Prompt Engineering Adalah: Panduan untuk Tim Operasional
Prompt engineering adalah cara menyusun instruksi (prompt) untuk AI seperti ChatGPT, Claude, atau Gemini supaya jawabannya sesuai kebutuhan dan konsisten setiap kali dipakai. Kalau Anda sering merasa hasil AI “kadang bagus, kadang ngawur”, biasanya masalahnya ada di prompt: terlalu singkat, konteksnya kurang, atau formatnya tidak jelas.
Kabar baiknya, Anda tidak perlu jadi programmer untuk menulis prompt yang baik. Yang dibutuhkan mirip dengan memberi brief ke karyawan baru: jelaskan tugasnya, beri konteks, tunjukkan contoh, dan sebutkan hasil akhirnya harus seperti apa.
Pengertian prompt engineering
AI generatif bekerja dengan menebak kelanjutan teks yang paling masuk akal berdasarkan instruksi yang Anda berikan. Model bahasa besar (LLM) tidak tahu konteks bisnis Anda kecuali Anda menuliskannya. Tidak tahu siapa pelanggan Anda, gaya bahasa perusahaan, atau aturan diskon yang berlaku.
Prompt engineering adalah kebiasaan menulis instruksi yang lengkap dan terstruktur supaya celah itu tertutup. Untuk tim operasional, tujuannya sederhana: hasil yang bisa langsung dipakai, dengan kualitas yang sama walaupun yang menjalankan orang berbeda.
Struktur prompt yang baik
Prompt yang andal biasanya punya lima bagian. Tidak semuanya wajib, tapi semakin penting tugasnya, semakin lengkap sebaiknya.
- Peran dan tugas. Apa yang harus dikerjakan AI. Contoh: “Anda membantu tim finance merangkum email tagihan dari vendor.”
- Konteks. Informasi latar yang dibutuhkan. Contoh: “Perusahaan kami distributor bahan bangunan. Termin pembayaran standar 30 hari.”
- Input. Data yang harus diolah, dipisahkan dengan jelas dari instruksi. Misalnya diberi judul “EMAIL:” lalu isi emailnya.
- Aturan. Batasan yang harus diikuti. Contoh: “Jangan menebak nominal. Kalau tidak ada di email, tulis ‘tidak disebutkan’.”
- Format output. Bentuk jawaban yang Anda mau: tabel, poin-poin, atau kolom tertentu.
Bandingkan dua prompt ini.
Prompt lemah: “Rangkum email ini.”
Prompt yang lebih baik: “Anda membantu tim finance. Rangkum email tagihan di bawah ini. Ambil: nama vendor, nomor invoice, nominal (Rupiah), tanggal jatuh tempo, dan catatan penting. Kalau salah satu data tidak ada, tulis ‘tidak disebutkan’, jangan menebak. Jawab dalam format tabel dengan lima kolom tersebut. EMAIL: …”
Prompt kedua lebih panjang, tapi hasilnya bisa langsung dipindahkan ke spreadsheet dan tidak perlu diedit ulang.
Memberi contoh dan format output
Dua teknik yang paling cepat meningkatkan konsistensi hasil adalah memberi contoh dan mengunci format.
Memberi contoh. AI jauh lebih mudah meniru daripada menebak. Kalau Anda ingin balasan ke pelanggan dengan gaya tertentu, tempelkan dua atau tiga contoh balasan yang sudah Anda anggap bagus. Kalau Anda ingin AI mengkategorikan keluhan, beri contoh keluhan beserta kategorinya. Teknik ini sering disebut few-shot prompting.
Mengunci format. Sebutkan formatnya secara spesifik. Beberapa contoh:
- “Jawab dalam tiga poin, masing-masing maksimal 20 kata.”
- “Output hanya berupa tabel dengan kolom: Tanggal, Produk, Qty, Keterangan.”
- “Kategori hanya boleh salah satu dari: Pengiriman, Pembayaran, Produk Rusak, Lainnya.”
- “Balas dalam format JSON dengan kunci: vendor, nomor_invoice, nominal, jatuh_tempo.”
Format JSON (format data terstruktur yang mudah dibaca aplikasi) berguna kalau hasil AI akan diteruskan ke sistem lain, misalnya ke Google Sheets lewat tool otomatisasi.
Prompt untuk tugas berulang
Di tim operasional, nilai terbesar AI datang dari tugas yang dikerjakan puluhan kali seminggu. Contoh tugas yang cocok:
| Tugas | Input | Output yang diminta |
|---|---|---|
| Ringkas email vendor | Isi email | Tabel data tagihan |
| Klasifikasi keluhan pelanggan | Pesan pelanggan | Kategori dan tingkat urgensi |
| Draf balasan standar | Pertanyaan pelanggan + kebijakan | Draf balasan untuk dicek admin |
| Rapikan catatan rapat | Catatan mentah | Keputusan, tugas, penanggung jawab |
| Standarisasi data | Daftar alamat atau nama produk | Format yang seragam |
Beberapa kebiasaan yang membantu:
- Pecah tugas besar. Daripada satu prompt yang meminta AI membaca, menilai, dan menulis sekaligus, buat langkah terpisah. Hasilnya lebih mudah dicek.
- Beri jalan keluar. Tulis apa yang harus dilakukan saat data tidak lengkap, misalnya “tulis ‘perlu dicek manual’”. Tanpa ini, AI cenderung mengarang jawaban.
- Cek hasilnya secara acak. Walaupun prompt sudah bagus, tetap periksa sebagian hasil setiap minggu, terutama yang menyangkut angka dan uang.
- Uji dengan kasus sulit. Coba prompt dengan email yang berantakan, bahasa campur, atau data yang kosong. Kalau hasilnya tetap masuk akal, prompt siap dipakai.
Kalau jawaban AI harus merujuk ke dokumen perusahaan, seperti daftar harga atau kebijakan retur, prompt saja sering tidak cukup. Di situ biasanya dibutuhkan pendekatan RAG, yaitu AI mengambil potongan dokumen yang relevan dulu sebelum menjawab.
Menyimpan prompt sebagai SOP
Masalah yang paling sering terjadi di tim: setiap orang punya prompt sendiri di riwayat chat masing-masing. Hasilnya beda-beda, dan saat orang itu cuti, prompt terbaiknya ikut hilang.
Perlakukan prompt yang sudah terbukti bagus seperti SOP:
- Simpan di satu tempat bersama, misalnya Google Docs atau Notion tim, dengan nama yang jelas: “Prompt Rangkum Email Tagihan v2”.
- Tulis kapan dipakai dan oleh siapa.
- Sertakan contoh input dan output yang benar, supaya orang lain bisa mengecek hasilnya.
- Catat versi dan perubahan. Kalau prompt diubah, tulis alasannya.
- Tentukan pemilik, orang yang bertanggung jawab memperbarui prompt kalau aturan bisnis berubah.
Cara berpikirnya sama dengan menulis SOP yang siap diotomatisasi: langkah yang jelas, input dan output yang terdefinisi, dan pengecualian yang tertulis. Prompt yang sudah rapi seperti ini juga mudah dipindahkan ke workflow otomatis, sehingga AI bisa memproses email atau dokumen tanpa ada yang copy-paste manual. Beberapa contohnya bisa Anda lihat di bagian contoh penerapan di halaman utama kami.
Hal yang perlu dihindari
- Menempelkan data sensitif seperti data pribadi pelanggan atau gaji ke AI publik tanpa aturan internal yang jelas. Cek kebijakan data dari layanan AI yang Anda pakai.
- Mempercayai angka tanpa dicek. AI bisa salah menjumlah atau salah membaca angka.
- Prompt yang saling bertentangan, misalnya “jawab singkat” tapi juga “jelaskan semua detail”.
- Mengharapkan satu prompt untuk semua tugas. Prompt yang fokus pada satu tugas hampir selalu lebih andal.
Kalau tim Anda sudah memakai AI setiap hari dan ingin menjadikannya alur kerja yang konsisten, Aqilatic bisa membantu memetakan tugas mana yang paling cocok lewat audit proses gratis.
Pertanyaan yang sering muncul
Apakah prompt engineering perlu kemampuan coding?
Tidak. Untuk pemakaian sehari-hari, yang dibutuhkan adalah kemampuan menulis instruksi yang jelas. Coding baru diperlukan saat prompt dihubungkan ke sistem lain secara otomatis.
Apakah prompt yang sama bisa dipakai di ChatGPT, Claude, dan Gemini?
Umumnya bisa, karena prinsipnya sama. Tapi hasilnya bisa sedikit berbeda antar model, jadi uji ulang prompt penting Anda setiap kali pindah tool atau versi model.
Lebih baik prompt dalam bahasa Indonesia atau Inggris?
Model-model populer saat ini sudah cukup baik memahami bahasa Indonesia. Pakai bahasa yang paling nyaman untuk tim Anda, dan tulis dengan jelas bahasa apa yang harus dipakai AI saat menjawab.