Ada sekitar dua belas istilah AI yang perlu kamu pahami lebih dulu. Yang terpenting: prompt, LLM, token, chatbot, AI agent, context window, halusinasi, RAG, dan MCP. Hampir setiap tutorial dan kursus AI menganggap kamu sudah tahu artinya. Pahami istilah ini, dan materi lanjutan terasa jauh lebih mudah diikuti.
Banyak orang berhenti belajar AI karena istilahnya asing, bukan karena materinya sulit. Sebuah video menyebut "context window" atau "fine-tuning" tanpa penjelasan, lalu penonton merasa tertinggal. Di bawah ini istilah yang paling sering muncul, dikelompokkan per tema dan dijelaskan dengan bahasa sehari-hari.
Kenapa kamu perlu memahami istilah AI lebih dulu?
Karena istilah ini adalah bahasa dasar di sebagian besar sumber belajar AI. Bila artinya sudah jelas, waktumu habis untuk belajar cara menggunakannya, bukan menebak arti kata.
Kamu juga lebih kritis terhadap klaim pemasaran. Saat sebuah tool menyebut "didukung RAG" atau "terhubung dengan MCP", kamu tahu apa yang sebenarnya ditawarkan.
Bila kamu mulai dari nol, ikuti roadmap belajar AI untuk pemula sebagai peta umum. Kembali ke daftar ini setiap kali menemukan kata yang asing.
Apa itu LLM dan bagaimana cara kerjanya?
LLM (large language model) adalah model AI yang dilatih dengan teks dalam jumlah sangat besar untuk menebak potongan teks berikutnya. Dari kemampuan itu muncul fungsi menulis, merangkum, menerjemahkan, dan menjawab pertanyaan.
Kata "besar" merujuk pada dua hal. Pertama, jumlah data teks untuk melatihnya. Kedua, jumlah parameter, yaitu angka internal yang diatur selama pelatihan agar model mengenali pola bahasa.
Claude dari Anthropic, GPT dari OpenAI, dan Gemini dari Google adalah contoh LLM. Aplikasi chat yang kamu buka hanyalah pintu masuk ke model tersebut.
Cara kerjanya intinya prediksi. Model membaca teks yang sudah ada, lalu menghitung potongan berikutnya yang paling mungkin muncul. Langkah ini diulang sampai jawaban selesai. Jawaban panjang lahir dari ribuan prediksi kecil yang berurutan. Karena itu, pertanyaan yang sama dapat menghasilkan kalimat berbeda pada dua kali percobaan.
Terobosan besarnya datang pada 2017 dengan arsitektur transformer. Komponen kuncinya disebut attention. Mekanisme ini membuat model menimbang bagian teks mana yang paling relevan untuk setiap prediksi. Hasilnya, model mampu menghubungkan kata ganti di akhir paragraf dengan nama di awal paragraf. Kamu tidak perlu menguasai matematikanya. Penjelasan teknisnya ada di Machine Learning Crash Course dari Google.
Apa itu prompt dan token?
- Prompt adalah instruksi atau pertanyaan yang kamu ketik ke AI.
- Token adalah potongan teks terkecil yang diproses model. Satu token dapat berupa kata, bagian kata, atau satu karakter.
Token menjadi dasar penghitungan biaya dan batas panjang teks. Penjelasan lengkapnya ada di apa itu token dan context window.
Makin jelas prompt kamu, makin relevan jawabannya. Bandingkan "buatkan caption" dengan "tulis tiga caption Instagram untuk promo brownies, sasaran mahasiswa, maksimal 50 kata". Prompt kedua tidak memaksa AI menebak. Tekniknya ada di belajar prompt engineering untuk pemula.
Apa bedanya generative AI, LLM, dan chatbot?
Ketiganya sering tertukar, padahal tingkatnya berbeda.
- Generative AI adalah kategori luas: AI yang menghasilkan konten baru, baik teks, gambar, audio, maupun video.
- LLM adalah jenis generative AI yang berfokus pada bahasa.
- Chatbot adalah produk yang dibangun di atas LLM, lengkap dengan aturan, data, dan tampilan.
Contohnya, ChatGPT adalah aplikasi chatbot, sedangkan model di baliknya adalah LLM.
Apa bedanya chatbot, AI agent, dan automation?
- Chatbot menjawab pertanyaan dalam satu chat.
- AI agent menjalankan beberapa langkah kerja dan mengambil keputusan kecil tanpa diminta ulang di setiap tahap. LLM menjadi otaknya, lalu ditambah alat dan aturan agar dapat bertindak.
- Automation adalah proses berulang yang mengikuti aturan tetap, dengan atau tanpa AI di dalamnya.
Perbedaan ini menentukan ekspektasimu. Chatbot cocok untuk pertanyaan berulang. AI agent cocok untuk tugas beberapa langkah yang butuh sedikit keputusan. Automation murni cocok untuk proses yang urutannya sudah pasti, seperti mengirim laporan setiap pagi. Penjelasan lengkap AI agent ada di apa itu AI agent.
Apa itu context window, fine-tuning, dan halusinasi?
- Context window adalah batas jumlah teks yang dapat "dilihat" AI dalam satu chat. Bila chat terlalu panjang, aturan di awal mulai terlupakan.
- Fine-tuning adalah melatih ulang model dengan data khusus agar lebih sesuai untuk kebutuhan tertentu.
- Halusinasi adalah kondisi saat AI memberi jawaban yang terdengar meyakinkan, tetapi salah atau mengarang.
Halusinasi paling sering membuat pemula kaget. AI tidak berbohong dengan sengaja. LLM menghasilkan teks yang paling mungkin muncul, bukan memeriksa kebenaran. Kadang prediksinya meleset jauh dari fakta. Biasakan mengecek angka, tanggal, nama, dan kutipan sumber. Caranya ada di halusinasi AI: penyebab dan cara memeriksa jawaban.
Ingin berlatih menulis prompt dan menyusun konteks dengan arahan yang runtut? Kelas Claude Mastery membahas prompt, konteks, dan cara kerja harian dengan Claude.
Apa itu RAG, embedding, dan vector database?
- RAG (retrieval-augmented generation) adalah teknik membuat AI mengambil informasi dari dokumen atau database milikmu dulu, baru menyusun jawaban.
- Embedding adalah cara mengubah teks menjadi deretan angka agar komputer dapat mengukur kemiripan makna antar kalimat.
- Vector database adalah tempat menyimpan angka embedding itu agar cepat dicari.
Tanpa RAG, AI hanya mengandalkan pengetahuan dari masa pelatihannya. AI tidak tahu daftar harga, stok, atau kebijakan terbaru usahamu. Chatbot toko yang mampu menjawab "ongkir ke Medan berapa?" dengan data toko sendiri kemungkinan besar menerapkan RAG.
Apa itu MCP, API, dan integrasi AI?
- API adalah jembatan yang memungkinkan dua sistem software bertukar data.
- MCP (Model Context Protocol) adalah standar terbuka dari Anthropic agar AI dapat terhubung ke berbagai aplikasi dan sumber data dengan cara yang seragam.
- Integrasi AI berarti menghubungkan AI dengan tool yang sudah kamu gunakan, seperti WhatsApp, spreadsheet, atau CRM.
Bedanya, API adalah konsep umum untuk menghubungkan dua sistem. MCP adalah standar khusus untuk AI. Dengan MCP, pengembang tidak perlu membangun jembatan berbeda untuk setiap aplikasi. Contoh penerapannya ada di apa itu plugin AI agent dan MCP.
Istilah lain apa yang sering muncul?
Empat istilah ini juga sering kamu temui di tutorial dan halaman produk:
- Multimodal. Model yang mampu membaca lebih dari teks, misalnya gambar, audio, atau PDF. Kamu dapat upload screenshot lalu bertanya tentang isinya.
- Workflow. Urutan langkah kerja yang dijalankan otomatis, misalnya "pesan masuk, catat ke spreadsheet, kirim notifikasi".
- Temperature. Pengaturan seberapa bervariasi jawaban model. Nilai rendah membuat jawaban lebih konsisten, nilai tinggi lebih beragam.
- Model open-weight. Model yang bobotnya dibagikan publik sehingga dapat dijalankan di server sendiri.
Apa yang dapat dan tidak dapat dikerjakan LLM?
LLM unggul pada pekerjaan berbasis bahasa dan pola:
- merangkum dokumen, notulen rapat, dan email panjang;
- menyusun draf tulisan, balasan pelanggan, dan deskripsi produk;
- menerjemahkan dan merapikan bahasa;
- mengelompokkan pesan masuk menjadi keluhan, pertanyaan, atau permintaan penawaran;
- mengambil nama, tanggal, dan nominal dari teks bebas seperti nota.
Hasil terbaik muncul saat LLM ditugaskan pada satu pekerjaan berulang yang jelas. Pada tahap awal, hasilnya tetap diperiksa manusia.
Keterbatasan yang perlu kamu ingat:
- Pengetahuannya terbatas pada data pelatihan. Informasi terbaru perlu diberikan melalui pencarian atau dokumen.
- Model tidak mengingat chat lama, kecuali riwayatnya disertakan kembali.
- Jawaban dapat berbeda antarpercobaan. Proses penting butuh aturan dan pemeriksaan.
- Jangan memasukkan data sensitif sebelum membaca kebijakan privasi layanannya.
Mulailah dari tugas berisiko rendah yang hasilnya mudah diperiksa, seperti merangkum atau menyusun draf.
Bagaimana cara cepat mengingat istilah-istilah ini?
Gunakan langsung, jangan menghafal definisi. Setiap kali menulis prompt, sadari bahwa kamu memberi instruksi ke LLM dalam bentuk token. Setiap kali chat terasa "lupa", ingat context window. Setiap kali chatbot toko menjawab dengan data stok, ingat RAG.
Coba juga tulis definisi versimu sendiri untuk setiap istilah dalam satu kalimat. Lalu bandingkan dengan daftar di atas. Pengulangan dalam konteks nyata jauh lebih melekat daripada membaca daftar sekali.
Bila kamu ingin langsung mempraktikkan istilah ini dalam pekerjaan sehari-hari, lanjutkan dengan kelas Claude Mastery.
FAQ
Apakah saya harus hafal semua istilah ini sebelum menggunakan AI? Tidak harus, karena istilah lebih cepat melekat saat langsung digunakan. Mulai saja, lalu kembali ke daftar ini saat menemukan kata asing.
Istilah mana yang paling penting untuk pemula non-teknis? Prompt, LLM, dan halusinasi, karena ketiganya menentukan cara kamu berinteraksi dengan AI dan kebiasaan memeriksa jawaban.
Apakah ChatGPT sama dengan LLM? Tidak persis, karena ChatGPT adalah aplikasi chat, sedangkan LLM adalah model di baliknya. Claude dan Gemini mengikuti pola yang sama.
Apakah LLM benar-benar memahami bahasa seperti manusia? Belum tentu, karena LLM bekerja dengan menebak token berikutnya berdasarkan pola. Hasilnya tetap perlu diperiksa, terutama fakta dan angka.
Kenapa AI kadang menjawab salah dengan sangat percaya diri? Karena tujuannya menghasilkan teks yang paling mungkin muncul, bukan mengecek fakta seperti mesin pencari. Solusinya selalu memeriksa ulang informasi penting.
Apakah saya perlu belajar coding untuk menggunakan LLM? Tidak, karena pekerjaan sehari-hari cukup dengan prompt yang jelas dan kebiasaan memeriksa hasil. Coding baru diperlukan bila kamu ingin membangun sistem otomatis di sekitarnya.
