Coba bayangkan kamu bekerja dengan rekan yang sangat cepat membaca. Informasi sebanyak apa pun bisa dia serap. Tapi ada satu kekurangan besar: dia tidak peka konteks. Tidak menangkap maksud tersirat. Tidak menebak niat di balik kalimat. Dia hanya mengerjakan persis apa yang tertulis.
Kurang lebih, seperti itulah cara kerja generative AI.
Masalahnya, banyak dari kita memperlakukan AI seolah-olah dia akan otomatis paham apa yang kita mau. Ketika hasilnya melenceng, yang disalahkan AI-nya. Padahal, sering kali akar masalahnya ada di satu hal: instruksinya belum beres.
Di titik ini, menulis prompt bukan lagi urusan teknis. Ini soal cara berpikir.
Prompt yang baik bukan yang terdengar canggih, tapi yang memberi sinyal kerja yang jelas. Tujuan apa yang diminta. Di konteks apa. Dengan batasan apa. Dan output seperti apa yang diharapkan.
Untuk itu, kita butuh kerangka yang sederhana dan bisa dipakai berulang. Salah satu yang cukup relevan untuk kerja sehari-hari adalah CLEAR framework, dikembangkan oleh Leo S. Lo dari University of New Mexico .
CLEAR bekerja sebagai lima lapis pengendali kualitas prompt.
Concise: Langsung ke Intinya
Lapisan pertama adalah concise. Prompt perlu ringkas dan fokus. AI tidak butuh pengantar panjang atau cerita pembuka. Yang dibutuhkan adalah inti permintaan.
Kalimat yang berputar membuat AI harus menebak mana yang penting. Semakin jelas fokusnya, semakin stabil arah jawabannya.
Logical: Urut dan Masuk Akal
Lapisan kedua adalah logical. Urutan ide menentukan apakah AI memahami konteks atau hanya memungut kata kunci.
Prompt yang logis menunjukkan alur berpikir. Dari mana pembahasan dimulai, ke mana arahnya, dan bagaimana hubungan antar konsepnya. Tanpa logika, jawaban sering terasa lompat-lompat.
Explicit: Jangan Berharap Dibaca Pikiran
Lapisan ketiga adalah explicit. Di sini kita menetapkan aturan main. Format output. Panjang jawaban. Target pembaca. Batasan topik. Gaya bahasa.
Semakin eksplisit instruksinya, semakin kecil ruang tafsir yang tidak diinginkan. AI bekerja lebih rapi ketika parameternya jelas.
Tiga lapisan ini membentuk prompt awal yang kuat. Tapi pekerjaan belum selesai.
Adaptive: Perbaiki dari Jawaban
Lapisan keempat adalah adaptive. Jawaban AI bukan hasil final, tapi umpan balik. Dari sana kita bisa mempersempit fokus, menambah konteks, atau mengoreksi arah.
Prompt yang baik hampir selalu lahir dari beberapa iterasi, bukan sekali kirim lalu selesai.
Reflective: Nilai dengan Kepala Dingin
Lapisan terakhir adalah reflective. Kita menilai jawaban secara kritis. Apakah masuk akal. Apakah sesuai pengetahuan umum. Apakah ada konteks sosial, ilmiah, atau kelompok tertentu yang belum disentuh.
Di sini manusia tetap memegang kendali. AI memberi bahan, kita yang bertanggung jawab menilai kualitasnya.
Setelah memahami bahwa prompt adalah cara kita berpikir yang diterjemahkan ke dalam instruksi, pertanyaan berikutnya
“Contohnya gimana sih nulis promptnya?”
Contoh Masalah
Misalnya, kita ingin AI membantu menulis ringkasan akademik tentang dampak media sosial terhadap kesehatan mental remaja.
Prompt yang asal-asalan biasanya seperti ini:
“Tolong jelaskan dampak media sosial terhadap remaja.”
Hasilnya sering melebar, dangkal, atau tidak sesuai kebutuhan. Di sinilah CLEAR membantu merapikan pikiran sebelum menulis prompt.
C — Concise
Pertama, ringkas dan langsung ke inti. Kita tetapkan topiknya dengan jelas, tanpa pembuka panjang.
Contoh:
“Tuliskan ringkasan berbasis riset tentang dampak media sosial terhadap kesehatan mental remaja.”
Satu kalimat. Fokus jelas.
L — Logical
Kedua, susun alur berpikir. Kita beri tahu AI urutan pembahasan yang diinginkan.
Contoh tambahan:
“Sertakan pengantar singkat, dampak positif, dampak negatif, data pendukung, dan penutup.”
Di sini AI tidak perlu menebak struktur. Arahnya sudah ditentukan.
E — Explicit
Ketiga, jelaskan batasan dan spesifikasi output. Ini bagian yang sering dilupakan.
Contoh tambahan:
“Gunakan sudut pandang dosen psikologi. Panjang sekitar 500 kata. Gunakan sumber peer-reviewed setelah tahun 2018. Bahasa akademik sederhana untuk mahasiswa tahun pertama.”
Semakin eksplisit, semakin kecil risiko jawaban melenceng.
A — Adaptive
Setelah AI menjawab, kita membaca hasilnya. Mungkin isinya terlalu teknis, atau kurang kontekstual. Di sini kita menyesuaikan.
Contoh prompt lanjutan:
“Permudah bahasa teknisnya dan beri contoh yang dekat dengan kehidupan remaja di Indonesia.”
Prompt bukan sekali jalan. Ia diperbaiki berdasarkan hasil sebelumnya.
R — Reflective
Terakhir, kita menilai hasilnya secara kritis. Apakah masuk akal. Apakah seimbang. Apakah ada bias atau bagian yang kurang.
Jika perlu, kita tambahkan instruksi:
“Tambahkan catatan tentang keterbatasan riset dan area yang masih perlu diteliti.”
Di tahap ini, manusia tetap memegang kendali penuh atas kualitas output.
Contoh Prompt Lengkap Versi CLEAR
Jika dirangkai menjadi satu, prompt-nya bisa berbunyi seperti ini:
“Berperanlah sebagai dosen psikologi. Tuliskan ringkasan akademik sekitar 200 kata tentang dampak media sosial terhadap kesehatan mental remaja. Sertakan pengantar singkat, pembahasan dampak positif dan negatif, data atau temuan dari jurnal peer-reviewed setelah tahun 2022, serta penutup singkat. Gunakan bahasa akademik yang sederhana dan mudah dipahami mahasiswa tahun pertama. Tambahkan catatan tentang keterbatasan riset dan peluang penelitian lanjutan.”
Prompt ini tidak terdengar canggih. Tapi justru karena itu ia bekerja. Tujuan jelas. Konteks jelas. Batasan jelas. Cara menilainya juga jelas.
CLEAR mengajarkan satu hal penting: prompt bukan soal kepintaran merangkai kata, tetapi kejernihan merumuskan kebutuhan. Ketika kita tahu apa yang kita cari, AI berhenti menjadi alat tebak-tebakan. Ia berubah menjadi mitra kerja yang bisa dikendalikan.
