Instruction Clarity

Introduction

Instruction clarity adalah kemampuan menulis perintah yang spesifik, dapat dieksekusi, dan tidak menimbulkan tafsir ganda. Banyak prompt gagal bukan karena model tidak pintar, tetapi karena tugasnya kabur. Kata seperti "bagus", "menarik", "lengkap", atau "profesional" terdengar wajar bagi manusia, tetapi terlalu luas bagi AI jika tidak diberi kriteria.

Bayangkan meminta desainer membuat "poster yang bagus". Hasilnya bisa minimalis, ramai, serius, lucu, atau korporat. Instruksi yang jelas menyebut tujuan poster, audiens, pesan utama, batasan visual, dan output yang diharapkan. Prinsip yang sama berlaku pada prompting.

Instruksi jelas tidak harus panjang. Justru prompt terbaik sering lebih pendek karena membuang cerita samping dan menggantinya dengan kata kerja yang tepat: rangkum, bandingkan, kritik, ubah, klasifikasikan, ekstrak, prioritaskan, atau validasi.

Concepts

Mulailah dari satu kalimat tugas utama. Jika tugasnya lebih dari satu, pisahkan menjadi daftar bernomor. Hindari mencampur perintah kreatif, analisis, dan format dalam paragraf panjang. Model mengikuti struktur yang terlihat; jika instruksi berantakan, output cenderung ikut berantakan.

Gunakan kata kerja operasional. "Bantu saya memahami" kurang jelas daripada "jelaskan dalam 5 poin, tiap poin maksimal 2 kalimat". "Analisis data ini" kurang jelas daripada "identifikasi 3 pola, 2 risiko, dan 2 rekomendasi aksi".

Instruksi juga perlu batasan. Batasan bukan untuk mengekang kreativitas, tetapi untuk mengurangi ruang salah. Contoh: "jangan gunakan jargon", "maksimal 120 kata", "prioritaskan risiko keamanan", atau "jangan membuat asumsi di luar data".

Pola instruksi singkat

Gunakan pola ini: Tugas + Objek + Kriteria + Batasan. Misalnya: "Ringkas artikel berikut untuk founder non-teknis; fokus pada dampak bisnis; maksimal 5 bullet; tanpa istilah akademik." Pola ini lebih hemat daripada menjelaskan harapan dalam paragraf panjang.

Examples

Tolong baca teks laporan pelanggan ini lalu bantu saya mencari tahu apa saja hal penting yang bisa dipelajari dari situ. Saya ingin jawabannya cukup detail dan mudah dipahami supaya tim saya bisa mengambil keputusan yang lebih baik setelah membacanya.

Analisis feedback pelanggan. Output: 5 masalah utama, bukti kutipan singkat, dampak bisnis, prioritas P1-P3. Jangan tambah asumsi di luar teks.

Versi setelah lebih pendek karena langsung memberi struktur keputusan. Model tahu jumlah item, jenis bukti, skala prioritas, dan larangan asumsi. Ini mengurangi risiko jawaban panjang tetapi tidak bisa dipakai.

Saya perlu email yang terdengar sopan dan profesional untuk menghubungi calon klien yang belum membalas proposal kami. Jangan terlalu memaksa, tapi tetap buat mereka tertarik untuk merespons.

Tulis email follow-up proposal. Audiens: calon klien B2B. Tone: sopan, ringkas, tidak mendesak. Sertakan CTA jadwal call 15 menit.

Prompt kedua mengubah kata abstrak menjadi instruksi eksekusi: jenis email, audiens, nada, dan call-to-action. AI tidak perlu menebak apakah harus menjual ulang, meminta kabar, atau menjadwalkan meeting.

Practical Tips

Pertama, tulis hasil akhir yang Anda inginkan sebelum menulis konteks. Jika Anda belum bisa menyebut output final, prompt Anda belum siap. Kedua, batasi satu prompt untuk satu tujuan utama. Jika ingin ide, evaluasi, dan revisi, jalankan bertahap atau tulis workflow bernomor. Ketiga, gunakan angka: jumlah poin, panjang jawaban, level prioritas, atau batas waktu. Angka membuat instruksi mudah diverifikasi.

Keempat, sebutkan apa yang tidak boleh dilakukan jika kesalahan tertentu sering muncul. Misalnya, "jangan beri definisi umum" saat Anda hanya butuh rekomendasi, atau "jangan ubah makna hukum" saat menyederhanakan kontrak. Kelima, uji prompt dengan membaca output dan bertanya: apakah kesalahan berasal dari model, atau dari instruksi yang masih kabur?

Summary

Instruction clarity membuat AI bekerja seperti rekan yang menerima brief jelas. Gunakan kata kerja spesifik, struktur bernomor, kriteria kualitas, dan batasan eksplisit. Prompt yang jelas sering lebih hemat token karena mengganti penjelasan panjang dengan instruksi yang dapat dieksekusi.