Teknik Reverse Prompt: Minta AI Menyusun Pertanyaan Terbaiknya Dulu Sebelum Menjawab

Teknik reverse prompt adalah cara meminta AI menyusun pertanyaan terbaik untuk tujuanmu terlebih dahulu, lalu menjawab pertanyaan yang sudah lebih tajam itu. Kamu cukup menyampaikan tujuan dan sedikit konteks. ChatGPT atau Claude yang merumuskan pertanyaannya.

Bagian dari playbook: Playbook Prompt ChatGPT

Intinya:

• Reverse prompt mengalihkan kerja merumuskan pertanyaan dari kamu ke AI, jadi kamu tidak perlu jago prompting sejak awal.
• Hasilnya membaik karena pertanyaan versi AI memunculkan hal yang tadinya tersembunyi, seperti audiens, batasan, dan ukuran keberhasilan.
• Risiko terbesarnya ada pada asumsi AI yang salah, jadi minta AI menuliskan asumsinya sebelum menjawab.

Dua cara bertanya, dua hasil yang berbeda

Coba kamu bayangkan dua pemilik toko hijab online di Bandung. Misalnya keduanya sama-sama ingin ide promo untuk akhir bulan.

Pemilik pertama mengetik: “Kasih ide promo buat toko hijab online.” Jawabannya rapi. Ada diskon, bundling, giveaway, dan flash sale. Semuanya masuk akal. Masalahnya, daftar itu cocok untuk toko hijab mana saja.

Pemilik kedua mengetik: “Tujuan saya menghabiskan stok warna lama tanpa merusak harga koleksi baru. Sebelum menjawab, susun dulu pertanyaan terbaik yang seharusnya saya ajukan untuk tujuan ini.”

AI lalu membalas dengan pertanyaan yang lebih tajam. Kira-kira begini: promo apa yang bisa menghabiskan stok warna lama lewat pembeli lama, tanpa membuat pembeli baru menunggu diskon koleksi terbaru?

Pertanyaan itu memuat hal yang belum terpikir oleh pemilik pertama. Ada segmen pembeli, ada risiko persepsi harga, dan ada pemisahan stok lama dengan stok baru. Nah, jawaban AI mengikuti bentuk pertanyaannya. Pertanyaan yang tajam menghasilkan jawaban yang tajam.

Apa itu teknik reverse prompt dan dari mana asalnya?

Reverse prompt adalah teknik prompting dua tahap. Pada tahap pertama, AI merumuskan pertanyaan terbaik untuk tujuanmu. Pada tahap kedua, AI menjawab pertanyaan yang sudah kamu periksa. Atributnya ada empat:

Baca jugaPrompt & ChatGPTMinta AI Tulis Ulang Hasil Terbaiknya Jadi Prompt Sistem, Biar Jadi SOP yang Bisa Dipakai Ulang

• Input dari kamu: tujuan, konteks singkat, dan batasan.
• Tahap merumuskan: AI menulis versi pertanyaan yang lebih spesifik.
• Tahap menjawab: AI menjawab pertanyaan versi final.
• Pengaman: daftar asumsi dan informasi yang masih kurang.

Pola ini sudah punya nama di riset. Katalog pola prompt yang disusun tim Vanderbilt University pada 2023 menyebutnya Question Refinement Pattern. Isinya, model diminta menyarankan versi pertanyaan yang lebih baik daripada pertanyaan asli pengguna. Menurut penulisnya, pola ini dapat membantu pengguna mencapai tujuan dengan interaksi lebih sedikit dibanding prompting coba-coba.

Satu catatan istilah. Di media sosial, “reverse prompt” juga sering dipakai untuk hal lain, yaitu menebak prompt di balik sebuah gambar atau tulisan. Di artikel ini, artinya khusus: AI menyusun pertanyaan untuk dirinya sendiri sebelum menjawab.

Kenapa pertanyaan buatan AI sering lebih tajam dari pertanyaanmu?

Prompt yang pendek memaksa AI menebak

Saat prompt-mu pendek, AI tetap harus menjawab. Celah informasinya ia isi dengan tebakan yang paling umum. Tebakan paling umum menghasilkan jawaban paling umum. Dari situlah rasa “generik” yang sering kamu keluhkan.

Dokumentasi resmi Anthropic menggambarkan Claude sebagai karyawan baru yang cerdas tetapi belum tahu konteks kerjamu. Uji yang mereka sarankan sederhana. Tunjukkan prompt-mu ke rekan yang minim konteks. Kalau rekan itu bingung, Claude juga akan bingung.

AI paham pola pertanyaan yang bagus di banyak bidang

Model bahasa dilatih dari teks dalam jumlah sangat besar, termasuk banyak contoh tanya jawab. Karena itu, ia cukup mengenal faktor yang biasanya menentukan kualitas jawaban di suatu bidang. Untuk promo, faktornya segmen pembeli, margin, dan waktu. Untuk harga jasa, faktornya cakupan kerja, nilai bagi klien, dan pembanding di pasar.

Kamu mungkin belum hafal faktor-faktor itu. Wajar, apalagi kalau topiknya di luar keahlianmu. Reverse prompt meminjam pengetahuan AI tentang struktur pertanyaan, lalu menerapkannya ke kasusmu.

Pertanyaan yang tertulis membuat asumsi terlihat

Bagian ini paling sering terlewat. Pertanyaan versi AI selalu membawa asumsi. Misalnya AI berasumsi sebagian besar pembelimu adalah pelanggan lama, padahal kebanyakan datang dari iklan.

Kalau asumsi itu tersembunyi, jawabannya melenceng tanpa kamu sadari. Kalau asumsi itu tertulis, kamu bisa mengoreksinya dalam satu kalimat. Jadi kekuatan utama reverse prompt ada di sini: tebakan diam-diam berubah menjadi tebakan yang bisa kamu periksa.

Cara pakai reverse prompt di ChatGPT dan Claude

Langkah 1: tulis tujuan dan konteks singkat

Tujuan menjelaskan hasil akhir yang kamu inginkan. Permintaan hanya menyebut bentuk output. “Bikin caption” adalah permintaan. “Caption yang mendorong pembeli lama repeat order bulan ini” adalah tujuan.

Tambahkan dua atau tiga konteks. Siapa audiensmu, apa batasanmu, dan apa yang sudah pernah kamu coba.

Langkah 2: minta pertanyaan terbaik beserta asumsinya

Salin template ini, lalu isi bagian dalam kurung siku:

Tujuan saya: [tujuan].
Konteks: [bisnis, audiens, batasan, yang sudah dicoba].

Sebelum menjawab apa pun, susun satu pertanyaan terbaik
yang seharusnya saya ajukan supaya jawabanmu paling berguna
untuk tujuan ini.

Setelah itu tuliskan:
1. Asumsi yang kamu pakai untuk menyusun pertanyaan itu.
2. Informasi yang masih kamu butuhkan dari saya.
3. Istilah teknis di pertanyaanmu, dengan penjelasan sederhana.

Jangan jawab pertanyaannya dulu.

Langkah 3: koreksi asumsinya, lalu minta jawaban

Baca pertanyaan dan asumsinya. Coret yang salah dan lengkapi yang kurang. Lalu kirim lanjutan seperti ini:

Koreksi asumsi: [tulis koreksimu].
Tambahan informasi: [jawab yang AI butuhkan].

Perbarui pertanyaanmu berdasarkan koreksi ini, tampilkan
versi finalnya, lalu jawab pertanyaan versi final tersebut.
Tandai bagian jawaban yang masih bergantung pada asumsi.

Versi cepat untuk tugas ringan

Untuk brainstorming atau draf kasar, cukup satu prompt: “Susun pertanyaan terbaik untuk tujuan ini, tuliskan asumsinya, lalu langsung jawab pertanyaan itu.” Kamu tetap bisa memeriksa asumsinya setelah jawaban keluar. Kalau ada yang meleset, minta AI mengulang dengan asumsi yang sudah dikoreksi.

Apa bedanya dengan teknik AI bertanya dulu dan Chain-of-Verification?

Ketiga teknik ini sama-sama melibatkan pertanyaan. Posisinya di alur kerja yang berbeda.

• Reverse prompt memperbaiki pertanyaan di awal, lalu AI menjawab pertanyaan yang sudah diperbaiki itu.
• AI bertanya dulu (di katalog yang sama disebut Flipped Interaction) membuat AI menggali informasi darimu lewat beberapa pertanyaan sebelum memberi solusi. Teknik ini cocok saat konteksnya banyak dan hanya kamu yang tahu. Caranya ada di panduan membuat prompt konsultan AI yang bertanya dulu.
• Chain-of-Verification membuat AI menyusun pertanyaan pengecekan setelah draf jawaban jadi, untuk menguji fakta di dalamnya. Penjelasannya ada di artikel teknik verifikasi berantai sebelum jawaban final.

Ketiganya bisa digabung. Urutan yang masuk akal: reverse prompt di depan untuk menajamkan arah, lalu verifikasi di belakang untuk mengecek isi.

Kenapa ini penting buat pebisnis dengan tim tipis

Kalau kamu solopreneur atau punya tim kecil, waktumu untuk belajar prompting biasanya sempit. Dalam satu jam, kamu bisa pindah dari urusan stok, ke membalas chat, ke membuat konten. Reverse prompt cocok untuk ritme seperti itu karena modal utamanya hanya tujuan yang jelas.

Ada manfaat lain yang lebih halus. Pertanyaan versi AI sering menunjukkan keputusan yang belum kamu ambil. Misalnya AI bertanya apakah promo ini untuk menaikkan omzet atau menghabiskan stok. Kalau kamu ragu menjawabnya, berarti yang perlu dibereskan adalah keputusan bisnismu. Hal itu jauh lebih berharga diketahui sebelum promo berjalan.

Untuk tim, pola ini membantu standarisasi. Admin baru bisa memakai template yang sama tanpa harus menulis prompt panjang. Yang perlu mereka latih cukup satu kebiasaan: membaca asumsi sebelum menyetujui jawaban.

Jebakannya: kapan reverse prompt tidak membantu

• Tugasnya sudah jelas dan spesifik. Merapikan ejaan atau mengubah format daftar tidak butuh tahap tambahan. Reverse prompt hanya memperlambat.
• Jawabannya bergantung pada data yang hanya kamu punya. AI tidak tahu margin, stok, atau angka penjualanmu. Pertanyaan setajam apa pun tetap butuh data itu. Untuk kasus seperti ini, pola AI bertanya dulu lebih tepat.
• Pertanyaannya menyempit terlalu cepat. Penulis katalog pola prompt tadi mencatat risiko ini. Pertanyaan yang diperhalus bisa menggiring ke jalur sempit dan melewatkan gambaran besar. Beri batas ruang lingkup, misalnya “jangan batasi ke satu channel penjualan saja.”
• AI memasukkan istilah asing. Katalog yang sama juga mengingatkan hal ini. Itulah alasan template di atas meminta penjelasan istilah dengan bahasa sederhana.
• Asumsinya kamu terima tanpa dibaca. Kalau tahap koreksi dilewati, tebakan AI tetap ada, hanya pindah tempat.
• Keputusannya berisiko tinggi. Untuk pajak, hukum, atau kesehatan, pertanyaan yang tajam tetap perlu diperiksa ahli dan sumber resmi.

Coba minggu ini: satu tugas, dua versi

1. Pilih satu tugas rutin yang hasil AI-nya selama ini terasa generik.
2. Jalankan prompt biasamu, lalu simpan hasilnya.
3. Buka chat baru dan jalankan reverse prompt dengan tujuan serta konteks yang sama.
4. Koreksi asumsinya, lalu minta jawaban versi final.
5. Bandingkan kedua hasil dengan tiga pertanyaan. Apakah spesifik untuk bisnismu? Apakah bisa langsung dikerjakan? Apakah asumsinya benar?

Kalau ingin penilaiannya lebih konsisten, susun checklist evaluasi prompt versimu sendiri dan pakai untuk setiap percobaan.

Jawaban yang bagus berawal dari pertanyaan yang bagus, dan kamu boleh meminta AI membantu menemukannya. Mulai dari satu tugas minggu ini. Perhatikan pertanyaan mana yang ternyata belum pernah kamu ajukan ke dirimu sendiri. Kalau kamu ingin mendapat insight praktis seperti ini secara rutin, kamu bisa bergabung di newsletter Hendra Kuang.

Kalau kamu mau mendalami cara kerja bareng Claude dan AI assistant dari nol, lihat Claude Mastery.