AIGEO / HALAMAN
Merancang chatbot sederhana
Ringkasan: Mulailah dari daftar pertanyaan yang benar-benar sering diajukan. Tentukan jawaban wajib, pertanyaan di luar cakupan, dan kapan sistem harus mengalihkan ke petugas. Pelajaran ini memperdalam Merancang chatbot sederhana dengan contoh prototipe yang dapat diperiksa, bukan hanya definisi teknis.
Ini adalah pelajaran 1/7 dalam Tingkat 8: Membangun Aplikasi AI. Pengguna awam dapat mengikuti arsitektur dan tata kelolanya; implementasi kode perlu menyesuaikan dokumentasi platform yang dipilih.
Masalah yang diselesaikan
Mulailah dari daftar pertanyaan yang benar-benar sering diajukan. Tentukan jawaban wajib, pertanyaan di luar cakupan, dan kapan sistem harus mengalihkan ke petugas.
Sebuah aplikasi AI selalu terdiri dari kebutuhan pengguna, masukan, data yang berhak diakses, model atau algoritma, kontrol yang dijalankan perangkat lunak, serta keluaran yang dapat dinilai. Kualitas jawaban model hanyalah satu bagian. Kesalahan bisa berasal dari dokumen, integrasi, antarmuka, izin, atau pengaturan versi.
Contoh penerapan
Buat chatbot FAQ perpustakaan dari tujuh pertanyaan yang jawabannya sudah disahkan. Saat pengguna bertanya denda atau jam di luar dokumen, chatbot wajib menyatakan tidak punya bukti lalu mengarahkan ke petugas.
Anggap kasus tersebut sebagai spesifikasi latihan, bukan produk yang sudah diuji di lapangan. Sebelum menulis kode, ubah kebutuhan menjadi test case: apa yang harus muncul ketika input benar, tidak lengkap, bertentangan, atau di luar cakupan? Hasil yang tidak ditemukan di sumber harus dinyatakan tidak tersedia.
Langkah pembuatan yang dapat diikuti
- 1. Rancang: Tentukan pertanyaan yang dijawab, contoh respons wajib, batas sumber dan jalur eskalasi. Gunakan daftar uji yang berisi pertanyaan ambigu.
- 2. Batasi data: petakan asal berkas, hak baca, masa simpan dan informasi yang tidak boleh terkirim.
- 3. Bangun prototipe: mulai dari satu fungsi kecil, validasi input dan output, dan siapkan jalur respons saat model gagal.
- 4. Evaluasi: bandingkan dengan jawaban rujukan, baseline sederhana, biaya dan waktu respons; simpan bukti semua kegagalan.
- 5. Pelihara: catat perubahan model, prompt, data dan versi aplikasi agar dapat ditelusuri serta dibatalkan bila perlu.
Produk akhir pembelajaran
Artefak: daftar FAQ, 20 skenario uji, rubrik ketepatan dan prosedur perbaikan.
Penyerahan yang baik harus memuat cara menjalankan ulang tes, batasan hasil, dan penanggung jawab koreksi. Bila prototipe memakai sumber bergerak seperti kebijakan atau katalog, buat aturan pemutakhiran dan tentukan bagaimana sistem mendeteksi data yang sudah tidak berlaku.
Keamanan dan keterbatasan
Chatbot yang terdengar fasih bisa mengarang syarat layanan; ikat jawaban pada kebijakan resmi yang dapat ditelusuri.
Hindari menaruh kunci API pada halaman publik atau memberi aplikasi hak administrator bila hanya perlu membaca. Amankan dokumen unggahan dari instruksi yang tidak dipercaya, beri batas permintaan dan biaya, serta rancang penghentian aman. Aplikasi dengan konsekuensi tinggi membutuhkan tinjauan manusia dan pengujian tambahan.
Latihan dan kuis
- Tulis tujuan serta batas sistem untuk Merancang chatbot sederhana dalam tiga kalimat.
- Buat minimal lima test case: normal, input kosong, data konflik, permintaan di luar cakupan, dan kegagalan alat.
- Tandai data yang diperlukan dan bedakan yang boleh disimpan dari yang tidak.
- Jelaskan apa yang dilakukan sistem ketika bukti tidak tersedia dan siapa yang bertanggung jawab.
Mengapa demo bukan bukti produksi siap?
Demo hanya menunjukkan beberapa contoh terpilih. Produksi memerlukan pengujian kasus gagal, kontrol akses, performa, privasi dan kemampuan rollback.
Apa indikator berhasilnya materi ini?
Pembaca dapat menyerahkan artefak Merancang chatbot sederhana dengan tujuan, contoh, sumber data, metrik, dan prosedur pemeriksaan yang dapat diulang.
Referensi
- OpenAI API: dokumentasi pengembang
- Google Machine Learning Crash Course
- NIST AI Risk Management Framework
- Materi Tingkat 8
Transparansi: modul disusun dengan bantuan AI berdasarkan dokumentasi teknis; studi kasus merupakan simulasi. Tidak ada klaim uji perangkat lunak nyata atau keamanan yang telah diaudit.

