Sebelum Menempelkan Pekerjaan ke AI: 3 Pemeriksaan agar Lebih Sedikit Membagikan Data Pribadi

Anda hanya butuh bantuan untuk satu masalah kecil, tetapi berkasnya memuat banyak hal lain. Seberapa banyak yang sebenarnya perlu dilihat AI?

Dokumennya sudah terbuka.

Mungkin Anda ingin AI membuat satu email lebih jelas. Mungkin satu rumus spreadsheet bermasalah. Atau satu bagian kode menghasilkan error yang tidak Anda pahami.

Salin. Pindah jendela. Tempel.

Semua itu bisa terjadi dalam hitungan detik.

Namun pertanyaan Anda mungkin hanya bagian kecil dari semua yang ikut tersalin. Di sekitarnya bisa ada nama pelanggan, nomor telepon rekan kerja, harga internal, catatan pribadi, atau kunci akses rahasia yang sama sekali tidak diperlukan untuk menjawab pertanyaan.

Jadi sebelum kita bertanya, “Bisakah AI menyelesaikan ini?”, mari kita ajukan tiga pertanyaan yang lebih kecil.

Pemeriksaan tiga pertanyaan yang lebih aman

• Mari kita tanya: Apa yang sebenarnya perlu diketahui AI?
• Mari kita tanya: Bisakah kita membuat contohnya lebih kecil?
• Mari kita tanya: Apakah informasi ini cocok untuk alat dan akun yang tepat ini?

1. Tanyakan apa yang sebenarnya dibutuhkan AI

Bayangkan seorang pelanggan mengirim keluhan dan Anda ingin bantuan untuk membuat balasan lebih jelas.

Pesan aslinya berisi nama asli, alamat email, nomor pesanan, alamat pengiriman, dan penjelasan panjang tentang apa yang terjadi.

Namun pertanyaan Anda sebenarnya lebih kecil:

“Bagaimana saya bisa membuat balasan ini tenang, jelas, dan mudah dipahami?”

AI mungkin perlu memahami masalahnya. AI mungkin tidak perlu tahu siapa pelanggannya.

Perbedaan itu penting.

Dalam panduan untuk usaha kecil dan menengah, Australian Cyber Security Centre menjelaskan bahwa mengunggah detail pelanggan atau staf ke alat AI generatif — sistem yang membuat konten baru dari instruksi — tanpa menghapus informasi pengenal dengan benar dapat membuka informasi pribadi atau sensitif. Panduan yang sama menyarankan untuk menghapus atau mengubah detail pribadi agar tidak dapat dikaitkan dengan seseorang ketika detail itu tidak diperlukan. (Australian Cyber Security Centre)

Jadi lihat sekali lagi apa yang akan Anda kirim, lalu pisahkan masalah yang ingin diselesaikan dari orang dan catatan yang kebetulan ada di sekitarnya.

Contohnya:

“Maria Lopez di maria@example.com mengatakan pesanan 583104 belum tiba.”

bisa diubah menjadi:

“Seorang pelanggan mengatakan pesanannya belum tiba.”

Bagian yang dibutuhkan untuk membahas balasan tetap ada. Detail yang dapat mengenali orangnya sudah hilang.

Pemeriksaan yang sama dapat menangkap nomor telepon, nomor akun, catatan karyawan, angka bisnis pribadi, dan informasi akses rahasia. Kunci akses, misalnya, adalah kode rahasia yang dapat dipakai perangkat lunak untuk terhubung ke sebuah layanan. Jika kunci itu tidak diperlukan untuk menyelesaikan pertanyaan, kunci itu tidak perlu ikut masuk ke prompt.

Intinya bukan “jangan pernah memberikan informasi apa pun kepada AI.”

Lebih sederhana dari itu:

Jangan menyamakan semua isi berkas dengan semua informasi yang diperlukan untuk menjawab pertanyaan.

2. Tanyakan apakah contoh yang lebih kecil masih mempertahankan masalah yang sama

Menghapus nama adalah awal yang baik, tetapi kadang Anda bisa mengecilkan bahan jauh lebih banyak.

Bayangkan sebuah spreadsheet dengan ribuan baris.

Satu rumus memberikan hasil yang salah.

Jika kesalahannya hanya bergantung pada tiga kolom dan rumus itu sendiri, baris lain mungkin menambah informasi tanpa membantu menjelaskan error.

Sebagai gantinya, Anda bisa membuat contoh kecil:

Item	Hasil yang diharapkan	Hasil
Contoh A	20	20
Contoh B	35	0
Contoh C	15	15

Lalu Anda bisa menunjukkan rumus yang menghasilkan nilai salah.

Daftar pelanggan asli, harga, dan baris yang tidak berkaitan tidak lagi menjadi bagian dari pertanyaan.

Australian Cyber Security Centre menyampaikan gagasan serupa dalam contoh tentang chatbot AI yang aman: kumpulkan hanya informasi yang penting untuk fungsi chatbot. Contoh itu ditulis untuk bisnis yang membangun chatbot, tetapi memberi kita pertanyaan praktis saat menyiapkan prompt sendiri: apa yang benar-benar penting untuk tugas ini? (Australian Cyber Security Centre)

Anda bisa memakai pertanyaan itu untuk berbagai jenis pekerjaan.

Rangkaian email yang panjang bisa menjadi ringkasan singkat.

Spreadsheet besar bisa menjadi beberapa baris dengan data buatan.

Seluruh program bisa menjadi bagian kecil tempat error terjadi.

Nama asli bisa menjadi “Orang A” dan “Orang B”. Nilai uang asli bisa diganti dengan angka buatan ketika angka persisnya tidak memengaruhi masalah.

Ini memberi Anda satu tes yang berguna:

Jika saya mengganti detail nyata, apakah masalah yang sama masih muncul?

Jika ya, contoh yang lebih kecil mungkin sudah cukup.

Tetapi ada batasnya.

Kadang detail nyata justru menjadi alasan masalah itu muncul. Error spreadsheet mungkin hanya terjadi pada jenis nilai tertentu. Program mungkin gagal hanya dalam pengaturan tertentu. Sebuah pertanyaan mungkin bergantung pada kata-kata persis dalam suatu dokumen.

Dalam keadaan seperti itu, menghapus terlalu banyak dapat menghilangkan masalah yang sedang Anda coba tunjukkan.

Jadi tujuannya bukan membuat prompt sekosong mungkin.

Tujuannya adalah menemukan versi terkecil yang masih berguna: cukup informasi untuk mempertahankan masalah, tanpa membawa informasi lain yang tidak berkaitan.

3. Tanyakan apakah informasi nyata itu memang pantas masuk ke alat dan akun ini

Misalkan Anda sudah mengecilkan bahan sejauh mungkin, tetapi beberapa informasi nyata masih diperlukan.

Sekarang pertanyaannya berubah.

Bukan lagi hanya:

“Apa yang harus saya hapus?”

Tetapi menjadi:

“Apa yang terjadi pada informasi yang saya kirim melalui layanan ini?”

Jawaban untuk itu tidak bisa ditentukan hanya dari kata “AI”.

Penyedia, produk, jenis akun, dan pengaturan yang berbeda dapat menangani informasi yang dikirim dengan cara yang berbeda. Karena itu, Australian Cyber Security Centre menyarankan untuk memeriksa pengaturan, ketentuan, dan informasi privasi dari penyedia AI agar Anda memahami bagaimana data yang dikirim dapat dikumpulkan, disimpan, dan digunakan. (Australian Cyber Security Centre)

OpenAI memberi contoh terkini mengapa produk dan akun yang tepat perlu diperiksa.

Berdasarkan pemeriksaan pada 28 Agustus 2026, OpenAI menyatakan bahwa konten dari layanan untuk individu, seperti ChatGPT dan Codex, dapat digunakan untuk melatih modelnya — secara sederhana, untuk membantu memperbaiki perilaku model di masa depan. OpenAI menyatakan bahwa pengguna dapat memilih untuk tidak ikut sehingga percakapan baru tidak digunakan untuk pelatihan ini. Secara terpisah, OpenAI menyatakan bahwa secara default, input dan output dari ChatGPT Business, ChatGPT Enterprise, dan API Platform — yang digunakan pengembang untuk menghubungkan perangkat lunak ke model OpenAI — tidak digunakan untuk melatih model kecuali sebuah organisasi secara jelas memilih untuk berbagi data. OpenAI juga menjelaskan bahwa beberapa pilihan, seperti secara sukarela mengirim umpan balik produk, dapat memiliki aturan penggunaan data yang berbeda. (OpenAI Help Center)

Pernyataan itu menjelaskan layanan OpenAI saat ini. Itu bukan aturan untuk semua penyedia AI.

Karena itu, pertanyaan “Apakah perusahaan ini melatih model dengan data?” bisa terlalu luas.

Pertanyaan yang lebih baik adalah:

Bagaimana produk, akun, dan pengaturan yang tepat ini menangani apa yang akan saya kirim?

Pekerjaan dan sekolah dapat menambah satu pemeriksaan lagi. Jika organisasi Anda memiliki aturan tentang alat AI mana yang boleh menerima informasi internal, aturan itu penting sebelum Anda menempelkan bahan tersebut. Akun pribadi juga bisa memiliki pengaturan yang berbeda dari akun yang dikelola organisasi.

Bayangkan jari Anda sudah berada di atas pintasan untuk menempel, tetapi Anda belum bisa menjawab pertanyaan berikut:

Informasi apa yang saya kirim?

Mengapa informasi itu diperlukan?

Apakah saya tahu bagaimana layanan dan akun ini menangani informasi tersebut?

Apakah saya diizinkan mengirimkannya ke sini?

Anda tidak perlu menjadi ahli keamanan siber sebelum memakai AI.

Namun jika Anda belum bisa menjawab pertanyaan itu, Anda bisa menahan informasi nyata dari prompt sementara Anda memeriksanya. Anda bisa menghapus lebih banyak informasi, membaca pengaturan dan informasi privasi terkini, atau memakai alat yang telah disetujui organisasi Anda.

Momen yang paling berguna adalah sebelum informasi meninggalkan tangan Anda.

Temukan kebutuhannya, kecilkan bahannya, lalu periksa ke mana informasi itu pergi

Ketiga pemeriksaan ini menyelesaikan bagian yang berbeda dari masalah yang sama.

Pemeriksaan pertama memisahkan pertanyaan Anda yang sebenarnya dari detail identitas atau informasi pribadi yang kebetulan berada di sekitarnya.

Pemeriksaan kedua mengecilkan bahan yang tersisa menjadi contoh terkecil yang masih mempertahankan masalah.

Pemeriksaan ketiga menjadi penting ketika informasi nyata masih harus tetap ada. Di sinilah Anda menilai apakah layanan, akun, dan aturan yang tepat membuat informasi tersebut pantas untuk dikirim.

Urutannya penting.

Memeriksa pengaturan privasi sebuah alat tidak membuat informasi pribadi yang tidak perlu menjadi perlu. Menghapus nama seseorang tidak otomatis membuat semua catatan bisnis lain pantas diunggah. Dan mengecilkan berkas tidak membantu jika bagian kecil yang tersisa masih berisi informasi yang tidak seharusnya masuk ke sistem itu.

Jadi tujuannya bukan sekadar “berhati-hati dengan AI.”

Cara berpikirnya bisa dibuat lebih jelas:

Butuhkan. Kecilkan. Periksa tujuannya.

Ketika tiga pertanyaan itu menjadi bagian dari momen sebelum Anda menempelkan sesuatu, Anda tetap bisa memakai AI untuk pekerjaan yang berguna tanpa otomatis menyerahkan seluruh dokumen.

Mendekatlah pada diri yang ingin Anda menjadi

• Mari kita berhenti sejenak saat membuka dokumen nyata berikutnya dan memisahkan pertanyaan dari informasi yang mengelilinginya.
• Mari kita lihat apakah ringkasan pendek, penanda pengganti, atau contoh buatan dapat mempertahankan masalah yang sama.
• Mari kita periksa layanan dan akun yang tepat ketika informasi pribadi atau pekerjaan yang nyata masih perlu tetap ada.