Kampus Times - Perkembangan kecerdasan buatan (AI) membuat kemampuan berinteraksi dengan teknologi menjadi semakin penting. Salah satu keterampilan yang kini banyak dibutuhkan adalah prompt engineering, yakni kemampuan menyusun instruksi secara tepat agar AI menghasilkan jawaban sesuai kebutuhan pengguna.
Kualitas respons AI tidak hanya ditentukan oleh kecanggihan model yang digunakan. Cara pengguna menyampaikan instruksi, memberikan konteks, memasukkan data, serta menentukan bentuk jawaban turut memengaruhi hasil akhir. Karena itu, memahami prinsip dasar prompt engineering dapat membantu pengguna memperoleh respons yang lebih relevan, konsisten, dan mudah digunakan.
Empat Komponen Utama Prompt yang Baik
Prompt yang efektif pada dasarnya tidak sekadar berupa pertanyaan. Ada empat komponen penting yang dapat digunakan untuk menyusun instruksi secara lebih terarah, yaitu instruksi, input, konteks, dan output.
Instruksi: Jelaskan Apa yang Harus Dilakukan
Instruksi menjelaskan tugas yang harus dikerjakan AI. Semakin jelas tugasnya, semakin kecil kemungkinan AI memberikan respons yang melenceng.
Contohnya, daripada hanya menulis “jelaskan pemasaran digital”, pengguna dapat memberikan instruksi yang lebih spesifik: “Jelaskan konsep pemasaran digital untuk mahasiswa semester awal menggunakan bahasa sederhana dan berikan tiga contoh penerapannya.”
Instruksi tersebut memberikan batasan mengenai materi, target pembaca, bahasa, dan jumlah contoh.
Konteks Menentukan Relevansi Jawaban
Konteks menjadi komponen penting karena AI perlu memahami situasi di balik sebuah permintaan. Informasi seperti tingkat keahlian audiens, tujuan penggunaan, bidang pekerjaan, atau karakteristik pembaca dapat meningkatkan relevansi respons.
Semakin jelas konteks yang diberikan, semakin besar peluang AI menghasilkan jawaban yang sesuai kebutuhan. Prinsip sederhananya adalah: lebih banyak konteks yang relevan dapat menghasilkan output yang lebih tepat.
Output Menentukan Bentuk Hasil
Pengguna juga dapat menentukan bagaimana hasil harus disajikan. Misalnya, AI diminta memberikan jawaban dalam bentuk tabel, CSV, JSON, daftar poin, atau struktur tertentu.
Dalam pengembangan aplikasi, bagian ini sangat penting. Data yang dihasilkan AI harus mengikuti struktur yang telah ditentukan agar dapat langsung diproses oleh sistem tanpa membutuhkan banyak penyesuaian manual.
Few-Shot Prompting untuk Hasil yang Konsisten
Salah satu teknik penting dalam prompt engineering adalah few-shot prompting. Teknik ini dilakukan dengan memberikan beberapa contoh kepada AI sebelum meminta model menyelesaikan tugas baru.
Berbeda dengan zero-shot prompting yang langsung memberikan instruksi tanpa contoh, few-shot prompting membantu AI mengenali pola yang diinginkan.
Misalnya, pengguna ingin AI membuat pesan commit dengan format tertentu. Dengan memberikan dua atau tiga contoh sebelumnya, AI dapat memahami struktur, gaya penulisan, dan pola yang harus dipertahankan.
Teknik ini sangat berguna ketika konsistensi menjadi prioritas. Semakin spesifik format yang dibutuhkan, semakin besar manfaat pemberian contoh sebagai referensi.
Role Prompting Mengatur Cara AI Menjawab
Teknik lainnya adalah role prompting, yaitu memberikan peran tertentu kepada AI. Pengguna dapat meminta AI bertindak sebagai guru, editor, programmer, analis data, atau bahkan arsitek blockchain senior.
Penentuan peran membantu memberikan arah terhadap gaya dan tingkat kompleksitas jawaban. Misalnya, ketika AI diminta berperan sebagai seorang Senior Blockchain Architect yang menjelaskan konsep kepada pengembang junior, respons dapat diarahkan agar tetap teknis tetapi menggunakan bahasa yang mudah dipahami.
Role prompting bukan berarti AI benar-benar memiliki pengalaman profesional dari peran tersebut. Teknik ini lebih tepat dipahami sebagai cara memberikan konteks dan batasan gaya respons.
Instruksi Bertahap Membantu Menangani Masalah Kompleks
Dalam tugas matematika atau logika, instruksi bertahap sering digunakan untuk mendorong AI mengerjakan persoalan secara sistematis. Pendekatan yang populer dikenal sebagai Chain of Thought (CoT).
Sebagai contoh, terdapat server dengan kapasitas 100 GB. Jika database menggunakan 40 GB, tiga aplikasi masing-masing menggunakan 10 GB, dan cadangan membutuhkan 25 GB, maka kapasitas yang tersisa dapat dihitung secara bertahap:
100 GB ? 40 GB ? 30 GB ? 25 GB = 5 GB.
Instruksi bertahap membantu proses penyelesaian menjadi lebih mudah diperiksa. Namun, pengguna sebaiknya tidak menganggap penjelasan langkah demi langkah sebagai jaminan bahwa jawaban selalu benar. Hasil tetap perlu diverifikasi, terutama untuk perhitungan atau keputusan penting.
Mengapa Prompt Engineering Semakin Penting?
AI sebenarnya telah digunakan dalam berbagai layanan sebelum teknologi generatif menjadi populer di masyarakat luas setelah November 2022. Sistem rekomendasi produk, rekomendasi tontonan, hingga permainan catur berbasis komputer merupakan contoh pemanfaatan teknologi AI dalam kehidupan sehari-hari.
Kini, perkembangan Large Language Models (LLM) membuat AI mampu memahami instruksi yang semakin kompleks. Perbedaan antara prompt buruk dan prompt baik terkadang semakin kecil karena kemampuan model terus meningkat.
Meski demikian, mengandalkan keberuntungan tetap bukan strategi yang baik. Prompt yang terstruktur memberikan pengguna kendali lebih besar terhadap tujuan, konteks, dan format hasil.
Prompt Engineering Bukan Sekadar Bertanya kepada AI
Kesalahan umum pengguna adalah menganggap AI seperti mesin pencari yang cukup diberi pertanyaan singkat. Padahal, AI generatif dapat diarahkan dengan memberikan instruksi yang lebih lengkap.
Prompt yang baik menjelaskan apa yang harus dilakukan, data apa yang digunakan, untuk siapa hasil tersebut dibuat, dan seperti apa format akhirnya.
Dengan pendekatan tersebut, interaksi dengan AI berubah dari sekadar bertanya menjadi proses memberikan spesifikasi pekerjaan.
Kesimpulan
Prompt engineering merupakan keterampilan penting untuk memaksimalkan penggunaan AI secara efektif. Empat komponen utama berupa instruksi, input, konteks, dan output dapat menjadi dasar dalam menyusun prompt yang lebih terarah.
Teknik seperti few-shot prompting, role prompting, serta instruksi bertahap juga dapat digunakan sesuai kebutuhan. Pada akhirnya, kualitas hasil AI bukan hanya persoalan seberapa pintar model yang digunakan, tetapi juga seberapa jelas pengguna menjelaskan tujuan yang ingin dicapai.
Pengguna yang mampu memberikan instruksi secara spesifik, menyediakan konteks yang relevan, menentukan format output, dan memeriksa kembali hasil akan memiliki kendali yang lebih baik dalam memanfaatkan AI untuk belajar, bekerja, maupun mengembangkan berbagai aplikasi.
FAQ
- Apa itu prompt engineering? Prompt engineering adalah teknik menyusun instruksi secara terstruktur agar AI menghasilkan respons yang sesuai dengan tujuan pengguna.
- Apa saja komponen prompt yang baik? Komponen utamanya adalah instruksi, input, konteks, dan output.
- Apa itu few-shot prompting? Few-shot prompting adalah teknik memberikan beberapa contoh kepada AI agar model memahami pola atau format jawaban yang diinginkan.
- Apa fungsi role prompting? Role prompting memberikan peran tertentu kepada AI untuk membantu mengarahkan gaya bahasa, tingkat kompleksitas, dan sudut pandang respons.
- Apakah prompt yang baik menjamin jawaban AI selalu benar? Tidak. Prompt yang baik dapat meningkatkan relevansi dan konsistensi, tetapi hasil AI tetap perlu diperiksa dan diverifikasi.
