Mengapa Keluaran AI Anda Tidak Konsisten (Dan Sembilan Kerangka Kerja yang Memperbaikinya)

Kerangka kerja cepat adalah perbedaan antara keluaran AI yang dapat Anda letakkan di depan klien dan keluaran yang Anda hapus secara diam-diam. Selama setahun terakhir, hampir setiap keterlibatan klien yang saya ikuti diakhiri dengan pertanyaan yang sama.

Baik itu peluncuran Microsoft Fabric, program adopsi Copilot, atau penilaian kesiapan AI, seseorang akhirnya bertanya:

“Bagaimana kita bisa mendapatkan keluaran yang konsisten dari model ini?”

Itu pertanyaan yang tepat. Sebagian besar tim tempat saya bekerja telah menerapkan Copilot atau ChatGPT. Perkakasnya bukanlah masalahnya. Namun hasilnya tidak konsisten — terkadang cemerlang, terkadang tidak dapat digunakan. Model yang sama, data yang sama, hasil yang sangat berbeda.

Sembilan dari sepuluh, itu bukan modelnya. Ini adalah struktur prompt.

Dan perbaikannya bukanlah “frasa ajaib” atau trik cerdas dari carousel LinkedIn. Ini adalah kumpulan kecil kerangka kerja berulang yang dapat diterapkan oleh siapa pun di tim, sehingga “perintah yang baik” tidak lagi menjadi masalah gaya pribadi dan mulai menjadi masalah proses.

Tiga kesalahan yang saya lihat di 90% permintaan perusahaan

Sebelum kita membahas kerangkanya, ada baiknya memberi nama polanya. Saat saya mengaudit perintah di dalam tim perusahaan, tiga kesalahan yang sama muncul berulang kali:

1. Tidak ada peran yang ditentukan. Tanpa peran, model defaultnya adalah suara asisten umum. Anda mendapatkan keluaran yang berbunyi seperti yang ditulis oleh seorang sarjana yang membantu, terlepas dari apakah Anda memerlukan perspektif CFO atau arsitek keamanan.

2. Tidak ada format keluaran yang ditentukan. Anda meminta “analisis” dan Anda mendapatkan empat paragraf prosa padahal yang sebenarnya Anda inginkan adalah tabel tiga kolom, daftar peluru, atau memo terstruktur.

3. Tidak ada kendala. Tidak ada perintah apa pun yang memberi tahu model seperti apa tampilannya yang “bagus” — tidak ada batasan kata, tidak ada penanda nada, tidak ada contoh keluaran yang diinginkan. Jadi model tersebut berhalusinasi secara masuk akal dan Anda menghabiskan waktu 20 menit untuk memperbaikinya.

Anda dapat menambal salah satu dari ini dan melihat peningkatannya. Tambal ketiganya dengan struktur yang dapat diulang dan Anda mengubah kualitas keluaran di seluruh tim.

Anjuran vs. rekayasa cepat

Ada perbedaan antara dorongan — menulis instruksi ad-hoc dan berharap yang terbaik — dan rekayasa yang cepatyang merupakan suatu disiplin.

Rekayasa cepat sebagai suatu disiplin terlihat seperti ini di dalam organisasi klien:

• A perpustakaan kerangka kerjajadi tidak ada yang menemukan kembali kendali pada setiap tugas.
• Pembuatan versi yang cepatsehingga Anda dapat menguji A/B dan mengaudit apa yang dikirim ke model.
• Evaluasi keluaranjadi “baik” bisa diukur, bukan berdasarkan getaran.
• Gerbang ulasansehingga keluaran yang dibantu AI mencapai standar yang sama dengan keluaran manusia sebelum dikirim ke klien atau dewan.

Sebagian besar konten “rekayasa cepat” di LinkedIn adalah taktik — frasa ajaib, peretasan cerdas. Taktik itu menghibur. Sistem dapat ditagih. Jika Anda mengajar organisasi yang beranggotakan 500 orang untuk menggunakan AI secara bertanggung jawab, Anda memerlukan sistem.

Perpustakaan kerangka kerja adalah dasar dari sistem itu. Tentang itulah postingan ini.

Delapan framework yang paling sering saya gunakan

Ini adalah delapan kerangka kerja yang saya capai dalam keterlibatan langsung. Masing-masing memecahkan kelas masalah yang berbeda – keterampilannya adalah mengetahui mana yang harus diraih.

1. RTF — Peran, Tugas, Format

Terbaik untuk: keluaran transaksional cepat di mana Anda memerlukan konsistensi cepat.

Kerangka kerja paling sederhana dan yang paling banyak memperbaiki masalah. Anda menentukan siapa yang harus ditindaklanjuti oleh model, apa yang harus dilakukan, dan bagaimana output harus dibentuk.

Contoh: “Anda adalah seorang CFO yang mempersiapkan pembaruan dewan. Rangkum kinerja Q3 berdasarkan tiga KPI di bawah ini. Hasil: lima butir, masing-masing maksimal 15 kata, bahasa Inggris sederhana, tanpa jargon.”

RTF adalah titik awal default saya untuk setiap prompt baru. Mungkin 60% perintah sehari-hari tidak memerlukan lebih dari ini.

2. BAB — Sebelum, Sesudah, Jembatan

Terbaik untuk: transformasi dan persuasi.

Jelaskan keadaan saat ini (Sebelum), keadaan yang diinginkan (Setelah), dan jembatan antara keduanya. Sangat berguna untuk komunikasi perubahan internal, jaminan penjualan, dan apa pun yang Anda perlukan untuk memindahkan pembaca dari satu posisi ke posisi lain.

Contoh: Anda sedang menyusun komunikasi untuk peluncuran Copilot. Sebelumnya = “kami membuang dua jam seminggu untuk pembaruan status.” After = “pembaruan status memerlukan waktu sepuluh menit.” Bridge = “begini cara Copilot melakukannya.”

3. CARE — Konteks, Tindakan, Hasil, Contoh

Terbaik untuk: hasil dan studi kasus.

Sangat berguna ketika Anda membutuhkan model untuk mereplikasi corak atau pola hasil tertentu. Sertakan karya sebelumnya sebagai contoh dan model akan mengkalibrasinya. Ini adalah kerangka kerja yang paling sering saya gunakan untuk studi kasus klien dan penyusunan testimonial.

4. CRIT – Konteks, Peran, Wawancara, Tugas

Terbaik untuk: ringkasan strategis yang kompleks.

Elemen “wawancara” inilah yang membedakan CRIT – Anda meminta model untuk menginterogasi Anda sebelum dibuat konsepnya. Hal ini memunculkan asumsi-asumsi yang belum Anda nyatakan, dan di sinilah sebagian besar ringkasan rumit menjadi berantakan. Lebih berat untuk digunakan dibandingkan RTF, namun layak dilakukan jika keluarannya harus tahan terhadap pengawasan.

5. BANGKIT — Peran, Masukan, Langkah, Harapan

Terbaik untuk: hasil dan rencana bertahap.

Elemen “langkah” menjadikan RISE sangat berguna untuk pekerjaan multi-tahap — rencana proyek, migrasi bertahap, dan program pelatihan. Model ini menghasilkan keluaran yang dapat Anda masukkan langsung ke dalam rencana penyampaian daripada harus merestrukturisasinya.

6. CO-STAR — Konteks, Tujuan, Gaya, Nada, Penonton, Respon

Terbaik untuk: konten khusus suara.

Kerangka kerja terberat dalam daftar dan yang harus dicapai ketika suara dan nada lebih penting daripada konten. Gaya, nada, dan audiens sengaja dipisahkan — Anda sering kali menginginkan gaya formal, nada langsung, dan audiens non-teknis, dan sebagian besar kerangka kerja menggabungkannya menjadi satu instruksi.

Gunakan CO-STAR untuk komunikasi eksekutif, makalah, dan apa pun yang harus dibaca dengan suara orang tertentu.

7. RODES – Peran, Tujuan, Detail, Contoh, Pemeriksaan Rasa

Terbaik untuk: konten yang sangat penting bagi akurasi.

Elemen “sense-check” inilah yang membuat RODES berbeda. Anda meminta model untuk menandai apa pun yang tampak meragukan sebelum Anda menerima hasilnya. Sangat berharga untuk konten yang diatur, dokumentasi teknis, dan keluaran apa pun yang menyebabkan halusinasi memiliki dampak yang nyata.

8. APE — Tindakan, Tujuan, Harapan

Terbaik untuk: tugas yang sangat ramping dan cepat.

Struktur minimum yang layak. Gunakan saat Anda membutuhkan sesuatu dengan cepat tetapi masih menginginkan lebih dari perintah tiga kata. APE adalah apa yang saya capai ketika saya sedang mengerjakan hal lain dan hanya membutuhkan bantuan cepat — bukan ketika hasilnya harus pergi ke tempat yang penting.

Contoh sebelum dan sesudah

Inilah yang terlihat dalam praktiknya.

Sebelumnya (tanpa kerangka):

“Tulis sesuatu tentang hasil Q3 kita di papan tulis.”

Setelah (RTF diterapkan):

Peran: Anda adalah CFO yang menyiapkan pembaruan dewan. Tugas: Rangkum kinerja Q3 terhadap tiga KPI di bawah ini. Format: Lima butir, masing-masing maksimal 15 kata, bahasa Inggris sederhana, tanpa jargon.

Model yang sama. Data dasar yang sama. Keluaran yang sangat berbeda. Versi pertama menghasilkan siaran pers umum. Yang kedua menghasilkan sesuatu yang bisa Anda letakkan di depan papan.

Itulah inti dari sebuah kerangka kerja. Ini bukan tentang menemukan kalimat yang sempurna. Ini tentang menyusun instruksi sehingga hasilnya selalu bagus, tidak hanya pada hasil yang beruntung.

Contoh klien nyata

Sebuah tim keuangan tempat saya bekerja menghabiskan dua jam setiap hari Senin untuk menyusun ringkasan eksekutif untuk paket perdagangan mingguan mereka. Mereka telah mencoba ChatGPT — hal ini memperburuk keadaan. Salinan umum, nada salah, nomor yang tidak dipercaya oleh MD.

Kami tidak mengubah modelnya. Kami mengubah struktur prompt menggunakan CARE:

• Konteks: tujuan paket perdagangan, penonton, tiga bagian yang diperlukan.
• Tindakan: menyusun ringkasan eksekutif berdasarkan data yang diberikan.
• Hasil: ringkasan 250 kata, empat bagian, nada langsung, tanpa lindung nilai.
• Contoh: ringkasan minggu sebelumnya, yang telah ditandatangani oleh MD.

Hasilnya: lima belas menit, bukan dua jam. MD tidak bisa membedakan ringkasan mana yang dibantu AI dan mana yang tidak.

Itulah perbedaan yang dibuat oleh struktur. Dan skalanya meningkat — kerangka kerja yang sama dapat diterapkan ke seluruh tim, dengan hasil yang sama, oleh orang-orang yang tidak mendesainnya.

Kerangka kerja mana yang harus Anda mulai?

Delapan kerangka kerja sudah cukup untuk menangani sebagian besar skenario dunia nyata, namun juga cukup melumpuhkan jika Anda mencoba mengadopsi semuanya sekaligus. Urutan praktis:

Mulailah dengan RTF untuk keluaran transaksi apa pun — ringkasan dewan, catatan rapat, draf cepat. Ini adalah kerangka 80/20.

Tambahkan PERAWATAN saat Anda perlu mencocokkan suara atau nada yang ada. Komponen contoh melakukan sebagian besar pekerjaan di sini.

Jangkau CO-STAR atau RODES ketika taruhannya meningkat — komunikasi eksekutif yang mengutamakan suara (CO-STAR), atau keluaran teregulasi/teknis yang mengutamakan akurasi (RODES).

Gunakan BAB, CRIT, RISE, dan APE secara situasional. BAB untuk narasi perubahan. CRIT untuk ringkasan yang Anda tidak sepenuhnya mengetahui ringkasannya. RISE untuk rencana multi-tahap. APE ketika Anda hanya membutuhkan kemenangan cepat.

Jangan mencoba mengadopsi kedelapan hal sekaligus. Pilih dua, gunakan sampai menjadi memori otot, lalu lapisi sisanya.

Cara menggunakan ini di organisasi Anda

Jika Anda bertanggung jawab untuk meluncurkan AI di dalam organisasi nyata — baik itu adopsi Copilot, keterlibatan Fabric, atau program pemberdayaan AI internal — ada tiga langkah praktis:

1. Pilih dua atau tiga kerangka kerja dari delapan di atas dan membakukannya. RTF dan CARE mencakup sebagian besar pekerjaan sehari-hari. Tambahkan CO-STAR atau RODES untuk kasus yang lebih sensitif.
2. Bangun perpustakaan prompt bersama. Bahkan dokumen sederhana yang dibagikan “inilah templat RTF kami untuk pembaruan papan” menghilangkan variasi per orang yang merusak konsistensi.
3. Evaluasi hasilnya. Pilih dua atau tiga dimensi kualitas (akurasi, kepatuhan format, kecocokan nada) dan nilai keluaran berdasarkan dimensi tersebut. Jika sebuah perintah tidak secara konsisten mendapatkan skor yang baik dalam sepuluh kali proses, maka perintah tersebut memerlukan lebih banyak struktur — bukan model yang berbeda.

Coba kerangka kerjanya

Saya telah mengemas kedelapan kerangka kerja menjadi dua sumber daya gratis.

Yang pertama adalah alat interaktif. Pilih skenario Anda, pilih kerangka kerja, jelaskan tugas Anda, dan ini akan mengembalikan prompt terstruktur penuh yang dapat Anda tempelkan ke Copilot atau ChatGPT. Kurang dari satu menit, tidak perlu mendaftar.

Di halaman yang sama, ada juga a Lembar contekan PDF Anda dapat mengunduh — setiap kerangka kerja, kapan menggunakannya, contoh yang berhasil, dan mode kegagalan yang harus dihindari. Ini dirancang untuk ditayangkan di monitor kedua atau dibagikan ke saluran tim.

→ Akses alat kerangka kerja cepat dan PDF

Keduanya diambil langsung dari pekerjaan klien langsung. Mereka akan mendarat paling keras jika Anda berada di posisi “kami telah mengerahkan Copilot, sekarang bagaimana?” tahap — tetapi model ini akan berguna bagi siapa saja yang ingin mendapatkan keluaran yang lebih konsisten dari model yang sudah mereka gunakan.

---

Gethyn Ellis adalah konsultan data dan AI Microsoft yang berbasis di Inggris yang bekerja dengan tim perusahaan di bidang Fabric, adopsi Copilot, dan kesiapan AI. Hubungi kami untuk mendiskusikan keterlibatan sistem yang cepat untuk organisasi Anda.