Panduan Pemanfaatan AI bagi Profesional Humaniora

Profesional humaniora mungkin bukan penggerak utama perubahan dunia, tetapi merekalah yang menanggung konsekuensinya.

Sering kali, mereka yang menawarkan tutorial AI memperlakukan AI seolah-olah ajaib: cukup berikan prompt ajaib, dan segalanya bisa dilakukan. Namun, kenyataannya jauh lebih kompleks. Sejak mendirikan FUNES, kami sangat mengandalkan AI dalam produksi harian. Bersama proyek seperti Fuyou Tiandi dan tulisan saya sendiri, upaya manusia saja sudah tidak cukup. Inilah sebabnya kami terus mengeksplorasi peran AI dalam mendukung pasar konten dan riset humaniora kami.

Ketika rekan baru bergabung, saya membuat presentasi Keynote sederhana. Setelah mendengarnya, Jia Xingjia mengundang saya untuk memaparkan materi tersebut. Bersama rekan saya, Keda, kami menamai presentasi itu “Panduan Penggunaan AI untuk Profesional Humaniora.” Awalnya, sesi ini bersifat privat dan berfokus pada prinsip-prinsip utama. Seiring waktu, presentasi tersebut kami kembangkan dan sempurnakan.

Namun, panduan ini baru dipublikasikan tahun ini, saat kami meluncurkan Shishufeng bersama Chongqing dan membahasnya secara lengkap untuk pertama kali. Teks berikut diadaptasi dari podcast “Panduan Penggunaan AI untuk Profesional Humaniora,” dengan bantuan AI dan beberapa ringkasan. Untuk versi lengkapnya, dengarkan di situs resmi atau cari “Shishufeng” di Yuzhou atau Apple Podcasts.

Kode QR Xiaoyuzhou

Setahun terakhir, saya telah membagikan praktik-praktik AI ini kepada banyak rekan di bidang konten, riset, dan produk pengetahuan. Tujuannya bukan mengajarkan beberapa prompt ajaib atau menjadikan AI solusi segala masalah. Sebaliknya, ini adalah metodologi—cara mengintegrasikan large language model ke proses penulisan, penelitian, penyuntingan, pemilihan topik, pengorganisasian data, dan alur produksi, tanpa perlu coding, dengan tetap memastikan keterlacakan, pengawasan, dan verifikasi, sehingga Anda tetap yakin membubuhkan nama Anda pada hasil kerja.

Pendekatan ini lahir dari pengalaman nyata: ketika produksi konten berskala besar, tenaga manusia saja tidak cukup; sementara jika hanya mengandalkan AI, akan muncul halusinasi, jalan pintas, dan teks yang terasa “buatan AI.” Kami harus mengubah kreativitas menjadi lini produksi, dan lini tersebut menjadi sistem yang iteratif.

Alih-alih memberikan daftar prompt, saya ingin membagikan prinsip-prinsip inti.

Sebelum Prinsip: Tiga Landasan Panduan Ini

Sebelum membahas metode, tetapkan tiga landasan berikut. Ketiganya menentukan “bagaimana Anda menggunakan AI” sekaligus “mengapa Anda melakukannya seperti itu.”

Proses harus dapat dilacak, diawasi, dan diverifikasi

• Anda tidak bisa hanya menginginkan hasil lalu mengabaikan proses. Dalam pekerjaan humaniora, black box sangat berbahaya: halusinasi, salah kutip, dan penyimpangan konsep semua terjadi dalam ketidakjelasan.

Harus dapat dikendalikan

• Anda perlu mengarahkan bagaimana AI bekerja, berdasarkan standar apa, di mana harus melambat, dan di mana harus lebih ketat. Ini adalah produksi, bukan permainan untung-untungan.

Anda tetap harus berani membubuhkan nama Anda

• “Apakah saya bersedia menandatangani hasil ini?” adalah pengecekan kualitas tertinggi. Jika tidak, biasanya bukan soal moral—tetapi karena niat Anda tidak terwujud dalam proses, sehingga kualitas tidak terjamin.

Prinsip 0: Jangan Berharap pada AI—Perlakukan Sebagai Meja Kerja

Banyak orang memperlakukan AI seperti mesin pemenuh harapan:

“Buatkan saya lelucon yang bagus,” “Tulis artikel bagus untuk saya,” “Jelaskan makalah ini.”

Padahal, “jelaskan” saja punya banyak tafsir: untuk awam, mahasiswa S1, S2, atau rekan sejawat. AI tidak tahu latar belakang, tujuan, preferensi, atau standar Anda secara default. Jika Anda tidak spesifik, AI akan memilih jalan termudah.

Memperlakukan large model sebagai meja kerja berarti: jangan meminta hasil akhir, tapi manfaatkan AI sebagai alat bantu proses Anda. Jelaskan proses, standar, dan langkahnya.

Contoh meminta AI menjelaskan makalah

Ubah prompt harapan (“jelaskan makalah ini”) menjadi tugas meja kerja:

• Tentukan audiens: mahasiswa S2 yang cerdas dan ingin tahu, namun bukan ahli bidangnya

• Tentukan gaya penjelasan: heuristik, bertahap, dan akademis

• Tentukan struktur: signifikansi, latar belakang, proses riset, poin teknis utama, lalu insight

• Tentukan nada: sopan, tidak merendahkan, tidak mengasumsikan pengetahuan mendalam

Semakin instruksi Anda menyerupai “persyaratan tugas,” semakin AI berfungsi sebagai asisten kompeten, bukan sekadar AI.

Prinsip 1: Agar AI Berhasil, Refleksi pada Diri Sendiri—Anda yang Bertanggung Jawab

Jika Anda mempekerjakan sekretaris, Anda tidak akan hanya berkata:

“Perbaiki artikel Han Yang tentang Rust Belt Amerika.”

Anda pasti menambahkan:

Alasan artikel itu ada, untuk siapa, di mana Anda mengalami hambatan, masalah apa yang ingin diselesaikan, bagian yang tak boleh diubah, gaya yang diinginkan, dan apa yang paling penting.

AI tidak berbeda. Perlakukan AI sebagai rekan kerja yang teliti dan sopan, namun tidak memahami asumsi implisit Anda. “Prompt engineering” sejati adalah soal tanggung jawab: tugas tetap milik Anda; AI hanya membantu eksekusi.

Jika tidak puas dengan hasil AI, langkah pertama yang paling efektif bukanlah “AI gagal,” melainkan:

• Apakah saya sudah menjelaskan “audiens/tujuan/sasaran”?

• Apakah saya sudah memberi cukup latar belakang dan batasan?

• Apakah saya sudah memecah “harapan abstrak” menjadi “langkah konkret”?

• Apakah saya sudah memberikan standar evaluasi?

Prinsip 2: Tanyakan ke Minimal Tiga Model—Setiap AI Punya “Kepribadian” dan Kekuatan Berbeda

Di perusahaan kami, saya mendorong rekan baru untuk menanyakan pertanyaan yang sama ke tiga AI berbeda saat awal penggunaan. Seperti manusia, AI pun berbeda: ada yang unggul menulis, ada yang unggul bernalar, membuat kode, atau menggunakan alat. Bahkan model dari perusahaan sama atau versi baru pun mengubah “gaya” dan “batasannya.”

Kebiasaan sederhana yang efektif: tanyakan satu pertanyaan ke minimal tiga AI, dan Anda akan cepat mengetahui:

• Mana yang menulis lebih baik, mana yang bernalar lebih baik, mana yang lebih baik dalam pencarian, mana yang suka jalan pintas

• Mana yang cocok untuk draf awal, mana untuk review

• Mana yang lebih baik untuk “topik/struktur,” mana untuk “paragraf/kalimat”

Nilainya bukan memilih “model terkuat,” melainkan mengelola model sebagai tim—bukan sebagai orakel tunggal.

Prinsip 3: AI Bukan Maha Tahu—Perlakukan Sebagai “Mahasiswa S1 Unggul”

Ekspektasi praktis:

 Pengetahuan umum AI ≈ mahasiswa S1 universitas top.

Jika Anda berpikir “bahkan mahasiswa S1 unggul mungkin tidak tahu ini,” asumsikan AI juga tidak tahu—atau akan “mengada-ngada dengan meyakinkan” saat tidak tahu.

Dua tindakan langsung:

Anda harus mengajarkan apa pun di luar pengetahuan umum

• Contoh: ingin lelucon, copy unik, atau argumen sangat spesifik? Jangan hanya bilang “buat yang bagus.” Berikan contoh, standar, area terlarang, dan sumber. Jika Anda butuh waktu menjelaskan ke teman apa itu tulisan bagus, AI juga tidak tahu secara default.

Perlakukan AI sebagai magang, bukan dewa

• AI bisa mengisi kerangka dan merangkai materi Anda menjadi teks yang bisa dibaca. Namun, “kerangka” dan “arah” tetap milik Anda.

Prinsip 4: Pandu AI Langkah demi Langkah—White-Box, Multi-Step Lebih Andal daripada Black-Box, One-Shot

Kekuatan AI bukan pada “jawaban langsung benar,” melainkan menyelesaikan langkah-langkah kecil secara andal dalam proses Anda. Semakin Anda menuntut “hasil sekali jadi,” semakin besar kemungkinan AI mengambil jalan pintas.

Contoh nyata: skrip TTS (text-to-speech) atau narasi. Alih-alih “hindari karakter polifonik, jangan salah baca,” pecah tugas menjadi beberapa langkah:

• Tandai jeda/penekanan/perubahan tempo

• Identifikasi potensi karakter polifonik

• Cek silang dengan kamus atau sumber otoritatif

• Tandai karakter umum yang sering salah baca

• Jika perlu, ganti dengan homofon yang tidak ambigu

Manusia secara naluriah melakukan langkah “pasti benar” ini, tapi AI tidak. Jika tidak Anda tentukan, AI akan salah di jalan termudah.

Prinsip 5: Industrialisasi Sebelum Meng-AI-kan—Anda Tidak Bisa Langsung Lompat dari Inspirasi ke Otomasi

Jika alur kerja penulisan atau riset Anda acak, spontan, dan tidak terorganisir, AI tidak bisa membantu. AI hanya bisa menangani yang “dapat dideskripsikan dan diulang.”

Jalur yang lebih praktis:

• Ubah pekerjaan menjadi “lini produksi”: dapat dibagi, digunakan ulang, dan dikontrol kualitasnya

• Lalu delegasikan sub-langkah ke AI: biarkan AI jadi workstation, bukan dewa

Kami melakukan latihan penting: memecah proses penulisan nonfiksi saya, termasuk:

• Mengapa membuka dengan cerita ini

• Mengapa memilih kalimat ini

• Bagaimana menilai contoh

• Bagaimana transisi dan menutup

• Bagaimana menghubungkan cerita kecil ke narasi besar

Akhirnya, kami memecahnya menjadi puluhan langkah, dengan AI berbeda menangani tiap bagian. Hasilnya:

 Model tidak langsung jadi lebih kuat, tapi prosesnya mengaitkan kemampuan “bertahap” AI.

Saat Anda dapat mendeskripsikan dengan jelas “bagaimana artikel saya dibuat,” Anda akan sadar: batas kualitas nyata bukan “pakai model apa,” tapi apakah alur kerja Anda eksplisit.

Beberapa contoh langkah dari uji lini produksi kami

Saya sangat merekomendasikan mendengarkan programnya untuk detail lebih lanjut.

Prinsip 6: Antisipasi Jalan Pintas AI—AI Menghemat Komputasi, Jadi Anda Hilangkan “Hambatan Format”

AI secara sistematis mengambil jalan pintas: jika bisa menghindari membuka laman web, ia akan lakukan; jika bisa melewati PDF, ia akan lakukan. Bukan karena niat buruk—karena keterbatasan komputasi dan waktu, AI akan memilih jalur termudah.

Peran Anda: fokuskan sumber daya AI pada “memahami teks,” bukan “memproses format.”

Strategi efektif meliputi:

• Ubah materi ke plain text atau Markdown sebelum input

• Salin konten web sebagai teks bersih (hapus navigasi, iklan, catatan kaki)

• Untuk materi panjang, ekstrak fakta atau struktur dulu, baru minta AI menulis

• Standarkan PDF/EPUB/webpage jadi database TXT yang dapat dicari

Anda akan menyadari: banyak orang enggan melakukan “pekerjaan kasar” ini, merasa “mesin seharusnya bisa.” Namun dalam kolaborasi manusia-AI, sebaliknya berlaku—jika Anda menangani tugas mekanis, kecerdasan AI justru makin tajam dan andal.

Prinsip 7: Ingat Konteks Terbatas—Pilih Tugas “Kompresi,” Bukan “Ekspansi dari Nol”

AI memiliki context window—batas memori. Jika Anda memasukkan 20.000 kata, AI mungkin hanya menyerap sebagian; 200.000 kata, AI mungkin hanya membaca judulnya. Bayangkan seseorang dikunci di ruangan dengan buku 200.000 kata sehari, lalu diminta mengingat—itulah “memori” AI.

Wawasan penting:

Kompresi lebih mudah daripada ekspansi

• Mengompresi 1.000.000 kata menjadi 10.000 jauh lebih andal daripada mengembangkan 10.000 jadi 1.000.000.

Ini mengubah pendekatan Anda:

• Jangan pakai prompt 100 kata untuk minta makalah lengkap

• Sebaliknya, masukkan sebanyak mungkin materi (bertahap, via retrieval war RAG, dll.), lalu minta AI mengompres jadi struktur, argumen, dan teks utama

Saat menulis, Anda sudah “membaca luas → merangkum → mengatur → menulis.” Harapkan hal yang sama dari AI—jangan berharap standar ganda berupa penciptaan dari nol.

Prinsip 8: Lawan Impuls “Saya Edit Saja”—Iterasi Proses, Bukan Hasil

Penulis berpengalaman sering tersandung saat memakai AI:

AI menghasilkan draf skor 59; Anda pikir bisa edit jadi 80, tapi akhirnya menulis ulang; setelah menulis ulang, Anda memutuskan “lebih baik saya kerjakan sendiri,” lalu berhenti memakai AI.

Solusinya bukan mengedit lebih keras, tapi mengubah fokus ke proses:

• Jangan targetkan AI menghasilkan nilai sempurna 100

• Targetkan lini produksi yang konsisten menghasilkan 75–80

• Iterasi proses untuk menaikkan rata-rata, bukan menyempurnakan tiap output

Prinsip 9: Perlakukan Alur Kerja Seperti Iterasi Produk—Keandalan adalah Nilai

Sistem yang konsisten menghasilkan draf skor 70 bernilai bukan karena “terasa seperti Anda,” tetapi karena:

• Anda mendapatkan draf siap pakai dengan biaya hampir nol

• Anda bisa fokus pada keputusan tingkat tinggi: topik, struktur, bukti, gaya, dan kompromi

Anda tidak butuh pengganti maha kuasa—cukup “pabrik” yang andal: stabil, meski tidak sempurna.

Prinsip 10: Prioritaskan Kuantitas—Hasilkan Lebih Banyak, Lalu Pilih

Meminta AI satu versi saja biasanya menghasilkan hasil rata-rata. Gunakan “kuantitas” untuk melawan mediokritas.

Taktik yang lebih efektif:

• Ringkasan: minta 5 versi sekaligus

• Pembuka: minta 5 sekaligus, lakukan uji AB

• Topik: minta 50 sekaligus, lalu kelompokkan dan pilih

• Struktur: minta 3 set, lalu kombinasikan

• Frasa: minta 10 ekspresi berbeda, lalu pilih yang terbaik

Saat Anda menaikkan rata-rata dan volume, akan muncul “sampel kejutan” dengan skor 85 atau 90. Sering kali, keunggulan bukan “kejeniusan mendadak,” tetapi hasil seleksi statistik.

Prinsip 11: Jangan Terlalu Ikut Campur—Arahkan Seperti Kepala Chef: Cicipi, Beri Masukan, Kembalikan

Jika Anda kepala chef, Anda tidak menyiapkan semua hidangan sendiri. Anda:

• Mencicipi

• Menilai apakah sudah sesuai standar

• Memberi masukan jelas (apa yang salah, bagaimana memperbaiki)

• Mengembalikan ke koki untuk diperbaiki

Hal yang sama berlaku dalam kolaborasi dengan AI. Hargai proses generatifnya—ajarkan standar Anda, bukan memperbaiki semua output sendiri.

Jika tidak, “tweaking” tanpa henti akan menguras tenaga Anda.

Prinsip Inti: Kembali ke Realitas—Materi × Selera Menentukan Batas Kualitas

Di era AI, kualitas karya Anda ditentukan oleh:

 Materi × Selera.

Model akan berubah dan metode akan berkembang, namun dua faktor ini tetap:

Materi berasal dari dunia nyata

• Misal, ada dua opsi menulis:

• Pakai model terbaru, tapi hanya dengan materi daring

Atau pakai model lama, tapi dengan arsip lengkap, wawancara lisan, dan riset lapangan

• Yang terakhir sering kali menghasilkan karya lebih baik.

Selera berasal dari praktik jangka panjang

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

• Tahu apa yang layak ditulis

• Tahu mana bukti yang kuat

• Tahu narasi mana yang menggugah

• Mau melakukan kerja lapangan: riset mendalam, investigasi langsung

AI mempercepat dan mengubah cara kita mengelola materi, namun Anda tetap penulis, materi adalah subjek, dan AI hanyalah alat.

Menggali secara mendalam dan langsung untuk mengumpulkan materi sumber

Kesimpulan: Ubah Kecemasan Menjadi Keahlian

Banyak orang kesulitan dengan AI bukan karena kurang cerdas, melainkan karena terjebak dalam siklus “berharap—kecewa—menyerah.” Terobosan sejati datang dari memperlakukan AI sebagai meja kerja, merekayasa tugas, white-boxing proses, dan membangun keahlian melalui praktik.

Setelah melakukan ini, Anda tidak akan mudah berkata “AI tidak berguna”; Anda akan menjadi profesional generasi baru—mampu mengelola alat baru, tidak meremehkan atau mengkultuskan, mengintegrasikannya ke dalam alur kerja, realitas, dan karya yang Anda banggakan untuk ditandatangani.

Saya Hanyang. Jika Anda tertarik dengan tulisan saya, ikuti saya di X atau baca lebih lanjut di blog saya.

Pernyataan:

1. Artikel ini diterbitkan ulang dari [HanyangWang]. Hak cipta milik penulis asli [HanyangWang]. Untuk permintaan reprint, silakan hubungi tim Gate Learn. Tim akan menangani permintaan Anda sesuai prosedur yang berlaku.

2. Penafian: Pandangan dan opini dalam artikel ini sepenuhnya milik penulis dan tidak merupakan saran investasi.

3. Versi bahasa lain dari artikel ini diterjemahkan oleh tim Gate Learn. Kecuali disebutkan Gate, dilarang menyalin, mendistribusikan, atau menjiplak artikel terjemahan ini.