Ada satu kebiasaan menarik yang muncul ketika seseorang baru pertama kali mencoba alat seperti Claude. Ia mengetik pertanyaan singkat, berharap mendapatkan jawaban yang sempurna. Ketika hasilnya mengecewakan, ia menyimpulkan AI ini “tidak sebagus yang dibilang orang”, lalu beralih mencoba alat lain. Pola itu berulang, sampai akhirnya ia menyimpulkan semua AI sama saja, kurang bisa diandalkan.
Padahal yang sering terjadi bukan AI-nya yang lemah. Yang lemah adalah cara bertanyanya.
Sebuah infografis berjudul “The Anatomy Of A Perfect Claude Prompt” beredar di linimasa belakangan ini. Isinya delapan komponen yang, jika dirangkai dengan baik, mengubah pertanyaan biasa menjadi instruksi yang menghasilkan output berkualitas. Yang menarik dari infografis itu bukan kebaruannya, melainkan kesederhanaannya. Ia mengonfirmasi sesuatu yang sebenarnya sudah lama diajarkan dalam panduan resmi Anthropic, bahwa kualitas prompt adalah investasi waktu yang nyaris selalu terbayar.
Delapan Komponen, Satu Kerangka Berpikir
Komponen pertama adalah Who, peran yang ingin dimainkan AI. Misalnya, “Anda adalah seorang dosen senior dengan keahlian di bidang Manajemen SDM.” Penetapan peran ini bukan sekadar formalitas. Ia mengaktifkan cara berpikir tertentu pada AI, mempersempit ruang jawaban, dan meningkatkan kedalaman analisis. Permintaan kepada “AI generik” menghasilkan jawaban generik. Permintaan kepada “konsultan keuangan dengan 20 tahun pengalaman di pasar Asia Tenggara” menghasilkan jawaban yang jauh lebih spesifik.
Komponen kedua, What, adalah deliverable yang spesifik. Bukan “bantu saya menulis”, tetapi “bantu saya menulis ringkasan eksekutif tiga paragraf untuk presentasi rapat senat fakultas pekan depan”. Perbedaan ini, sekilas tampak sepele, padahal menentukan apakah AI akan menebak-nebak kebutuhan pengguna atau langsung mengeksekusi.
Komponen ketiga, Context, adalah tempat banyak pengguna menyerah karena merasa terlalu repot. Padahal di sinilah kekuatan personalisasi sesungguhnya berdiri. Konteks mencakup siapa audiensnya, apa latar belakang situasinya, apa yang sudah dicoba dan tidak berhasil, dan file-file referensi apa yang relevan. Infografis itu menyebut tiga jenis file yang lazim dipakai pengguna mahir, style-guide.md untuk aturan tone dan suara, audience-research.md untuk pain points dan bahasa khas pembaca, serta past-examples.md untuk contoh-contoh yang sudah terbukti berhasil.
Komponen keempat, Format, mengatur seperti apa output diharapkan tampil. Berapa panjangnya, bagaimana strukturnya, apa nadanya, dan dalam bentuk apa diserahkan. Tanpa instruksi format, AI akan memilih sendiri yang menurutnya paling lazim. Hasilnya kerap mengecewakan bukan karena salah, melainkan karena tidak sesuai keperluan.
Komponen kelima, Constraints, adalah daftar yang harus dihindari. Ini bagian yang sering terlewat, padahal sering kali lebih menentukan kualitas dibandingkan instruksi positif. Memberitahu AI kata-kata mana yang tidak boleh dipakai, gaya mana yang harus dijauhi, dan batas-batas apa yang tidak boleh dilanggar, akan mempersempit ruang ketidaksesuaian sejak awal.
Komponen keenam, Examples, adalah cara paling cepat mengajari AI tentang selera pribadi pengguna. Tiga sampai lima contoh output yang diinginkan, dua sampai tiga contoh yang tidak diinginkan, ditambah penjelasan mengapa contoh-contoh negatif tersebut tidak berhasil. Anthropic dalam panduan resminya menyebut teknik ini sebagai salah satu cara paling efektif memandu AI menuju kualitas yang konsisten.
Komponen ketujuh, Success Criteria, adalah jaring pengaman terakhir. Apa yang seharusnya pembaca rasakan setelah membaca output, apa yang seharusnya mereka lakukan, apa masalah inti yang sedang dijawab, dan seberapa dalam tingkat detail yang diinginkan. Tanpa kriteria sukses, kedua pihak (pengguna dan AI) bekerja tanpa peta tujuan yang jelas.
Komponen kedelapan, Before You Begin, adalah penutup yang justru sering dilupakan. Tiga instruksi pendek yang berdampak besar, ajak AI bertanya jika ada yang tidak jelas, larang AI mengarang atau mengasumsikan, dan minta AI menyatakan ulang tugas dalam satu kalimat sebelum mulai bekerja. Tiga kalimat ini mengurangi separuh dari masalah yang biasa muncul di hasil akhir.
Pertanyaan yang Sering Muncul
Pertanyaan yang wajar muncul, apakah setiap prompt harus memuat kedelapan komponen itu? Jawabannya, tidak. Untuk pertanyaan sederhana, kerangka ini berlebihan. Untuk meminta resep masakan, terjemahan singkat, atau klarifikasi konsep, prompt biasa sudah cukup.
Kerangka delapan komponen ini menjadi relevan ketika tugasnya kompleks, ketika hasilnya akan dipakai di luar percakapan (misalnya untuk publikasi, presentasi, atau dokumen profesional), dan ketika konsistensi suara penulis menjadi penting. Untuk seorang akademisi yang menyiapkan draf opini media massa, atau seorang konsultan yang menyusun laporan untuk klien, investasi waktu menulis prompt yang lengkap akan terbayar dengan hasil yang jauh lebih sedikit perlu direvisi.
Pergeseran yang Lebih Dalam
Ada satu pergeseran yang patut direnungkan dari maraknya panduan-panduan prompt seperti ini. Dahulu, keterampilan yang dibutuhkan dari pekerja pengetahuan adalah kemampuan menemukan informasi. Mesin pencari mengubah itu, dan kini menemukan informasi adalah keterampilan dasar yang dianggap dimiliki semua orang.
Hari ini, keterampilan baru sedang muncul, kemampuan merumuskan pertanyaan yang baik kepada sistem AI. Keterampilan ini, ironisnya, sangat mirip dengan keterampilan klasik yang sudah lama diajarkan dalam pendidikan, kemampuan berpikir terstruktur, kemampuan menetapkan kriteria, kemampuan memberi contoh, dan kemampuan membatasi ruang lingkup. Hanya saja, sekarang, keterampilan-keterampilan itu diuji setiap kali seseorang membuka jendela percakapan dengan AI.
Mereka yang sudah terbiasa berpikir terstruktur akan menemukan bahwa AI generatif menjadi semacam penguat kemampuan mereka. Sementara mereka yang terbiasa bertanya secara dangkal akan menemukan AI sebagai cermin yang memantulkan kedangkalan itu kembali kepada mereka.