Kenapa Jawaban AI Sering Terasa Dangkal

Waktu pertama kali pakai AI, cara saya nge-prompt persis seperti cara saya mengetik di kolom Google.

"Kalau mau mulai lari, step-nya gimana?"

"Kasih tips sukses biar kaya."

"Strategi marketing produk kecantikan di Indonesia."

Hasilnya bikin geleng geleng kepala. Bukan karena jawabannya aneh, tapi karena dangkal. Isinya hal hal yang sudah saya tahu duluan. Reaksi saya selalu sama: "gini sih saya juga tau."

Sekarang, setelah sekitar empat tahun memakai AI hampir tiap hari untuk kerjaan, untuk mengambil keputusan, dan untuk membedah masalah yang belum jelas bentuknya, jawabannya jarang terasa dangkal lagi. Yang berubah bukan cuma modelnya. Saya juga tidak menemukan prompt sakti atau template rahasia.

Cuma satu kebiasaan: setiap minta tolong ke AI, saya cerita dulu. Panjang, spesifik, dan jujur soal situasinya.

AI Tidak Ikut Hidup di Sekitar Kita

Ini bagian yang paling sering dilupakan. AI tidak mendengar obrolan kita di kantor. Tidak ikut meeting kemarin. Tidak tahu bos kita tipe yang bagaimana, tidak tahu budget kita sedang seret, tidak tahu kita baru saja gagal mencoba pendekatan yang sama tiga bulan lalu.

Dokumentasi prompt engineering-nya Anthropic punya analogi yang menurut saya paling pas: perlakukan AI seperti karyawan baru yang pintar tapi belum tahu apa apa soal cara kerja kita. Pintar betulan, tapi hari pertama masuk kantor. Kalau kita cuma bilang "tolong bikin strategi marketing", ya dia akan mengarang berdasarkan tebakan.

Jadi setiap kali kita melempar pertanyaan yang miskin konteks, AI melakukan hal yang paling masuk akal buat dia: mengisi bagian yang kosong dengan asumsi, lalu memberi jawaban yang aman. Aman itu artinya generik. Generik itu yang kita rasakan sebagai dangkal.

Yang menarik, AI sebenarnya sadar kalau pertanyaan kita ambigu. Ada riset dari Su dan Cardie (Mei 2026) yang menguji ini: kalau model ditanya langsung "pertanyaan ini ambigu tidak?", dia bisa mengenalinya. Tapi dalam mode tanya jawab biasa, model itu hampir selalu memilih menjawab langsung daripada balik bertanya. Temuan yang lebih menohok lagi: ketika dikasih dokumen tambahan, model justru makin jarang bertanya balik.

Artinya apa? AI tahu dia kurang informasi, tapi default-nya tetap menebak. Jadi jangan tunggu dia minta. Kita yang harus kasih duluan.

Contoh Konkret: Milih Mobil

Misalkan saya upload file PDF berisi spesifikasi beberapa mobil EV, lalu saya bilang: "Analisa file ini, pilihin mana yang oke buat gue."

Jawabannya pasti berguna. Tapi AI akan menebak apa yang saya anggap "oke", dan tebakannya biasanya jatuh ke tiga hal generik: range, harga, fitur.

Sekarang bandingkan kalau saya cerita dulu. Ini contoh saja ya, bukan situasi saya beneran:

"FYI saya lagi cari mobil buat gantiin SUV diesel, soalnya bensinnya mahal banget. Saya suka mobil yang tidak rewel dan sparepart-nya murah. Muat 4 orang cukup, karena saya ada 1 anak dan 1 caretaker, tapi jangan kegedean juga soalnya sering lewat jalan sempit. Dan tolong hindari model yang keluhannya banyak di internet."

Bedanya bukan panjang prompt-nya. Bedanya, sekarang AI punya kriteria yang bisa dipakai untuk menilai.

Poin terpentingnya ada di baris terakhir. Prompt yang kaya konteks tidak cuma bikin jawaban lebih dalam, tapi bikin jawabannya bisa diperiksa. Kita jadi tahu AI ini menilai pakai dasar apa, dan di mana dia keliru.

Lima Hal yang Hampir Selalu Layak Diceritakan

Kalau saya rangkum kebiasaan ini jadi urutan, kira kira begini bentuknya:

Empat yang pertama gampang dimengerti. Yang kelima ini yang paling sering saya pakai dan paling jarang orang tahu.

Kalau Bingung Mau Cerita Apa, Suruh Dia Bertanya

Masalahnya, kadang kita sendiri tidak tahu informasi apa yang relevan buat dibagi. Wajar. Kita bukan AI, kita tidak tahu dia butuh apa.

Shortcut-nya sederhana. Tempelkan kalimat ini di akhir request:

"Kalau kamu merasa butuh info tambahan dari saya biar jawabannya lebih akurat, coba lempar balik 3 sampai 5 pertanyaan yang paling menentukan. Nanti saya jawab dulu sebelum kamu mulai."

Lalu jawab pertanyaannya. Sesederhana itu, dan sebagian besar waktu hasilnya jauh lebih pas.

Ini bukan trik yang saya karang. Ini persis solusi dari temuan riset tadi: modelnya bisa mengenali ambiguitas, dia cuma tidak melakukannya kecuali diminta. Kalimat di atas fungsinya cuma satu, yaitu memberi izin.

Efek sampingnya yang saya suka: pertanyaan balik dari AI sering menyadarkan saya kalau saya sendiri belum jelas mau apa. Beberapa kali saya berhenti di situ, tidak jadi lanjut, karena sadar masalahnya belum saya rumuskan dengan benar.

Tapi Konteks Bukan Berarti Menulis Sepanjang Mungkin

Ini bagian yang harus saya jujurkan, karena kalau berhenti di poin sebelumnya, nasihat ini gampang disalahpahami jadi "pokoknya tulis sebanyak banyaknya".

Lebih banyak konteks tidak otomatis lebih bagus. Ada dua temuan yang bikin saya lebih hati hati.

Pertama, riset klasik berjudul Lost in the Middle (Liu dkk., terbit di TACL 2024). Mereka menemukan model paling akurat menangkap informasi yang ada di awal atau akhir input. Kalau informasi pentingnya terkubur di tengah tumpukan teks panjang, akurasinya turun signifikan. Ini terjadi bahkan pada model yang memang dirancang untuk konteks panjang.

Kedua, Anthropic menulis soal ini di Effective context engineering for AI agents (September 2025). Istilah yang mereka pakai context rot: makin banyak token di context window, makin turun kemampuan model mengambil informasi dari situ secara akurat. Model punya semacam attention budget yang terbatas, dan setiap token tambahan menggerogoti jatah itu. Prinsip yang mereka pegang saya kutip apa adanya: cari "the smallest possible set of high-signal tokens", himpunan token terkecil yang sinyalnya paling tinggi.

Jadi kalibrasi yang benar bukan panjang, tapi kepadatan. Lima kalimat yang benar benar relevan mengalahkan lima paragraf berisi latar belakang yang tidak dipakai. Kalau harus melampirkan dokumen panjang, taruh instruksi dan hal paling penting di awal atau di akhir, jangan di tengah.

Cara praktis yang saya pakai: sebelum kirim, baca ulang prompt saya dan tanya "kalimat ini mengubah jawabannya tidak?" Kalau tidak, buang.

Soal Prompt yang Jadi Panjang

Pertanyaan yang biasanya muncul: kalau begitu setiap minta tolong prompt-nya jadi panjang dong?

Iya, lebih panjang dari satu baris. Dan menurut saya itu harga yang wajar. Kalau kita mau jawaban yang kualitasnya beda, effort di depannya juga harus beda. Output AI itu selalu garbage in garbage out. Kalau info yang masuk seadanya, jangan berharap yang keluar lebih dari seadanya.

Tapi effort ini tidak berulang selamanya. Untuk pekerjaan yang saya lakukan rutin, konteksnya saya simpan sekali lalu dipakai lagi. Yang berat cuma pertama kali.

Intinya

Mau sepintar apapun model yang kita pakai, kalau konteks yang kita kasih tipis, jawabannya akan terasa kurang. Bukan karena AI-nya bodoh, tapi karena dia sedang menebak hal hal yang sebenarnya cuma kita yang tahu.

Jadi kebiasaan yang layak diubah bukan cuma soal tahu apa yang mau ditanya, tapi tahu informasi apa yang harus kita kasih. Itu pergeseran kecil yang efeknya paling besar buat saya, jauh lebih besar daripada semua daftar prompt template yang pernah saya coba.

Lain kali sebelum menekan enter, coba tahan sebentar. Baca ulang prompt-nya, lalu tanya ke diri sendiri: kalau ini saya kirim ke orang yang belum pernah tahu urusan saya, dia bakal paham tidak? Kalau tidak, AI juga tidak.