Trik Bingkai Peran dan Contoh dalam Menulis Prompt AI
Role Framing membantu memformat kosakata dan sudut pandang sistem agar sesuai dengan standar profesi tertentu, namun wajib dipadukan dengan konteks yang nyata.
Pernahkah kamu meminta sistem kecerdasan buatan untuk menuliskan sebuah artikel, tetapi hasil yang keluar justru terasa sangat kaku, formal, dan mirip seperti tulisan robot di buku petunjuk manual? Pengguna pada umumnya akan langsung mengeluh dan menganggap teknologi ini tidak berguna untuk dunia kreatif. Padahal, kesalahan terbesar sebenarnya bukan pada sistemnya, melainkan pada ketidakmampuan kita dalam memberikan instruksi yang mampu mengunci gaya bahasa dan emosi yang diinginkan.
Di dalam pengembangan sistem berbasis claude, para ahli mengenal dua teknik tingkat lanjut yang sangat ampuh untuk mengendalikan perilaku output, yaitu Role Framing (Membingkai Peran Pakar) dan Positive/Negative Examples (Pemberian Contoh Kontras). Mengombinasikan kedua teknik ini bagaikan memberikan kompas dan peta jalan yang sangat spesifik kepada asisten digitalmu. Mereka tidak lagi meraba-raba di dalam kegelapan informasi, melainkan langsung melesat menuju target gaya penulisan yang kamu harapkan.
Memahami Teknik Role Framing: Gunakan dengan Tepat, Jangan Berlebihan!
Role Framing adalah sebuah metode di mana kamu meminta sistem untuk merespons dari sudut pandang atau keahlian profesi tertentu. Misalnya, kamu memintanya bertindak sebagai seorang konsultan pajak senior, editor naskah berita, atau pengembang aplikasi tingkat lanjut. Langkah ini sangat efektif untuk membentuk kosakata (kosakata industri), menentukan skala prioritas informasi, serta mengatur kedalaman analisis yang dihasilkan oleh sistem.
Namun, ada satu kesalahan fatal yang sering dilakukan oleh para pemula: mereka mengira bahwa role framing bisa berdiri sendiri sebagai sebuah perintah utuh. Menuliskan kalimat “Bertindaklah sebagai seorang pakar pemasaran dan berikan saya saran” tanpa menyertakan detail produk, target audiens, dan tujuan bisnismu hanya akan melahirkan jawaban yang sangat generik. Bedanya, jawaban generik tersebut kini dibungkus dengan jargon-jargon pemasaran yang terdengar keren namun kosong. Oleh karena itu, pasangkan selalu bingkai peran ini dengan konteks dunia nyata yang konkrit.
Mari kita lihat perbandingan penerapan teknik ini melalui beberapa skenario berikut:
- Skenario Komunikasi Spesifik: Jika kamu ingin menjelaskan sebuah konsep medis yang rumit kepada orang awam, mintalah sistem: “Jelaskan hal ini dengan gaya bahasa seperti seorang guru sekolah dasar yang sangat sabar dan berpengalaman dalam mengajar anak-anak pemula.”
- Skenario Analisis Hukum: Jika kamu sedang meninjau draf dokumen kerja sama, mintalah sistem: “Tinjau dokumen ini seperti seorang pengacara kontrak profesional, berikan tanda merah pada kalimat kalimat kewajiban yang ambigu atau berpotensi merugikan pihak kami.”
Kekuatan Contoh Positif dan Negatif: Menghilangkan Ambiguitas Kata
Kata-kata sifat seperti “profesional,” “santai,” “lucu,” atau “singkat” memiliki arti yang sangat berbeda bagi setiap orang. Apa yang menurutmu terasa santai, bisa jadi dianggap terlalu kasual atau bahkan tidak sopan oleh orang lain. Di sinilah metode Few-Shot Example atau pemberian contoh nyata masuk sebagai penyelamat. Menunjukkan satu contoh nyata jauh lebih bernilai daripada menuliskan sepuluh baris kalimat deskripsi abstrak.
Menariknya, sebuah model bahasa besar atau LLM akan bekerja jauh lebih presisi jika kamu tidak hanya memberikan contoh apa yang kamu inginkan (Contoh Positif), tetapi juga menyandingkannya dengan contoh apa yang secara spesifik ingin kamu hindari (Contoh Negatif). Contoh negatif ini berfungsi untuk mematahkan kecenderungan bawaan sistem yang biasanya secara otomatis memilih gaya bahasa formal korporat yang kaku jika tidak diberikan instruksi khusus.
Sebagai ilustrasi nyata, bayangkan seorang pengelola komunikasi di sebuah lembaga swadaya masyarakat (LSM) yang ingin menulis email penggalangan dana. Dia menginginkan email yang terasa sangat personal, hangat, dan menyentuh hati, bukan email resmi perusahaan yang dingin. Dengan menempelkan satu email hangat yang pernah sukses di masa lalu (sebagai contoh positif) dan satu email resmi yang kaku (sebagai contoh negatif), sistem akan langsung menangkap batas-batas kreativitas tersebut dalam sekali jalan. Hasilnya akan langsung sesuai dengan ekspektasi tanpa perlu proses revisi bolak balik yang melelahkan.
Apakah kamu sudah pernah menggunakan kombinasi contoh positif dan negatif dalam pekerjaan menulismu sehari-hari? Gaya peran apa yang paling sering kamu gunakan untuk membantu tugasmu? Tulis pengalaman menarikmu di kolom komentar bawah! Jangan lupa baca artikel ketiga dari seri panduan ini, di mana kita akan mengupas trik memecah tugas besar yang membingungkan menjadi langkah-langkah kecil yang mudah dikelola.
