Kirimkan ini ke tim manajemen Anda. Jika orang-orang di perusahaan Anda sudah memakai ChatGPT atau tools sejenis untuk pekerjaan nyata, dan saat ini kemungkinan besar sudah, entah Anda sadari atau tidak, mereka butuh pemahaman bersama yang jujur soal apa yang tidak bisa dilakukan tools ini. Antusiasme tanpa literasi adalah cara bisnis kena masalah.

Saya ingin memperjelas sudut pandangnya. Ini bukan alasan untuk menghindari large language model. Ini adalah batasan desain yang harus disiasati, sama seperti Anda menyiasati alat canggih apa pun yang punya sisi tajam. Memahami keterbatasan LLM untuk bisnis adalah pembeda antara tim yang benar-benar mendapat leverage dan tim yang diam-diam dipermalukan oleh jawaban yang meyakinkan tapi salah.

Berikut lima keterbatasan yang benar-benar penting, masing-masing lengkap dengan konsekuensi bisnisnya dan cara menyiasatinya. Tanpa jargon, semuanya bisa langsung ditindaklanjuti tim Anda minggu ini.

1. Ia tidak tahu kejadian hari ini

Language model dilatih dengan data hingga tanggal cutoff tertentu. Ia tidak punya akses langsung ke internet, sistem Anda, atau apa pun yang terjadi setelah cutoff itu, kecuali Anda secara khusus menghubungkannya ke sumber-sumber tersebut.

Konsekuensi bisnis. Tanyakan soal harga terkini, regulasi terbaru, kurs minggu ini, atau inventaris perusahaan Anda sendiri, dan ia akan menjawab dari data training yang sudah basi atau bahkan mengarang jawaban. Di area yang bergerak cepat seperti aturan pajak atau harga pasar, ini berbahaya.

Cara menyiasati. Perlakukan ia seperti kolega yang cerdas tapi baru pulang dari pulau terpencil dalam waktu lama. Untuk apa pun yang bersifat time-sensitive atau spesifik pada bisnis Anda, masukkan data terkini langsung ke dalam prompt, atau gunakan tool yang secara eksplisit terhubung ke sumber real-time. Jangan pernah berasumsi ia tahu keadaan sekarang.

2. Ia salah dengan penuh percaya diri

Ini keterbatasan paling berbahaya, karena sifatnya tidak kelihatan. Language model menghasilkan teks yang lancar dan meyakinkan, terlepas dari benar tidaknya isinya. Ketika ia tidak tahu jawabannya, ia tidak ragu-ragu. Ia mengarang, dengan nada percaya diri yang sama seperti saat memberi jawaban benar. Industri menyebutnya hallucination.

Konsekuensi bisnis. Seseorang minta kutipan hukum, statistik, atau fakta soal supplier, mendapat jawaban yang tersusun rapi, lalu menganggapnya sebagai kebenaran. Kelancaran bahasanya justru yang membuat orang lengah.

Cara menyiasati. Verifikasi apa pun yang berkonsekuensi. Nama, angka, kutipan, klaim hukum atau finansial, semuanya harus dicek ke sumber yang valid sebelum Anda bertindak. Tanamkan aturan sederhana di tim Anda: model membuat draft, manusia yang memverifikasi. Jangan pernah biarkan ia menjadi kata final untuk sebuah fakta yang penting.

3. Ia buruk dalam berhitung

Orang berasumsi komputer pasti jago matematika. Language model bukan kalkulator. Ia memprediksi teks yang masuk akal, dan dengan senang hati akan menghasilkan total yang terlihat benar padahal salah, terutama pada perhitungan bertahap.

Konsekuensi bisnis. Siapa pun yang memakainya untuk menghitung margin, pajak, invoice, atau proyeksi, sedang membangun di atas pasir. Jawabannya akan terlihat rapi dan meleset dalam jumlah yang mungkin tidak Anda sadari.

Cara menyiasati. Jangan gunakan sebagai kalkulator. Gunakan untuk menyusun logika atau menjelaskan sebuah rumus, lalu jalankan angka sesungguhnya di spreadsheet atau tool yang tepat. Jika ia terpaksa menghitung, verifikasi setiap angkanya sendiri.

4. Susunan kata yang tepat mengubah jawabannya

Pertanyaan yang sama, dengan dua cara penyampaian berbeda, bisa menghasilkan jawaban yang jauh berbeda maknanya. Tools ini sensitif terhadap cara Anda bertanya, dengan cara yang tidak selalu intuitif. Prompt yang samar menghasilkan jawaban yang samar dan generik. Prompt yang presisi dan terstruktur menghasilkan sesuatu yang benar-benar berguna.

Konsekuensi bisnis. Tim Anda mencobanya sekali, mengajukan pertanyaan asal-asalan, mendapat jawaban biasa saja, lalu menyimpulkan tools ini tidak berguna. Atau lebih buruk, mereka mendapat hasil yang tidak konsisten dan tidak tahu penyebabnya.

Cara menyiasati. Perlakukan prompting sebagai skill yang layak diasah. Berikan konteks, spesifik soal format dan batasan yang Anda inginkan, dan sertakan contoh. Jarak antara pengguna pemula dan pengguna mahir dari tool yang sama itu sangat besar. Ini soal latihan, bukan sihir.

5. Ia tidak bisa dimintai pertanggungjawaban

Model tidak punya kepentingan atas hasilnya. Ia tidak peduli jika salah, ia tidak akan dipecat, dan ia tidak menanggung liabilitas profesional apa pun. Akuntabilitas ada di tangan manusia yang memakai outputnya.

Konsekuensi bisnis. Jika tim Anda mengirim jawaban hasil AI ke klien dan ternyata salah, itu adalah kesalahan perusahaan Anda, reputasi Anda, dan liabilitas Anda. "Kata AI-nya begitu" bukan pembelaan yang bisa diterima siapa pun.

Cara menyiasati. Tetapkan seorang pemilik manusia untuk setiap deliverable yang dibantu AI. Model adalah asisten junior yang cepat, yang hasil kerjanya selalu direview sebelum keluar dari perusahaan. Orang yang memberi tanda tangan persetujuan, dialah yang sepenuhnya menanggung hasilnya.

Kesimpulannya

Tidak satu pun dari kelima keterbatasan ini menjadi alasan untuk menjauhkan large language model dari bisnis Anda. Semuanya adalah buku panduan operasional. Tim yang menang dengan tools ini adalah yang tahu persis di mana batasnya dan membangun proses di sekitarnya: berikan data terkini, verifikasi setiap fakta, jaga perhitungan tetap di kalkulator sungguhan, investasikan waktu untuk prompting yang baik, dan tunjuk satu manusia yang bertanggung jawab atas setiap output.

Memahami keterbatasan LLM untuk bisnis adalah pembeda antara tool yang diam-diam melipatgandakan output tim Anda dan tool yang diam-diam mempermalukan Anda di depan klien. Jika Anda sedang bergerak dari pemakaian kasual menuju sesuatu yang operasional, disiplin yang sama inilah alasan mengapa begitu banyak pilot AI mati sebelum sempat produksi. Bangun di sekitar batasannya, mintai pertanggungjawaban manusia atas hasilnya, dan Anda mendapat leverage tanpa liabilitas.