hibranwar
Kursus → Modul 1: Apa yang Bikin Slop Jadi Slop
Sesi 10 dari 10

The Taste Gap

Sesi 1.10 · ~5 menit baca

Ira Glass, pembawa acara This American Life, mendeskripsikan kesenjangan yang menghantui orang kreatif. "Selera kamu cukup bagus untuk menyadari bahwa apa yang kamu buat belum sebagus yang kamu mau." Kamu bisa bilang karyanya ga beres. Kamu ga bisa bilang kenapa ga beres. Kamu merasakan kesalahannya tapi ga punya kosakata untuk mendiagnosanya.

Dengan konten AI, ada versi dari kesenjangan ini yang mempengaruhi semua orang yang memproduksi atau mengevaluasi karya AI-assisted. Kamu baca output-nya. Ada sesuatu yang ga beres. Kamu ga bisa tunjuk kegagalan spesifiknya. Jadi kamu entah terbitkan aja ("udah cukup deket lah") atau tulis ulang dari nol ("yasudah aku aja sendiri"), yang keduanya bukan strategi produksi yang sustainable.

Selera Tanpa Diagnosis

Selera adalah kemampuan mengenali kualitas. Diagnosis adalah kemampuan menjelaskan kualitas. Kebanyakan orang punya selera lebih banyak dari kemampuan diagnosis. Mereka bisa ranking lima tulisan dari terbaik ke terburuk tapi ga bisa mengartikulasikan apa yang membuat yang terbaik itu terbaik dan yang terburuk itu terburuk.

Di produksi konten AI, kesenjangan ini mahal. Setiap kali kamu lihat output AI dan mikir "ada yang ga beres" tanpa bisa menyebutkan apa, kamu menghadapi pilihan: terima kerjaan substandar, habiskan waktu editing tanpa fokus, atau buang output-nya sepenuhnya. Ketiganya buang-buang resources.

Selera tanpa diagnosis itu frustrasi. Selera dengan diagnosis itu craft. Kesenjangan di antara keduanya adalah kosakata.

Kosakata Diagnostik

Modul 1 sudah membangun kosakata diagnostik kamu. Setiap sesi menambah kategori kegagalan spesifik yang bisa dinamai. Tabel di bawah mengkonsolidasikannya jadi referensi diagnostik.

Kategori Yang Kamu Rasakan Istilah Diagnostik Referensi Sesi
Kedengaran generik "Ini bisa tentang apa aja" Default voice, RLHF smoothing 1.1
Ga bilang apa-apa "Banyak kata, ga ada isi" Hedging, filler, pengulangan 1.2
Terlalu excited "Ga ada yang seantusias ini soal database" Antusiasme palsu, tumpukan superlatif 1.3
Kelihatan palsu "Terlalu banyak dekorasi, kurang substansi" Polusi emoji, formatting performatif 1.4
Terasa robotik "Setiap paragraf ikut pola yang sama" Overuse struktur paralel, perputaran sinonim 1.5, 1.6
Hampir manusia "Aku ga bisa bilang apa yang salah tapi ada sesuatu" Uncanny valley, kesenjangan spesifisitas 1.7
Ga bisa dipercaya "Klaim-klaim ini dari mana?" Kepercayaan diri tanpa konteks, over-atribusi 1.6, 1.8
Struktur salah "Potongannya fine tapi keseluruhannya ga bener" Anchoring arsitektural, framing didorong AI 1.9

Dari Perasaan ke Diagnosis ke Perbaikan

Proses diagnostik mengikuti tiga langkah. Pertama, registrasi perasaannya. Kedua, namakan kegagalannya. Ketiga, terapkan perbaikan yang sesuai.

graph TD A["Baca output AI"] --> B["Registrasi perasaan:
'Ada yang ga beres'"] B --> C["Namakan kegagalan:
Kategori diagnostik mana?"] C --> D{"Cocokkan ke perbaikan"} D --> E["Voice generik → Tambah spesifik,
suntik pengalaman"] D --> F["Hedging/filler → Kompres,
hapus qualifier"] D --> G["Antusiasme palsu → Cabut
superlatif, tambah bukti"] D --> H["Struktur salah → Tulis ulang
outline, generate ulang"] D --> I["Uncanny valley → Tambah
detail nyata, sebutkan sumber"]

Perbaikannya tergantung diagnosis. Hedging diperbaiki dengan penghapusan (hapus qualifier-nya). Antusiasme palsu diperbaiki dengan substitusi (ganti superlatif dengan bukti spesifik). Struktur salah butuh regenerasi (outline baru, generasi baru). Mencoba memperbaiki masalah yang salah buang waktu dan menghasilkan hasil yang masih terasa ga beres, cuma dengan cara berbeda.

Mengembangkan Kecepatan Diagnostik

Seperti skill diagnostik manapun, ini membaik dengan latihan deliberat. Prosesnya mulai lambat: baca teksnya, konsultasi checklist, identifikasi kategori, cari perbaikannya. Dengan latihan, diagnosis jadi lebih cepat. Kamu akhirnya bakal baca paragraf buatan AI dan mikir "perputaran sinonim, metafora kosong, jembatan palsu" dalam waktu yang dibutuhkan untuk scan teksnya.

Tahap Latihan Kecepatan Diagnostik Waktu Diagnosis Tipikal
Pemula Sadar, tergantung checklist 5-10 menit per 500 kata
Menengah Pattern recognition mulai muncul 2-3 menit per 500 kata
Lanjutan Intuitif, bisa menyebut kegagalan di bacaan pertama 30-60 detik per 500 kata
Ahli Pengenalan instan, mencegah kegagalan di tahap prompt Hampir nol (kualitas dikontrol di input)

Tahap ahli adalah tujuan seluruh kursus ini. Di level ahli, kamu ga mendiagnosis masalah di output AI karena prompt, system instruction, dan desain pipeline kamu mencegah kebanyakan masalah terjadi. Kamu bergerak dari editing reaktif ke quality control proaktif. Skill diagnostiknya ga jadi ga perlu. Dia jadi fondasi yang menginformasikan cara kamu mendesain sistem produksi.

Menutup Modul 1

Modul 1 memberi kamu kosakata untuk mendiagnosis apa yang membuat konten AI jelek. Kamu sekarang bisa mengidentifikasi hedging, filler, antusiasme palsu, formatting performatif, 15 penanda forensik spesifik, uncanny valley, dan kegagalan arsitektural. Kamu tahu kenapa editing aja ga bisa memperbaiki output AI. Kamu tahu bedanya selera dan diagnosis.

Modul 2 bergeser dari diagnosis ke arsitektur. Kamu sudah punya alat untuk mengidentifikasi masalah. Sekarang kamu membangun sistem yang mencegahnya.

Bacaan Lanjutan

Tugas

  1. Kumpulkan 3 tulisan AI yang terasa "ga beres" buat kamu.
  2. Untuk masing-masing, tulis diagnosis detail menggunakan kosakata dari modul ini. Sebutkan kategori kegagalan spesifiknya. Tunjuk kalimat atau paragraf spesifik yang menunjukkan setiap kegagalan.
  3. Untuk setiap kegagalan yang didiagnosis, tulis perbaikan yang sesuai: apa yang bakal kamu ubah, tambah, atau hapus untuk menyelesaikannya?
  4. "Kedengarannya aneh" bukan diagnosis. "Pembukaannya pakai jembatan palsu (Penanda 3) yang menjanjikan insight, lalu menyampaikan pengulangan poin paragraf sebelumnya, sementara bagian kedua menunjukkan perputaran sinonim (Penanda 8) di tiga kalimat berurutan" itu diagnosis.