Beberapa tahun terakhir, semua orang mendadak merasa harus belajar prompting.
Ada yang bikin template prompt. Ada yang jual kelas prompt engineering. Ada yang merasa lebih unggul karena bisa menulis instruksi panjang ke AI. Di LinkedIn, TikTok, X, sampai grup WhatsApp kantor, kata “prompt” sempat jadi mantra baru.
Gue paham kenapa. Di awal era generative AI, prompting memang terasa seperti skill ajaib. Lo nulis instruksi lebih jelas, output AI jadi lebih bagus. Lo kasih contoh, jawabannya lebih rapi. Lo minta format, hasilnya lebih siap pakai.
Tapi sekarang, kita harus mulai jujur.
Prompting akan kalah penting dari decision thinking.
Bukan berarti prompting tidak penting. Tapi saat AI makin kuat, makin agentic, makin bisa memakai tools, dan makin dalam masuk ke workflow kerja, masalah utamanya bukan lagi siapa yang bisa menulis prompt paling panjang. Masalah utamanya adalah siapa yang bisa mendefinisikan keputusan dengan benar.
Prompting Membantu Lo Ngomong ke AI. Decision Thinking Membantu Lo Tidak Dibodohi AI.
Prompting itu kemampuan memberi instruksi.
Decision thinking itu kemampuan menentukan masalah apa yang sebenarnya perlu diselesaikan, data apa yang layak dipercaya, risiko apa yang harus dihitung, trade-off apa yang tidak boleh diabaikan, dan kapan output AI harus ditolak walaupun kelihatannya bagus.
Bedanya besar.
Prompting membuat lo bisa meminta AI menulis. Decision thinking membuat lo tahu apakah tulisan itu layak dipakai. Prompting membuat AI memberi opsi. Decision thinking membuat lo tahu opsi mana yang masuk akal untuk situasi nyata. Prompting membuat AI terlihat produktif. Decision thinking memastikan produktivitas itu tidak berubah jadi kekacauan yang lebih cepat.
OpenAI sendiri dalam prompt engineering guide menjelaskan bahwa prompting adalah proses menulis instruksi efektif supaya model menghasilkan output yang sesuai kebutuhan. Itu penting. Tapi definisi itu juga menunjukkan batasnya: prompting berurusan dengan kualitas instruksi dan output.
Yang tidak otomatis dijawab oleh prompting adalah: output ini seharusnya dipakai untuk keputusan apa?
Banyak Orang Jago Prompt, Tapi Lemah Menentukan Masalah
Ini kelihatan banget di kerja harian.
Orang minta AI bikin strategi marketing, tapi belum tahu target market-nya siapa. Minta AI bikin analisis kompetitor, tapi belum jelas kompetitor yang relevan mana. Minta AI bikin rencana bisnis, tapi asumsi cashflow-nya tidak ada. Minta AI bikin policy, tapi tidak tahu risiko organisasi yang ingin dikendalikan. Minta AI bikin artikel, tapi tidak tahu sudut pandang editorialnya.
Prompt-nya bisa bagus. Output-nya bisa rapi. Tapi problem framing-nya lemah.
Dan AI sangat pintar membuat problem framing yang lemah terlihat matang.
Di sinilah banyak orang tertipu. Mereka merasa sudah berpikir karena AI memberi struktur. Padahal yang terjadi sering cuma outsourcing kerapian. Cara berpikirnya belum tentu naik kelas.
Kalau pertanyaan awalnya salah, prompt sebagus apa pun hanya akan menghasilkan jawaban yang salah dengan format yang lebih premium.
Era AI Agent Membuat Prompting Makin Tidak Cukup
Di fase chatbot, prompting masih terasa dominan. Lo tanya, AI jawab. Lo revisi prompt, output membaik. Relasinya masih sederhana.
Tapi saat AI bergerak ke arah AI agents, situasinya berubah. AI tidak hanya menjawab. AI bisa memecah tugas, memakai tools, memanggil data, membuat rencana, menjalankan langkah, bahkan menyelesaikan pekerjaan multi-step.
Microsoft dalam 2026 Work Trend Index menulis bahwa saat AI agents mengambil bagian eksekusi, agensi manusia justru melebar. Pertanyaan besarnya bukan lagi apakah orang bisa memakai AI, tapi apakah organisasi dibangun untuk menangkap peluang itu.
Kalau AI mulai mengerjakan eksekusi, manusia harus naik ke level keputusan.
Manusia harus menentukan goal. Menentukan batas. Menentukan prioritas. Menentukan risiko. Menentukan kapan agent boleh jalan sendiri dan kapan harus berhenti. Ini bukan prompt engineering. Ini decision architecture.
Prompt yang Bagus Tidak Menyelamatkan Keputusan yang Buruk
Bayangin lo kasih prompt sempurna ke AI untuk membuat rekomendasi pricing.
Instruksinya jelas. Datanya lengkap. Formatnya rapi. AI memberi tiga skenario: konservatif, moderat, agresif. Semua terlihat masuk akal.
Tapi kalau lo tidak paham margin, positioning brand, psikologi pelanggan, kondisi kompetitor, cashflow, dan risiko reputasi, rekomendasi itu tetap bisa menyesatkan.
AI bisa membantu menyusun pilihan. Tapi manusia harus membaca konsekuensi.
Hal yang sama terjadi di HR, legal, finance, marketing, product, media, pendidikan, dan governance. Prompt bisa menghasilkan output. Tapi keputusan selalu punya konteks yang tidak sepenuhnya hidup di teks.
Makanya human-AI interaction tidak boleh dibaca sebagai sekadar cara manusia ngobrol dengan mesin. Ini harus dibaca sebagai cara manusia menjaga kendali saat mesin mulai ikut membentuk opsi keputusan.
Skill Masa Depan Bukan Cuma Bertanya, Tapi Memilih
Banyak kelas AI mengajarkan cara bertanya. Itu berguna, tapi belum cukup.
Skill yang lebih penting adalah cara memilih.
Memilih data mana yang relevan. Memilih asumsi mana yang masuk akal. Memilih output mana yang harus dibuang. Memilih risiko mana yang tidak boleh diabaikan. Memilih kapan harus bertanya ke manusia, bukan ke AI. Memilih kapan keputusan harus ditunda karena informasinya belum cukup.
World Economic Forum dalam Future of Jobs Report 2025 menempatkan analytical thinking sebagai salah satu core skill paling penting dalam transformasi pekerjaan 2025 sampai 2030. Ini masuk akal. Karena makin banyak eksekusi dibantu AI, nilai manusia naik ke kemampuan berpikir analitis, membaca konteks, dan membuat keputusan.
Prompting membantu lo mendapatkan jawaban.
Decision thinking membantu lo memilih mana jawaban yang pantas dipercaya.
Decision Thinking Dimulai dari Pertanyaan yang Lebih Kejam
Orang yang punya decision thinking biasanya tidak langsung bertanya, “Prompt apa yang bagus?”
Dia mulai dari pertanyaan yang lebih kejam:
- Keputusan apa yang sebenarnya mau diambil?
- Siapa yang terdampak oleh keputusan ini?
- Data apa yang valid, dan data apa yang cuma terlihat meyakinkan?
- Apa yang bisa salah kalau rekomendasi AI dipakai?
- Bagian mana yang harus dicek manusia?
- Apakah AI punya konteks lokal yang cukup?
- Apakah output ini menjawab masalah atau cuma membuat dokumen terlihat rapi?
Pertanyaan seperti ini tidak seviral template prompt. Tapi justru inilah skill yang akan membedakan pekerja serius dari operator tools.
Di era AI, orang yang hanya bisa prompt akan banyak. Orang yang bisa berpikir jernih akan tetap langka.
AI Bisa Membuat Orang Bodoh Terlihat Terstruktur
Ini kalimat yang agak kasar, tapi perlu.
AI bisa membuat pemikiran yang dangkal terlihat terstruktur. Dulu kalau orang tidak paham masalah, tulisannya biasanya berantakan. Sekarang tidak. AI bisa merapikan argumen yang lemah menjadi dokumen yang terlihat profesional.
Ini berbahaya untuk organisasi.
Karena manager bisa menerima laporan yang rapi tapi lemah. Klien bisa menerima proposal yang polished tapi asumtif. Media bisa menerbitkan artikel yang enak dibaca tapi miskin konteks. Pemerintah bisa membaca policy brief yang terlihat serius tapi tidak grounded. Founder bisa mengambil keputusan dari deck yang bagus tapi datanya rapuh.
Di sini AI editorial responsibility jadi relevan. Bukan hanya untuk media, tapi untuk semua organisasi yang memakai AI dalam komunikasi dan pengambilan keputusan. Output AI harus punya standar: sumber, konteks, batas, atribusi, dan review manusia.
Prompting Akan Makin Diotomatisasi
Ironisnya, prompting sendiri akan makin dibantu AI.
Model sekarang sudah makin mampu memperbaiki instruksi, meminta klarifikasi, menyusun rencana kerja, memecah tugas, dan menawarkan struktur prompt. OpenAI, Anthropic, Google, Microsoft, dan ekosistem developer makin mendorong AI ke arah agentic workflow, bukan sekadar interface tanya jawab.
Anthropic dalam rilis Claude Opus 4.8 menonjolkan peningkatan reasoning quality, tool use, citation precision, dan kemampuan model untuk menandai ketidakpastian. Ini sinyal penting: model masa depan makin mampu membantu proses kerja yang dulu membutuhkan prompting manual yang rumit.
Kalau model makin pintar memahami niat, memperbaiki instruksi, dan menyusun langkah sendiri, maka nilai manusia tidak lagi berada di kemampuan menyusun prompt panjang.
Nilai manusia pindah ke kemampuan menentukan arah.
Decision Thinking Membutuhkan Data Governance
Keputusan yang baik tidak lahir dari output AI yang rapi. Keputusan yang baik lahir dari data yang cukup, konteks yang benar, dan proses review yang sehat.
Kalau perusahaan memakai AI untuk membantu keputusan, maka data governance systems harus ikut naik kelas. Data yang salah akan menghasilkan rekomendasi yang salah. Data yang bias akan menghasilkan keputusan yang bias. Data yang tidak punya konteks akan membuat AI mengisi kekosongan dengan asumsi.
Di banyak organisasi Indonesia, masalah ini nyata. Data tersebar di spreadsheet, WhatsApp, CRM, Google Drive, dashboard, dan kepala orang lama. Lalu AI diminta memberi jawaban seolah semua informasi itu sudah rapi.
Kalau datanya kacau, prompt yang bagus hanya mempercepat kekacauan.
Decision Thinking Juga Berarti Tahu Kapan Tidak Memakai AI
Ini poin yang sering tidak populer: tidak semua hal perlu AI.
Ada keputusan yang lebih baik dibicarakan langsung. Ada konflik yang butuh empati manusia. Ada isu sensitif yang tidak layak dilempar ke tools publik. Ada dokumen yang datanya terlalu confidential. Ada keputusan yang membutuhkan pengalaman lapangan, bukan ringkasan otomatis.
Decision thinking berarti tahu kapan AI membantu dan kapan AI justru memperburuk kualitas keputusan.
NIST lewat AI Risk Management Framework mendorong organisasi untuk memetakan, mengukur, dan mengelola risiko AI. Dalam bahasa sederhana: sebelum memakai AI, pahami konteks penggunaannya. Jangan semua masalah dipukul dengan tools yang sama.
AI yang kuat tidak menghapus kebutuhan judgement manusia. Ia justru membuat judgement manusia makin penting.
Di Indonesia, Decision Thinking Lebih Penting Lagi
Kenapa? Karena konteks Indonesia sering tidak rapi.
Data bisa tidak lengkap. Bahasa bisa campur. Regulasi bisa berubah. Implementasi lapangan bisa berbeda dari dokumen resmi. Keputusan bisnis bisa dipengaruhi keluarga, relasi, budaya organisasi, dan kondisi informal yang tidak muncul di dataset.
Kalau orang Indonesia hanya belajar prompting dari template global, hasilnya sering terlalu steril. Terlalu textbook. Terlalu jauh dari lapangan.
AI bisa membantu menulis strategi UMKM, tapi apakah ia memahami cara UMKM Indonesia memakai WhatsApp, marketplace, reseller, COD, cashflow keluarga, dan tenaga kerja informal? AI bisa membantu membuat policy sekolah, tapi apakah ia memahami kondisi guru, perangkat, orang tua, dan kultur belajar lokal? AI bisa membantu analisis bisnis, tapi apakah ia paham birokrasi, vendor, relasi, dan timing pasar Indonesia?
Itulah sebabnya decision thinking harus selalu lokal. Bukan cuma pintar secara global, tapi grounded secara Indonesia.
Kesimpulan: Masa Depan Bukan Milik yang Jago Prompt, Tapi yang Jago Memutuskan
Prompting akan tetap berguna. Tapi ia bukan skill puncak.
Prompting adalah cara berbicara dengan AI. Decision thinking adalah cara menjaga agar AI tidak menggantikan kualitas berpikir manusia.
Di era AI agents, workflow otomatis, model multimodal, dan sistem yang makin bisa mengeksekusi tugas, manusia harus berhenti bangga hanya karena bisa membuat prompt panjang.
Yang lebih penting adalah bisa membaca masalah. Bisa memilih risiko. Bisa menilai output. Bisa menolak jawaban yang rapi tapi lemah. Bisa menjaga keputusan tetap punya pemilik.
AI akan makin pintar. Tools akan makin mudah. Prompting akan makin dibantu mesin.
Tapi keputusan tetap mahal.
Dan orang yang bisa mengambil keputusan dengan jernih di tengah banjir output AI akan jauh lebih berharga daripada orang yang sekadar hafal template prompt.