Satu framework, dua fungsi
CLEAR sengaja dibuat ringkas. Framework ini menggunakan tiga pertanyaan yang sama saat menulis prompt dan saat menilai respons. Dengan begitu, kriteria tes sudah terlihat sebelum model menjawab, bukan dibuat setelah melihat hasilnya.
Saat membuat prompt: Apa yang perlu diketahui AI? Saat menilai: Apakah jawaban memahami dan menggunakan konteks yang relevan dengan benar?
Saat membuat prompt: Aturan apa yang berlaku? Saat menilai: Apakah jawaban mematuhi aturan, batasan, dan constraint yang diminta?
Saat membuat prompt: Apa tepatnya yang harus dihasilkan AI? Saat menilai: Apakah jawaban benar-benar memberikan jawaban dan hasil yang diharapkan?
C — Konteks (Context)
Context menilai apakah respons memahami situasi yang diberikan. Ini dapat mencakup tujuan pengguna, audiens, materi sumber, tingkat pengetahuan, fakta yang harus tetap sama, atau informasi lain yang dibutuhkan untuk menjawab tugas dengan benar.
Skor Context yang tinggi tidak berarti setiap klaim faktual dalam jawaban sudah diverifikasi secara independen. Artinya, jawaban menggunakan konteks yang diberikan untuk tugas tersebut dengan benar.
L — Batasan (Limits)
Limits adalah aturan eksplisit yang membentuk jawaban. Bila memungkinkan, kami membuatnya dapat diperiksa secara objektif: jumlah kata, jumlah bullet point, jumlah paragraf, label wajib, kalimat penutup wajib, atau constraint seperti hanya menggunakan sumber gratis.
Pemeriksaan mekanis seperti jumlah kata dan jumlah item wajib dicatat sebagai fakta, bukan ditebak dari tampilan.
Constraint yang memerlukan penilaian — misalnya mempertahankan makna atau menjaga nada yang diminta — dijelaskan dalam tinjauan yang terlihat.
EAR — Jawaban & Hasil yang Diharapkan
EAR mengajukan pertanyaan paling praktis: apakah respons benar-benar memberikan yang dibutuhkan pengguna? Di sini kami menilai kelengkapan, kegunaan, pemeliharaan makna, dan apakah hasil cocok untuk tujuan yang diminta.
Jawaban dapat tetap berada di bawah batas kata dan menggunakan label yang benar, tetapi masih menghilangkan dependensi penting, mengubah tingkat kepastian, atau menghasilkan sesuatu yang belum siap untuk tujuan penggunaan.
Respons memenuhi tugas secara keseluruhan: menggunakan konteks yang relevan, mematuhi aturan, dan mempertahankan makna serta hasil praktis yang diminta pengguna.
Bagaimana skor CLEAR dihasilkan
Setiap Tes Kualitas Respons mengikuti urutan dasar yang sama. Tujuannya adalah repeatability dan transparansi, bukan mengklaim bahwa satu pengujian manual merupakan benchmark ilmiah.
Skala 1–10
Buruk: sebagian besar persyaratan tidak terpenuhi.
Sebagian: masih ada kekurangan penting.
Baik: persyaratan sebagian besar terpenuhi, tetapi masalah yang tersisa cukup berarti untuk diperhitungkan.
Sangat baik: hampir sepenuhnya terpenuhi, hanya ada masalah kecil.
Sepenuhnya terpenuhi dalam tes ini: tidak ditemukan masalah bermakna untuk dimensi tersebut.
Digunakan ketika suatu dimensi benar-benar tidak relevan. Kami tidak mengubah “tidak berlaku” menjadi 10/10 secara artifisial.
Contoh nyata: format sempurna, makna berubah
Dalam Tes 2, empat asisten diminta meringkas catatan proyek untuk seorang manajer. Sumber menyatakan bahwa redesign website “direncanakan untuk diluncurkan pada 12 September.” ChatGPT meringkasnya menjadi “Redesign website diluncurkan 12 September.”
Mengapa ini penting: tanggalnya tetap ada, tetapi statusnya berubah. “Direncanakan untuk diluncurkan” adalah informasi proyek yang bersifat kondisional; “diluncurkan” menyajikan peristiwa sebagai sesuatu yang pasti. Dalam ringkasan untuk manajemen, perubahan ini dapat secara material mengubah keputusan, deadline, dan ekspektasi berdasarkan status proyek.
Respons memahami bahwa tugasnya adalah ringkasan manajemen yang ringkas dan mempertahankan topik proyek yang relevan.
Jawaban tetap dalam 75 kata, menggunakan tepat tiga bullet point, serta memakai Status:, Risk:, dan Next action: sesuai permintaan.
Hasilnya ringkas dan diformat dengan benar, tetapi mengubah peluncuran yang masih direncanakan menjadi peluncuran yang pasti. Dalam ringkasan untuk manajer, hal itu mengubah status proyek yang relevan bagi keputusan dan dapat secara material menyesatkan perencanaan.
Apa yang dilakukan CLEAR — dan apa yang tidak diklaimnya
Apakah respons memahami tugas, mengikuti batas yang diminta, dan memberikan hasil yang diharapkan — dengan alasan yang terlihat untuk setiap skor.
Bahwa setiap klaim faktual benar, bahwa satu asisten secara umum adalah yang “terbaik”, atau bahwa satu pengujian manual merupakan benchmark ilmiah sebuah model.
Ketika verifikasi faktual penting, sumber atau klaim dapat diperiksa secara terpisah dan didokumentasikan sebagai bukti. CLEAR sendiri tetap berfokus pada kualitas respons relatif terhadap prompt yang benar-benar diuji.