Masalahnya sudah jamak: kita bertanya dengan serius, tapi chatbot menjawab dengan dangkal. Menurut Jones, ini bukan kebetulan. Model bahasa besar memang dirancang untuk merangkai kata berdasarkan probabilitas statistik, bukan pemahaman mendalam seperti manusia. Tanpa dorongan yang tepat, hasilnya selalu permukaan.
Mengapa Chatbot Sering Memberi Jawaban Dangkal?
Jones menjelaskan bahwa chatbot cenderung memilih jalur paling aman dan paling umum. “Mereka memprediksi kata berikutnya yang paling mungkin, bukan benar-benar mengerti topiknya,” tulisnya. Akibatnya, pertanyaan kompleks kerap dijawab dengan generalisasi yang sudah sering kita dengar.
Dari pengalamannya menguji puluhan pertanyaan soal game, film, musik, hingga tokoh publik, ia menemukan pola yang sama. Pertanyaan yang sama, diajukan dengan cara berbeda, menghasilkan kualitas jawaban yang sangat timpang. Di sinilah peran lima prompt penyelamat itu muncul.
Lima Prompt yang Mengubah Segalanya
Jones tidak membuang pertanyaan lamanya. Ia hanya menambahkan satu dari lima perintah berikut di akhir setiap pertanyaan untuk memaksa chatbot berpikir lebih keras:
- Prompt self-critique: “Sebelum menjawab, identifikasi apa yang membuat jawaban tipikal terasa dangkal, generik, atau tidak lengkap. Hindari jebakan itu. Fokus pada kedalaman, nuansa, trade-off, bukti, dan wawasan yang bisa ditindaklanjuti.”
- Prompt 'anggap saya jenius': “Jangan beri jawaban permukaan. Anggap saya cerdas, ingin tahu, dan bersedia berhadapan dengan kompleksitas. Gali topik secara mendalam, identifikasi asumsi tersembunyi, tantang kebijaksanaan konvensional.”
- Prompt analisis kegagalan: “Mengapa kebanyakan orang gagal dalam hal ini? Kesalahan apa yang berulang kali menyebabkan hasil buruk meskipun niatnya baik?”
- Prompt mode peneliti: “Dekati ini seperti peneliti investigatif. Periksa penyebab mendasar, penjelasan yang bersaing, keterbatasan, dan pertanyaan yang belum terjawab.”
- Prompt penyaji bukti: “Untuk setiap klaim utama, jelaskan alasan dan bukti yang mendukungnya. Bedakan antara fakta, asumsi, dan spekulasi.”
Kapan Prompt Ini Paling Efektif?
Jones mengaku prompt pertama—self-critique—bekerja untuk hampir semua topik. Prompt kedua sangat berguna ketika ia sudah memiliki pengetahuan dasar dan ingin chatbot melewatkan penjelasan elementer. Sementara prompt analisis kegagalan menjadi andalannya saat mencari cara terbaik menangani tanggung jawab pekerjaan atau kehidupan, sekaligus mengungkap jebakan umum yang sering diabaikan orang.
Untuk pertanyaan kontroversial atau perdebatan sengit—seperti mengapa genre extraction-shooter tetap niche meskipun bertahun-tahun mendapat perhatian—Jones mengandalkan prompt penyaji bukti. “Prompt ini memaksa chatbot memisahkan opini dari fakta,” katanya.
Dari Pengguna Biasa Menjadi Ahli
Jones menekankan bahwa transformasi dari pengguna AI rata-rata menjadi pengguna mahir dimulai dari satu kesadaran sederhana: pertanyaan generik hanya akan melahirkan jawaban generik. Lima prompt di atas bukan sekadar trik, melainkan kerangka kerja untuk berkomunikasi dengan mesin agar hasilnya mendekati kualitas analisis manusia.
“Sejauh ini, rutinitas ini telah membawa saya pada informasi yang sebelumnya tidak saya ketahui, sudut pandang berbeda, dan studi kasus yang menarik,” pungkas Jones. Bagi pengguna Indonesia yang ingin serius memanfaatkan AI—baik untuk riset, pekerjaan, atau eksplorasi pribadi—lima kalimat ajaib ini mungkin adalah investasi waktu paling berharga yang bisa dilakukan hari ini.
