Bayangkan Sabtu siang, dua kakak-adik duduk di lantai ruang keluarga dengan kertas warna-warni. Mereka sedang merencanakan acara ulang tahun kecil untuk sepupu. Salah satu dari mereka membuka chatbot dan mengetik, “Bikin ide permainan ulang tahun anak di rumah.”
Ayahnya lewat dan membaca layar.
“Ini yang namanya prompt?”
“Iya.”
“Terus yang jawab itu algoritma?”
Anak pertama mengangkat bahu. Adiknya ikut menimpali, “Kayaknya AI-nya, Yah.”
Ayahnya tertawa. “Berarti kita bertiga sama-sama belum beres kamusnya.”
Empat kata memang sering bercampur dalam percakapan tentang AI: data, algorithm, model, dan prompt. Semuanya berhubungan, tetapi bukan hal yang sama. Kalau orang tua memahami perbedaannya, banyak percakapan tentang AI mendadak terasa lebih sederhana.
Tidak perlu rumus matematika. Kita cukup membangun peta mental yang benar.
MULAI DARI DATA: BAHAN, BUKAN “OTAK”
Data adalah informasi yang dapat dipakai oleh sistem. Bentuknya sangat beragam: teks, angka, gambar, audio, video, label, pengukuran, dan sebagainya.
Dalam pembicaraan AI, kata data sering dipakai terlalu umum sehingga seolah semua data berada dalam satu keranjang. Padahal ada beberapa konteks berbeda.
Ada data untuk melatih model. Ini sering disebut training data.
Ada data yang diberikan saat sistem digunakan. Misalnya pertanyaan yang kita ketik, foto yang kita unggah, atau dokumen yang kita minta untuk diringkas.
Ada pula data akun dan data penggunaan yang mungkin diproses oleh penyedia layanan sesuai fitur, pengaturan, kebijakan privasi, dan ketentuan produk masing-masing.
Bagi orang tua, pembedaan ini penting.
Kalau anak bertanya, “Kalau aku upload foto, berarti fotonya pasti jadi training data?” jawaban yang aman bukan “iya, pasti” dan bukan “enggak mungkin”. Jawabannya adalah: kita harus melihat layanan yang dipakai, pengaturannya, dan kebijakan yang berlaku saat itu.
Karena produk AI berubah cepat, kebiasaan memeriksa lebih tahan lama daripada menghafal satu kebijakan.
Cara paling sederhana menjelaskan data kepada anak adalah menyebutnya “bahan informasi”. Tetapi beri catatan: bahan yang banyak belum tentu bahan yang lengkap, adil, bersih, atau cocok dengan semua konteks.
Kalau data yang tersedia memiliki kekurangan, hasil sistem juga dapat membawa masalah.
ALGORITHM: LANGKAH DAN ATURAN PROSES
Kata algorithm atau algoritma terdengar teknis, padahal idenya dekat dengan kehidupan sehari-hari.
Bayangkan instruksi menyortir cucian:
Pisahkan pakaian putih dan berwarna.
Cek bahan tertentu yang tidak boleh masuk mesin.
Pilih program pencucian.
Jalankan proses.
Itu bukan algoritma komputer secara harfiah, tetapi analoginya menunjukkan inti penting: algoritma adalah rangkaian langkah atau aturan untuk memproses sesuatu dan mencapai hasil tertentu.
Di sistem komputer, algoritma bisa sederhana atau sangat kompleks. Dalam machine learning, algoritma juga dapat merujuk pada prosedur yang dipakai untuk mempelajari pola dari data dan menyesuaikan parameter model.
Jadi, algoritma bukan nama lain untuk AI.
Semua AI melibatkan proses komputasi, tetapi tidak semua algoritma adalah AI. Kalkulator sederhana memakai algoritma. Sistem pengurutan data memakai algoritma. Aplikasi navigasi memakai berbagai algoritma. Istilahnya lebih luas.
Ini membantu ketika keluarga mendengar kalimat, “Algoritma memilihkan video untuk kita.”
Kalimat itu berguna secara praktis, tetapi jangan membayangkan ada satu karakter digital yang duduk menilai selera anak. Yang terjadi adalah sistem menjalankan proses berdasarkan tujuan desain, sinyal pengguna, aturan, model, dan data yang tersedia.
Mengurangi sifat “magis” AI adalah bagian penting dari literasi.
MODEL: HASIL DARI PROSES BELAJAR POLA
Sekarang masuk ke kata yang paling sering membingungkan: model.
Model AI adalah representasi komputasional yang telah dilatih agar dapat mengenali pola dan menghasilkan keluaran tertentu. Dalam model generatif bahasa, misalnya, sistem belajar pola hubungan dalam bahasa dan menggunakan konteks yang diberikan untuk menghasilkan urutan teks yang sesuai.
Metafora perlu dipakai hati-hati.
Orang kadang berkata model itu “otak AI”. Metafora itu mudah dipahami, tetapi bisa membuat anak mengira AI berpikir, memahami, atau memiliki kesadaran seperti manusia. Itu tidak tepat.
Orang juga kadang membayangkan model sebagai mesin pencari dengan perpustakaan jawaban di dalamnya. Itu juga terlalu sederhana.
Lebih aman berkata: model adalah sistem yang telah disesuaikan melalui proses pelatihan sehingga mampu memakai pola untuk menghasilkan prediksi atau respons.
OECD mendefinisikan sistem AI sebagai sistem berbasis mesin yang, berdasarkan masukan dan tujuan eksplisit atau implisit, melakukan inferensi untuk menghasilkan keluaran seperti prediksi, konten, rekomendasi, atau keputusan. Kata “inferensi” di sini membantu memahami peran model saat digunakan: sistem memproses input untuk menghasilkan output berdasarkan pola dan parameter yang telah terbentuk.
Mengapa orang tua perlu tahu ini?
Karena model tidak punya jaminan bahwa setiap kalimat yang dihasilkannya benar. Ia dapat menghasilkan sesuatu yang sangat masuk akal secara bahasa tetapi keliru secara fakta.
MODEL BUKAN ORANG KECIL DI DALAM LAYAR
Kembali ke ruang keluarga.
Adik bertanya, “Berarti modelnya baca pertanyaan aku, terus mikir?”
Ayahnya menjawab, “Kalau pakai kata ‘mikir’, kita bisa kebawa bayangin dia seperti manusia. Lebih tepat bilang sistemnya memproses pertanyaanmu dan menghasilkan respons dari pola yang sudah dipelajari.”
“Panjang amat.”
“Makanya orang sering bilang ‘mikir’. Tapi kita tahu itu cuma cara ngomong.”
Percakapan seperti ini berguna karena bahasa sehari-hari memang sering memanusiakan teknologi. Kita berkata ponsel “ngambek”, aplikasi “enggak mau”, atau komputer “bingung”. Tidak masalah selama anak memahami bahwa itu gaya bahasa, bukan deskripsi ilmiah.
PROMPT: MASUKAN SAAT KITA BERINTERAKSI
Prompt adalah masukan yang kita berikan kepada AI generatif. Bentuknya bisa pertanyaan, instruksi, konteks, contoh, gambar, dokumen, atau kombinasi beberapa jenis input, tergantung kemampuan sistem.
Dalam contoh ulang tahun tadi, kalimat “Bikin ide permainan ulang tahun anak di rumah” adalah prompt.
Jika prompt diubah menjadi:
“Beri lima ide permainan ulang tahun untuk delapan anak usia 8–10 tahun, dilakukan di ruang keluarga kecil, tanpa alat berbahaya, durasi maksimal 15 menit per permainan,”
konteksnya lebih jelas. Kemungkinan output akan lebih sesuai dengan kebutuhan.
Tetapi ada dua hal yang perlu dijelaskan kepada anak.
Pertama, prompt bukan mantra.
Prompt bagus tidak membuat AI menjadi selalu benar.
Kedua, prompt bukan tempat aman untuk menuangkan semua informasi.
Jangan memasukkan data pribadi atau data orang lain hanya karena semakin banyak konteks terlihat membuat jawaban lebih bagus. Pertimbangkan apakah sistem benar-benar membutuhkan nama lengkap, foto wajah, dokumen sekolah, alamat, atau informasi sensitif lainnya.
Kemampuan membuat prompt harus berjalan bersama kemampuan membatasi prompt.
EMPAT ISTILAH INI BISA DILIHAT SEBAGAI SATU ALUR
Sekarang susun petanya.
DATA membantu proses pengembangan dan pelatihan sistem, bersama berbagai teknik, pilihan desain, dan proses lain.
ALGORITHM adalah langkah atau prosedur komputasional yang digunakan dalam proses tertentu, termasuk proses belajar atau pengolahan.
MODEL adalah sistem terlatih yang kemudian dapat digunakan untuk memproses masukan dan menghasilkan keluaran.
PROMPT adalah salah satu bentuk masukan yang kita berikan saat berinteraksi dengan model generatif.
Lalu keluarlah OUTPUT.
Peta ini tidak menggambarkan seluruh industri AI. Ada evaluasi, fine-tuning, retrieval, safety systems, tools, database, antarmuka, dan banyak lapisan lain. Tetapi untuk orang tua yang ingin bisa mengikuti percakapan anak, empat konsep ini sudah cukup kuat sebagai fondasi.
JANGAN TERLALU PERCAYA PADA METAFORA DAPUR
Penjelasan AI sering memakai analogi memasak: data adalah bahan, algoritma adalah resep, model adalah koki, prompt adalah pesanan.
Analogi itu membantu beberapa detik pertama, tetapi cepat rusak.
Model bukan koki yang sadar sedang bekerja. Training data tidak selalu dipakai seperti bahan yang masih terlihat satu per satu dalam hasil akhir. Algoritma juga bukan satu resep tunggal yang menjelaskan seluruh sistem modern.
Jadi gunakan metafora sebagai jembatan, bukan rumah permanen.
Kalau anak sudah menangkap konsep dasarnya, pindahkan kembali ke istilah asli.
“Data itu bahan” boleh untuk awal.
Lalu lanjutkan: “Tapi dalam AI, data bisa punya fungsi yang berbeda dan ada aturan tentang bagaimana data diproses.”
Kebiasaan mengoreksi metafora ini membantu anak tidak membangun pemahaman yang terlalu sederhana.
EMPAT PERTANYAAN PRAKTIS UNTUK ORANG TUA
Ketika menemukan tool AI baru, empat istilah tadi dapat diubah menjadi empat pertanyaan.
Tentang data:
“Data apa yang diminta atau kita masukkan ke layanan ini?”
Tentang algoritma dan proses:
“Secara umum, sistem ini sedang melakukan apa terhadap input kita?”
Tentang model:
“Jenis hasil apa yang bisa dibuat sistem ini, dan apa keterbatasannya?”
Tentang prompt:
“Informasi apa yang memang diperlukan supaya permintaan kita jelas, dan apa yang tidak perlu dibagikan?”
Pertanyaan itu jauh lebih berguna daripada sekadar bisa menyebut jargon.
SATU HAL YANG SERING TERTUKAR: MODEL DAN APLIKASI
Orang tua juga perlu membedakan model dengan aplikasi yang terlihat di layar. Satu aplikasi AI dapat memakai satu atau beberapa model, lalu menambahkan fitur pencarian, penyimpanan percakapan, filter keamanan, akun pengguna, atau koneksi ke layanan lain. Sebaliknya, model yang sama dapat muncul di lebih dari satu produk.
Ini penting ketika keluarga menilai keamanan. Jangan hanya bertanya, “Model AI-nya apa?” Periksa juga aplikasi dan perusahaan yang menyediakan layanan, aturan usia, kebijakan data, serta fitur yang sedang digunakan. Risiko tidak hanya ditentukan oleh kemampuan model, tetapi juga oleh bagaimana produk mengumpulkan input, menyimpan informasi, menampilkan output, dan memberi kontrol kepada pengguna.
Dengan pembedaan ini, orang tua tidak mudah terkecoh oleh kalimat, “Tapi ini pakai model terkenal, berarti aman.” Nama model dapat memberi konteks teknis, tetapi keputusan keluarga tetap harus melihat produk secara utuh.
DI RUMAH, KAMUS TERBAIK ADALAH PERCAKAPAN
Acara ulang tahun sepupu akhirnya punya daftar permainan. Beberapa ide AI dipakai, beberapa dibuang karena tidak cocok dengan ruangan. Kakak menambahkan permainan buatan sendiri. Adik menggambar papan skor.
Ayah mereka masih belum bisa menjelaskan bagaimana transformer bekerja. Tidak masalah.
Sebelum menutup laptop, ia menunjuk layar.
“Coba ulang. Yang kita ketik tadi apa?”
“Prompt.”
“Yang menghasilkan jawaban?”
“Model.”
“Yang dipakai buat melatih dan memproses banyak hal?”
“Data?”
“Betul. Algoritma?”
“Langkah-langkah prosesnya.”
“Lumayan. Besok jangan dites lagi, ya.”
Anak-anak tertawa.
Empat istilah itu mungkin terlihat kecil, tetapi mereka memberi keluarga bahasa bersama. Dengan bahasa yang sama, orang tua lebih mudah bertanya tentang privasi, kesalahan AI, bias, dan cara memakai teknologi secara bertanggung jawab.
Tujuannya memang bukan menjadikan semua orang di rumah teknisi AI.
Tujuannya supaya ketika teknologi masuk ke ruang belajar, tugas sekolah, kreativitas, dan keputusan sehari-hari, keluarga tidak hanya bisa menekan tombol. Mereka juga tahu apa yang sedang mereka bicarakan.