Teknik Prompting yang Paling Berguna untuk Manajer
Zero-shot, one-shot, dan few-shot secara praktis
Tiga teknik ini paling mudah dipahami jika kita melihatnya sebagai tingkat bantuan contoh yang kita berikan ke AI. Zero-shot berarti kita memberi tugas tanpa contoh. One-shot berarti kita memberi satu contoh. Few-shot berarti kita memberi beberapa contoh agar pola jawaban lebih konsisten. Dalam referensi Miller, zero-shot disebut sebagai teknik paling umum dan paling mudah, sedangkan one-shot dan few-shot dipakai ketika kita membutuhkan hasil yang lebih presisi atau format yang lebih konsisten.
Bagi manajer, zero-shot cocok untuk tugas cepat yang cukup jelas, misalnya membuat ringkasan singkat, menulis email sederhana, atau meminta daftar ide. Teknik ini efisien karena tidak perlu menyiapkan contoh. Namun, jika hasil yang diinginkan memiliki gaya tertentu, format khusus, atau standar organisasi tertentu, maka one-shot atau few-shot biasanya lebih membantu. Miller juga menegaskan bahwa zero-shot kurang ideal untuk tugas yang kompleks, membutuhkan langkah berpikir bertahap, atau menuntut format yang sangat spesifik.
One-shot berguna ketika manajer sudah punya satu contoh yang bagus. Misalnya, ada memo lama yang formatnya tepat, lalu kita ingin AI meniru struktur itu untuk topik baru. Kelebihannya, AI jadi lebih cepat menangkap gaya dan bentuk keluaran yang diharapkan. Tetapi referensi juga mengingatkan bahwa one-shot sangat sensitif pada kualitas contoh: jika contoh buruk atau bias, hasil AI juga bisa ikut buruk atau bias.
Few-shot dipakai ketika satu contoh belum cukup. Teknik ini cocok untuk pekerjaan yang butuh konsistensi pola, misalnya membuat respons layanan pelanggan, klasifikasi masalah, atau format evaluasi yang berulang. Vurukonda menjelaskan bahwa few-shot prompting memakai beberapa contoh untuk mengoptimalkan respons, terutama saat model perlu menangkap pola yang lebih jelas.
Ilustrasi sederhana: Bayangkan Anda melatih staf baru.
- Zero-shot: Anda langsung memberi tugas tanpa contoh.
- One-shot: Anda memberi satu contoh pekerjaan jadi.
- Few-shot: Anda memberi beberapa contoh supaya pola kerjanya makin jelas.
Contoh prompt yang mudah dipahami
Role-based prompting
Role-based prompting adalah teknik memberi peran atau persona kepada AI agar jawabannya lebih fokus, lebih konsisten, dan lebih sesuai dengan kebutuhan pengguna. Dalam referensi Miller dan Vurukonda, teknik ini dijelaskan sebagai cara meminta model menjawab seperti seorang ahli atau fungsi tertentu, misalnya analis bisnis, konsultan pemasaran, tutor, atau travel guide.
Bagi manajer, teknik ini sangat berguna karena banyak pekerjaan manajerial memang membutuhkan sudut pandang tertentu. Saat ingin membaca laporan dari sisi risiko, manajer bisa meminta AI bertindak sebagai analis risiko. Saat ingin menyusun komunikasi perubahan, AI bisa diminta berperan sebagai konsultan komunikasi organisasi. Peran yang tepat membantu AI memilih fokus, bahasa, dan tingkat kedalaman yang lebih relevan. Vurukonda menyebut persona pattern sebagai pola penting untuk menghasilkan respons yang lebih konsisten, relevan, dan dapat diprediksi.
Namun, peran bukan sulap. Memberi label “bertindaklah sebagai CEO kelas dunia” tidak otomatis membuat jawabannya bagus jika konteksnya lemah. Karena itu, role-based prompting tetap harus disertai tujuan, konteks, dan output yang jelas. Miller juga menunjukkan bahwa teknik ini sering lebih efektif bila digabung dengan instruksi format, panjang, dan gaya output.
Contoh prompt
“Bertindaklah sebagai analis bisnis. Evaluasi penyebab keterlambatan proyek ini dan sajikan 3 rekomendasi paling realistis untuk 30 hari ke depan.”
“Bertindaklah sebagai konsultan HR. Susun pesan kepada supervisor agar lebih tegas soal disiplin pelaporan, tetapi tetap menjaga motivasi tim.”
“Bertindaklah sebagai editor eksekutif. Ubah draf ini menjadi memo 1 halaman untuk direktur dengan bahasa yang lebih ringkas dan strategis.”
Manfaat utamanya:
- jawaban lebih fokus,
- gaya lebih sesuai,
- dan AI terasa lebih seperti mitra kerja dengan fungsi tertentu.
Prompt bertahap untuk masalah kompleks
Tidak semua masalah bisa selesai dengan satu prompt. Untuk kasus yang kompleks misalnya membaca dokumen panjang, menyusun analisis kebijakan, atau menyiapkan bahan keputusan strategis lebih baik memakai prompt bertahap. Miller menyebut teknik ini sebagai prompt chaining, yaitu memecah tugas besar menjadi beberapa prompt berurutan. Vurukonda juga menjelaskan bahwa prompt chaining membantu memecah masalah menjadi submasalah, lalu memvalidasi atau mengubah hasil sebelum masuk ke tahap berikutnya.
Pendekatan ini sangat cocok untuk manajer karena banyak persoalan manajerial memang tidak cukup dijawab sekali jalan. Misalnya, saat membaca proposal besar, jangan langsung minta rekomendasi final. Lebih aman jika AI diminta memahami isi dulu, lalu merangkum, lalu mencari celah, baru kemudian memberi rekomendasi. Disini juga menegaskan prinsip ini: jangan minta semuanya sekaligus untuk dokumen panjang dan masalah kompleks.
Ilustrasi sederhana: Prompt bertahap itu seperti rapat yang baik. Anda tidak langsung lompat ke keputusan. Anda mulai dari memahami data, lalu membahas isu, lalu menimbang opsi, lalu memutuskan.
Contoh alur prompt bertahap
1. “Baca dokumen ini dan ringkas strukturnya dalam 7 poin.”
2. “Dari ringkasan tadi, identifikasi 5 isu paling penting.”
3. “Dari 5 isu itu, mana 3 risiko terbesar bagi organisasi?”
4. “Sekarang susun rekomendasi prioritas untuk direktur dalam format memo singkat.”
Kapan teknik ini berguna?
● saat dokumen panjang,
● saat masalah banyak lapisan,
● saat keputusan berisiko tinggi,
● saat Anda ingin mengurangi jawaban AI yang terlalu dangkal atau terlalu melebar.
Prompt revisi untuk memperbaiki jawaban
Salah satu kebiasaan terbaik saat memakai AI adalah jangan berhenti di jawaban pertama. Herman menekankan bahwa iterative testing and refinement adalah bagian penting dari prompt engineering: prompt diuji, diberi umpan balik, lalu diperbaiki agar hasilnya makin relevan dan bisa ditindaklanjuti.
Bagi manajer, revisi prompt bukan tanda gagal. Justru ini tanda bahwa kita memakai AI dengan cerdas. Jawaban pertama AI sering kali cukup baik untuk membuka arah, tetapi belum tentu cukup tajam untuk dipakai langsung. Karena itu, prompt revisi perlu dipandang seperti proses menyunting draf kerja: kita persempit, perjelas, pertegas, atau ganti sudut pandangnya. Miller juga menyarankan iterative prompting—mengubah dan mengerjakan ulang prompt berdasarkan hasil sebelumnya.
Contoh prompt revisi
● “Buat versi yang lebih singkat dan lebih tegas.”
● “Fokuskan hanya pada risiko operasional, jangan bahas pemasaran.”
● “Pisahkan fakta, asumsi, dan rekomendasi.”
● “Ubah jawaban ini menjadi tabel 3 kolom.”
● “Gunakan bahasa yang lebih mudah dipahami supervisor non-teknis.”
● “Tambahkan 3 tindakan cepat yang bisa dilakukan minggu ini.”
Ilustrasi sederhana: Jawaban pertama AI itu seperti draf pertama presentasi. Biasanya belum final. Tugas manajer adalah menyunting arah agar hasil akhirnya benar-benar siap dipakai.
Tips revisi yang sederhana:
● perkecil ruang bahasan,
● perjelas format,
● minta prioritas,
● minta alasan singkat,
● dan minta AI menyatakan keterbatasannya jika data belum cukup.
Kapan memakai teknik yang mana
Teknik prompting yang baik bukan yang paling canggih, tetapi yang paling cocok dengan kebutuhan kerja. Miller menekankan bahwa pemilihan strategi selalu terkait dengan jenis tugas, tingkat kompleksitas, kebutuhan format, dan tingkat akurasi yang diharapkan. Zero-shot memang paling mudah, tetapi one-shot dan few-shot sering memberi hasil lebih presisi. Untuk tugas kompleks, prompt chaining atau revisi bertahap biasanya lebih tepat.
Agar praktis, manajer bisa memakai panduan sederhana berikut:
👉 Pakai zero-shot saat tugasnya cepat, umum, dan tidak perlu contoh. Cocok untuk ringkasan cepat, email sederhana, atau daftar ide.
👉 Pakai one-shot saat Anda punya satu contoh yang ingin ditiru. Cocok untuk memo, gaya email, atau format laporan tertentu.
👉 Pakai few-shot saat Anda butuh konsistensi pola. Cocok untuk respons berulang, klasifikasi, atau standar komunikasi tertentu.
👉 Pakai role-based prompting saat Anda butuh perspektif tertentu. Cocok untuk analisis, komunikasi, evaluasi, dan penyusunan rekomendasi dari sudut pandang tertentu.
👉 Pakai prompt bertahap saat masalahnya kompleks atau dokumennya panjang. Cocok untuk proposal, kebijakan, laporan strategis, dan keputusan berisiko tinggi.
👉 Pakai prompt revisi saat jawaban pertama belum pas. Cocok hampir untuk semua situasi, terutama jika hasil masih terlalu umum, terlalu panjang, atau kurang tajam.
Penutup
Teknik prompting bukan kumpulan istilah teknis yang harus dihafal. Ia lebih mirip kotak alat kerja. Manajer tidak perlu memakai semua alat sekaligus. Yang penting adalah tahu alat mana yang paling tepat untuk pekerjaan tertentu. Kadang cukup zero-shot. Kadang butuh contoh. Kadang perlu peran. Kadang masalah harus dipecah bertahap. Dan hampir selalu, hasil terbaik datang dari kebiasaan merevisi dan menajamkan prompt sampai AI benar-benar membantu pekerjaan, bukan sekadar menambah teks.
Oleh : Onno W. Purbo, AMA
Sumber : https://creativecommons.org/
https://drive.google.com/drive/folders/190W5pbuPYvDHsipXUo9UFIcKvOvGCUTO?usp=drive_link