Prompt Engineering: 5 Prinsip Skill Komunikasi, Bukan Trik AI

Coba bayangkan Anda meminta rekan kerja membereskan meja tanpa bilang bagian mana yang boleh dibuang. Hasilnya kemungkinan besar meleset dari harapan. Bukan karena rekan kerja Anda kurang mampu, tapi karena instruksinya terlalu umum.

Pola yang sama terjadi saat berinteraksi dengan AI seperti Claude atau ChatGPT. Di situlah prompt engineering masuk, dan ternyata prinsipnya lebih mirip komunikasi manusia biasa daripada trik teknis.

Apa Itu Prompt Engineering?

Prompt engineering adalah cara menyusun instruksi untuk AI supaya hasilnya sesuai kebutuhan. Bukan menemukan susunan kata ajaib yang bikin AI “lebih pintar,” tapi menjelaskan dengan detail apa yang sebenarnya diinginkan, sama seperti menjelaskan tugas ke orang lain.

Bandingkan instruksi “buatkan ringkasan artikel ini” dengan “ringkas jadi tiga poin, masing-masing maksimal dua kalimat, pakai bahasa yang mudah dipahami orang awam.” Instruksi kedua jauh lebih mungkin langsung bisa dipakai tanpa revisi lagi.

Kenapa Bukan Sekadar Kata Ajaib

Saya sendiri sempat mengira ada trik atau formula rahasia di balik ini. Setelah membaca dokumentasi resmi Anthropic soal prompt engineering, ternyata jauh lebih membosankan: semuanya soal komunikasi yang jelas.

Dokumen itu menyebut beberapa hal yang benar-benar memengaruhi kualitas output AI. Instruksi yang detail dan spesifik menghasilkan output yang lebih sesuai kebutuhan dibanding instruksi umum. Memberi contoh, baik yang benar maupun yang salah, membantu AI memahami batasan yang diinginkan. Meminta AI menjelaskan langkah berpikirnya, bukan langsung melompat ke jawaban, sering menghasilkan output yang lebih akurat. Memisahkan bagian instruksi secara eksplisit membantu AI membedakan mana latar belakang dan mana perintah. Terakhir, menyebutkan format dan panjang output yang diinginkan mengurangi tebak-tebakan dari sisi AI.

Tidak ada satu pun dari ini soal kata rahasia. Semuanya kompetensi komunikasi yang sudah dipakai setiap orang dalam pekerjaan sehari-hari.

Studi Kasus: Sistem Otomasi Konten IT Insights

Prinsip di atas saya terapkan langsung ketika membangun sistem otomasi produksi konten untuk IT Insights, menggunakan platform otomasi n8n yang terhubung ke Claude API dan Google Docs.

Sistemnya terdiri dari sembilan node: satu form trigger, satu switch untuk merutekan pilihan platform, enam node Claude AI, dan satu node penyimpanan ke Google Docs.

Tiap node punya batas karakter berbeda sesuai platform tujuannya. Node untuk LinkedIn panjang dibatasi sekitar 1.000 sampai 1.500 karakter, node untuk Threads dibatasi 500 karakter. Tanpa batasan seperti ini, hasil AI biasanya berubah-ubah panjangnya tiap kali dijalankan.

Percobaan pertama pakai instruksi umum seperti “buatkan post LinkedIn tentang [tema].” Hasilnya generik. Panjangnya berubah-ubah, strukturnya tidak konsisten, tone-nya juga sering meleset dari gaya IT Insights.

Setelah instruksi disusun ulang mengikuti prinsip di atas, dengan batas karakter eksplisit per platform, struktur wajib, dan contoh format yang tidak boleh dipakai, hasilnya berubah cukup drastis. Konsistensi format naik hampir di setiap eksekusi.

Estimasi saya, waktu produksi draf awal turun sekitar 90 persen dibanding menulis manual satu per satu. Perlu digarisbawahi, ini angka dari pengalaman produksi saya sendiri, bukan hasil pengujian formal dengan kontrol ketat, dan masih akan saya verifikasi ulang setelah pemakaian rutin beberapa minggu ke depan.

[Infografis: 5 Prinsip Prompt Engineering Menurut Dokumentasi Resmi Anthropic — alt text: “5 prinsip prompt engineering: kejelasan instruksi, contoh positif-negatif, penalaran bertahap, pemisahan instruksi, format output”]

Menerapkan Prompt Engineering di Pekerjaan Sehari-hari

Anda tidak perlu membangun sistem otomasi untuk mempraktikkan ini. Beberapa hal yang bisa langsung dicoba:

Sebutkan panjang, format, dan tone yang diinginkan secara eksplisit. Jangan berasumsi AI akan menebak.

Beri satu contoh hasil yang diinginkan, dan kalau perlu satu contoh yang tidak diinginkan.

Kalau hasilnya kurang tepat, jelaskan bagian mana yang meleset dan kenapa, jangan langsung minta ulang dari nol.

Simpan instruksi yang sudah terbukti berhasil, supaya bisa dipakai lagi untuk tugas serupa tanpa perlu menyusun dari nol tiap kali. Sama seperti template email yang dipakai berulang.

Anggap saja prosesnya seperti briefing kolega baru. Butuh beberapa kali revisi sebelum sama-sama paham, dan itu wajar.

Kesimpulan

Prompt engineering bukan kompetensi eksklusif programmer atau data scientist. Ini penerapan skill komunikasi yang sebenarnya sudah dimiliki setiap profesional, hanya dipraktikkan ke lawan bicara baru: model bahasa. Semakin jelas dan spesifik instruksi yang diberikan, semakin sedikit waktu yang terbuang untuk revisi bolak-balik.

Kalau Anda sudah mulai pakai AI untuk pekerjaan sehari-hari, coba cek instruksi yang biasa Anda berikan: sudah sedetail instruksi ke rekan kerja, atau masih terlalu umum?

Baca juga : AI untuk Produktivitas Kerja: Mulai dari Workflow, Bukan Tool