Berhenti Menjelaskan Diri kepada Mesin

Setiap pagi saya membuka jendela percakapan baru dengan AI, dan setiap pagi saya memulai dari nol. Saya jelaskan lagi siapa saya. Saya tempel lagi struktur laporan yang saya pakai. Saya terangkan lagi nada yang pantas untuk surat kelembagaan, aturan penomoran bab, cara saya menandai temuan yang meragukan. Lima belas menit sebelum satu kalimat berguna keluar.

Lalu percakapan itu saya tutup. Dan besok saya mengulanginya.

Lennart Nacke, profesor yang menulis tentang kebiasaan ini, menghitung ongkosnya untuk dirinya sendiri: satu jam per minggu, 52 jam per tahun. Lebih dari satu minggu kerja penuh dihabiskan untuk memberi tahu mesin hal-hal yang seharusnya sudah ia ketahui.

Angka itu membuat saya berhenti. Bukan karena besar, tapi karena saya mengenalinya.

01Ongkos yang Tidak Masuk Laporan

Di kantor, kita punya nama untuk pekerjaan semacam ini: pekerjaan yang tidak terlihat. Ia tidak muncul di LAKIP, tidak masuk kolom capaian, tidak ada indikatornya. Tapi ia memakan hari.

Psikolog David Meyer, Joshua Rubinstein, dan Jeffrey Evans menunjukkan bahwa perpindahan tugas punya harga kognitif yang bisa diukur. Meyer menyimpulkan bahwa jeda mental yang muncul saat kita berpindah antar-tugas bisa memakan hingga 40 persen dari waktu produktif seseorang. Ringkasan APA atas riset itu tidak berbunga-bunga: otak manusia tidak dirancang untuk multitasking berat.

Sekarang tumpuk AI generatif di atasnya. Sebuah studi di Business Horizons (2024) menemukan bahwa pemanfaatan AI generatif yang efektif bergantung pada iterative prompt engineering: proses bolak-balik ketika manusia membentuk keluaran mesin melalui koreksi berulang. Para penulisnya menyebut ini human–AI knowledge co-construction. Kita tidak sekadar mengetik pertanyaan lalu menerima jawaban. Kita sedang mengajari mesin standar kita, konteks kita, penilaian kita, satu koreksi demi satu koreksi.

Dan setiap kali jendela percakapan ditutup, semua yang kita ajarkan itu lenyap. Siklus mengajar dimulai lagi dari halaman kosong.

Kita menyangka orang yang mendapat keluaran AI lebih baik adalah orang yang lebih jago menyusun prompt. Bukan. Mereka justru berhenti menyusun prompt.

02Yang Paling Ahli Justru Paling Rugi

Ada temuan yang jarang dikutip di ruang pelatihan AI. Brynjolfsson, Li, dan Raymond meneliti 5.172 agen layanan pelanggan dan menemukan bahwa akses ke asisten AI menaikkan produktivitas rata-rata 15 persen. Tapi kenaikan terbesar jatuh pada pekerja yang paling tidak berpengalaman. Yang paling ahli, yang punya jam terbang paling panjang, justru mendapat peningkatan paling kecil.

Penjelasan yang masuk akal: para ahli sudah punya model mental yang kuat. Yang mereka butuhkan dari AI bukan jawaban generik, melainkan eksekusi menurut standar mereka sendiri. Dan untuk mendapatkan itu, mereka harus membayar ongkos re-kontekstualisasi setiap kali. Ongkos itulah yang memakan keuntungannya.

Semakin dalam keahlian Anda, semakin mahal kebiasaan menjelaskan ulang.

03Pelajaran dari Menulis SOP

Nacke menceritakan pengalaman yang saya kenali betul. Ketika ia mulai punya staf, ia harus menjelaskan cara ia bekerja. Bukan strategi besarnya, melainkan alur administratif dua puluh satu langkah yang selama bertahun-tahun ia jalankan otomatis. Ia menghabiskan berminggu-minggu menulis SOP. Menurutnya, itu salah satu pekerjaan paling menuntut secara kognitif yang pernah ia lakukan, dan ia sudah menulis lebih dari 150 makalah.

Sebabnya, kata Miro Kazakoff dari MIT Sloan, adalah curse of knowledge: semakin dalam pengetahuan kita, semakin sulit kita menjelaskannya, karena kita sudah menghapus ingatan tentang rasanya belum tahu.

Saya mengalami versi saya sendiri dari kutukan itu. Ketika harus menyusun panduan kerja untuk staf Parhumas, hal tersulit bukan menuliskan langkahnya. Hal tersulit adalah menyadari betapa banyak keputusan yang selama ini saya ambil tanpa pernah saya rumuskan. Kapan sebuah rilis perlu naik ke pimpinan. Kapan sebuah angka boleh dipublikasikan. Mengapa satu kalimat terasa salah meski tata bahasanya benar.

04Skill: SOP yang Bisa Dibaca Mesin

Di sinilah letak jalan keluarnya. Anthropic, dan kini hampir semua penyedia AI besar, memungkinkan kita membangun skill: satu folder berisi instruksi yang dibaca AI setiap kali dibutuhkan. Bukan API. Bukan kode. Bukan gelar teknik.

Tiga komponen, itu saja.

Saya sudah membangun tiga puluh lebih skill semacam ini. Ada yang untuk audit konsistensi disertasi. Ada yang untuk menulis metodologi PLS-SEM sesuai standar reviewer Q1. Ada yang untuk membersihkan jejak AI dari prosa Indonesia. Ada yang untuk gaya tulis Kang Jalal, gaya Pram, gaya Sapardi.

Tidak satu pun dari skill itu saya tulis dalam sekali duduk. Semuanya tumbuh dari koreksi.

05Cara Membangunnya dalam 15 Menit

Jalur pertama: kerjakan sekali, lalu kodifikasi. Selesaikan tugas itu bersama AI secara manual. Bantah ketika keluarannya tidak sesuai standar Anda. Terus koreksi sampai Anda bersedia menandatangani hasilnya. Baru setelah itu, minta AI mengubah seluruh proses tadi menjadi skill yang bisa dipakai ulang.

Jalur kedua: bangun dari nol. Kalau alur kerjanya sudah Anda hafal, tulis langsung empat hal: trigger (kapan skill ini aktif), goal (deliverable apa yang dihasilkan, dengan standar apa), process (langkah bernomor, termasuk di mana AI harus berhenti dan bertanya), dan rules (batas yang tidak boleh dilanggar).

06Empat File Rujukan yang Melipatgandakan Hasil

07Mengapa Ini Tidak Membanjiri Mesin

Ada satu prinsip yang membuat sistem ini bisa tumbuh tanpa kolaps: progressive disclosure. Jakob Nielsen merumuskannya sebagai prinsip desain interaksi: tampilkan hanya labelnya sampai seseorang butuh manual lengkapnya.

Ketika percakapan baru dimulai, AI tidak membaca seluruh isi skill Anda. Ia hanya membaca metadata: nama dan satu baris deskripsi. Lima puluh skill hanya memakan beberapa ratus kata. File instruksi lengkap baru dimuat ketika permintaan Anda cocok dengan pemicunya.

Anthropic menyebut praktik ini context engineering: mengurasi apa saja yang dilihat AI sebelum ia merespons, alih-alih menjejalkan seluruh instruksi ke dalam satu prompt raksasa. Bedanya seperti memberi orang manual empat puluh halaman setiap pagi, versus memberi mereka lemari arsip dan membiarkan mereka menarik map yang tepat.

08Skill Adalah Dokumen Hidup

Versi pertama tidak akan sempurna. Memang tidak dirancang untuk sempurna.

Kalau AI melompati langkah, perjelas alurnya. Kalau keluarannya terasa generik, jangan tambahkan teks ke SKILL.md; buat file rujukan baru dan tunjuk ke sana. Kalau ia mengulang kesalahan gaya yang sama, tambahkan aturan spesifik.

Lalu tambahkan dua aturan yang membuat skill belajar sendiri: jika saya mengoreksi perilaku, perbarui bagian aturan dengan koreksi itu; dan jika saya menyetujui satu keluaran final, simpan sebagai contoh rujukan.

Sepuluh kali pakai, skill itu akan menghasilkan sesuatu yang lebih baik daripada yang bisa Anda peroleh dari percakapan segar dengan tiga puluh menit merayu.

09Yang Sebenarnya Sedang Kita Delegasikan

Saya ingin menutup bukan dengan janji produktivitas, melainkan dengan pertanyaan yang lebih tidak nyaman.

Ketika kita menuliskan cara kerja kita agar bisa dibaca mesin, kita sedang melakukan sesuatu yang lebih dalam daripada menghemat waktu. Kita sedang memaksa diri merumuskan apa yang selama ini kita anggap intuisi. Dan pada saat itulah kita tahu apakah keahlian kita benar-benar berupa penilaian, atau sekadar kebiasaan yang belum pernah diuji.

Sebagian dari apa yang kita sebut “pengalaman” akan lolos ujian ini. Ia akan berubah menjadi aturan yang jernih, rubrik yang tajam, standar yang bisa dipertanggungjawabkan. Sebagian lagi tidak. Ia akan hancur di tangan kita sendiri saat kita mencoba menuliskannya, dan kita akan menemukan bahwa selama ini kita hanya mengulang cara lama karena belum pernah ada yang bertanya mengapa.

Itu bukan kabar buruk. Itu justru alasan terbaik untuk memulai.

Satu kelompok membuka percakapan baru setiap pagi, menempel ulang kerangka kerjanya, menerangkan ulang metodologinya, dan menyebutnya “memakai AI”. Lima puluh dua jam setahun untuk menjelaskan diri kepada mesin. Kelompok lain menghabiskan lima belas menit membangun skill, dan tidak pernah menjelaskan apa pun lagi.