Jangan memeriksa sebuah paragraf sebagai satu kesatuan.
Misalnya AI menulis:
“HP X dirilis pada Maret 2026, menggunakan chip Y, memiliki kamera utama 200 MP, dan mendukung fitur Z.”
Itu sebenarnya bukan satu klaim. Ada setidaknya empat:
Periksa masing-masing klaim dari sumber yang sesuai.
Dengan cara tersebut, jika satu bagian salah, kesalahan dapat ditemukan sebelum masuk ke artikel atau dokumen.
Sumber primer adalah sumber yang berasal langsung dari pihak yang memiliki atau menerbitkan informasi tersebut.
Untuk produk teknologi, misalnya, halaman resmi produsen biasanya lebih tepat digunakan untuk memeriksa spesifikasi dibanding artikel blog yang mengutip sumber lain.
Untuk software, dokumentasi resmi pengembang dapat menjadi sumber utama. Untuk penelitian, periksa jurnal atau penerbitnya. Untuk aturan, cari lembaga pemerintah atau regulator yang menerbitkannya.
Pola ini juga penting ketika menggunakan AI untuk membuat artikel. AI boleh membantu menyusun dan menjelaskan, tetapi fakta utama tetap harus dapat ditelusuri ke sumber.
Kesalahan AI tidak selalu berupa fakta yang sepenuhnya palsu. Terkadang faktanya benar tetapi sudah tidak berlaku.
Contohnya:
Karena itu, setiap informasi yang bergantung pada waktu perlu mempunyai konteks tanggal.
Ada jebakan lain saat melakukan verifikasi: pengguna hanya mencari halaman yang mendukung jawaban AI.
Misalnya AI mengatakan sebuah fitur tersedia. Pengguna kemudian mencari “nama fitur tersedia” dan menemukan satu halaman yang terlihat mendukung klaim tersebut.
Lebih baik tanyakan juga:
Verifikasi yang baik bukan hanya mencari bukti yang membenarkan jawaban AI, tetapi juga mencari konteks yang dapat menunjukkan batasannya.
Jika AI memberikan kutipan atau penelitian, jangan cukup melihat format referensinya.
Periksa apakah:
Kesalahan yang sering terjadi adalah sumbernya benar tetapi AI salah menafsirkan isi sumber tersebut.
Jadi menemukan sumber bukan akhir dari verifikasi.
Perlakukan link sebagai alamat yang perlu diperiksa, bukan sebagai jaminan.
Pastikan:
Untuk artikel teknologi, perbedaan antara domain resmi dan situs pihak ketiga sangat penting. Jika perusahaan memiliki dokumentasi resmi, gunakan dokumentasi tersebut sebagai sumber utama.
AI tetap bisa digunakan dalam proses verifikasi. Namun posisinya sebaiknya sebagai asisten pemeriksaan, bukan hakim terakhir.
Contoh instruksi yang lebih berguna:
“Pecah jawaban ini menjadi klaim faktual. Tandai klaim yang membutuhkan verifikasi dan jelaskan sumber primer apa yang seharusnya digunakan untuk masing-masing klaim.”
Atau:
“Jangan menganggap informasi berikut benar. Identifikasi bagian yang paling berisiko salah, lalu jelaskan apa yang perlu saya periksa dari sumber resmi.”
Pendekatan tersebut membuat AI membantu menemukan titik lemah dalam jawaban, bukan sekadar menghasilkan jawaban kedua yang belum tentu lebih benar.
Misalnya seorang penulis menggunakan AI untuk membuat artikel tentang smartphone baru.
Dengan workflow seperti ini, AI digunakan untuk mempercepat pekerjaan menulis tanpa menyerahkan seluruh proses pemeriksaan fakta kepada model.
Kesalahan AI tidak hanya terjadi pada fakta dari internet.
Model bahasa juga dapat melakukan kesalahan dalam perhitungan, terutama ketika perhitungannya panjang atau melibatkan banyak langkah.
Untuk angka yang penting, gunakan kalkulator, spreadsheet, kode, atau alat analisis yang sesuai. OpenAI juga menjelaskan bahwa alat seperti Code Interpreter/Data Analysis dapat membantu melakukan perhitungan dan analisis dengan lebih akurat dibanding hanya mengandalkan keluaran bahasa model.
Prinsipnya sama: gunakan alat yang tepat untuk jenis pekerjaan yang tepat.
Semakin besar dampak sebuah informasi terhadap keputusan pengguna, semakin tinggi kebutuhan untuk melakukan verifikasi.
Untuk informasi biasa, satu pemeriksaan sederhana mungkin sudah cukup. Tetapi untuk informasi seperti kesehatan, hukum, keuangan, keamanan akun, pekerjaan, atau keputusan bisnis, pengguna perlu menggunakan sumber yang sesuai dan mempertimbangkan bantuan profesional ketika diperlukan.
OpenAI sendiri menyarankan pengguna untuk menilai secara kritis dan memverifikasi informasi penting dari sumber yang dapat dipercaya karena model dapat menghasilkan keluaran yang salah atau menyesatkan.
Model AI terus dikembangkan untuk mengurangi kesalahan faktual, tetapi peningkatan kemampuan tidak berarti risiko kesalahan menjadi nol.
Penelitian OpenAI pada 2025 menjelaskan bahwa halusinasi tetap menjadi tantangan mendasar bagi model bahasa. Penelitian tersebut juga menekankan bahwa ada pertanyaan yang memang tidak dapat dijawab dengan pasti karena informasi tidak tersedia, kemampuan model terbatas, atau pertanyaannya ambigu.
Karena itu, tujuan penggunaan AI yang aman bukan menunggu sampai model menjadi sempurna.
Yang lebih realistis adalah membangun kebiasaan verifikasi.
AI generatif memberikan perubahan besar dalam cara manusia mencari dan mengolah informasi. Pengguna tidak lagi selalu harus membaca banyak halaman untuk mendapatkan penjelasan awal sebuah topik.
Namun kemudahan tersebut juga menciptakan risiko baru: informasi yang salah dapat dikemas dalam bentuk yang sangat mudah dipercaya.
Karena itu, kemampuan menggunakan AI seharusnya tidak berhenti pada kemampuan menulis prompt.
Pengguna juga perlu mampu mengenali klaim yang membutuhkan pemeriksaan, mencari sumber primer, membandingkan informasi, memeriksa tanggal, dan menghapus bagian yang tidak dapat diverifikasi.
Untuk pembuat konten, kebiasaan ini bahkan lebih penting. AI dapat membantu membuat draft dalam waktu singkat, tetapi tanggung jawab terhadap fakta tetap berada pada manusia yang menerbitkan konten tersebut.
Jadi ketika AI memberikan jawaban yang terdengar sangat meyakinkan, jangan langsung bertanya, “Seberapa pintar AI ini?”
Pertanyaan yang lebih berguna adalah:
“Bukti apa yang mendukung jawaban ini?”
Jika bukti tersebut dapat ditemukan, diperiksa, dan benar-benar mendukung klaimnya, informasi tersebut menjadi jauh lebih layak dipercaya. Jika tidak, jawaban AI sebaiknya diperlakukan sebagai informasi awal yang masih membutuhkan verifikasi.
