Kenapa Prompt yang Dulu Bagus Bisa Memburuk Setelah Model AI Di-update

Prompt yang dulu bagus bisa memburuk setelah update karena prompt kamu sebenarnya disetel untuk kebiasaan satu versi model. Begitu model, perilaku bawaan, atau wadahnya berganti, instruksi yang sama dibaca dengan cara lain. Karena itu, prompt lama perlu diuji ulang setiap kali tool ganti versi.
Bagian dari playbook: Playbook Prompt ChatGPT
Fenomena ini sering disebut model drift atau “model drifting”. Istilahnya belum baku. Di artikel ini maksudnya sederhana: perilaku model yang kamu pakai berubah dari waktu ke waktu, sementara prompt kamu tetap sama.
Topik ini sedang relevan. OpenAI menjadwalkan pensiun Custom GPT pada 11 Desember 2026 dan memindahkan alurnya ke plugin. Google mengubah Gems menjadi skills mulai 17 November 2026 untuk akun Google pribadi. Dua perubahan ini memaksa banyak orang memindahkan prompt lama ke wadah baru, sering tanpa sempat mengecek hasilnya.
Dua situasi yang mungkin sedang kamu alami
Coba kamu bayangin dua pemilik usaha. Keduanya ilustrasi, bukan kisah klien.
Misalnya Rina punya toko hijab online di Bandung. Setahun lalu dia membuat Custom GPT untuk menulis caption produk. Instruksinya panjang dan penuh kata “WAJIB” serta “JANGAN PERNAH”, karena dulu model sering keluar jalur. Setelah dipindah, caption jadi kaku, terlalu pendek, dan beberapa larangan diterapkan berlebihan.
Misalnya lagi Budi punya jasa servis AC di Medan. Dia memakai Gem untuk menyusun balasan pertanyaan pelanggan. Setelah Gem berubah menjadi skill, gaya balasan servis itu kadang ikut muncul di chat lain. Sesekali gayanya bercampur dengan skill laporan keuangan yang juga dia buat.
Keduanya merasa AI-nya mendadak jadi bodoh. Yang sebenarnya berubah adalah hubungan antara prompt dan model. Prompt mereka cocok untuk kondisi lama, dan kondisi itu sudah tidak ada.
Kenapa prompt yang dulu bagus bisa basi setelah model di-update?
Ada empat mekanisme yang bekerja bersamaan. Kalau kamu paham keempatnya, kamu bisa menebak bagian prompt mana yang paling rawan rusak.
Baca jugaPrompt & ChatGPTKenapa Instruksi Step by Step ke AI Udah Gak Semanjur Dulu di Model Baru
Prompt kamu penuh tambalan untuk kelemahan model lama
Banyak prompt “jago” sebenarnya berisi tambalan. Kita menulis “pikirkan langkah demi langkah”, “jangan malas”, atau mengulang instruksi tiga kali karena model lama sering melewatkannya. Tambalan itu membantu di versi lama. Di versi baru, tambalan yang sama bisa jadi beban.
Dokumentasi prompting Anthropic memberi contoh konkret. Saat pindah ke model Claude yang lebih baru, prompt yang dulu mendorong model lebih teliti atau lebih agresif memakai tool sebaiknya dikurangi. Alasannya, model baru lebih proaktif dan bisa bereaksi berlebihan terhadap instruksi yang dulu diperlukan. Panduan yang sama menyebut model terbarunya dilatih untuk mengikuti instruksi secara presisi.
Nah, di sini kuncinya. Kata “WAJIB” yang dulu hanya mengimbangi kebiasaan model, sekarang bisa dibaca sebagai perintah mutlak. Hasilnya terasa kaku dan berlebihan.
Perilaku bawaan bergeser, termasuk respons terhadap teknik prompt
Riset Lingjiao Chen, Matei Zaharia, dan James Zou berjudul How is ChatGPT’s behavior changing over time? membandingkan GPT-3.5 dan GPT-4 versi Maret dan Juni 2023. Mereka menemukan performa dan perilaku kedua model bisa berubah besar dalam beberapa bulan.
Salah satu contohnya cukup mencolok. Akurasi GPT-4 mengenali bilangan prima pada soal yang sama turun dari 84% menjadi 51%. Para peneliti menjelaskan sebagian penurunan itu karena versi Juni kurang mengikuti prompt chain-of-thought.
Data ini berasal dari 2023 dan modelnya sudah lama. Jadi jangan dibaca sebagai kondisi model hari ini. Yang relevan adalah polanya: teknik prompt yang sama belum tentu memberi efek yang sama di versi berikutnya.
Hasil AI memang tidak pasti sejak awal
Panduan prompt engineering OpenAI menyebut output model bersifat non-deterministik. Snapshot berbeda dalam satu keluarga model juga bisa memberi hasil berbeda. Untuk aplikasi produksi, OpenAI menyarankan dua hal. Pertama, kunci aplikasi ke snapshot model tertentu. Kedua, bangun tes yang mengukur perilaku prompt saat kamu mengganti versi model.
Saran ini membuka fakta yang jarang diakui. Banyak prompt dicap jago karena satu dua hasil bagus yang kebetulan. Kita tidak pernah mengukurnya. Jadi saat hasil memburuk, kita tidak tahu apakah modelnya berubah atau prompt-nya memang tidak konsisten dari awal.
Wadahnya berubah, konteksnya ikut berubah
Mekanisme keempat paling sering dilupakan. Prompt jarang berdiri sendiri. Prompt hidup di dalam wadah: Custom GPT, Gem, project, plugin, atau skill.
Wadah menentukan model yang dipakai, tool yang tersedia, dan kapan instruksi aktif. Begitu wadahnya pindah, ketiga hal itu bisa ikut berubah walaupun teks instruksinya kamu salin persis.
Apa yang berubah saat Custom GPT jadi plugin dan Gems jadi skills?
Dua migrasi ini contoh nyata mekanisme keempat. Isinya ikut pindah, tapi cara isi itu dijalankan berbeda.
Custom GPT dipindah ke plugin
Menurut FAQ resmi OpenAI, Custom GPT dijadwalkan pensiun pada 11 Desember 2026. Workspace Enterprise tertentu dengan penundaan yang disetujui mendapat tanggal lebih lambat. Saat migrasi, instruksi GPT menjadi skill di dalam plugin. File knowledge disalin menjadi file referensi, dan aplikasi yang terhubung ikut masuk. Percakapan lama dengan Custom GPT tetap bisa diakses setelah pensiun.
Ada bagian yang tidak ikut pindah. Panduan migrasi ChatGPT menyebut model yang dipilih di GPT tidak terbawa. Pengaturan kemampuan juga tidak menjamin tool atau perilaku yang sama. Conversation starter tidak pindah satu banding satu, dan custom action harus dibangun ulang. Panduan itu sendiri meminta kreator menguji tool yang diperlukan sebelum membagikan plugin.
Jadi kalau GPT kamu dulu disetel di model tertentu, plugin barunya bisa berjalan di model lain. Prompt-nya sama, mesinnya berbeda. Kalau kamu sedang menimbang cara mengemas prompt sebagai paket yang bisa dipakai orang lain, bahasan soal mengemas prompt jadi plugin yang bisa diinstal relevan untuk langkah sesudah migrasi.
Gems berubah menjadi skills
Halaman bantuan Gemini menjelaskan jadwalnya. Untuk akun Google pribadi usia 18 tahun ke atas, Gems beralih ke skills dan menjadi read-only pada 17 November 2026. Kamu masih bisa membukanya, tapi tidak bisa memakai, mengedit, atau membuat Gem baru. Pada 17 Desember 2026, Gems dihapus dari aplikasi Gemini.
Akun Workspace bisnis, enterprise, dan nonprofit menyusul pada Maret 2027. Akun pendidikan menyusul Juni 2027. Google mengonversi Gems menjadi skills secara otomatis, dan kamu juga bisa membuat ulang secara manual.
Yang berubah adalah cara instruksi aktif. Gem dulu kamu buka sebagai ruang chat tersendiri. Skill bisa dipanggil di chat mana saja dan bisa diterapkan otomatis saat Gemini menilai skill itu relevan. Beberapa skill juga bisa digabung dalam satu chat.
Konsekuensinya penting. Instruksi Gem yang ditulis untuk ruang terisolasi kini bisa bertemu skill lain dalam satu percakapan. Kalau dua skill memberi aturan gaya yang bertentangan, hasilnya bisa membingungkan. Google sendiri menyarankan skill menjelaskan kapan harus dipakai, tetap ringkas, dan menyertakan contoh output. Instruksi Gem lama jarang punya bagian “kapan dipakai” seperti itu.
Kenapa ini penting untuk bisnis dengan tim tipis
Di bisnis kecil, satu prompt sering memegang pekerjaan rutin. Caption, balasan DM, draft penawaran, ringkasan laporan. Prompt itu dibuat sekali oleh pemilik, lalu dipakai admin berbulan-bulan tanpa dicek ulang.
Masalahnya, penurunan kualitas jarang terasa drastis. Balasan pelanggan pelan-pelan jadi lebih panjang. Caption kehilangan nada brand. Ringkasan laporan mulai melewatkan poin yang dulu selalu ada. Admin menganggap itu normal karena memang AI yang menulis.
Biayanya tersembunyi di waktu koreksi. Setiap output perlu diedit manual, jadi penghematan waktu yang dulu kamu rasakan perlahan hilang. Lebih berbahaya lagi kalau output itu langsung terkirim ke pelanggan tanpa dibaca.
Makanya saya melihat prompt sebagai aset kerja, setara SOP. SOP butuh versi dan pemeriksaan berkala. Prompt juga begitu. Pola yang sama terjadi di visual, seperti dibahas di artikel tentang template prompt gambar yang tiba-tiba jelek saat ganti versi model. Bedanya, di teks dampaknya sering langsung dibaca pelanggan.
Cara menguji ulang prompt lama minggu ini
Langkah di bawah berurutan. Kamu tidak perlu tool khusus, cukup dokumen atau spreadsheet untuk mencatat.
- Daftar prompt yang dipakai rutin. Prioritaskan prompt yang hasilnya dibaca pelanggan atau dipakai mengambil keputusan. Custom GPT dan Gems masuk paling atas karena tenggatnya dekat.
- Simpan bukti versi lama sebelum pindah. Salin instruksi lengkap, daftar file knowledge, dan conversation starter. Catat juga model yang dipakai. Simpan beberapa contoh output terbaik sebagai pembanding. Gem yang sudah read-only masih bisa dibuka dan disalin sampai 17 Desember 2026.
- Buat kasus uji dari pekerjaan nyata. Pilih sekitar lima sampai sepuluh input yang mewakili kasus umum dan kasus sulit. Misalnya pertanyaan pelanggan yang ketus, produk dengan nama panjang, atau data yang tidak lengkap.
- Tulis kriteria lulus yang bisa dicek. Kata “bagus” terlalu kabur. Tulis kriteria seperti maksimal tiga kalimat, menyebut estimasi ongkir, memakai sapaan “Kak”, dan tidak menjanjikan stok. Untuk prompt yang membantu keputusan, kriteria bisa meniru pola analisis dulu, baru minta keputusan yang bisa dieksekusi.
- Jalankan kasus uji di versi baru. Jalankan tiap input lebih dari sekali, karena hasilnya bisa berbeda antarpercobaan. Catat kriteria mana yang gagal dan seberapa sering.
- Bersihkan tambalan lama, baru tambah instruksi. Saat hasil melenceng, refleks kita menambah aturan. Coba urutan sebaliknya. Hapus “WAJIB” yang berlebihan, instruksi yang diulang, dan perintah kompensasi lama. Setelah itu, tulis tujuan, konteks, dan contoh output dengan jelas.
- Untuk skill, tambahkan bagian kapan dipakai. Satu atau dua kalimat yang menjelaskan situasi pemicunya. Uji juga bersama skill lain yang sering aktif, supaya kamu tahu kalau ada aturan yang bertabrakan.
- Catat versi. Tulis tanggal, nama model atau wadah, dan perubahan yang kamu buat. Saat tool update lagi, kamu tinggal menjalankan kasus uji yang sama.
Kalau kamu memakai AI lewat API, ada satu langkah tambahan. Ikuti saran OpenAI untuk mengunci aplikasi ke snapshot model bertanggal, lalu jalankan kasus uji sebelum pindah ke snapshot baru.
Contoh membersihkan prompt yang penuh tambalan
Ilustrasi berikut memakai kasus toko hijab tadi. Versi lama penuh tekanan:
Kamu adalah copywriter. WAJIB tulis caption. JANGAN PERNAH pakai emoji.
WAJIB singkat. Ingat, JANGAN PERNAH pakai emoji!!!
Versi yang lebih tahan perubahan model:
Tugas: tulis caption Instagram untuk produk hijab.
Pembaca: perempuan 25-35 tahun yang belanja lewat HP.
Nada: hangat dan sopan, memakai sapaan "Kak".
Panjang: dua sampai tiga kalimat.
Tanpa emoji, karena tampilan feed brand minimalis.
Contoh caption yang sesuai: [tempel satu caption terbaikmu]
Versi kedua menjelaskan alasan dan memberi contoh. Menurut saya, prompt seperti ini lebih mudah dipahami model mana pun, karena tidak bergantung pada kebiasaan satu versi. Tetap uji dengan kasus ujimu, karena itu satu-satunya cara memastikan.
Jebakan dan kapan pendekatan ini tidak berlaku
Menguji ulang prompt itu penting, tapi jangan sampai kamu menyalahkan model untuk masalah yang sumbernya lain.
- Cek input dulu. Data produk bisa berubah, file knowledge bisa kedaluwarsa, atau admin mengetik konteks berbeda. Hasil dari tool yang terhubung juga bisa berubah karena datanya ikut berubah.
- Satu output jelek belum jadi bukti. Karena hasil AI tidak pasti, jalankan beberapa kali sebelum menyimpulkan modelnya bergeser.
- Jangan kejar hasil identik. Model baru kadang memberi hasil yang lebih baik dengan susunan kata berbeda. Ukur dengan kriteria lulus. Kemiripan kata per kata tidak penting.
- Prompt sekali pakai tidak butuh sistem uji. Kalau kamu hanya bertanya satu kali, cukup perjelas pertanyaannya. Sistem uji ulang layak untuk prompt yang dipakai berulang atau dipakai tim.
- Mengunci versi hanya menunda. Model dan wadah lama tetap bisa dipensiunkan penyedia, seperti yang terjadi pada Custom GPT dan Gems. Kasus uji tetap kamu butuhkan.
- Aplikasi chat punya kontrol terbatas. Di ChatGPT atau Gemini versi aplikasi, kamu umumnya tidak bisa memilih snapshot bertanggal seperti di API. Solusinya, jalankan ulang kasus uji setiap ada pengumuman ganti model atau fitur.
Prompt yang bagus adalah prompt yang lulus tes hari ini
Satu pemikiran yang layak kamu bawa: kualitas prompt selalu terikat pada model dan wadahnya. Prompt yang jago tahun lalu hanya terbukti jago untuk kondisi tahun lalu. Yang membuatnya tetap berguna adalah kebiasaan menguji ulang, mencatat versi, dan membersihkan tambalan lama.
Baca jugaPrompt & ChatGPTKenapa Curhat Sensitif soal Bisnis ke ChatGPT Bisa Ikut Dibaca Manusia
Mulailah dari satu prompt yang paling sering dipakai tim kamu minggu ini. Buat kasus ujinya, jalankan di versi terbaru, lalu catat hasilnya. Kalau kamu ingin dibimbing menyusun sistem AI untuk bisnis sendiri, termasuk cara merawat prompt dan skill supaya tetap konsisten, Program Mentoring AI bisa jadi langkah berikutnya.
Pertanyaan yang sering muncul
Apakah percakapan lama dengan Custom GPT ikut hilang saat pensiun?
Menurut FAQ resmi OpenAI, percakapan yang sudah ada dengan Custom GPT tetap bisa diakses setelah tanggal pensiun. Yang berhenti adalah GPT-nya. Instruksi, file knowledge, dan aplikasi terhubung bisa dipindahkan ke plugin, sedangkan custom action perlu dibangun ulang.
Kalau Gem saya sudah otomatis jadi skill, apakah masih perlu dicek?
Perlu. Konversi otomatis memindahkan isinya, tapi cara skill aktif berbeda dari Gem. Skill bisa terpicu otomatis dan digabung dengan skill lain dalam satu chat. Jalankan kasus uji dan tambahkan penjelasan kapan skill itu dipakai.
Seberapa sering prompt perlu diuji ulang?
Uji ulang setiap kali penyedia mengumumkan pergantian model atau wadah, dan setiap kali kamu mengubah isi prompt. Untuk prompt yang hasilnya dibaca pelanggan, pemeriksaan berkala dengan kasus uji yang sama membantu kamu menangkap penurunan kualitas sejak awal.


