Dalam perubahan besar dunia, bagaimana pekerja humaniora harus menggunakan AI dengan lebih baik?

Judul Asli: 《Panduan Penggunaan AI untuk Pekerja Humaniora》

Penulis Asli: Han Yang MASTERPA

Sumber Asli:

Repost: Mars Finance

Pekerja humaniora tidak menciptakan perubahan dunia, tetapi mereka menanggung perubahan dunia.

Kadang-kadang saya merasa, akun-akun yang menjual tutorial kecerdasan buatan selalu menganggap AI sebagai semacam sihir: memberi prompt ajaib, kamu bisa melakukan apa saja. Kenyataannya tentu tidak begitu. Dalam waktu belakangan ini, karena mendirikan FUNES, kami harus setiap hari memproduksi dalam jumlah besar dengan AI. Ditambah lagi dengan produksi konten seperti 《蜉蝣天地》 dan tulisan saya sendiri, tenaga manusia sudah tidak cukup lagi. Jadi kami banyak mencoba bagaimana menggunakan AI untuk membantu pasar konten dan penelitian humaniora.

Kemudian, ada rekan baru yang bergabung di perusahaan, saya buatkan presentasi sederhana di Keynote. Setelah mendengar, Guru Jia Xingjia mengundang saya untuk berbagi. Saya dan rekan saya, Keda, memberi judul presentasi ini 《Panduan Penggunaan AI untuk Pekerja Humaniora》. Saat itu ini adalah berbagi pribadi murni, fokus pada prinsip-prinsip besar. Kemudian kami lakukan beberapa kali, dan perlahan diperluas.

Dalam lebih dari satu tahun terakhir, saya telah berbagi pengalaman tentang cara menggunakan AI ini kepada banyak teman yang bekerja di bidang konten, penelitian, dan produk pengetahuan. Tujuannya bukan mengajarkan kamu menghafal beberapa prompt ajaib, apalagi menganggap AI sebagai obat mujarab; sebaliknya, ini lebih seperti metode kerja: memungkinkan kamu mengintegrasikan model besar ke dalam proses penulisan, penelitian, penyuntingan, pemilihan topik, pengorganisasian data, dan produksi tanpa harus menulis kode, serta memastikan jejak, pengawasan, dan verifikasi, sehingga kamu tetap bersedia menandatangani karya tersebut.

Metode ini berasal dari pengalaman kami menghadapi jebakan dalam proyek nyata: saat konten diproduksi secara massal, mengandalkan tenaga manusia saja akan runtuh; tetapi jika AI langsung menulis, sering kali muncul ilusi, malas, dan hasil yang seperti AI. Oleh karena itu, kami harus mengubah proses kreatif menjadi jalur produksi, dan jalur produksi menjadi sistem yang dapat diiterasi.

Ketika hari ini saya tidak ingin langsung memberi berbagai prompt, saya ingin memberi beberapa prinsip dan panduan kunci.

Sebelum prinsip-prinsip ini, ada tiga garis dasar dari panduan ini:

Dalam metode spesifik, pertama-tama tetapkan tiga garis dasar ini. Mereka menentukan bagaimana kamu “menggunakan AI” dan mengapa kamu harus menggunakannya seperti itu.

1. Proses harus dapat dilacak, diawasi, dan diverifikasi. Kamu tidak bisa hanya menginginkan hasil akhir, tanpa proses. Untuk pekerjaan humaniora, kotak hitam paling berbahaya: ilusi, kesalahan kutip, pengalihan konsep, semuanya bisa terjadi diam-diam di dalam kotak hitam.

2. Harus dapat dikendalikan. Kamu harus bisa mengontrol bagaimana AI bekerja, standar apa yang digunakan, di bagian mana harus lebih lambat, di bagian mana harus lebih ketat. Kamu bukan sedang “menggacha”, tetapi sedang memproduksi.

3. Akhirnya, kamu tetap bersedia menandatangani. “Apakah saya bersedia menaruh nama saya?” adalah pemeriksaan akhir. Jika kamu tidak bersedia menandatangani, biasanya bukan masalah moral, tetapi karena prosesnya tidak mencerminkan keinginanmu—berarti kualitasnya tidak bisa dikendalikan.

Prinsip 0: Jangan berdoa kepada AI, anggaplah sebagai meja kerja

Banyak orang menggunakan AI secara esensial seperti berdoa: “Berikan saya sebuah paragraf bagus”, “Bantu saya menulis artikel yang bagus”, “Jelaskan makalah ini”.

Masalahnya—“penjelasan” sendiri memiliki banyak interpretasi: untuk orang awam, untuk mahasiswa sarjana, untuk mahasiswa pascasarjana, untuk sesama peneliti, sama sekali bukan satu tugas. AI tidak mungkin secara default tahu latar belakang, tujuan, selera, dan standar kamu. Jika tidak dijelaskan, AI hanya akan memberikan jawaban paling hemat tenaga dengan cara “rata-rata manusia”.

Menganggap model besar sebagai meja kerja berarti: kamu tidak meminta hasil akhir dari AI, tetapi memanfaatkan alatnya untuk menyelesaikan sebuah proses. Tugasmu adalah menjelaskan tugas tersebut dengan jelas, standar yang diinginkan, dan mengatur langkah-langkahnya.

Contoh meminta AI menjelaskan makalah

Kamu bisa mengubah permintaan seperti ini dari gaya “berdoa” menjadi tugas berbasis meja kerja:

· Tentukan target audiens: mahasiswa pascasarjana yang cerdas, penasaran, tapi bukan ahli di bidangnya

· Tentukan metode penjelasan: heuristik, bertahap, dengan ketelitian akademik

· Tentukan struktur: mulai dari makna, lalu latar belakang, kemudian proses penelitian, poin teknologi utama, dan akhirnya inspirasi

· Tentukan nada: hormati kecerdasan, jangan merendahkan, jangan berpura-pura mereka sudah punya dasar yang mendalam

Kamu akan menemukan: semakin seperti “permintaan tugas”, AI akan semakin tidak seperti AI, dan semakin seperti asisten yang benar-benar bekerja.

Prinsip 1: Untuk membuat AI bekerja dengan baik, refleksikan diri sendiri—kamu yang bertanggung jawab

Jika kamu menyewa sekretaris, kamu tidak cukup hanya bilang: “Perbaiki artikel Han Yang tentang kawasan berkarat di Amerika.”

Kamu pasti akan menambahkan:

Mengapa artikel ini dibuat, untuk siapa, apa kendala saat ini, masalah apa yang ingin diselesaikan, bagian mana yang tidak boleh diubah, gaya apa yang diinginkan, indikator apa yang paling penting.

AI juga sama. Anggaplah dia sebagai kolega yang sangat rajin dan sopan, tapi tidak memahami asumsi tersembunyi di pikiranmu. “Prompt engineering” yang sesungguhnya bukan trik, tetapi rasa tanggung jawab: setiap tugas tetap di tanganmu, AI hanya membantu.

Ketika hasilnya tidak memuaskan, reaksi paling efektif bukan “AI tidak mampu”, tetapi:

· Apakah aku sudah menjelaskan “target/penonton/tujuan” dengan cukup jelas?

· Apakah aku sudah memberi bahan latar dan batasan yang cukup?

· Apakah aku sudah memecah “keinginan abstrak” menjadi “tindakan yang bisa dilaksanakan”?

· Apakah aku sudah memberi standar penilaian benar-salah?

Prinsip 2: Tanyakan minimal 3 model berbeda untuk satu masalah—setiap AI punya “kepribadian” dan bidang keahlian

Di perusahaan kami, setiap rekan yang pertama kali berinteraksi dengan model besar disarankan untuk menanyakan tiga AI berbeda untuk setiap pertanyaan. AI seperti manusia, memiliki perbedaan: ada yang lebih mahir dalam penulisan, ada yang lebih jago dalam penalaran dan pemecahan masalah, ada yang lebih baik dalam kode atau panggilan alat. Lebih nyata lagi, model dari produk yang sama, atau versi baru dari model yang sama, juga akan terus disesuaikan “gaya” dan “batasannya”.

Jadi, kebiasaan yang sangat sederhana tapi sangat efektif adalah: ajukan pertanyaan yang sama ke minimal 3 AI berbeda, dan kamu akan cepat mendapatkan “rasa” tentang:

· Mana yang lebih pandai menulis, mana yang lebih pandai berpikir, mana yang lebih cepat mencari, mana yang lebih malas

· Tugas mana yang cocok untuk “draf pertama”, mana yang cocok untuk “penyunting”

· Mana yang lebih cocok untuk “pemilihan/topik/struktur”, mana yang lebih cocok untuk “paragraf/kalimat”

Nilai dari langkah ini bukan untuk “memilih model terbaik”, tetapi untuk: kamu mulai mengelola model seperti manajer, bukan menganggapnya sebagai oracle tunggal.

Prinsip 3: AI bukan makhluk serba tahu—anggaplah sebagai “mahasiswa sarjana yang punya pengetahuan umum”

Ekspektasi yang sangat praktis adalah: tingkat pengetahuan umum AI ≈ mahasiswa sarjana dari universitas 985.

Jika ada hal yang kamu rasa “bahkan mahasiswa sarjana yang bagus pun mungkin tidak tahu”, maka anggaplah AI juga tidak tahu; setidaknya, anggap dia akan “mengarang seolah tahu” saat tidak tahu.

Ini akan langsung memunculkan dua tindakan:

1. Segala hal yang di luar pengetahuan umum harus kamu ajarkan: misalnya, kamu ingin dia menulis humor, menulis copy dengan selera unik, atau argumen yang sangat profesional—kamu tidak cukup hanya memberi “tulis yang lebih bagus”, tetapi harus memberi contoh, standar, batasan, dan data. Saya yakin, saat kamu menjelaskan kepada teman apa yang menurutmu tulisan bagus, butuh waktu; jadi, jangan anggap AI otomatis tahu.

2. Anggaplah dia sebagai magang yang bekerja sama, bukan sebagai dewa. Dia bisa melakukan banyak pekerjaan “interpolasi mikro”: melengkapi kerangka yang kamu berikan, menyusun bahan menjadi teks yang bisa dibaca. Tapi, “kerangka” dan “arah” tetap berasal dari kamu.

Prinsip 4: Bantu AI mendekati target secara bertahap—metode “white-box” lebih andal daripada “black-box” sekaligus

Keunggulan AI bukanlah “memberikan jawaban benar secara langsung”, tetapi mampu menyelesaikan banyak langkah kecil secara stabil dalam proses yang kamu rancang. Semakin kamu minta dia “langsung selesai”, semakin besar kemungkinan menjadi “kotak hitam yang tampaknya lengkap, tapi sebenarnya malas”.

Contoh yang sangat nyata adalah proses TTS (teks ke suara) atau pengolahan naskah bacaan. Daripada fokus pada “perhatikan homonim, jangan salah baca”, lebih baik pecah tugas menjadi rangkaian langkah, misalnya:

· Tandai jeda, tekanan, perubahan kecepatan

· Identifikasi homonim potensial

· Cocokkan dengan kamus atau pengucapan resmi (jika perlu, lakukan pencarian terlebih dahulu)

· Tandai huruf yang sering salah baca tapi umum

· Jika perlu, ganti dengan kata homonim yang tidak ambigu, untuk mengeliminasi kemungkinan salah baca

Langkah-langkah “jelas dan benar” ini secara default dilakukan manusia; tetapi AI tidak otomatis melakukannya. Jika kamu tidak memasukkan “jelas dan umum” ke dalam proses, dia akan melakukan kesalahan di jalur tercepat dan termudah.

Prinsip 5: Industrialisasi dulu, baru AI—kamu tidak bisa langsung lompat dari era pertanian ke era AI

Jika proses penulisan/penelitianmu bersifat acak, bergantung inspirasi, dan data tidak terorganisasi, maka sulit menyerahkannya ke AI. Karena AI hanya bisa menangkap bagian yang “dapat dideskripsikan dan direproduksi”.

Jalur yang lebih realistis adalah:

1. Ubah pekerjaan menjadi “jalur produksi”: dapat dipecah, dapat digunakan kembali, dapat diawasi

2. Serahkan sub- langkahnya ke AI: biarkan dia sebagai stasiun kerja, bukan sebagai dewa

Kami pernah melakukan pekerjaan yang cukup bodoh tapi sangat penting: menguraikan proses saya menulis artikel nonfiksi. Termasuk:

· Mengapa memulai dengan cerita ini

· Mengapa memilih kalimat ini

· Bagaimana memberi nilai pada contoh

· Bagaimana membangun transisi, menghubungkan cerita kecil ke gambaran besar

· Bagaimana menghubungkan cerita kecil ke gambaran yang lebih luas

Akhirnya, proses ini dipecah menjadi puluhan langkah, dan AI berbeda-beda hanya mengerjakan satu langkah. Hasilnya: bukan model yang menjadi lebih kuat, tetapi proses menghubungkan kemampuan “setiap kali hanya bisa melakukan sedikit” itu.

Ketika kamu mampu menjelaskan secara jelas “bagaimana karya saya dibuat”, kamu akan sadar: batas kualitas bukan tergantung “model besar mana yang digunakan”, tetapi tergantung seberapa jelas kamu menjelaskan metode kerjamu.

Saya sangat menyarankan kamu mendengarkan podcast ini untuk penjelasan lebih lengkap.

Prinsip 6: Prediksi AI akan malas—dia akan menghemat daya komputasi, jadi bersihkan “hambatan format”

AI cenderung malas secara sistematis: tidak membuka web, tidak membaca PDF, melewati bagian yang tidak perlu. Bukan karena buruk, tetapi karena terbatas daya dan waktu, dia cenderung memilih jalur paling hemat tenaga.

Jadi, yang harus kamu lakukan adalah: gunakan daya komputasi AI untuk “memahami teks”, bukan untuk “mengurus format”.

Langkah-langkah efektif meliputi:

· Ubah bahan menjadi teks murni/Markdown sebanyak mungkin sebelum diberikan ke AI

· Salin konten web menjadi teks bersih (hilangkan navigasi, iklan, catatan kaki)

· Untuk bahan panjang, lakukan “penyaringan fakta/ekstraksi struktur” terlebih dahulu, baru minta dia menulis

· Konversi PDF/EPUB/web menjadi TXT yang bisa dicari, lalu lakukan tugas lanjutan

Kamu akan menyadari: banyak orang keberatan dengan “kerja fisik” ini, merasa “mesin harus menggantikan pekerjaan kotor”. Tapi dalam kolaborasi manusia-mesin, justru sebaliknya—kamu bersedia melakukan sedikit kerja mekanis, bagian intelektual AI akan menjadi lebih tajam dan andal.

Prinsip 7: Ingat batas konteks—ubah tugas menjadi “kompresi”, jangan berharap dia “berkembang secara acak”

AI memiliki jendela konteks dan “batas memori”. Jika kamu berikan 20.000 kata, dia mungkin tidak ingat banyak; jika 200.000 kata, mungkin hanya membaca judulnya saja. Analogi yang tepat adalah: menaruh orang dalam ruangan kecil selama satu hari, lalu berikan dia sebuah buku 200.000 kata, dan minta dia menghafalnya—berapa banyak yang bisa dia hafal, kira-kira itulah kapasitas “ingat” AI.

Oleh karena itu, pengalaman yang sangat tidak intuitif tapi sangat penting adalah:

1. Kompresi lebih mudah daripada perluasan

Memadatkan 1 juta kata menjadi 10.000 kata biasanya lebih andal daripada memperluas 10.000 menjadi 1 juta.

Ini langsung mengubah cara kamu meminta dari AI:

· Jangan pakai prompt 100 kata untuk minta satu makalah

· Sebaliknya, berikan bahan sebanyak mungkin (bertahap, pencarian, RAG semua bisa), lalu minta dia merangkum, menyusun struktur, dan menulis berdasarkan bahan lengkap tersebut.

Dulu, saat menulis artikel atau makalah, saya selalu “baca banyak bahan → rangkum → susun → tulis” (setidaknya saya begitu). Di AI, jangan tiba-tiba berperilaku berbeda dan minta dia “menghasilkan dari nol”.

Prinsip 8: Kendalikan keinginan “Aku bisa langsung ubah jadi sempurna”—perbaiki jalur produksi, bukan hasilnya

Banyak penulis yang mahir, paling mudah gagal di depan AI: saat AI menghasilkan draft 59 poin, kamu pikir hanya perlu sedikit revisi jadi 80 poin, lalu mulai mengedit; setelah diedit, jadi kamu yang menulis ulang; selesai, kamu bilang “biarkan saya yang kerjakan”, dan dari situ tidak pernah lagi pakai AI.

Solusinya bukan berusaha lebih keras “mengedit”, tetapi mengalihkan fokus ke tahap yang lebih awal:

· Jangan berharap AI langsung menghasilkan 100 poin

· Tujuanmu adalah menjaga jalur produksi tetap menghasilkan 75-80 poin secara stabil

· Kamu harus melakukan iterasi proses, meningkatkan “rata-rata skor”, bukan menyempurnakan satu karya saja

Prinsip 9: Anggap jalur produksi sebagai produk yang diiterasi—keandalan itu sendiri adalah nilai

Ketika kamu punya sistem yang secara konsisten memberi kamu awal 70 poin, nilainya bukan “seberapa mirip dia dengan kamu”, tetapi:

· Kamu bisa mendapatkan draft yang layak dengan biaya hampir nol

· Kamu bisa fokus pada penilaian tingkat tinggi: topik, struktur, bukti, selera, dan pengambilan keputusan

Kamu bukan mencari dewa serba bisa yang bisa menggantikanmu, tetapi pabrik yang andal: tidak sempurna, tapi stabil.

Prinsip 10: Kuantitas adalah prioritas utama—biarkan AI menghasilkan banyak, lalu seleksi

Jika kamu hanya minta satu versi dari AI, biasanya hasilnya paling tengah-tengah, paling konservatif, paling “rata-rata”. Kamu harus melawan “kebosanan” dengan “kuantitas”.

Cara yang lebih efektif:

· Ringkasan: satu kali minta 5 versi

· Pembuka: satu kali minta 5 variasi, lakukan A/B testing

· Topik: satu kali minta 50 topik, lalu kelompokkan dan pilih

· Struktur: satu kali minta 3 struktur berbeda, lalu kombinasikan

· Frasa: satu kali minta 10 variasi kata, lalu pilih yang terbaik

Dengan meningkatkan rata-rata skor dan volume output, secara alami akan muncul contoh-contoh “luar biasa” dengan skor 85, 90. Banyak yang tidak bergantung pada “satu momen inspirasi”, tetapi mulai bekerja secara statistik.

Prinsip 11: Jangan terlalu mengendalikan—seperti koki eksekutif, beri instruksi, cicipi, dan minta dia memperbaiki

Kalau kamu adalah koki eksekutif restoran, kamu tidak akan sendiri memotong timun. Kamu akan:

· Cicipi

· Nilai kualitasnya

· Berikan umpan balik yang jelas (apa yang tidak oke, harus diperbaiki)

· Suruh koki kembali memperbaiki

Begitu juga dengan kolaborasi dengan AI. Kamu harus menghormati “kemandirian” yang dihasilkan AI—kamu yang mengajar dia bagaimana mencapai standarmu, bukan langsung turun tangan memperbaiki hasilnya setiap kali.

Kalau tidak, kamu akan terjebak dalam siklus “revisi tanpa henti”.

Prinsip dasar terakhir: kembali ke dunia nyata—material × selera menentukan batas karya

Di era AI, kualitas karya semakin mirip dengan: bahan × selera.

Model akan berubah, metode akan berulang, tetapi dua hal ini tidak berubah:

1. Bahan berasal dari dunia nyata

Jika kamu harus memilih:

· Pakai model terbaru, tapi hanya dari data online

· Pakai model lama, tapi punya arsip lengkap, narasumber langsung, wawancara lapangan

Yang biasanya menghasilkan karya lebih baik adalah yang kedua.

2. Selera berasal dari pelatihan jangka panjang

Ketika “menghasilkan” menjadi murah, yang benar-benar langka adalah:

· Kamu tahu apa yang layak ditulis

· Kamu tahu bukti mana yang lebih kuat

· Kamu tahu narasi mana yang lebih kuat

· Kamu bersedia bekerja keras mengumpulkan bahan: menyelam ke dasar, menggali data

AI mengubah efisiensi dan cara interaksi kamu dengan bahan; tetapi subjek karya tetap kamu, objeknya tetap bahan. AI hanyalah bagian dari “kata kerja”.

Penutup: Ubah kecemasan menjadi sentuhan tangan

Banyak orang tidak bisa memanfaatkan AI bukan karena tidak pintar, tetapi karena terus terjebak dalam siklus “berdoa—kecewa—menyerah”. Yang benar-benar bisa membantumu melewati itu adalah menganggapnya sebagai meja kerja, mengerjakan proyek secara rekayasa, membuat prosesnya transparan, dan secara terus-menerus berlatih sampai kamu mendapatkan sentuhan tangan.

Ketika kamu mampu melakukan ini, kamu tidak akan cepat menyimpulkan “AI tidak mampu”; kamu akan lebih seperti pekerja baru yang mampu mengelola alat baru: tidak merendahkan, tidak memuja, menempatkannya dalam proses, dalam kenyataan, dan dalam karya yang kamu bersedia menandatangani.