Dari Prompt Engineering ke Intent Engineering: Evolusi Komunikasi Manusia-AI

Beberapa tahun terakhir, prompt engineering telah menjadi salah satu keterampilan paling penting di era AI. Kursus dibangun di sekitarnya. Judul pekerjaan dibuat untuk itu. Komunitas seluruhnya terbentuk untuk berbagi tips tentang cara membuat kalimat yang sempurna yang akan membuat model bahasa melakukan tepat apa yang Anda inginkan. Alasan utama di balik popularitas prompt engineering adalah: AI kuat, tetapi juga literal. Anda harus belajar bahasanya sebelum itu bisa membantu Anda. Logika itu masuk akal pada saat itu. Tapi itu mulai runtuh.

Saat model AI tumbuh lebih kuat, beban komunikasi bergeser. Pertanyaannya tidak lagi hanya “bagaimana saya menyatakan ini dengan benar?” Ini menjadi “bagaimana saya memastikan AI benar-benar memahami apa yang saya coba capai?” Itu adalah pertanyaan yang lebih dalam. Dan itu menunjuk ke munculnya bidang baru yang disebut intent engineering.

Apa yang Sebenarnya Adalah Prompt Engineering

Untuk memahami ke mana kita akan pergi, itu membantu untuk memahami apa yang sebenarnya prompt engineering itu. Pada intinya, itu adalah solusi sementara. Model bahasa awal kuat tetapi rapuh. Mereka merespons dengan baik pola tertentu dan buruk dengan pola yang ambigu. Jadi, pengguna belajar pola tersebut. Mereka menemukan bahwa meminta model untuk “berpikir langkah demi langkah” meningkatkan penalaran. Mereka belajar bahwa memberikan contoh membuat output lebih konsisten. Mereka menemukan bahwa memberikan peran kepada model, seperti “bertindak sebagai insinyur perangkat lunak ahli,” mengubah nada dan kualitas tanggapan. Sementara wawasan ini benar-benar meningkatkan hasil, mereka memerlukan manusia untuk beradaptasi dengan mesin. Orang-orang belajar berbicara dengan cara yang sesuai dengan arsitektur model, bukan cara alami mereka sendiri.

Ini bukanlah bagaimana komunikasi yang baik antara agen pintar bekerja. Ketika Anda menjelaskan masalah kepada rekan yang terampil, Anda tidak pertama-tama memikirkan strategi penyataan yang akan paling mengaktifkan jalur saraf mereka. Anda menjelaskan situasi. Mereka memahami konteks. Mereka bertanya klarifikasi jika perlu. Dan mereka bekerja menuju apa yang Anda inginkan. Kerajinan prompt engineering, untuk semua nilainya, selalu mengkompensasi kesenjangan yang seharusnya ditutup oleh AI yang lebih baik.

Batasan yang Membuat Prompt Engineering Perlu

Alasan prompt engineering menjadi sangat penting bukan hanya karena model tidak sempurna. Ini karena model tidak memiliki model pengguna yang nyata. Mereka memproses teks dan mengembalikan teks. Mereka tidak memiliki pemahaman yang persisten tentang siapa Anda, apa yang Anda coba bangun, atau apa yang “baik” terlihat dalam konteks spesifik Anda.

Ini menciptakan situasi aneh. Anda bisa bertanya pertanyaan yang sama dan mendapatkan hasil yang sangat berbeda tergantung pada bagaimana Anda menyatakannya. Anda bisa menghabiskan dua puluh menit untuk menyempurnakan prompt dan tiba-tiba membuka tanggapan yang lebih berguna daripada apa pun yang Anda dapatkan sebelumnya. Prompt tidak hanya input. Ini adalah kunci, dan menemukan kunci yang tepat memerlukan keterampilan, kesabaran, dan kadang-kadang keberuntungan.

Ini juga berarti bahwa kualitas output Anda sering lebih bergantung pada keterampilan prompt Anda daripada pengetahuan domain yang sebenarnya. Seorang dokter yang juga seorang insinyur prompt yang terampil dapat mengekstrak alasan medis yang lebih baik dari model daripada dokter yang lebih berpengetahuan yang tidak tahu pola. Ini adalah inversi nilai yang aneh. Ini menunjukkan bahwa sistem sedang mengoptimalkan hal yang salah.

Apa yang Diubah Intent Engineering

Intent engineering dirancang untuk menangani serangkaian asumsi yang berbeda. Alih-alih bertanya bagaimana menyatakan permintaan sehingga model merespons dengan baik, itu bertanya bagaimana berkomunikasi apa yang Anda inginkan, pada setiap tingkat, sehingga model dapat beralasan menuju hasil yang tepat dengan sendirinya.

Ini melibatkan beberapa hal yang prompt engineering tidak dapat menangani. Ini melibatkan memberikan sistem AI cukup konteks tentang tujuan, kendala, dan standar Anda sehingga mereka dapat membuat keputusan yang baik tanpa Anda menentukan setiap langkah. Ini melibatkan menciptakan pemahaman bersama daripada memberikan instruksi yang tepat. Dan ini melibatkan membangun sistem di mana AI dapat bertanya pertanyaan yang tepat alih-alih menunggu untuk diberitahu jawaban yang tepat.

Kita sudah melihat ini dalam praktek. Sistem AI modern semakin mendukung memori yang persisten, profil pengguna, dan konteks yang berkelanjutan. Ketika model tahu bahwa Anda adalah seorang manajer produk yang bekerja pada aplikasi kesehatan dengan kendala regulasi tertentu, permintaan Anda secara otomatis membawa makna yang lebih kaya. Anda tidak perlu membangun konteks dari awal setiap kali. Model sudah memahami konteks yang Anda kerjakan.

Ini adalah pergeseran fundamental. Prompt engineering mengobati setiap interaksi sebagai terisolasi. Intent engineering mengobati komunikasi sebagai kumulatif. Model tidak lagi hanya memproses input tunggal. Ini melacak percakapan yang berkelanjutan tentang apa yang Anda coba capai dan mengapa.

Peran Konteks yang Lebih Kaya dan Penalaran

Dimensi lain dari intent engineering melibatkan bagaimana model modern menangani ketidakjelasan. Model yang terlatih dengan baik hari ini tidak hanya melakukan pencocokan pola ke pengembangan yang paling mungkin dari kalimat Anda. Ini beralasan tentang apa yang Anda maksud, menandai asumsi yang dibuat, dan dalam banyak kasus meminta klarifikasi sebelum melanjutkan.

Ini penting karena komunikasi manusia secara inheren tidak jelas. Ketika seseorang bertanya “bisakah Anda membantu saya menulis sesuatu untuk bos saya,” mereka mungkin maksudkan tinjauan kinerja, email permintaan maaf, proposal proyek, atau surat pengunduran diri. Sistem yang dioptimalkan untuk prompt engineering akan mencoba menyimpulkan dari kata-kata yang tepat. Sistem yang dioptimalkan untuk intent engineering akan mengenali ketidakjelasan dan menanganinya dengan cerdas, baik dengan bertanya atau dengan menghasilkan sesuatu yang mengakui interpretasi yang mungkin.

Penalaran pada saat pengujian, yang merupakan kemampuan model untuk berpikir melalui masalah sebelum menjawab, juga memainkan peran di sini. Model yang berpikir sebelum merespons lebih baik dalam menangkap kasus di mana permintaan literal bertentangan dengan niat yang mendasarinya. Mereka dapat memperhatikan ketika Anda meminta X tetapi apa yang Anda butuhkan sebenarnya adalah Y, dan mereka dapat menyampaikan observasi tersebut alih-alih dengan diam-diam memenuhi permintaan yang tidak akan benar-benar melayani tujuan Anda.

Jenis Keterampilan Baru

Evolusi ini tidak membuat keterampilan komunikasi manusia menjadi tidak relevan. Ini mengubah apa yang terlihat seperti keterampilan tersebut. Orang yang berkembang dalam dunia intent engineering bukanlah orang yang telah menghafal templat prompt terbaik. Ini adalah orang yang dapat dengan jelas menyatakan apa yang mereka coba capai, berkomunikasi tentang kendala dan konteks yang penting, dan mengenali ketika output AI melayani tujuan sebenarnya versus hanya pernyataan yang dinyatakan.

Dalam banyak cara, ini adalah keterampilan yang lebih tua. Ini adalah keterampilan seorang manajer yang baik, seorang guru yang baik, atau seorang kolaborator yang baik. Mampu menyampaikan niat dengan jelas, untuk menjelaskan tidak hanya apa yang Anda inginkan tetapi mengapa Anda menginginkannya, telah selalu menjadi tanda komunikasi yang efektif. Apa yang baru adalah bahwa sistem AI sekarang cukup canggih untuk benar-benar merespons komunikasi tersebut.

Implikasi menarik adalah bahwa ketika AI meningkat, antarmuka antara manusia dan mesin akan mulai terlihat kurang seperti pemrograman dan lebih seperti kolaborasi. Anda tidak perlu merancang input yang sempurna. Anda perlu menjadi komunikator yang jelas dan bertujuan.

Apa yang Ini Maksudkan untuk Bagaimana Kami Membangun Sistem AI

Pergeseran ini juga memiliki konsekuensi untuk bagaimana sistem AI harus dirancang. Paradigma prompt engineering mendorong Anda untuk membangun sistem yang sangat responsif terhadap input yang tepat. Paradigma intent engineering mendorong Anda untuk membangun sistem yang baik dalam menginfer, bertanya, beradaptasi, dan persisten.

Ini berarti berinvestasi dalam arsitektur memori yang memungkinkan model untuk membawa konteks yang bermakna di seluruh sesi. Ini berarti membangun model yang tahu kapan mereka tidak memiliki cukup informasi untuk bertindak dengan baik dan dapat mengatakan demikian. Ini berarti menciptakan antarmuka di mana pengguna berkomunikasi tentang tujuan daripada perintah, dan di mana AI berperilaku seperti mitra dalam menentukan bagaimana mencapai tujuan tersebut.

Ini juga berarti memikirkan kembali evaluasi. Saat ini, kita sering mengukur seberapa baik model mengeksekusi instruksi spesifik. Dalam dunia intent engineering, ukuran yang lebih baik adalah seberapa baik model melayani tujuan yang mendasarinya di balik instruksi tersebut, bahkan ketika instruksi itu sendiri tidak tepat.

Bagian Bawah Garis

Prompt engineering mengobati AI sebagai alat yang kuat tetapi bodoh yang memerlukan penanganan yang hati-hati. Intent engineering mengobati AI sebagai sesuatu yang lebih dekat dengan kolaborator pintar yang dapat memahami konteks, beralasan tentang tujuan, dan menangani ketidakjelasan. Pergeseran itu mencerminkan perubahan dalam apa yang kita pikir AI untuk. Bukan mesin yang mengeksekusi kata-kata Anda yang tepat. Tapi sistem yang membantu Anda mencapai apa yang Anda pedulikan. Pergeseran itu menandakan bahwa masa depan interaksi manusia-AI tidak akan tentang menguasai penyataan yang cerdas. Ini akan tentang menyatakan tujuan, kendala, dan tujuan dengan jelas cukup untuk AI untuk berkolaborasi daripada hanya mematuhi.