca jugaPrompt & ChatGPTKenapa Revisi AI Berkali-Kali Bikin Pesan Aslimu Hilang Pelan-Pelan

Umpan balik yang kabur tidak membawa informasi baru

“Kurang bagus” itu penilaian, belum petunjuk. AI tidak bisa membaca isi kepalamu. Jadi ketika kamu menolak hasil tanpa alasan, model akan mencoba variasi lain secara acak. Kadang kebetulan pas. Lebih sering, dia membenahi hal yang sebenarnya sudah benar dan membiarkan sumber masalahnya tetap ada.

Dokumentasi Anthropic menyarankan untuk memperlakukan Claude seperti karyawan baru yang cerdas tapi belum paham norma dan alur kerjamu. Mereka juga menulis bahwa makin presisi kamu menjelaskan keinginanmu, makin baik hasilnya (Anthropic, panduan prompt “Be clear and direct”). Karyawan baru yang cuma dibilang “ulang” juga akan bingung, kan?

Percakapan panjang menumpuk asumsi lama

Ini mekanisme yang jarang disadari. Setiap kali kamu revisi di chat yang sama, jawaban-jawaban lama tetap ada di percakapan. Asumsi yang salah di awal bisa terus terbawa.

Sebuah paper dari peneliti Microsoft dan Salesforce yang terbit Mei 2025 menguji ini lewat simulasi besar. Mereka menemukan model bahasa besar cenderung membuat asumsi di giliran awal percakapan, terburu-buru memberi solusi final, lalu terlalu bergantung pada solusi itu. Dalam eksperimen mereka, rata-rata performa di percakapan multi-giliran turun 39% dibanding instruksi lengkap sekali jalan, di enam jenis tugas generasi (Laban dkk., “LLMs Get Lost In Multi-Turn Conversation”, arXiv 2025).

Angka itu berasal dari setting simulasi penelitian, jadi jangan dibaca sebagai angka pasti untuk chat kamu sehari-hari. Tapi polanya penting: kalau AI sudah salah belok di awal, menambah revisi di atasnya sering tidak menolong.

AI lebih suka menebak daripada mengaku tidak tahu

Ketika informasi kurang, model punya kecenderungan mengisi celahnya sendiri. Paper “Why Language Models Hallucinate” (September 2025) menjelaskan bahwa proses pelatihan dan evaluasi model cenderung memberi nilai lebih pada tebakan dibanding pengakuan ragu. Analoginya mirip murid yang menjawab asal saat ujian, karena jawaban kosong pasti nol (Kalai dkk., arXiv 2025).

Artinya, kalau kamu tidak memberi data, AI tetap akan menghasilkan sesuatu yang terdengar meyakinkan. Revisi “coba lagi” hanya menghasilkan tebakan baru yang sama tidak berdasarnya.

Tiga jenis kesalahan AI yang perlu kamu bedakan sebelum revisi

Diagnosis di sini sederhana. Kamu cukup menentukan kesalahan output masuk ke kelompok mana. Tiap kelompok punya obat yang berbeda, jadi salah diagnosis berarti salah obat.

Salah paham tujuan: hasilnya rapi, tapi untuk pekerjaan lain

Ciri-cirinya: tulisan atau analisisnya sebenarnya bagus, tapi menjawab pertanyaan yang berbeda. Kamu minta ringkasan rapat untuk atasan yang mau ambil keputusan, AI malah membuat notulen kronologis lengkap. Kamu minta ide promo untuk menghabiskan stok lama, AI memberi ide promo produk baru.

Penyebabnya biasanya instruksi tugas yang ambigu. Kata seperti “buatkan”, “rapikan” atau “bantu” bisa berarti banyak hal.

Obatnya: tulis ulang tujuan akhir dan siapa yang akan memakai hasilnya. Contoh: “Ringkasan ini dibaca direktur dalam dua menit untuk memutuskan apakah proyek dilanjutkan. Taruh rekomendasi di kalimat pertama.” Jangan sibuk mengubah gaya bahasa kalau tujuannya yang meleset.

Kurang konteks: hasilnya benar, tapi generik

Ciri-cirinya: jawaban terasa seperti artikel umum di internet. Tidak salah, tapi bisa dipakai siapa saja. Caption-nya cocok untuk semua brand. Saran bisnisnya cocok untuk semua industri.

Penyebabnya: AI tidak tahu hal-hal yang menurutmu sudah jelas. Siapa pembelimu, apa yang membuat produkmu beda, kata apa yang biasa dipakai pelangganmu, apa yang sudah pernah dicoba dan gagal.

Obatnya: tambah bahan. Anthropic juga menyarankan menjelaskan alasan di balik instruksi, karena konteks itu membantu model memberi respons yang lebih terarah (sumber yang sama). Satu kalimat “karena pembeli kami takut iritasi” bisa mengubah seluruh nada tulisan.

Mengarang asumsi: hasilnya meyakinkan, tapi isinya tidak ada dasarnya

Ciri-cirinya: muncul angka, nama fitur, kebijakan, testimoni, atau fakta yang tidak pernah kamu berikan. Ini jenis paling berbahaya, karena tampilannya paling meyakinkan.

Penyebabnya: AI diminta menghasilkan sesuatu yang datanya tidak tersedia, lalu mengisi celah dengan tebakan.

Obatnya ada beberapa, dan dokumentasi Anthropic tentang mengurangi halusinasi menyebut tiga di antaranya (Anthropic, “Reduce hallucinations”):

  • Beri izin eksplisit untuk menjawab “saya tidak punya cukup informasi”.
  • Untuk dokumen panjang, minta AI mengutip kalimat persis dari dokumen sebelum menganalisis.
  • Minta setiap klaim disertai kutipan pendukung, lalu cabut klaim yang tidak punya kutipan.

Menambah konteks memang membantu di sini. Tapi kuncinya adalah membuka jalan keluar untuk ketidaktahuan. Tanpa izin itu, AI cenderung terus menebak.

Ada satu kelompok kecil tambahan: salah format. Isinya pas, tapi terlalu panjang, salah bentuk, atau tidak pakai poin. Ini paling gampang diperbaiki. Cukup sebutkan batasan dan format yang kamu mau secara spesifik.

Alur empat langkah: diagnosis dulu, baru revisi

Ini alur yang bisa kamu pakai setiap kali output AI meleset. Langkahnya berurutan, karena tiap langkah memakai hasil langkah sebelumnya.

1. Tulis satu kalimat tentang apa yang meleset. Jangan berhenti di “kurang bagus”. Paksa dirimu menyebut gejalanya. Misalnya: “Deskripsinya cocok untuk semua orang, padahal pembeli saya kulit sensitif.” Kalau kamu tidak bisa menulis kalimat ini, mungkin masalahnya ada di kamu yang belum yakin maunya apa. Itu juga temuan penting.

2. Tentukan jenis kesalahannya dengan tiga pertanyaan.

  • Apakah AI mengerjakan tugas yang benar? Kalau tidak, ini salah paham tujuan.
  • Apakah hasilnya bisa dipakai bisnis lain tanpa diubah? Kalau iya, ini kurang konteks.
  • Apakah ada fakta, angka, atau nama yang tidak pernah saya berikan? Kalau ada, ini mengarang asumsi.

3. Revisi satu hal yang sesuai jenisnya. Salah tujuan, perbaiki instruksi tugas. Kurang konteks, tambah bahan. Mengarang asumsi, beri data atau izin untuk bilang tidak tahu. Kalau kamu mengubah lima hal sekaligus, kamu tidak akan tahu perubahan mana yang berpengaruh.

4. Cek hasilnya, lalu putuskan: lanjut di chat ini atau mulai baru. Kalau AI sudah salah belok sejak awal dan dua kali revisi tetap muter, pindah ke chat baru. Tulis satu prompt lengkap yang sudah memuat semua perbaikan. Ini sejalan dengan temuan paper multi-giliran di atas: instruksi lengkap sekali jalan cenderung lebih stabil daripada tambal sulam.

Setelah prompt-nya berhasil, simpan versi finalnya. Perbaikan yang kamu temukan lewat diagnosis itu aset. Kalau dibuang, kamu akan mengulang diagnosis yang sama minggu depan. Soal ini pernah saya bahas lebih jauh di artikel tentang kenapa prompt sekali pakai bikin kerjaan berulang.

Contoh penerapan: email penawaran untuk klien B2B

Ilustrasi berikut hipotetis, untuk menunjukkan cara diagnosis bekerja.

Misalnya kamu punya usaha jasa katering kantor di Surabaya. Kamu minta AI: “Buatkan email penawaran katering untuk perusahaan.”

Hasil pertama: email sopan, menyebut “menu bergizi dan harga bersaing”, plus klaim “dipercaya lebih dari 200 perusahaan”.

Sekarang diagnosis:

  • Tujuan? Email penawaran, sudah benar. Tujuan aman.
  • Generik? Iya. Email ini bisa dikirim katering mana pun. Kurang konteks.
  • Ada fakta karangan? Ada. Angka “200 perusahaan” tidak pernah kamu berikan. Mengarang asumsi.

Jadi ada dua masalah, dan masing-masing punya obat sendiri. Revisinya bisa seperti ini:

“Konteks: kami katering kantor yang melayani makan siang harian untuk tim 20 sampai 80 orang. Keunggulan kami: menu berganti tiap hari dalam siklus dua minggu, dan bisa pesan porsi khusus untuk karyawan vegetarian. Target email ini HR manager yang sedang mencari vendor baru. Jangan menulis angka klien, testimoni, atau klaim yang tidak ada di konteks ini. Kalau ada informasi yang kamu butuhkan tapi belum ada, tulis sebagai pertanyaan di akhir.”

Perhatikan kalimat terakhir. Kamu membuka jalan buat AI untuk bertanya, alih-alih menebak.

Minta AI ikut mendiagnosis, tapi tetap kamu yang memutuskan

Kamu juga bisa meminta AI membantu menemukan celahnya sebelum mengerjakan. Contoh prompt yang bisa kamu modifikasi:

“Sebelum mengerjakan, sebutkan: (1) tujuan tugas ini menurut pemahamanmu, (2) asumsi yang kamu buat karena informasinya belum ada, (3) pertanyaan yang perlu saya jawab supaya hasilnya tepat.”

Teknik ini membuat asumsi AI terlihat sebelum terlanjur jadi output panjang. Kalau poin (1) sudah meleset, kamu tahu masalahnya salah paham tujuan. Kalau poin (2) panjang, berarti konteksmu memang tipis.

Batasnya: diagnosis dari AI juga bisa keliru. Model bisa saja tidak menyebut asumsi yang sebenarnya dia pakai. Jadi pakai daftar ini sebagai bahan cek, lalu putuskan sendiri.

Kenapa ini penting buat bisnis dengan tim tipis

Di bisnis kecil, orang yang memakai AI biasanya juga yang membalas chat pelanggan, mengurus stok, dan mengecek iklan. Waktu revisi yang muter-muter langsung memotong jam kerja yang lain.

Ada juga risiko yang lebih mahal dari waktu. Jenis kesalahan ketiga, mengarang asumsi, bisa lolos ke publik kalau kamu cuma fokus membenahi gaya bahasa. Bayangkan klaim produk yang tidak benar masuk ke deskripsi marketplace atau email ke klien. Memperbaikinya setelah terkirim jauh lebih repot.

Diagnosis juga membantu kalau kamu mulai mendelegasikan pemakaian AI ke admin atau tim. Tiga pertanyaan di langkah dua bisa jadi SOP singkat. Tim tidak perlu jago prompt untuk bisa bilang “ini kurang konteks” atau “ini ada angka karangan”.

Kapan diagnosis ini tidak perlu, dan jebakannya

Diagnosis punya ongkos waktu juga. Ada situasi ketika langsung minta ulang justru lebih masuk akal.

  • Tugas sekali pakai yang ringan. Minta tiga alternatif judul email? Kalau tidak suka, minta lagi saja. Diagnosis berguna untuk pekerjaan yang berulang atau berisiko.
  • Brainstorming. Saat kamu memang mencari variasi, “coba lagi” adalah fungsinya. Yang kamu butuhkan di sini adalah keberagaman ide, belum ketepatan.
  • Batas kemampuan alat. Kalau kamu minta data terbaru dan alatnya tidak punya akses ke sumber itu, revisi prompt tidak akan menolong. Beri datanya sendiri atau pakai alat lain.
  • Kamu sendiri belum tahu maunya apa. Ini jebakan paling sering. Kalau di langkah pertama kamu tidak bisa menulis kalimat gejala, masalahnya ada sebelum prompt. Tentukan dulu standar “cukup bagus”, seperti yang saya bahas di artikel tentang cara menemukan titik berhenti saat kerja dengan AI.
  • Terlalu lama mendiagnosis. Kalau kamu menghabiskan setengah jam untuk mengklasifikasikan kesalahan kecil, itu juga muter-muter. Cukup sepuluh detik untuk tiga pertanyaan tadi.

Satu lagi: mengoleksi banyak template prompt tidak menggantikan diagnosis. Template orang lain dibuat untuk konteks mereka. Ini nyambung dengan alasan kenapa simpan ratusan prompt dari media sosial tidak otomatis bikin hasil AI lebih bagus.

Yang bisa kamu coba minggu ini

Pilih satu pekerjaan berulang yang selama ini paling sering bikin kamu revisi berkali-kali. Misalnya deskripsi produk, balasan komplain, atau caption.

Baca jugaPrompt & ChatGPTKenapa Teks yang Kamu Paste ke AI Perlu Dibungkus Tag Penanda untuk Menekan Risiko Prompt Injection

  1. Kerjakan seperti biasa, tapi setiap kali hasilnya meleset, tulis kalimat gejalanya di catatan.
  2. Tandai tiap kalimat dengan satu label: tujuan, konteks, asumsi, atau format.
  3. Di akhir minggu, lihat label mana yang paling sering muncul.
  4. Perbaiki prompt induk untuk pekerjaan itu sesuai pola tersebut, lalu simpan.

Kalau mayoritas labelnya “konteks”, buat satu dokumen singkat tentang bisnismu yang selalu kamu tempel di awal. Kalau mayoritas “asumsi”, tambahkan izin untuk bilang tidak tahu di semua prompt penting.

Revisi yang efektif dimulai dari pertanyaan yang tepat: bagian mana yang rusak? Begitu kamu terbiasa menanyakan itu, kerja dengan AI berhenti terasa seperti main tebak-tebakan.

Kalau kamu ingin tim di kantormu punya kebiasaan yang sama, sehingga tidak semua orang menebak-nebak sendiri, AI Training untuk tim bisa jadi titik mulai yang lebih terstruktur.

Pertanyaan yang sering muncul

Lebih baik lanjut revisi di chat yang sama atau mulai chat baru?

Kalau kesalahannya kecil dan jelas, misalnya format atau panjang tulisan, revisi di chat yang sama biasanya cukup. Kalau AI sudah salah memahami tujuan sejak awal dan dua kali revisi tetap muter, mulai chat baru dengan satu prompt lengkap yang memuat semua perbaikan. Asumsi lama di percakapan sebelumnya tidak ikut terbawa.

Apakah prompt yang lebih panjang selalu menghasilkan jawaban lebih baik?

Tidak selalu. Panjang prompt hanya membantu kalau tambahannya menjawab jenis kesalahan yang terjadi. Menambah konteks menolong saat hasil terlalu generik, tapi tidak menolong kalau masalahnya tujuan tugas yang ambigu. Tambahkan informasi yang relevan dengan diagnosis, tanpa menumpuk semua hal yang terpikir.

Bagaimana kalau hasil AI tetap salah setelah didiagnosis dan direvisi?

Cek apakah masalahnya ada di luar prompt. Bisa jadi alat AI tersebut tidak punya akses ke data yang dibutuhkan, atau tugasnya memang memerlukan penilaian manusia. Bisa juga kamu sendiri belum menetapkan standar hasil yang cukup baik. Dalam situasi itu, berikan datanya secara langsung, ganti alat, atau kerjakan bagian kritisnya sendiri.

Artikel terkait