Pisahkan klaim yang dapat diuji
Tandai nama, tanggal, angka, kutipan, peraturan, dan hubungan sebab-akibat. Klaim semacam itu harus memiliki rujukan yang benar-benar mendukung kalimat, bukan sekadar halaman dengan topik serupa. Model sering menggabungkan unsur yang masing-masing masuk akal menjadi fakta yang tidak pernah ada. Daftar klaim membuat verifikasi lebih sistematis daripada membaca berdasarkan rasa percaya.
Buka sumber sampai isi
Jangan berhenti pada judul atau URL. Pastikan halaman ada, penulis dan tanggal sesuai, serta paragraf sumber menyatakan hal yang dikutip. Untuk riset, cari DOI, penerbit, dan versi dokumen. Untuk aturan, gunakan situs lembaga resmi. Bila sumber tidak dapat diakses, keluaran harus menyatakan keterbatasan alih-alih mengisi celah dengan detail rekaan.
Gunakan pertanyaan pembanding
Ajukan pertanyaan yang sama dengan susunan berbeda dan minta model menjelaskan ketidakpastian. Perbedaan besar menunjukkan area yang perlu diperiksa, tetapi konsistensi bukan bukti kebenaran karena model dapat mengulang kesalahan yang sama. Bandingkan dengan basis data atau dokumen independen. Kasus penting sebaiknya diperiksa oleh orang yang memahami bidangnya.
Catat jenis kegagalan
Kelompokkan kesalahan sebagai sumber fiktif, angka keliru, konteks hilang, instruksi diabaikan, atau klaim terlalu pasti. Frekuensi tiap jenis membantu memperbaiki prompt, sumber, atau keputusan tidak memakai model. Jangan menyamarkan kesalahan dalam laporan. Evaluasi yang jujur mengukur keluaran yang gagal, waktu koreksi, dan dampak potensial, bukan hanya contoh yang berhasil.
Artikel terkait
- Menguji asisten AI untuk pekerjaan harian
- Menjaga privasi data saat memakai layanan AI
- Kerangka tata kelola AI yang realistis untuk UMKM