Inti bacaan
Membuat seratus persona dengan AI terdengar seperti cara memperoleh seratus jawaban dalam satu sore. Namun jawaban itu berasal dari model yang sama, melalui aturan dan profil yang diberikan dalam instruksi. Jumlah baris yang besar tidak memberi bukti bahwa orang yang dimaksud benar-benar berpikir demikian.
Dalam studi yang terbit daring pada 17 Mei 2024, James Bisbee dan rekan membandingkan jawaban ChatGPT 3.5 Turbo dengan data American National Election Study 2016 dan 2020. Mereka memberi model profil yang mengikuti karakteristik responden survei dan meminta skor sikap terhadap 11 kelompok sosial dan politik. Rata-ratanya kerap mendekati data manusia, tetapi jawaban sintetis memiliki variasi lebih kecil dan dapat mengubah hubungan yang terlihat dalam analisis.
Daftar isi
Uji kuesioner lalu kumpulkan jawaban nyata
Tim usaha dan mahasiswa dapat memakai simulasi untuk memeriksa kuesioner sebelum bertemu responden. Untuk menjawab apa yang dipikirkan pelanggan atau suatu kelompok, pisahkan simulasi dari bukti yang memang dikumpulkan dari orang.
Dua rata-rata yang sama bisa datang dari pola berbeda
Bayangkan skor fiktif A adalah 20, 40, 60, dan 80. Skor B adalah 45, 49, 51, dan 55. Kedua daftar memiliki rata-rata 50. Pada daftar A, maksimum dan minimum terpisah 60 poin. Pada B jaraknya hanya 10 poin. Seorang pembaca yang melihat rata-rata saja tidak melihat keberagaman tersebut.
Kesalahan seperti ini memengaruhi keputusan. Jika peneliti ingin tahu apakah kebutuhan pengguna terkonsentrasi di sekitar satu pilihan, sebaran menjadi bagian dari jawaban. Pengelompokan konsumen yang rapi atau profil yang terdengar masuk akal belum cukup untuk menilai apakah variasinya mencerminkan populasi.
Studi juga menguji kestabilan
Jawaban sintetis dalam penelitian berubah saat peneliti mengubah sedikit susunan instruksi. Peneliti juga membandingkan pengulangan dengan instruksi yang sama dalam selang sekitar tiga bulan dan menemukan perubahan distribusi. Waktu penarikan data serta versi model layak dicatat untuk membantu memahami mengapa sebuah hasil simulasi berbeda ketika diulang.
Cakupan studi ialah satu model generasi tertentu, jenis pertanyaan tertentu, serta data di Amerika Serikat. Angkanya tidak mengukur perilaku model terbaru atau pasar Indonesia. Temuan utamanya memberi alasan untuk memeriksa kesetaraan sebelum menggunakan suara sintetis sebagai data tentang orang.
Pakai simulasi untuk memperbaiki pertanyaan
Contoh yang masuk akal bagi usaha kecil ialah memeriksa kuesioner penerimaan pesanan. Pertanyaan tentang kepuasan harga dan ketepatan waktu digabung dalam satu kalimat. Model dapat membantu menunjukkan bahwa pelanggan mungkin puas terhadap harga tetapi kecewa terhadap pengiriman, sehingga satu skor akan sulit ditafsirkan.
Pisahkan dua pertanyaan itu sebelum mengumpulkan jawaban. Simpan catatan pengujian dengan label simulasi, kemudian kumpulkan masukan dari pengguna yang relevan. Dalam laporan, nyatakan bagaimana responden dipilih serta siapa yang mungkin belum terwakili. Bila data nyata masih tipis, nyatakan hal yang belum diketahui. Menambahkan jawaban buatan ke dalam tabel responden akan mengaburkan asal bukti dan membuat pembaca sulit menilai kesimpulannya.

Sumber dan referensi
Analisis menggabungkan fakta bersumber dan penafsiran Nalarku.
Sumber diperiksa 19 Nov 2026, 16.58 WIB. Disusun dengan bantuan AI dan review editor.
NALAR PEKAN
Pahami kabar AI pilihan lewat email.
Kabar yang sudah ditinjau, konteks Indonesia, dan satu latihan untuk dicoba. Email dikirim ketika edisi sudah siap; konfirmasi alamatmu untuk berlangganan.
Memeriksa kesiapan pendaftaran email…
Pernah berlangganan? Kelola langganan atau daftar kembali.

