AI untuk Digital MarketingKonten & Copywriting

Dua AI Diberi Skill dan Prompt yang Sama untuk Edit Video, Kenapa Kekuatannya Bisa Beda

Dua AI Diberi Skill dan Prompt yang Sama untuk Edit Video, Kenapa Kekuatannya Bisa Beda

Hasil edit video bisa beda walau skill dan prompt-nya identik, karena skill hanya menambah instruksi ke model, sedangkan cara model membaca, mengisi celah, dan memeriksa hasilnya tetap berbeda. Jadi wajar kalau satu AI unggul di potongan dan tempo, sementara AI lain lebih rapi di caption. Yang perlu kamu lakukan adalah memetakan blind spot masing-masing, lalu mengunci bagian yang rapuh supaya hasilnya bisa diperiksa.

Artikel ini membahas kasus khusus: dua model berbeda yang diberi file skill dan brief yang sama persis. Kalau yang kamu alami adalah satu AI yang hasilnya berubah-ubah dari satu run ke run berikutnya, itu mekanisme lain. Saya sudah membahasnya di tulisan soal hasil AI yang beda-beda padahal prompt-nya mirip.

Dua reel dari brief yang sama, misalnya seperti ini

Coba kamu bayangin sebuah brand skincare lokal di Surabaya. Timnya cuma tiga orang. Mereka punya rekaman mentah 4 menit: founder menjelaskan cara pakai serum, plus beberapa B-roll produk.

Mereka menulis satu skill edit reel. Isinya kira-kira begini: potong jadi 30 detik, hook di detik pertama, caption bahasa Indonesia, format 9:16, hapus jeda dan “eee”, tambahkan teks produk di akhir.

File skill yang sama dipasang di dua agen. Satu memakai Claude, satu lagi memakai ChatGPT. Brief-nya juga disalin persis. Ini contoh hipotetis, tapi polanya sering muncul saat orang membandingkan dua AI:

  • Reel A punya hook yang tajam dan tempo potongan enak. Sayangnya caption menabrak area tombol like dan komentar di layar ponsel.
  • Reel B captionnya rapi, aman dari area tombol, dan ejaannya benar. Tapi hook-nya diambil dari kalimat yang kurang kuat, dan ada satu potongan yang memotong kata di tengah.

Pertanyaan yang biasanya muncul: “AI mana yang lebih bagus?” Pertanyaan yang lebih berguna: “Di lapisan mana masing-masing AI kuat, dan di lapisan mana instruksi saya masih terlalu longgar?”

Apa itu AI skill, dan kenapa satu file bisa dipakai Claude maupun ChatGPT

Supaya mekanismenya jelas, kita samakan dulu pengertiannya. Menurut situs resmi Agent Skills, skill adalah folder yang berisi file SKILL.md. File itu memuat metadata minimal berupa name dan description, plus instruksi cara mengerjakan tugas tertentu. Folder skill boleh ikut membawa script, bahan referensi, dan template.

Baca jugaKonten & CopywritingKenapa CTA yang Sama Persis di Tiap Newsletter (Walau Topiknya Beda-Beda) Akhirnya Diklik

Format ini awalnya dikembangkan Anthropic. Pada pembaruan pengumuman Agent Skills bertanggal 18 Desember 2025, Anthropic menyebut format ini diterbitkan sebagai standar terbuka untuk portabilitas lintas platform. Dokumentasi OpenAI tentang skill di ChatGPT dan Codex juga menjelaskan cara ChatGPT dan Codex memakai skill. Semua sumber ini saya cek pada 21 November 2026.

Untuk video, contoh nyatanya ada di ekosistem Remotion, framework untuk membuat video lewat kode. Dokumentasi Remotion menyediakan kumpulan Agent Skills berisi praktik terbaik proyek Remotion. Skill itu disebut berguna untuk agen seperti Claude Code, Codex, Cursor, dan beberapa lainnya.

Nah, di sinilah jebakannya. Karena file-nya sama dan formatnya standar, orang mengira hasilnya juga akan sama. Padahal standar itu menyamakan cara skill dikemas dan dimuat. Ia tidak menyamakan otak yang menjalankannya.

Kenapa skill dan prompt yang sama menghasilkan kekuatan berbeda

Ada lima penyebab yang saling menumpuk. Kalau kamu paham kelimanya, kamu berhenti mencari “AI terbaik” dan mulai merancang alur kerja yang tahan terhadap perbedaan model.

Skill hanya tambahan, modelnya tetap mesin yang berbeda

Anthropic menulisnya terang di panduan menulis skill: skill bertindak sebagai tambahan bagi model, jadi efektivitasnya bergantung pada model yang mendasarinya. Mereka menyarankan menguji skill di semua model yang akan dipakai.

Panduan itu bahkan memberi contoh di dalam keluarga Claude sendiri. Instruksi yang pas untuk model besar bisa perlu detail tambahan untuk model yang lebih kecil. Kalau antarmodel satu vendor saja perlu dicek, apalagi antara Claude dan ChatGPT.

Artinya sederhana. Skill itu seperti SOP. SOP yang sama dibaca dua editor berbeda tetap menghasilkan gaya kerja berbeda, karena pengalaman dan kebiasaan mereka beda.

Instruksi yang longgar diisi oleh kebiasaan bawaan model

Instruksi “buat hook yang kuat di detik pertama” terdengar jelas. Tapi kata “kuat” tidak punya ukuran. Setiap model akan mengisi ruang kosong itu dengan kecenderungannya sendiri.

Panduan Anthropic menyebut konsep ini degrees of freedom. Instruksi teks yang longgar cocok saat banyak pendekatan sama-sama valid. Script yang spesifik cocok saat operasinya rapuh, konsistensinya penting, atau urutannya harus tepat.

Edit reel berisi keduanya. Memilih hook adalah keputusan kreatif dengan banyak jawaban benar. Menaruh caption di area aman layar adalah aturan teknis dengan jawaban yang bisa diukur. Kalau keduanya ditulis dengan gaya longgar yang sama, perbedaan antarmodel akan muncul justru di bagian teknis yang seharusnya seragam.

Skill bisa aktif penuh, setengah, atau tidak terbaca sama sekali

Skill dimuat bertahap. Situs Agent Skills menjelaskan tiga tahap: saat mulai, agen hanya memuat nama dan deskripsi skill. Instruksi lengkap baru dibaca saat tugas cocok dengan deskripsinya. Lalu agen menjalankan instruksi dan membuka file pendukung bila perlu.

Dokumentasi OpenAI menjelaskan dua cara aktivasi. Pertama, dipanggil langsung oleh pengguna. Kedua, dipilih otomatis saat tugas cocok dengan description. Karena itu OpenAI menyarankan deskripsi yang ringkas dengan cakupan dan batas yang jelas.

Implikasinya penting. Kalau skill tidak dipanggil eksplisit, satu agen bisa membaca skill-mu, agen lain bisa melewatkannya. Atau keduanya membaca SKILL.md, tapi hanya satu yang membuka file referensi tentang aturan caption. Dari luar kelihatannya “prompt sama”, padahal konteks yang benar-benar masuk ke model berbeda.

Lingkungan kerjanya beda: alat, akses file, dan kemampuan melihat hasil

Edit video oleh AI hampir selalu berarti AI menulis kode atau perintah, lalu alat lain yang merender. Contohnya kode Remotion atau perintah ffmpeg. Jadi hasil akhirnya bergantung pada lingkungan tempat agen bekerja.

Pertanyaan yang perlu kamu cek di masing-masing agen:

  • Apakah agen bisa menjalankan perintah di komputer atau sandbox?
  • Apakah library yang dibutuhkan sudah terpasang dengan versi yang sama?
  • Apakah agen bisa mengambil cuplikan frame dari hasil render lalu melihatnya?
  • Apakah agen membaca transkrip dengan timestamp, atau hanya menebak dari deskripsimu?

Agen yang bisa melihat frame hasil render punya kesempatan menemukan caption yang menabrak tombol. Agen yang tidak bisa melihat hanya mengandalkan hitungan koordinat. Itu perbedaan alat, belum tentu perbedaan kecerdasan.

Video adalah tugas berlapis, jadi blind spot muncul di lapisan berbeda

Satu reel 30 detik berisi banyak keputusan sekaligus: memilih momen, memotong, mengatur tempo, menulis caption, menyinkronkan waktu teks, menata posisi, menyeimbangkan audio, dan menutup dengan ajakan.

Setiap lapisan menuntut kemampuan berbeda. Ada yang bergantung pada pemahaman bahasa, ada yang pada ketelitian angka, ada yang pada kebiasaan memeriksa ulang. Wajar kalau dua model punya titik lemah di lapisan yang berbeda. Inilah kenapa penilaian “Reel A lebih bagus” sering menyesatkan. Nilai keseluruhan menyembunyikan pola per lapisan.

Peta blind spot yang perlu kamu periksa di setiap reel

Daripada menilai reel secara keseluruhan, pecah penilaiannya per lapisan. Daftar ini bisa langsung kamu jadikan checklist:

  1. Hook. Apakah 1 sampai 3 detik pertama memuat kalimat paling menarik dari rekaman? Apakah kalimatnya utuh?
  2. Titik potong. Ada kata yang terpotong di tengah? Ada napas atau “eee” yang tersisa?
  3. Tempo. Ada bagian yang terlalu lama tanpa perubahan visual?
  4. Teks caption. Ejaan bahasa Indonesia benar? Nama produk ditulis sesuai brand? Istilah campuran Inggris terbaca wajar?
  5. Sinkronisasi caption. Teks muncul bersamaan dengan ucapan, atau terlambat?
  6. Posisi. Caption dan teks produk aman dari area tombol dan nama akun di aplikasi tujuan?
  7. Format teknis. Rasio 9:16, durasi sesuai brief, file bisa diputar di ponsel?
  8. Audio. Suara founder jelas di atas musik latar? Tidak ada lonjakan volume?
  9. Penutup. Ajakan di akhir sesuai penawaran yang benar-benar ada?

Beri tanda lolos atau gagal di setiap baris untuk tiap AI. Setelah beberapa video, polanya akan terlihat sendiri. Kamu mungkin menemukan satu AI konsisten gagal di poin 6, sementara AI lain konsisten lemah di poin 1.

Apa artinya buat bisnis dengan tim tipis

Untuk pebisnis kecil di Indonesia, godaan terbesarnya adalah memilih satu AI lalu memakainya untuk semua hal. Itu masuk akal dari sisi biaya langganan dan kemudahan. Tapi kalau kamu tidak tahu blind spot AI pilihanmu, kesalahan yang sama akan lolos ke puluhan reel.

Ada tiga implikasi praktis:

  • Review manusia bisa lebih pendek kalau terarah. Dengan peta blind spot, editor atau admin cukup mengecek lapisan yang rawan. Ia tidak perlu menonton ulang semua detail dengan curiga.
  • Pembagian kerja antar-AI jadi pilihan yang rasional. Misalnya satu AI memilih momen dan menyusun urutan potongan, AI lain atau script merapikan caption. Ini hanya layak kalau ujimu sendiri menunjukkan pola itu.
  • Skill-mu jadi aset yang bisa dipindah. Karena formatnya standar, skill yang ditulis dengan baik tidak mengunci kamu di satu vendor. Tapi skill itu tetap perlu diuji ulang setiap kali model atau agennya ganti.

Satu hal lagi yang sering terlupa. Skill yang bagus berisi konteks bisnis, bukan sekadar perintah teknis. Siapa penontonnya, gaya bicara brand, kata yang dilarang. Kalau konteks ini kosong, kedua AI sama-sama akan menghasilkan reel yang terasa generik. Saya membahas cara mengisinya di artikel tentang memberi konteks bisnis supaya AI tidak generik.

Cara menguji dua AI dengan adil minggu ini

Perbandingan yang adil butuh input yang dikunci dan kriteria yang ditulis sebelum melihat hasil. Langkah berikut bisa dikerjakan dalam satu minggu dengan tim kecil.

  1. Pilih tiga rekaman yang mewakili konten rutinmu. Misalnya satu talking head, satu demo produk, satu testimoni pelanggan yang sudah kamu dapat izinnya.
  2. Kunci semua input. Skill sama, brief sama, file video sama, transkrip sama. Catat versi model dan nama agen yang dipakai.
  3. Panggil skill secara eksplisit. Ini menghilangkan variabel “skill tidak terbaca” yang dibahas di atas.
  4. Tulis rubrik sebelum menjalankan. Pakai checklist sembilan lapisan tadi. Anthropic menyarankan pendekatan serupa: buat evaluasi dulu, ukur hasil tanpa skill sebagai pembanding, lalu tulis instruksi seminimal mungkin untuk menutup gap.
  5. Jalankan masing-masing lebih dari sekali. Satu run bisa kebetulan bagus atau kebetulan jelek. Dua atau tiga run per video sudah membantu melihat mana pola dan mana kebetulan.
  6. Nilai per lapisan, lalu tulis temuannya. Contoh catatan: “AI A gagal posisi caption di 3 dari 3 video talking head.”
  7. Perbaiki skill di titik gagal, lalu uji lagi. Jangan langsung ganti AI. Sering kali masalahnya ada di instruksi yang terlalu longgar.

Kalau kamu ingin melatih cara menulis brief yang lebih presisi, contoh di artikel prompt kasus bisnis yang optimal dan yang meleset bisa jadi latihan yang bagus.

Ubah instruksi longgar jadi aturan yang bisa diperiksa

Ini bagian yang paling sering memperkecil jarak hasil antar-AI. Prinsipnya: biarkan keputusan kreatif tetap longgar, kunci keputusan teknis dengan angka atau script.

Bandingkan dua versi instruksi caption ini. Versi longgar:

Tambahkan caption yang rapi dan mudah dibaca.

Versi yang bisa diperiksa (contoh ilustrasi, sesuaikan dengan aplikasi tujuanmu):

Caption:
- Maksimal 2 baris, maksimal 32 karakter per baris.
- Posisi vertikal di area tengah, jauh dari 20% bagian bawah layar.
- Muncul paling lambat saat kata pertama diucapkan.
- Setelah render, ambil 5 frame acak dan periksa posisi caption.
- Jika ada caption keluar area aman, perbaiki lalu render ulang.

Versi kedua memberi dua hal yang tidak ada di versi pertama. Pertama, ukuran yang sama untuk kedua model. Kedua, langkah pemeriksaan. Panduan Anthropic menyebut pola ini feedback loop: jalankan pemeriksaan, perbaiki kesalahan, ulangi. Untuk tugas berisiko, mereka menyarankan pola rencana, validasi, lalu eksekusi.

Kalau timmu nyaman dengan kode, aturan posisi dan durasi bahkan bisa dipindah ke script di folder skill. Script menghasilkan hasil yang sama siapa pun modelnya. Model cukup memanggilnya.

Sebaliknya, untuk hook, jangan dikunci terlalu ketat. Beri kriteria dan contoh. Misalnya “pilih kalimat yang menyebut masalah penonton atau hasil yang bisa dilihat”. Lalu minta AI menawarkan dua atau tiga kandidat untuk kamu pilih. Di lapisan kreatif, perbedaan antarmodel justru bisa jadi sumber variasi yang berguna.

Kapan perbandingan ini tidak banyak gunanya

Ada beberapa situasi di mana menguji dua AI hanya membuang waktu. Penting untuk jujur soal ini.

  • Volume kontenmu masih sangat kecil. Kalau kamu baru membuat satu atau dua reel sebulan, mengedit manual dengan bantuan AI sebagai asisten bisa lebih cepat daripada membangun proses uji.
  • Rekaman mentahnya bermasalah. Audio buruk, pencahayaan gelap, atau pesan yang tidak jelas tidak akan diselamatkan AI mana pun. Perbaiki di tahap syuting dulu.
  • Kamu belum tahu reel seperti apa yang berhasil untuk audiensmu. Tanpa standar sendiri, rubrikmu hanya berisi selera. Kumpulkan dulu contoh reel milikmu yang performanya baik.
  • Hasil ujimu berasal dari satu atau dua run. Kesimpulan dari sampel sekecil itu rapuh. Jangan menyebarkannya ke tim sebagai “AI A lebih jago caption”.
  • Model atau agen sudah berganti versi. Peta blind spot berlaku untuk kombinasi model, agen, dan skill tertentu. Saat salah satunya berubah, uji ulang dengan rekaman yang sama.

Jebakan lain yang halus: membaca hasil uji orang lain sebagai fakta untuk bisnismu. Perbandingan yang beredar di media sosial biasanya memakai skill, rekaman, dan agen yang berbeda dari milikmu. Itu bisa jadi petunjuk awal, tapi tetap perlu kamu uji di kontenmu sendiri.

Yang perlu kamu bawa pulang

Skill yang sama ibarat SOP yang sama di tangan dua editor. Isinya identik, cara bacanya tidak. Jadi tujuanmu bukan mencari AI yang tidak pernah salah. Tujuanmu adalah tahu di mana masing-masing biasa salah, lalu menulis skill yang menutup celah itu.

Mulai dari tiga rekaman, satu rubrik, dan satu catatan per lapisan. Setelah itu kamu punya dasar untuk memutuskan, bukan sekadar kesan.

Kalau kamu sedang menimbang bagian mana dari produksi konten, marketing, atau sales di bisnismu yang memang layak dibantu AI, kita bisa membedahnya bareng lewat sesi konsultasi AI.

Pertanyaan yang sering muncul

Apakah skill yang ditulis untuk Claude bisa dipakai di ChatGPT?

Bisa, karena Agent Skills adalah standar terbuka dan dokumentasi OpenAI menjelaskan cara ChatGPT dan Codex memakai skill. Tapi file yang sama tetap perlu diuji ulang di setiap model, karena hasilnya bergantung pada model dan lingkungan agen yang menjalankannya.

Kalau hasil dua AI berbeda, apakah berarti skill saya salah?

Belum tentu. Perbedaan bisa berasal dari model, dari skill yang tidak terpanggil, atau dari alat yang tersedia di agen. Cek dulu apakah skill dipanggil eksplisit dan inputnya identik, lalu nilai per lapisan untuk melihat bagian instruksi mana yang masih terlalu longgar.

Bagian mana dari edit reel yang sebaiknya dikunci dengan aturan ketat?

Bagian teknis yang punya jawaban terukur, seperti rasio layar, durasi, posisi caption, dan batas karakter per baris. Bagian kreatif seperti pemilihan hook lebih cocok diberi kriteria dan contoh, lalu AI diminta menawarkan beberapa kandidat untuk dipilih manusia.

Artikel terkait