Prompt vs Verify: Dua Lapis Anti Tulisan AI yang Beneran Jalan

Minggu lalu, pipeline artikel blog saya gagal total. Saya mengira menempelkan skill 100KB berisi ratusan aturan gaya bahasa ke dalam prompt akan menyelesaikan masalah anti tulisan AI. Ternyata salah besar. Prompt itu terpotong, kuota token boros, dan hasil akhirnya malah terdeteksi sebagai buatan mesin oleh checker lokal saya. Masalahnya bukan di jumlah instruksi. Akar masalahnya ada di asumsi bahwa prompt bisa melakukan verifikasi kuantitatif. Sejak saat itu, saya berhenti memaksa model bahasa menjadi detektor. Saya beralih ke arsitektur dua lapis: prompt kualitatif yang ramping, dikunci dengan verify regex 0-token di tahap akhir.

Ilusi Prompt Raksasa

Banyak developer terjebak di fase ini. Saya berpikir kalau menambahkan daftar larangan kata atau meminta "tulis seperti manusia", model akan langsung patuh. Faktanya, arsitektur model bahasa punya batas perhatian yang terbatas. Saat saya mengaudit log eksekusi, template generik yang penuh dengan permintaan SEO justru bertabrakan dengan kontrak gaya tulisan personal. Hasilnya? Model mengabaikan instruksi halus dan kembali ke pola probabilistik defaultnya. Inilah sebabnya kenapa sekadar menyuruh "jangan terdengar seperti robot" itu nggak pernah cukup. Saya butuh pendekatan yang memisahkan tugas generasi dari tugas validasi.

Memisahkan Generasi dan Validasi

Di sinilah burstiness masuk sebagai metrik penyelamat. Teks manusia punya variasi panjang kalimat dan struktur yang tinggi, biasanya berada di skor 0.5 hingga 1.0. Sebaliknya, output AI cenderung datar dengan skor 0.1 hingga 0.3 karena memprediksi token berikutnya secara seragam. Saya nggak lagi mengandalkan perasaan "terdengar natural". Saya menggunakan alat seperti avoid-ai-writing yang memecah analisis menjadi Pattern Score 70% dan Uniformity Score 30%. Kombinasi ini mengukur kerapatan istilah dan pengulangan trigram secara objektif. Kalau cadence AI terasa terlalu monoton, saya nggak revisi prompt. Saya langsung memodifikasi naskah di tahap pasca-proses.

Kunci Terakhir di Lapisan 0-Token

Prompt itu kualitatif — tapi verifikasi harus kuantitatif. Setelah naskah jadi, saya menjalankan skrip verify regex yang mencari pola spesifik tanpa memakan token konteks model. Skrip ini mengecek repetisi kata sambung berlebihan atau struktur kalimat yang terlalu sempurna. Detektor komersial saja punya tingkat false positive yang mengkhawatirkan — bahkan beberapa institusi pendidikan sempat mematikan fitur ini karena akurasinya yang meragukan. Jadi, mengandalkan satu alat deteksi eksternal itu naif. Opini saya tegas: jangan pernah mempercayakan validasi akhir pada model bahasa yang sama yang menghasilkan teks tersebut. Gunakan skrip mandiri berbasis aturan. Dengan memisahkan generasi dan verifikasi, strategi anti tulisan AI yang sebenarnya justru membuat tulisan saya tetap punya jiwa, bukan sekadar statistik yang lolos uji.