Tanya Brian
Kalau hasil kerja AI gw asal-asalan, itu salah AI atau salah gw sendiri?
Jawaban singkat
,** hampir selalu salah di instruksi lo sendiri. Anggap AI itu tim lo, dan lo manajernya. Kalau anak buah ngerjain asal-asalan, biasanya brief-nya yang kabur. Tujuan gak jelas, contoh gak ada, ukuran beres gak disebut. Model memang bisa salah, tapi itu tersangka kedua, bukan yang pertama.
Hasil AI jelek, reaksi pertama lo apa? Hampir semua orang nunjuk modelnya. Gw juga dulu gitu.
Coba pakai sudut pandang manajer. Hari Senin lo bilang ke anak buah baru, "Bikinin laporan." Gak ada deadline. Gak ada contoh. Lo juga gak bilang siapa yang bakal baca. Jumat laporannya masuk, dan hasilnya asal-asalan.
Lo salahin dia? Manajer yang jujur bakal ngaku, brief gw yang jelek.
AI itu sama. Bedanya, AI gak bakal balik nanya "ini buat siapa?" kalau lo gak nyuruh. Dia langsung ngerjain dengan tebakan terbaiknya. Tebakan itulah yang lo liat sebagai hasil asal-asalan.
Ada lima hal yang biasanya bolong di brief gw dulu:
- Tujuan. Laporan ini buat mutusin apa?
- Konteks. Siapa pembacanya, dan mereka udah tau apa?
- Contoh. Kayak apa hasil yang bagus menurut lo?
- Batasan. Apa yang gak boleh disentuh atau diubah?
- Ukuran beres. Kapan lo bilang ini kelar?
Gw ngerasain ini langsung pas bangun sistem distribusi konten 8 kanal yang gw jalanin sendirian. Hasilnya baru stabil setelah gw berhenti ngetik "tolong bikinin" dan mulai nulis brief per kanal kayak ngasih tugas ke tim beneran. Modelnya sama. Yang berubah cuma cara gw ngasih kerjaan.
Soal review juga sama. Pas gw bangun agen customer support, ada celah akses data antar pengguna yang kejaring sebelum produksi. Itu bukan karena modelnya pinter nahan diri. Itu karena gw nyuruh ngecek dan gw yang baca hasilnya. Manajer tetap tanggung jawab sama hasil kerja timnya.
Gw gak bilang model gak pernah salah. Kadang datanya emang gak ada, atau infonya udah basi. Tapi ada tes gampang. Kasih brief lo ke orang pinter yang baru masuk kantor. Kalau dia bakal bingung, itu salah brief. Kalau dia ngerti dan bisa ngerjain, baru curigain modelnya.
Bikin perusahaan hemat itu kebiasaan lama gw, jauh sebelum AI ngetren. Sebagai product leader, gw dorong penghematan $4 juta+ per tahun dari macem-macem inisiatif, mulai dari perbaikan proses, optimasi biaya, sampai keputusan produk yang lebih efisien. Salah satunya otomasi. Tiket customer support yang beres otomatis naik dari 0 ke 70% dari sekitar 10.000 tiket per bulan. 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.
Syaratnya satu. Lo harus mau jadi manajer yang ngasih brief jelas.
Jadi pas hasil AI berikutnya jelek, jangan buka tab model lain dulu. Baca ulang instruksi lo, cari mana dari lima hal tadi yang bolong, terus coba lagi. Kalau lo mau latihan ini bareng orang lain dengan kerjaan beneran, gabung di AI Circle.