AI

Instruksi AI ambigu bikin hasilnya berantakan, modelnya gak salah

24 Oktober 2026 · Brian Arfi Faridhi

Sering banget ada yang nunjukin hasil AI ke gw sambil geleng-geleng. "Parah, gak akurat."

Gw minta liat prompt-nya. Isinya satu baris: "Bikinin ringkasan meeting tadi."

Cuma segitu. Gak disebut siapa yang bakal baca ringkasannya. Gak ada info soal keputusan atau tugas yang dicari. Gak ada patokan panjangnya. AI nebak, dan tebakannya gak kena. Terus modelnya yang disalahin.

Gw ngerti kenapa orang gampang ngecap AI jelek. Jawabannya kelihatan salah, jadi kesimpulannya "alatnya yang salah". Tapi di kerjaan gw sehari-hari, akar masalahnya hampir selalu ada di sisi gw sendiri.

Prompt-nya satu baris, harapannya sepuluh paragraf

Setiap hari gw pakai AI buat kerjaan product. Nyusun PRD, ngerapihin notulen, nyari celah di spek, sampai nyiapin materi buat tim. Gw juga ngebangun sistem distribusi konten 8 kanal yang gw jalanin sendirian.

Dari situ gw sadar satu hal. Waktu hasilnya jelek, gw tinggal buka lagi instruksi gw. Hampir selalu ketemu bolongnya.

Masalahnya, di kepala gw semuanya udah jelas. Gw tau konteksnya, tau siapa pembacanya, tau "bagus" itu kayak apa. Tapi AI gak ada di kepala gw. Dia cuma punya kalimat yang gw ketik.

Jadi instruksi yang kelihatan lengkap buat gw, buat dia masih setengah jadi. Dan dia gak bakal bilang "eh, ini kurang". Dia ngisi sendiri bagian yang kosong, dengan tebakan yang paling umum.

Jadinya generik. Itu bukan karena modelnya males. Dia cuma ngisi ruang kosong yang gw tinggalin.

Empat pola instruksi setengah jadi

Dari kebiasaan gw sendiri, ini pola yang paling sering bikin hasilnya berantakan:

  1. Konteks ketinggalan di kepala. "Rapihin PRD ini." Rapih menurut siapa? Buat engineer, buat bos, atau buat investor? Tiga pembaca itu butuh tiga PRD yang beda.
  2. Kata sifat tanpa ukuran. "Bikin yang singkat dan menarik." Singkat itu tiga kalimat atau satu halaman? Menarik buat siapa? Kata sifat kayak gini enak diketik, tapi gak ngasih pegangan.
  3. Banyak permintaan dalam satu napas. "Ringkas, terjemahin, terus kasih saran perbaikan." Biasanya dua yang pertama lumayan, yang ketiga asal ada. Satu instruksi yang numpuk tiga tugas bikin perhatian AI kebagi.
  4. Tujuan gak disebut. Gw cuma bilang apa yang mau dikerjain, gak bilang buat apa. Padahal tujuan yang nentuin mana yang penting dan mana yang boleh dibuang.

Pola keempat paling licin. Gw sendiri sering kepeleset di situ. Soalnya tujuan itu kerasa kayak hal yang "udah jelas".

Waktu mulai bangun sistem distribusi konten, gw sempet minta AI "bikin caption yang menarik" buat tiap kanal. Keluarnya caption yang bisa dipasang di akun siapa aja. Gw kesel, sampai gw sadar gw gak pernah bilang suara gw kayak apa, siapa yang baca, dan aksi apa yang gw mau dari mereka di tiap kanal.

Begitu gw tulis semuanya, kualitasnya naik jauh. Modelnya sama. Yang beda cuma isi kepala gw yang akhirnya pindah ke layar.

Tes yang gw pakai sebelum tekan enter

Gw punya satu tes simpel. Bayangin instruksi itu gw kasih ke rekan baru yang pinter tapi baru masuk hari ini. Dia gak tau proyeknya, gak kenal timnya, gak ikut meeting kemarin.

Kalau dia bakal balik nanya tiga hal, berarti AI juga butuh jawaban tiga hal itu. Jawabannya gw tulis duluan.

Biasanya gw cek empat hal:

  • Siapa yang bakal baca atau pakai hasilnya.
  • Hasil yang beres itu bentuknya kayak apa, termasuk panjang dan format.
  • Satu contoh yang gw anggap bagus, kalau ada.
  • Apa yang jangan dilakuin, kalau ada batasan yang jelas.

Satu trik lagi yang kepake banget. Di akhir instruksi, gw tambahin: "Kalau ada yang belum jelas, tanya gw dulu sebelum mulai." AI jadi nahan diri buat gak nebak, dan sering banget dia nanya hal yang emang gw lupa tulis.

Ini gak bikin prompt jadi panjang banget tiap kali. Buat tugas kecil, satu kalimat yang jelas udah cukup. Yang penting, tulis bagian yang beneran nentuin hasilnya, bukan nulis lebih banyak.

Kebiasaannya lama, alatnya makin tajam

Gw gak lahir jago soal ini. Bikin instruksi yang jelas itu kebiasaan yang kebentuk dari dua puluh tahun jadi orang produk, soalnya kerjaan gw dari dulu ya nulis kebutuhan biar orang lain bisa ngerjain tanpa nebak.

Kebiasaan yang sama juga bikin gw jago ngehemat biaya perusahaan. Bikin perusahaan hemat itu kebiasaan lama gw, jauh sebelum AI ngetren: $4 juta+ per tahun dari macem-macem inisiatif. Ada perbaikan proses, optimasi biaya, keputusan produk yang lebih efisien, dan automation jadi salah satunya. Dulu daya ungkit kayak gitu butuh posisi, tim engineer, dan sistem mahal. Sekarang AI jadi alat paling tajam buat kebiasaan yang sama, dan bisa dilatih ke semua orang di tim.

Makanya gw bikin Applied-AI Certification dan AI Circle. Alatnya udah ada di tangan semua orang. Yang jarang dilatih itu cara ngomong ke alatnya.

Kalau lo mau mulai sendiri, besok coba satu hal. Ambil satu prompt yang hasilnya bikin lo kesel minggu ini, terus tulis ulang pakai empat cek tadi. Bandingin hasilnya. Lo bakal liat bedanya tanpa ganti model sama sekali.

Kalau lo mau belajar bareng orang yang lagi ngerjain hal yang sama tiap hari, gabung AI Circle. Kita ngulik prompt dan workflow yang kepake di kerjaan beneran.

Kalau lo mimpin tim dan hasil AI di kantor masih kerasa gak konsisten, mungkin yang perlu dilatih itu cara timnya ngasih instruksi. Detail program buat perusahaan ada di halaman corporate.