16 Istilah yang Perlu Dipelajari Setiap Calon Konsultan AI (dan 4 yang Harus Dihindari)
16 istilah yang membuat calon konsultan AI terdengar profesional, mulai dari token dan RAG hingga MCP dan eval, plus empat buzzword yang secara diam-diam merusak kepercayaan klien.
Berikut adalah 16 istilah tersebut: large language model, token, context window, inferensi, prompt, system prompt, retrieval-augmented generation, fine-tuning, embedding, agen, MCP, orkestrasi, human in the loop, halusinasi, guardrail, dan eval. Empat istilah yang perlu ditinggalkan: "bertenaga AI" ("AI-powered"), "dilatih dengan data Anda", "AGI", dan "100% akurat". Setiap calon konsultan AI dinilai berdasarkan kosakatanya sebelum hasilnya, karena kosakata adalah satu-satunya hal yang bisa diperiksa oleh calon klien dalam pertemuan pertama. Definisi-definisi ini akurat per publikasi pada Agustus 2026; bidang ini bergerak cepat, jadi anggap detail spesifik ini sebagai gambaran saat ini.
Apa saja istilah model inti?
Empat istilah menjelaskan mesin itu sendiri. Pahami ini dengan benar, maka hal lainnya akan mempunyai landasan.
Large language model (LLM). Mesin di balik ChatGPT, Claude, dan Gemini: model yang dilatih dengan sejumlah besar teks yang memprediksi bagian bahasa berikutnya. Saat klien mengatakan "AI-nya", biasanya inilah yang mereka maksud.
Token. Potongan kecil teks yang dibaca dan ditagihkan oleh model, biasanya sedikit lebih pendek dari satu kata utuh. Penetapan harga API (akses bayar per penggunaan ke suatu model) dikutip per token, jadi ini adalah istilah biaya, bukan sekadar trivia.
Context window. Memori kerja model: seberapa banyak teks yang dapat dipertimbangkannya sekaligus. Ketika klien bertanya mengapa AI "lupa" halaman 40 dari panduan kebijakan mereka, context window biasanya adalah jawabannya.
Inferensi. Menjalankan model yang terlatih untuk mendapatkan jawaban, berbeda dengan melatihnya. Inferensi adalah tagihan berulang yang terus dibayar klien Anda setiap bulan setelah proyek selesai dikerjakan.
Istilah mana saja yang berkaitan dengan mendapatkan jawaban yang lebih baik?
Lima istilah mencakup keahlian dalam membuat model umum menjadi berguna bagi satu bisnis yang spesifik.
Prompt. Instruksi yang Anda berikan kepada model. Seluruh produk kini dibangun dari deskripsi tertulis; pembangun berbasis prompt mengubah satu paragraf menjadi perangkat lunak yang berfungsi, itulah sebabnya prompt kini menjadi sebuah hasil kerja (deliverable), bukan sekadar pesan obrolan.
System prompt. Instruksi tetap yang diterima model sebelum pengguna mengetik apa pun. Banyak "asisten AI kustom" yang dijual ke bisnis kecil, secara mekanik, hanyalah system prompt di atas model yang sudah ada. Ketahuilah itu sebelum Anda menetapkan harga.
Retrieval-augmented generation (RAG). Mengambil dokumen yang paling relevan dan menyerahkannya ke model pada saat pertanyaan diajukan. Inilah cara Anda membuat model menjawab dari panduan dan kebijakan klien tanpa menyentuh model itu sendiri.
Fine-tuning. Benar-benar mengubah bobot model (pengaturan internalnya) dengan melatihnya menggunakan contoh-contoh baru. Ini mahal, lebih lambat untuk diperbarui, dan jarang menjadi alat pertama yang tepat. Sebagian besar pekerjaan yang disebut klien sebagai "pelatihan" sebenarnya adalah RAG.
Embedding. Teks yang diubah menjadi daftar angka sehingga makna yang serupa berada saling berdekatan. Embedding adalah indeks yang dicari oleh RAG; tanpanya, "temukan dokumen yang relevan" tidak akan berfungsi.
Istilah mana saja yang penting setelah AI mulai bekerja?
Jawaban adalah bagian yang mudah. Empat istilah ini mencakup AI yang mengambil tindakan, yang merupakan arah tujuan konsultasi saat ini.
Agen. AI yang bekerja dalam sebuah ikal (loop) menuju suatu tujuan: ia merencanakan, menggunakan alat, memeriksa hasil, dan mencoba lagi, alih-alih hanya mengembalikan satu jawaban. Agen juga merupakan tempat terjadinya penumpukan kesalahan, yang membuat tiga istilah terakhir di daftar ini menjadi hal yang bernilai jual (dapat ditagihkan).
MCP (Model Context Protocol). Standar terbuka yang memungkinkan aplikasi AI terhubung ke alat dan data luar, sering digambarkan sebagai port USB-C untuk AI. Ini dimulai di Anthropic pada akhir 2024 dan sekarang dikelola oleh Agentic AI Foundation di bawah Linux Foundation, dengan dukungan di ChatGPT, Claude, Cursor, dan Microsoft Copilot. Hampir setiap pertanyaan "dapatkah AI Anda berbicara dengan sistem kami?" yang diajukan klien kini ditangani melalui MCP.
Orkestrasi. Mengoordinasikan beberapa model, alat, dan langkah ke dalam satu alur kerja: model mana yang menangani apa, dalam urutan apa, dan apa yang terjadi jika suatu langkah gagal.
Human in the loop. Orang yang meninjau pekerjaan AI sebelum memberikan dampak atau konsekuensi. Memutuskan di mana orang tersebut berada adalah keputusan desain sebenarnya yang dibayar oleh klien kepada konsultan.
Istilah mana saja yang menjaga proyek klien dari masalah?
Tiga istilah terakhir adalah cara Anda terdengar seperti seorang profesional, bukan sekadar penggemar.
Halusinasi. Jawaban yang salah namun disampaikan secara percaya diri dan lancar. Ini adalah mode kegagalan normal dari sistem ini, bukan bug yang diam-diam telah diselesaikan oleh vendor tertentu.
Guardrail. Batasan tegas tentang apa yang bisa dikatakan atau dilakukan oleh sistem: topik yang ditolaknya, tindakan yang tidak dapat diambilnya, ambang batas yang tidak boleh dilampauinya.
Eval. Singkatan dari evaluasi: pengujian yang dapat diulang untuk menilai sistem AI terhadap kasus yang diketahui sebelum dan sesudah setiap perubahan. Jika Anda menjual sistem AI tanpa eval, Anda hanya menjual harapan semu. Istilah ini memenangkan kesepakatan bisnis.
Empat istilah mana yang harus Anda hindari?
Masing-masing dari istilah ini membuat calon klien kurang percaya pada Anda, karena alasan yang berbeda.
"Bertenaga AI" ("AI-powered"). Istilah ini tidak menjelaskan apa pun dan ada di setiap berkas presentasi (pitch deck). Sebutkan mekanismenya: RAG atas dokumen mereka, agen dengan peninjauan manusia, klasifikasi yang di-fine-tune.
"Dilatih dengan data Anda". Biasanya salah. Sebagian besar sistem klien menggunakan RAG atau context window yang panjang, bukan pelatihan, dan frasa tersebut memicu kekhawatiran privasi yang membuat Anda menghabiskan waktu rapat untuk meredakannya. Katakan "berdasar pada data Anda" ("grounded in your data") kecuali jika Anda benar-benar melakukan fine-tuning.
"AGI". Artificial general intelligence adalah perdebatan penelitian, bukan istilah penentuan cakupan kerja (scoping). Jika klien bertanya tentang hal itu, jawablah secara jujur; hanya saja jangan membangun presentasi Anda berdasarkan hal tersebut, karena itu mengundang prediksi yang tidak dapat Anda buktikan.
"100% akurat". Juga "bebas halusinasi". Sebuah jaminan yang tidak bisa dibuat oleh siapa pun secara jujur. Sebutkan tingkat kesalahan terukur dari eval Anda sendiri; angka nyata lebih banyak menutup kesepakatan bisnis daripada janji nol kesalahan.
Jadi istilah mana yang paling penting?
Jika percakapan klien bergantung pada empat istilah di antaranya, itu adalah RAG, agen, MCP, dan eval: apa yang diketahui sistem, apa yang dapat dilakukannya, ke mana sistem terhubung, dan bagaimana Anda membuktikan keberhasilannya. Pahami istilah-istilah tersebut dengan sangat baik dan gunakan sisanya sesuai kebutuhan. Aturan praktisnya: jika Anda tidak dapat mendefinisikan suatu istilah untuk klien dalam satu kalimat, jangan sertakan dalam presentasi.
Untuk melihat penerapan kosakata ini pada proyek nyata, baca bagaimana konsultan AI menentukan cakupan kerja untuk pengganti SaaS in-house. Untuk merasakan perbedaan antara kata-kata dan demo, hubungkan AI Anda sendiri melalui MCP ke builder milik Final dan saksikan prompt menjadi POS yang berfungsi. Dan jika klien Anda adalah pedagang, daftar pelengkap 30 istilah POS yang wajib diketahui setiap pedagang baru mencakup setengah bagian lain dari percakapan tersebut.
Pertanyaan yang sering diajukan
Apa perbedaan antara RAG dan fine-tuning?
RAG menyerahkan dokumen yang relevan kepada model saat pertanyaan diajukan; fine-tuning mengubah model itu sendiri dengan melatihnya pada contoh-contoh baru. RAG lebih murah, lebih cepat diperbarui, dan merupakan pilihan standar yang tepat untuk sebagian besar proyek klien.
Apa kepanjangan dari MCP dalam konsultasi AI?
Model Context Protocol: standar terbuka yang memungkinkan aplikasi AI terhubung ke alat dan data luar. Ini dimulai di Anthropic pada akhir 2024 dan sekarang dikelola oleh Agentic AI Foundation di bawah Linux Foundation.
Apakah konsultan AI perlu tahu cara mengode?
Tidak selalu, tetapi Anda membutuhkan kosakata teknis yang cukup untuk menentukan cakupan kerja secara jujur. Banyak proyek kini berjalan melalui alat berbasis prompt dan koneksi MCP, bukannya kode kustom.
Mengapa konsultan harus menghindari frasa bertenaga AI?
Frasa tersebut tidak menjelaskan apa pun, dan calon klien telah terbiasa mengabaikannya. Sebutkan mekanismenya, seperti RAG atas dokumen klien atau agen dengan peninjauan manusia.