Kenapa AI gw kayak lupa konteks kerjaan, padahal udah pernah gw jelasin?

Ini pertanyaan yang paling sering muncul waktu ngobrol AI kemarin. Ada yang nanya soal RAG dan gaya bahasa yang konsisten, ada yang nanya soal konteks yang berubah tiap hari, ada yang nanya soal knowledge tiap domain kerjaan. Semuanya muara ke satu akar masalah yang sama.

Dua istilah yang sering dicampur jadi satu

Ini bagian paling penting, jadi gw mau pisahin tegas dari awal. Konteks engineering dan harness engineering itu dua hal yang beda.

Konteks engineering itu soal isinya. Konteksnya udah disiapin, jadi AI gak perlu lo ceritain dari nol tiap kali. Dia tinggal ngambil sendiri dari tempat yang udah lo siapin.

Harness engineering itu soal sistemnya. Sistem yang ngelilingin AI-nya, yang bikin dia tahu konteks mana yang harus diambil buat tugas yang mana. Tanpa harness, konteks yang udah lo siapin sebagus apa pun gak kepake, karena gak ada yang nunjukin AI harus buka file mana buat kerjaan apa.

Dua-duanya wajib ada. Konteks doang tanpa harness itu kayak punya perpustakaan lengkap tapi gak ada katalognya. Harness doang tanpa konteks itu kayak punya sistem rapi tapi rak-raknya kosong.

Ini juga bukan istilah yang dari dulu dipakai. Setahun lalu, obrolan soal cara kerja AI masih muter di "loop engineering". Sekarang yang relevan dan yang beneran nentuin hasil kerja lo itu konteks engineering dan harness engineering. Ilmunya emang berubah cepat, jadi kalau lo belum pernah denger dua istilah ini sebelumnya, itu wajar. Yang penting bukan namanya, tapi paham dua hal ini beda dan dua-duanya harus lo bangun.

Ada dua analogi yang gw pakai buat ngejelasin ini.

Yang pertama, AI itu kayak mesin di mobil. Lo build mobilnya, lo build setirnya, kursinya, bagasinya, bensinnya. Itu semua saling terhubung. Mesinnya kuat gak ada artinya kalau setir, kursi, dan bensinnya gak lo siapin. AI-nya sendiri itu mesin. Konteks dan harness itu semua bagian lain dari mobilnya.

Yang kedua, harness itu kayak tali kendali kuda. Kuda yang kuat dan cepat gak ada gunanya kalau gak ada yang pegang kendalinya. Mesin gak cukup. Harus ada yang ngarahin.

Dua analogi ini gw pakai bareng-bareng karena masing-masing nutupin bagian yang beda. Analogi mobil ngejelasin kenapa semua komponen harus saling terhubung, bukan cuma mesinnya doang yang dibagusin. Analogi kuda ngejelasin kenapa sekuat apa pun AI-nya, tetap butuh ada yang pegang kendali dan nentuin arah. Kalau lo cuma pasang model paling canggih tanpa dua hal ini, itu kayak naikin mesin balap ke mobil yang setirnya belum lo pasang.

Kenapa lo ngerasa AI "harusnya udah tahu"

Ini pola yang bikin banyak orang frustrasi tanpa sadar akar masalahnya. Kita otomatis ngira AI tahu apa yang ada di kepala kita. Begitu dia jawab salah atau generik, kita buru-buru nyalahin dia, padahal dia memang gak pernah dikasih tahu.

Alasannya AI itu stateless. Dia gak punya memori antar sesi. Tiap chat baru, dia balik jadi orang asing yang kebetulan pinter banget. Dia gak tahu proyek apa yang lagi lo kerjain, siapa yang lo tunggu jawabannya, atau keputusan apa yang udah diambil minggu lalu, kecuali lo kasih tahu atau ada sistem yang ngasih tahu buat lo.

Jadi ketika AI "kelihatan lupa", bukan berarti dia bego. Dia memang belum dikasih akses ke konteks itu. Solusinya bukan protes ke modelnya, tapi bangun jalur biar konteks itu sampai ke dia otomatis.

Ini juga alasan kenapa ganti ke model yang lebih canggih gak otomatis nyelesain masalah "AI gw kayak lupa terus". Selama belum ada jalur yang ngasih dia konteks kerjaan lo, model secanggih apa pun tetap mulai dari nol tiap sesi. Yang berubah cuma kepintarannya nebak, bukan pengetahuannya soal kerjaan lo.

Cara praktisnya: daily check-in dua kali sehari

Ini rutinitas yang gw jalanin tiap hari, dan ini yang bikin AI gw kerasa "inget" kerjaan gw dari hari ke hari.

Pagi, gw trigger AI gw buat update. Dia baca:

• email
• Google Drive
• file memori (proyek apa sampai mana, siapa minta apa)
• watchdog dan action item
• meeting notes
• Slack
• bisa juga konek ke WhatsApp

Setelah semua itu kebaca, dia bantu nyusun prioritas hari itu. Bukan AI yang mutusin sendiri tanpa lo lihat, tapi dia nyiapin bahannya biar lo tinggal putusin.

Malamnya, gw trigger lagi buat nutup hari. Ada skornya. Dari 5 prioritas yang disusun pagi, misalnya 3 kelar dan 2 spillover ke besok. Skor ini bukan buat gaya-gayaan, tapi jadi bahan buat besok pagi biar yang spillover gak ilang gitu aja.

Gerbangnya, dan ini yang sering kelewat

Bagian ini penting banget, karena orang sering mikir begitu ada harness, semuanya jalan otomatis tanpa dicek. Bukan begitu.

Prioritas hasil AI gak otomatis bener. Makanya ada gate-nya. Setelah AI ngambil dan nyusun, gw koreksi dulu. Cek sekitar semenit dua menit. Kalau ada yang salah, misalnya ada yang sebenarnya udah kelar tapi kecatet belum, gw masukin koreksinya dulu baru dia lanjut.

Dari koreksi ini, sistemnya belajar, dan besoknya jadi lebih akurat. Ini pola yang penting dipegang. Harness bukan alat yang sekali disetel langsung sempurna. Dia butuh koreksi manual yang konsisten di awal, dan makin lama makin jarang meleset karena udah kebiasa sama pola kerjaan lo.

Soal gaya bahasa yang konsisten

Salah satu yang ditanyain adalah gimana biar AI nulis dengan gaya bahasa yang konsisten, gak berubah-ubah tiap kali diminta.

Ini bukan soal prompt yang lebih bagus. Ini soal contoh. Sistem gw bisa nulis pakai gaya bahasa gw karena gw udah biasa nulis, jadi ada bahan yang bisa dia analisa. Bahkan video yang gw ngomong langsung bisa diubah jadi tulisan yang kedengeran kayak gw ngomong, karena polanya diambil dari contoh nyata, bukan dari instruksi abstrak "tulis dengan gaya santai".

Jadi kalau lo mau AI nulis konsisten kayak lo, langkah pertamanya bukan nyari prompt ajaib. Kumpulin dulu contoh tulisan atau omongan lo yang paling representatif, kasih ke AI-nya sebagai bahan, baru dia bisa mulai ngenalin pola gaya bahasa lo.

Kesimpulannya

Kalau AI lo kelihatan lupa dan ngulang jawaban generik, cek dua hal ini dulu sebelum nyalahin modelnya. Konteksnya udah disiapin di satu tempat yang bisa diakses, atau masih nyebar di kepala lo doang? Ada sistem yang nunjukin konteks mana yang diambil buat tugas apa, atau AI-nya nebak sendiri tiap kali?

Kalau dua-duanya belum ada, itu bukan masalah model. Itu masalah lo belum bangun konteks engineering dan harness engineering-nya.

Kalau cuma satu hal yang lo bawa dari tulisan ini, ambil ini: mesinnya boleh punya orang lain, tapi mobilnya punya lo. Model boleh ganti tiap enam bulan. Harness dan data lo tetap.

Nyusun harness itu sendiri yang gak muat di satu artikel, dan itu isi utama workshop AI Circle. Konsep dasarnya ada gratis di member area kalau lo mau ngerti pondasinya dulu.