Anda tentu tidak akan menelepon restoran pizza dan memesan “pizza.” Untuk mendapatkan hidangan yang Anda inginkan, Anda harus menentukan pilihan adonan, topping, bumbu, minuman pendamping, serta bahan apa pun yang mungkin Anda alergi.
Inti dari cerita ini adalah: Semakin rinci instruksi Anda, semakin mendekati selera Anda hasil pizza yang dihasilkan. Hal ini berlaku saat menggunakan alat AI generatif seperti ChatGPT dari OpenAI atau Gemini dari Google.
Dalam postingan blog ini, kami akan menunjukkan kepada Anda cara memberikan instruksi yang jelas dan mengajukan pertanyaan spesifik kepada alat AI generatif—sebuah proses yang juga dikenal sebagai rekayasa prompt.
Apa itu Prompt Engineering?
Prompt engineering adalah proses merancang dan menyempurnakan teks masukan yang diberikan kepada model AI, terutama model bahasa, untuk memperoleh respons yang paling akurat, relevan, dan kreatif.
Mengapa Anda perlu mempelajari rekayasa prompt
AI generatif semakin berkembang menjadi salah satu alat paling kuat dan berpengaruh di berbagai bidang aplikasi—mulai dari penulisan konten hingga pemodelan arsitektur. McKinsey menemukan bahwa hingga 30% jam kerja yang saat ini dilakukan di seluruh perekonomian AS dapat diotomatisasi pada tahun 2030 dengan teknologi berbasis AI generatif.
Untuk memanfaatkan Gen AI secara optimal, Anda perlu menguasai teknik prompt engineering.
Mempercepat interaksi: Prompt engineering berfungsi sebagai antarmuka utama antara niat manusia dan hasil keluaran mesin. Agar model pembelajaran mesin (ML) dapat memahami kueri bahasa alami Anda, Anda perlu memahami prompt engineering.
Mendorong kreativitas AI: Faktor pembeda dari Generative AI adalah kemampuannya untuk ‘menghasilkan’, yaitu menciptakan teks, gambar, atau data sebagai respons terhadap prompt. Untuk mendapatkan respons yang kreatif, Anda perlu memasukkan prompt yang jelas.
Mendapatkan respons yang akurat: Salah satu tantangan besar dalam Gen AI adalah "hallucination"—fenomena di mana model AI menghasilkan informasi yang salah atau menyesatkan berdasarkan asumsi yang keliru atau bias bawaan. Untuk mengatasinya, Anda memerlukan keterampilan prompt engineering yang baik.
Maksimalkan hasil: AI generatif dibangun dari model bahasa besar yang memproses jumlah data yang luar biasa besar. Untuk memanfaatkan kemampuan model secara optimal—dan mengatasi keterbatasannya—teknik prompt engineering yang baik sangatlah penting.
Meningkatkan relevansi: Segala sesuatu yang dihasilkan oleh AI harus relevan bagi audiens yang dituju. Misalnya, Anda dapat meningkatkan relevansi postingan media sosial yang dihasilkan AI bagi audiens Anda dengan menentukan demografi, minat, kebutuhan, tantangan, dan sebagainya dari audiens tersebut.
Untuk memperoleh manfaat ini, Anda perlu memahami cara menggunakan teknik prompt engineering guna mendapatkan hasil yang diinginkan dari AI generatif. Mari kita mulai dengan beberapa contoh
Contoh-contoh Prompt Engineering
Ada banyak hal yang boleh dan tidak boleh dilakukan, praktik terbaik, serta templat prompt AI yang tersedia untuk membantu Anda melakukannya dengan benar. Namun, sebelum kita membahas trik-trik AI apa pun, cara terbaik untuk mempelajari keterampilan praktis seperti prompt engineering adalah dengan melihatnya langsung dalam praktik.
Berikut adalah beberapa contoh rekayasa prompt di berbagai bidang pekerjaan.
Prompt engineering dalam pengembangan perangkat lunak
Baik saat Anda sedang memprogram, memperbaiki bug, atau menulis dokumentasi, alat AI untuk pengembang dapat membuat pekerjaan Anda jauh lebih mudah. Begini caranya.
Bantuan tinjauan kode
“Buatlah daftar periksa tinjauan kode untuk aplikasi otomatisasi proses robotik (RPA) yang dibangun menggunakan Python. Berfokuslah terutama pada keterbacaan dan keamanan perusahaan.”
Dokumentasi teknis
“Tulis panduan lengkap tentang penerapan OAuth 2.0 dalam aplikasi web menggunakan Node.js. Sertakan petunjuk langkah demi langkah dan potongan kode untuk setiap tahap.”
Perbaikan bug
“Jelaskan pendekatan sistematis untuk mengidentifikasi dan memperbaiki kebocoran memori dalam aplikasi Java, termasuk alat yang digunakan dan area umum yang perlu diperiksa.” Jika Anda seorang pemula dan merasa hal ini agak terlalu rumit, kami siap membantu. Gunakan prompt ChatGPT ClickUp untuk bidang teknik guna menghasilkan ide, menyusun rencana, dan banyak lagi.
Prompt AI untuk manajemen produk
Tim pengembangan perangkat lunak agile sering kali kekurangan manajer produk yang mampu memperjelas peta jalan dan mendorong kemajuan. Alat AI seperti ChatGPT dapat membantu.
Prioritas fitur
“Dengan menggunakan model penilaian RICE (Reach, Impact, Confidence, Effort), prioritaskan fitur-fitur berikut untuk alat manajemen proyek kami yang akan datang: papan Kanban, kolaborasi real-time, pelaporan otomatis, dan integrasi pihak ketiga.”
Pembuatan persona pengguna
“Kembangkan profil pengguna yang terperinci untuk aplikasi pelacakan kebugaran yang ditujukan bagi para profesional sibuk yang baru memulai program kebugaran pribadi. Sertakan detail demografis, tujuan, tantangan, serta cara mereka mungkin menggunakan aplikasi tersebut.”
Pengembangan peta jalan produk
“Buatlah garis besar peta jalan produk selama 6 bulan untuk perluasan platform e-commerce, dengan fokus pada integrasi AI untuk pengalaman berbelanja yang dipersonalisasi. Jelaskan secara rinci fase-fase, tonggak penting, dan hasil yang diharapkan.” Atau pilih dari lebih dari 130 prompt ClickUp ChatGPT untuk manajemen produk dan mulailah segera.
📮 Wawasan ClickUp: 37% responden kami menggunakan AI untuk pembuatan konten, termasuk penulisan, penyuntingan, dan email. Namun, proses ini biasanya melibatkan perpindahan antar alat yang berbeda, seperti alat pembuat konten dan ruang kerja Anda. Dengan ClickUp, Anda mendapatkan bantuan penulisan berbasis AI di seluruh ruang kerja, termasuk email, komentar, obrolan, Dokumen, dan lainnya—semuanya sambil mempertahankan konteks dari seluruh ruang kerja Anda.
Contoh rekayasa prompt dalam manajemen proyek
Anda dapat meminta Gen AI untuk membuat rencana proyek, yang kemudian dapat Anda sesuaikan. Atau, Anda bisa meminta bantuannya untuk mengoptimalkan bagian-bagian tertentu dari rencana tersebut. Kita akan membahas keduanya di bawah ini.
Penyusunan rencana proyek
“Buatlah rencana proyek terperinci untuk meluncurkan pasar daring baru, termasuk tahapan-tahapan seperti riset pasar, desain dan pengembangan, pengujian, serta strategi peluncuran. Cantumkan kegiatan utama, sumber daya yang dibutuhkan, dan jadwal untuk setiap tahapan.”
Optimasi sumber daya
“Analisis alokasi sumber daya saat ini untuk proyek pengembangan perangkat lunak dan sarankan langkah-langkah optimasi untuk memastikan penyelesaian tepat waktu tanpa mengorbankan kualitas. Pertimbangkan faktor-faktor seperti keahlian, distribusi beban kerja, dan tugas-tugas jalur kritis.”
Lebih dari 190 prompt ChatGPT untuk manajemen proyek yang dikurasi secara eksklusif untuk Anda oleh ClickUp.
Pelajari lebih lanjut tentang ClickUp Brain di sini:
Prompt untuk pembuatan konten
Alat pembuatan konten AI terbaik dapat membantu meningkatkan hasil pemasaran Anda secara signifikan. Cobalah hal-hal berikut ini untuk membuktikannya sendiri.
Kampanye media sosial
“Rancanglah kampanye media sosial untuk peluncuran sampo ramah lingkungan yang akan datang. Sertakan 3 postingan Instagram yang berbeda dan 3 postingan Twitter yang berbeda. Tambahkan tagar yang relevan untuk masing-masing platform.”
Konten buletin email
“Buatlah konten yang menarik untuk buletin bulanan sebuah startup teknologi yang mencakup pembaruan produk, sorotan tentang salah satu anggota tim, acara yang akan datang, dan ajakan bertindak yang mendorong pembaca untuk mencoba fitur baru.”
Anda juga dapat memberikan detail lebih lanjut mengenai pembaruan produk atau anggota tim untuk mendapatkan hasil yang lebih akurat. Contohnya ada di bawah ini.
“Sorot salah satu anggota tim. Namanya Jake, dia adalah pengembang yang luar biasa. Bulan ini dia genap satu tahun bekerja di sini. Selama masa kerjanya, dia telah membantu menyelesaikan beberapa masalah klien terbesar. Seorang klien pernah berkata, “Tanpa Jake, kami pasti terjebak dalam lingkaran kebingungan. Dia melakukan pekerjaan hebat dengan membantu kami menyelesaikan dua masalah sekaligus.”
Gunakan ClickUp Brain sebagai asisten penulisan Anda, lakukan pemeriksaan ejaan, ringkas dokumen yang panjang, buat tabel, templat, transkrip, dan masih banyak lagi.
Perlu diingat bahwa sebagian besar bisnis belum menyukai konten yang dihasilkan AI, sehingga muncullah beberapa alat pendeteksi AI. Cara terbaik untuk menggunakan Gen AI dalam pembuatan konten adalah sebagai alat brainstorming atau titik awal yang mengatasi masalah "halaman kosong".
Prompt engineering dalam aplikasi chatbot
Secara teknis, ChatGPT atau Google Gemini adalah chatbot yang kita ajak bicara. Chatbot ini memahami masukan kita dan menghasilkan respons. Chatbot ini dilatih menggunakan model bahasa besar dengan sejumlah besar data.
Anda dapat menggunakan model-model ini dan melatihnya lebih lanjut dengan informasi eksklusif atau yang spesifik untuk industri tertentu guna memfasilitasi percakapan yang lebih mendalam, peka konteks, dan dipersonalisasi dengan pengguna. Dalam hal ini, pelanggan mungkin hanya akan mengajukan pertanyaan seperti, “Berapa harga ransel ini?”
Namun, chatbot layanan pelanggan yang baik dapat memanfaatkan data organisasi terkait riwayat belanja, lokasi, preferensi, keluhan sebelumnya, dan sebagainya, untuk memberikan jawaban serta merekomendasikan produk tambahan, sehingga secara signifikan meningkatkan pengalaman pengguna.
Prompt engineering untuk pemrograman komputer dan sistem kontrol versi
Prompt engineering dapat membantu pengembang untuk menghasilkan potongan kode tertentu dalam berbagai bahasa pemrograman.
“Tulis fungsi Python untuk terhubung ke basis data SQL dan menjalankan kueri SELECT berdasarkan parameter yang diteruskan ke fungsi tersebut.”
Mengintegrasikan AI ke dalam alur kerja kontrol versi memberikan rekomendasi untuk tinjauan kode berdasarkan riwayat commit, menyarankan bagian-bagian dalam basis kode yang mungkin memerlukan refactoring, serta mengotomatiskan tugas-tugas rutin kontrol versi, sehingga meningkatkan kualitas kode dan produktivitas tim.
Teknologi kreatif AI berbasis prompt
Prompt engineering, terutama pada model seperti DALL-E, membuka potensi yang belum pernah ada sebelumnya dalam menghasilkan visual yang imajinatif dan rumit berdasarkan deskripsi teks.
Misalnya, seorang pengembang game dapat menggunakan prompt seperti “Buatlah gambar sebuah jalan utama, dengan toko-toko fashion berjejer di kedua sisinya, saat senja, dalam gaya arsitektur modern dan warna-warna yang segar.” Hasilnya memungkinkan visualisasi lingkungan game secara cepat tanpa perlu menggambar secara manual dalam skala besar.
Prompt engineering untuk analisis basis data
Biasanya, mengekstrak informasi dari basis data memerlukan seseorang yang memiliki pengetahuan SQL untuk menulis kueri dalam bahasa pemrograman yang kompleks. AI generatif telah mengubah hal ini, sehingga Anda dapat menulis kueri dalam bahasa alami untuk mengambil data dari sumber data yang tidak terstruktur atau semi-terstruktur.
Pemrosesan data
“Jadilah seorang ilmuwan data dan tulis kode untuk membersihkan serta melakukan pra-pemrosesan data saya guna analisis. Kumpulan data saya berisi informasi belanja semua pelanggan selama 30 hari terakhir.”
Di sini, Anda dapat meminta Gen AI untuk melakukan tugas-tugas pembersihan tertentu, seperti menghapus baris kosong, menghapus baris dengan nilai keranjang belanja kurang dari 50$, dan sebagainya.
Visualisasi data
“Tulis kode dalam Python untuk memvisualisasikan dataset saya. Dataset saya berisi informasi belanja semua pelanggan berusia di atas 50 tahun selama 30 hari terakhir.”
Berikan spesifikasi tambahan untuk visualisasi dan penyempurnaan, seperti “tunjukkan tren belanja,” atau “atur berdasarkan kategori.”
Analisis sentimen dengan prompt Gen AI
Analisis sentimen sangat populer dalam konten yang dibuat pengguna secara online, terutama dari postingan media sosial. Prompt Anda untuk memahami sentimen pelanggan terhadap produk Anda dapat dibuat sebagai berikut.
“Berdasarkan dataset saya yang berisi postingan media sosial yang menyebutkan [merek], klasifikasikan postingan tersebut sebagai positif, negatif, atau netral. Identifikasi fitur/aspek spesifik yang terkait dengan setiap sentimen.”
Jika Anda sudah memahami dasar-dasar cara kerja prompt engineering, kini saatnya untuk melihat aplikasi dan implikasinya yang lebih luas.
Peran Prompt Engineering di Sektor yang Berbasis Data
Dari contoh-contoh di atas, Anda dapat melihat bahwa Anda dapat melakukan analisis data dasar atau analisis sentimen di berbagai industri. Namun, AI generatif dan prompt engineering memberikan nilai tambah yang khusus di sektor dan aplikasi yang didorong oleh data. Berikut penjelasannya.
Pendidikan
Prompt engineering yang baik membantu pendidik menciptakan konten yang akurat, relevan, menarik, dan dipersonalisasi dalam skala besar. Beberapa kasus penggunaan Gen AI yang paling menjanjikan di bidang pendidikan antara lain:
Pengalaman belajar yang dipersonalisasi: Membuat pelajaran dan rencana pembelajaran berdasarkan preferensi, tingkat kemahiran, dan minat masing-masing siswa dalam waktu yang jauh lebih singkat.
Pembuatan konten otomatis: Pembuatan cepat materi pendukung, seperti ringkasan, kuis, dan soal pemahaman bacaan.
Pembelajaran dan latihan bahasa: Membuat skenario latihan percakapan, latihan tata bahasa, dan latihan kosakata yang disesuaikan dengan tingkat kemampuan peserta didik saat ini.
Bimbingan dan dukungan: Bimbingan berbasis AI untuk menjawab pertanyaan spesifik siswa atau mengatasi bidang-bidang yang sulit, dengan menyediakan penjelasan, sumber daya, dan soal-soal latihan.
Penelitian dan pengembangan
Dengan merancang prompt yang tepat dan relevan secara kontekstual, para peneliti memanfaatkan model AI untuk menyaring data dalam jumlah besar, menghasilkan hipotesis baru, dan bahkan mensimulasikan hasil eksperimen.
Insinyur prompt dapat membantu peneliti merancang input yang tepat untuk mendapatkan hasil yang akurat dalam skala besar. Beberapa skenario di mana hal ini dapat bermanfaat antara lain:
Tinjauan pustaka: Melakukan tinjauan pustaka yang komprehensif, mengidentifikasi studi-studi yang relevan, temuan-temuan utama, serta kesenjangan dalam basis pengetahuan saat ini.
Penambangan data: Mengungkap pola, korelasi, dan anomali dalam kumpulan data besar.
Pembuatan hipotesis: Membuat beberapa hipotesis dalam bidang penelitian yang sama untuk mengeksplorasi berbagai jalur.
Simulasi eksperimen: Mensimulasikan eksperimen atau hasil model, sehingga mengurangi kebutuhan akan eksperimen fisik yang mahal dan memakan waktu.
Layanan Kesehatan
Prompt engineering meningkatkan kemampuan model AI dalam menafsirkan data medis yang kompleks, memberikan dukungan diagnostik, menyesuaikan perawatan pasien, serta memfasilitasi penelitian dan pelatihan.
Insinyur prompt dapat membantu para profesional medis memperoleh wawasan yang lebih baik dari data mereka dalam skenario-skenario berikut.
- Bantuan diagnostik berdasarkan tes, hasil laboratorium, laporan, dan pencitraan medis
- Rencana perawatan yang dipersonalisasi: Menganalisis riwayat medis pasien, data genetik, dan kondisi kesehatan saat ini untuk mengusulkan rencana perawatan yang disesuaikan, seperti memprediksi penolakan transplantasi organ
- Penemuan obat: Menyaring basis data yang luas berisi makalah akademis dan data uji klinis untuk mengidentifikasi kandidat obat potensial bagi penyakit tertentu, seperti yang dilakukan MIT dalam penelitian antibiotik
Contoh Penggunaan Praktis Prompt Engineering
Pada dasarnya, AI generatif dapat menghasilkan konten dalam tiga bentuk: teks, gambar, dan audio/video. Berikut ini adalah beberapa kasus penggunaan AI yang paling efektif dalam ketiga bentuk tersebut.
Prompt engineering dalam pembangkitan teks
Ini adalah kasus penggunaan AI generatif yang paling populer saat ini. Mulai dari jurnalis dan pemasar hingga pengembang yang pemalu, pengguna dari berbagai kalangan menggunakan generator teks AI untuk memenuhi kebutuhan mereka.
Contoh penggunaan yang populer antara lain:
- Konten pemasaran, seperti blog dan whitepaper
- Konten media sosial, seperti pembaruan di Instagram atau Twitter
- Dokumentasi teknis
- Pidato dan presentasi
- Judul alternatif/menarik untuk artikel
- Ringkasan dan uraian singkat untuk memudahkan pembacaan
Tersedia pula alat AI untuk notulen rapat yang dapat mentranskrip panggilan video menjadi catatan teks atau merangkum catatan teks untuk mengidentifikasi poin-poin penting, tindakan yang harus dilakukan, dan sebagainya.
Prompt engineering dalam pembangkitan gambar
Meskipun belum sepopuler teks, generasi gambar menawarkan peluang luar biasa bagi kreativitas. Contoh penggunaan yang populer antara lain:
- Seni digital
- Desain grafis untuk pemasaran/media sosial
- Desain konsep untuk acara dan konferensi
- Desain interior dan pembuatan prototipe arsitektur
- Sampul majalah dan visual lainnya
Prompt engineering dalam pembuatan audio dan video
Pembuatan audio dan video melalui rekayasa prompt memiliki aplikasi yang signifikan di bidang hiburan, pendidikan, dan asisten virtual. Beberapa contoh penggunaan praktis untuk alat pembuatan konten AI meliputi:
- Lagu atau efek suara khusus untuk video game dan proyek multimedia
- Musik yang sesuai dengan kebutuhan tematik dan emosional suatu proyek
- Suara hewan/burung langka
- Video promosi/animasi pendek dengan suara
- Trailer film
- Prototipe audio dan video
Dampak AI generatif sangat luar biasa—mempengaruhi setiap sektor, industri, wilayah geografis, dan jenis bisnis. Dalam dekade mendatang, prompt engineering mungkin akan menentukan kemampuan seseorang untuk belajar dan memahami berbagai hal, layaknya ‘Googling’ saat ini.
Meskipun AI generatif berkembang pesat, berikut adalah beberapa metode dasar yang dapat Anda gunakan untuk memulai dengan rekayasa prompt.
Metode Prompting
Sebelum kita membahas istilah-istilah teknis, ingatlah bahwa keunggulan utama AI generatif adalah Anda dapat memberikan masukan dalam bahasa alami. Jadi, silakan berbicara kepada ChatGPT, Google Gemini, atau Microsoft Copilot seperti yang Anda lakukan secara alami.
Perhatikan respons yang dihasilkan dan sesuaikan masukan Anda seiring berjalannya proses. Berikut adalah beberapa konsep yang mungkin dapat membantu Anda dalam proses ini.
Pembelajaran tanpa data pelatihan (zero-shot learning)
Memberikan tugas kepada AI tanpa contoh atau konteks sebelumnya disebut zero-shot prompting. Teknik ini memiliki karakteristik sebagai berikut.
- Prompt sudah cukup jelas
- Model tersebut dapat memahami dan menjalankan permintaan hanya berdasarkan pelatihan awalnya
- Sangat cocok sebagai prompt awal bagi pengguna baru untuk memahami model bahasa besar
Contoh prompt: “Identifikasi bahasa pemrograman utama yang digunakan dalam potongan kode berikut: print(‘Hello, World!’). ”
Pembelajaran dengan sedikit contoh
Memberikan beberapa contoh tugas yang akan dikerjakan kepada model AI sebelum menyajikan tugas yang sebenarnya disebut "few-shot prompting".
- Prompt bersifat preskriptif
- Membantu model memahami konteks dan format hasil yang diharapkan
- Cocok untuk tugas-tugas kompleks di mana metode zero-shot mungkin tidak memberikan panduan yang cukup
Contoh prompt: “Berdasarkan pasangan input dan output berikut: Input: 5 × 5, Output: 25; Input: 8 + 2, Output: 10; hitunglah output untuk Input: 7 – 4.”
Prompting rantai pemikiran
Memberikan prompt kepada model untuk menghasilkan langkah-langkah perantara atau jalur penalaran yang mengarah ke jawaban akhir atau hasil yang diinginkan disebut prompting rantai pemikiran (COT).
- Prompt dilakukan selangkah demi selangkah
- Memandu model hingga mencapai hasil akhir
- Sangat cocok untuk tugas pemecahan masalah yang kompleks di mana Anda ingin model “menunjukkan proses kerjanya”
Contoh prompt: “Untuk membalikkan string ‘hello’, pertama, pisahkan string tersebut menjadi karakter-karakter individual. Kedua, balikkan urutan karakter-karakter tersebut. Terakhir, gabungkan kembali karakter-karakter tersebut menjadi sebuah string. Apa hasil akhirnya?”
Teknik Prompting Tingkat Lanjut
Mari kita bahas beberapa teknik prompt engineering yang lebih kompleks dan canggih.
Zero-shot CoT
Zero-shot chain-of-thought (COT) menggabungkan kedua metode tersebut untuk mengatasi masalah kompleks tanpa contoh sebelumnya dalam data pelatihan.
Bayangkan menggunakan model AI generatif untuk mendebug potongan kode perangkat lunak yang belum pernah ditemuinya sebelumnya.
Dengan menggunakan zero-shot COT, model akan mengartikulasikan pemahamannya terhadap masalah, menyimpulkan penyebabnya secara logis, dan mengartikulasikan solusi potensial, langkah demi langkah, meskipun model tersebut belum dilatih untuk masalah spesifik ini.
Insinyur prompt otomatis (APE)
Bagaimana jika AI dapat memandu AI lain untuk menemukan jawaban yang tepat? Nah, itulah otomatisasi teknik prompt engineering.
Penggunaan algoritma dan teknik untuk secara otomatis menghasilkan atau mengoptimalkan prompt guna berinteraksi dengan model AI disebut APE. Dalam model ini, algoritma menganalisis kumpulan data (corpus) dari upaya yang berhasil dan tidak berhasil untuk mengotomatisasi tugas-tugas serupa.
Kemudian, sistem ini mengintegrasikan kata kunci, struktur, dan instruksi yang diidentifikasi sebagai yang paling mungkin menghasilkan keluaran yang sukses. Saat AI menghasilkan skrip, sistem APE mengevaluasi keefektifannya, menyempurnakan prompt berdasarkan apa yang dipelajarinya, dan secara berulang meningkatkan proses tersebut.
Terlepas dari metode apa pun yang Anda gunakan, Anda kemungkinan akan menghadapi beberapa tantangan dalam perjalanan Anda menuju prompt engineering yang efektif.
Keterbatasan dan Tantangan dalam Prompt Engineering
Sebagai bidang yang sedang berkembang, Gen AI mengalami pasang surutnya sendiri. Di sisi lain, pengguna mencoba berbagai prompt dan gaya untuk mendapatkan hasil yang mereka butuhkan. Teknologi yang berkembang begitu pesat tentu saja akan menghadapi tantangan.
Beberapa keterbatasan terbesar dalam prompt engineering dan cara-cara untuk mengatasinya.
Ketergantungan model: Sebuah prompt yang bekerja dengan baik pada satu model mungkin tidak memberikan hasil yang sama pada model lain.
Perhatikan perbedaan-perbedaan pada model. Lakukan penyesuaian dan optimasi seiring berjalannya proses.
Kompleksitas dan spesifisitas: Prompt yang efektif sering kali memerlukan pemahaman mendalam tentang bahasa dan kemampuan model.
Temukan keseimbangan antara deskripsi yang terlalu samar dan terlalu spesifik agar dapat memaksimalkan potensi model bahasa besar Anda.
Bias dan sensitivitas: Model AI dapat mewarisi bias dari data latihannya, yang mungkin Anda perkuat tanpa sengaja melalui teknik prompt engineering. Selain itu, halusinasi, bias, kurangnya sensitivitas, dan sebagainya, dapat menyebabkan hasil yang merugikan, menyesatkan, atau tidak etis.
Bangun sistem untuk pertimbangan yang cermat dan pengawasan etis terhadap penggunaan AI.
Skalabilitas: Seiring dengan bertambahnya cakupan tugas, rekayasa prompt secara manual untuk setiap skenario unik menjadi tidak praktis.
Pertimbangkan pembuatan atau pengoptimalan prompt secara otomatis untuk kebutuhan di masa mendatang.
Interpretabilitas: Kurangnya interpretabilitas dapat menyulitkan upaya perbaikan prompt secara bertahap atau mendiagnosis masalah.
Gunakan metode rantai pemikiran dan pastikan untuk melihat penalaran logis AI terkait hasil yang penting.
Overfitting dan underfitting: Overfitting terjadi ketika sebuah prompt terlalu disesuaikan dengan contoh-contoh tertentu, sehingga kurang efektif untuk kasus-kasus umum. Underfitting terjadi ketika sebuah prompt terlalu luas, yang mengakibatkan hasil yang generik atau tidak relevan.
Nah, temukan keseimbangannya.
Keterbatasan biaya dan sumber daya : Rekayasa prompt berkualitas tinggi, terutama dalam konteks komersial, dapat memerlukan sumber daya komputasi yang signifikan serta waktu para ahli.
Fokus pada penerapan praktis dan pengembalian investasi.
Kuasai Prompt Engineering dengan ClickUp
Apa judul lagu Taylor Swift itu? Berapa banyak keju yang harus saya masukkan ke dalam pasta saya? Apakah dataset ini sudah bersih untuk dianalisis? Obat apa yang menyebabkan alergi pada pasien ini? Tugas apa saja dari sprint ini yang belum ditugaskan?
Cakupan model AI generatif terus meluas. Akibatnya, prompt engineering kini menjadi keterampilan yang wajib dimiliki oleh para profesional di berbagai industri.
Kemampuan Anda untuk memahami bahasa LLM menentukan seberapa sukses Anda dalam memperoleh hasil terbaik—suatu keterampilan yang terangkum dalam ‘prompt engineering.’
Anda bisa mencoba teknik prompt engineering dengan salah satu model bahasa besar (LLM) gratis seperti ChatGPT, Google Gemini, DALL-E, dan lain-lain. Cobalah meminta model tersebut untuk membuat remix lagu-lagu favorit Anda untuk pesta ulang tahun Anda berikutnya atau memeriksa laporan kartu kredit Anda untuk memvisualisasikan pengeluaran terbesar Anda.
Jadikan pekerjaan Anda lebih cepat dan efektif dengan ClickUp Brain. ClickUp mengintegrasikan AI ke dalam platformnya untuk manajemen pengetahuan, manajemen proyek, dan penulisan.
Apa lagi? ClickUp Brain juga dilengkapi dengan prompt bawaan dan ratusan templat untuk memastikan Anda memulai dengan langkah yang tepat. Lihat apa yang dapat dilakukan AI generatif untuk manajemen proyek Anda. Coba ClickUp secara gratis hari ini!
Pertanyaan Umum (FAQ) tentang Prompt Engineering
1. Apa itu prompt engineering, beserta contohnya?
Pembuatan input untuk model AI generatif seperti ChatGPT guna membimbingnya dalam menghasilkan output yang spesifik atau diinginkan disebut prompt engineering.
Contoh rekayasa prompt
Misalnya, ketika seorang pengembang perangkat lunak ingin menggunakan model bahasa seperti GPT-4 untuk menghasilkan skrip Python guna membuat web scraper yang mengumpulkan judul berita dari situs web tertentu.
Prompt: “Buat skrip Python menggunakan pustaka Beautiful Soup untuk mengumpulkan judul berita terbaru dari ‘example-news-site.com’. Skrip tersebut harus dapat menangani paginasi dan menyimpan judul-judul berita tersebut dalam sebuah daftar.”
2. Apa contoh prompt?
Setiap masukan yang Anda berikan kepada model AI generatif merupakan sebuah prompt. Dengan teknik prompt engineering yang baik, Anda dapat meningkatkan hasil secara signifikan, sehingga hasilnya menjadi lebih bermanfaat, relevan, akurat, dan menarik.
Contoh prompt yang baik adalah: “Buat deskripsi produk sebanyak 150 kata untuk satu set handuk serat bambu yang menekankan manfaat ramah lingkungannya, daya tahannya, dan kelembutannya. Sertakan ajakan bertindak yang mendorong gaya hidup ramah lingkungan serta mempromosikan komitmen merek terhadap keberlanjutan.”
3. Bagaimana cara memulai prompt engineering?
Cara terbaik untuk memulai prompt engineering adalah dengan mencobanya sendiri. Berinteraksilah dengan model tersebut menggunakan bahasa alami dan pahami cara kerjanya. Secara bersamaan, Anda dapat:
- Daftar untuk mengikuti kursus sertifikasi online
- Baca dokumentasi yang khusus untuk model AI yang Anda gunakan
- Ikuti komunitas dan forum yang membahas model bahasa berskala besar
- Berlatihlah secara rutin dan pelajari dari setiap interaksi
- Analisis prompt yang berhasil dan yang tidak berhasil untuk memahami apa yang efektif
Tetap ikuti perkembangan terbaru dalam teknologi AI dan pemrosesan bahasa alami, karena hal ini dapat memengaruhi cara penyusunan prompt.