Satu Setelan ChatGPT yang Mengubah Jawaban Generik Jadi Rekomendasi Tajam

Sejak popularitasnya melonjak pada akhir 2022, ChatGPT telah menjadi asisten AI sehari-hari bagi banyak pengguna, termasuk di Indonesia. Namun, keluhan umum muncul: jawaban yang diberikan sering terasa datar, penuh frasa klise seperti "tetap konsisten" atau "prioritaskan tugas", dan kurang kontekstual. Sebuah eksperimen sederhana menunjukkan bahwa satu setelan di menu Personalization dapat mengubah kualitas respons secara signifikan.

Pengguna yang akrab dengan antarmuka ChatGPT mungkin pernah melewati opsi Personalization di bawah ikon profil. Di dalamnya terdapat preset gaya dan nada, tetapi perubahan mendasar baru terjadi ketika dua kolom kunci diisi: Custom Instructions dan More About You. Kolom pertama memungkinkan pengguna memberikan batasan eksplisit, misalnya "berikan rekomendasi definitif" atau "hindari saran umum". Kolom kedua memberi model konteks latar belakang pengguna, seperti preferensi, tujuan, atau keterbatasan yang relevan.

Perbedaan ini bukan sekadar ilusi. Dalam pengujian dengan pertanyaan umum seperti "Beli ponsel kelas menengah sekarang atau tunggu generasi berikutnya enam bulan lagi?", model default menghasilkan jawaban kontradiktif: menyarankan menunggu, tetapi juga memperingatkan agar tidak menunda terlalu lama, lalu menambahkan daftar perangkat generik. Setelah Custom Instructions diisi, output berubah drastis. Model langsung memberikan tesis pembelian yang tegas—misalnya, "Manfaatkan potongan harga akhir tahun untuk perangkat yang sudah ada daripada bertaruh pada janji generasi berikutnya"—dan menyusun rekomendasi berdasarkan siklus pembaruan perangkat serta anggaran pengguna.

Mengapa ChatGPT default begitu generik? Karena model ini dirancang untuk khalayak global dengan beragam tingkat pengetahuan. Teknik pelatihan seperti Reinforcement Learning from Human Feedback (RLHF) dan alignment lainnya mendorong output yang aman, membantu, dan dapat diterima secara luas. Akibatnya, model sering kali mengembalikan jawaban yang merupakan rata-rata opini internet—daftar netral dengan bantalan sopan yang oleh sebagian pengguna disebut sebagai "model fluff".

Bagi pengguna di Indonesia, personalisasi ini menawarkan peluang untuk meningkatkan relevansi tanpa harus beralih ke platform lain. Misalnya, seorang profesional di Jakarta yang sering meminta saran karier dapat mengisi Custom Instructions dengan "fokus pada peluang di sektor teknologi Indonesia, sebutkan keterampilan yang sedang dicari, dan hindari saran umum tentang networking". Konteks lokal seperti preferensi terhadap kerja hybrid, pemahaman tentang regulasi ketenagakerjaan, atau tren startup dalam negeri dapat dimasukkan ke More About You. Hasilnya, AI tidak lagi memberikan nasihat yang berlaku universal, melainkan rekomendasi yang lebih membumi.

Meski demikian, ada catatan penting: perubahan pada Personalization tidak retroaktif. Percakapan yang sudah ada sebelum pengaturan diubah akan tetap menggunakan konfigurasi lama. Pengguna perlu memulai utas baru untuk merasakan dampaknya. Selain itu, kualitas output tetap bergantung pada seberapa spesifik dan konsisten instruksi yang diberikan. Semakin jelas batasan dan konteks yang disediakan, semakin tajam jawaban yang dihasilkan.

"Memberikan batasan seperti 'beri rekomendasi definitif' atau 'jangan gunakan saran umum' memberi model target yang jelas," demikian inti dari pengalaman yang dibagikan.

Langkah personalisasi ini sejalan dengan tren adopsi AI di Indonesia yang terus meningkat. Laporan terbaru menunjukkan bahwa pekerja knowledge di kota-kota besar semakin mengandalkan alat seperti ChatGPT untuk produktivitas. Namun, tanpa penyesuaian, risiko mendapatkan jawaban dangkal tetap tinggi. Oleh karena itu, meluangkan beberapa menit untuk mengisi Custom Instructions dan More About You dapat menghemat waktu yang biasanya habis untuk bolak-balik meminta perbaikan.

Ke depan, pertanyaannya bukan lagi apakah AI akan menjadi bagian dari alur kerja sehari-hari, melainkan seberapa besar pengguna akan menginvestasikan waktu untuk "melatih" asisten digital mereka. Apakah personalisasi akan menjadi keterampilan dasar yang wajib dikuasai, ataukah pengguna akan tetap menerima jawaban seragam yang aman namun kurang menggigit? Waktu yang dihabiskan untuk mengonfigurasi AI mungkin akan menjadi pembeda antara produktivitas biasa dan luar biasa.