Mengapa Suara LLM Mudah Dikenali — dan Cara Memperbaikinya

Coba baca blog yang ditulis sejak akhir 2023 selama sepuluh menit, dan kamu pasti merasakannya: ada perasaan merayap bahwa semuanya ditulis oleh magang yang terlalu bersemangat. Itulah suara LLM — gaya bahasa khas yang langsung dikenali dan menjadi default large language model ketika diminta menulis prosa. Ini bukan bug di satu model tertentu. Ini artefak struktural dari cara sistem tersebut dilatih, dan kalau kamu menerbitkan teks buatan AI ke pembaca, itu tetap menggerus perhatian, kepercayaan, dan engagement, entah kamu sadar atau tidak.

Bagian anehnya, tidak ada yang bisa mendefinisikannya dengan utuh. Tanyakan ke pembaca kenapa sebuah paragraf terasa ditulis mesin, dan mereka akan menunjuk tanda em-dash, kata "delve", atau kehalusan korporat yang samar. Tapi detektor yang hanya mengandalkan fitur permukaan sering meleset, dan banyak penulis manusia juga memakai triad dan hedging. Ada sesuatu yang lebih dalam di sini, dan memahaminya penting kalau kamu membangun produk yang menghasilkan teks, atau sekadar ingin menulis prompt yang tidak menghasilkan bubur.

Seperti Apa Sebenarnya Suara LLM

Tanda-tanda yang paling terkenal ada di level kosakata: "delve", "landscape", "tapestry", "testament", "furthermore". Tapi terpaku pada kata-kata individual melewatkan sinyal yang sebenarnya. Selama membangun alat penulisan, saya sudah meninjau ribuan baris teks hasil generasi, dan pola yang benar-benar membongkarnya bekerja di level kalimat dan paragraf:

• Kecanduan rule-of-three. "Cepat, andal, dan dapat diskalakan." "Jelas, ringkas, dan menarik." LLM terus-menerus meraih triad karena triad cocok dengan pola "tulisan bagus" di data latih mereka. Manusia memakainya sesekali. Model memakainya setiap tiga kalimat.
• Struktur paragraf yang simetris. Kalimat topik, tiga poin pendukung, lalu kalimat penutup yang mengulang topik. Di setiap paragraf. Penulis sungguhan sangat bervariasi — ada paragraf yang cuma satu kata.
• Hedging palsu. "Perlu diingat bahwa..." "Penting untuk mempertimbangkan..." Model mengakui kompleksitas tanpa pernah berkomitmen pada satu posisi. Ini setara dengan mengangkat bahu dalam bentuk prosa.
• Paralelisme negatif. "Ini bukan hanya soal X, tapi Y." "Ini bukan tentang kecepatan — ini tentang kepercayaan." Setelah kamu menyadari konstruksi ini, kamu akan melihatnya di mana-mana, karena model menggunakannya tanpa henti untuk menciptakan penekanan buatan.
• Summary drift. Teks LLM terus memberitahumu apa yang baru saja ia katakan. "Dengan kata lain..." "Pada akhirnya, poin utamanya adalah..." Penulis manusia percaya kamu sudah memperhatikan.
• Datar secara emosi. Tidak ada kesal, tidak ada antusias, tidak ada kebingungan yang dibiarkan menggantung. Afeknya seragam pleasant-professional, seperti chat customer service.

Benang merahnya: suara LLM adalah hasil dari setiap keputusan lokal yang diambil sebagai "pilihan paling aman secara statistik". Ini prosa tanpa risiko. Dan pembaca — bahkan yang tidak bisa menyebutkan satu pun tanda tadi — merasakan ketiadaan risiko itu sebagai kematian rasa.

Mengapa RLHF Menanamkan Tanda-Tanda Ini

Ini bukan kebetulan. Suara ini adalah konsekuensi yang bisa diprediksi dari training pipeline, dan layak dipahami mekanismenya kalau kamu ingin melawannya.

Base model yang dilatih dari teks internet mentah itu kacau secara gaya — dengan senang hati mereka akan meniru postingan forum yang ngawur atau paper akademik yang padat. Suara yang kita kenali berasal dari tahap kedua: reinforcement learning from human feedback. Rater manusia, yang memeriksa ribuan output model di bawah tekanan waktu, secara konsisten memberi reward pada respons yang:

• Sopan dan tidak berkomitmen (tidak ada rater yang pernah menghukum hedging)
• Terstruktur (bullet point dan heading memudahkan penilaian)
• Lengkap (respons yang mencakup semua sudut terasa lebih membantu daripada yang punya opini tajam)
• Tata bahasa sempurna (typo di-downvote; keunikan di-downvote lebih keras)

Jumlahkan preferensi itu dari jutaan perbandingan, dan kamu mendapat sinyal reward yang mengarah tepat ke pusat statistik dari "profesional, membantu, tidak menyinggung". Setiap model yang dilatih dengan cara ini — GPT, Claude, Gemini, Llama — konvergen ke attractor yang sama. Lab berbeda, data berbeda, suara yang sama. Itu petunjuknya bahwa ini metodenya, bukan modelnya.

Ada mekanisme kedua yang lebih halus. Ketika teks buatan AI membanjiri internet, teks itu masuk ke data latih generasi model berikutnya. Suara ini mulai memakan dirinya sendiri. Peneliti sudah mendokumentasikan hal ini di machine translation dan model gambar; prosa tidak berbeda. Hasilnya adalah regresi gaya menuju rata-rata yang makin menumpuk di setiap siklus training. Artinya tanda-tanda ini juga menular ke manusia — kita sudah melihat "delve" dan "genuinely" merayap ke tulisan manusia karena orang menyerap output LLM, yang makin mengaburkan deteksi.

Suara LLM bukan gaya yang dipilih model. Ia adalah centroid dari semua yang diajarkan untuk dihargai oleh rater manusia, dan memang terdengar begitu.

Mengapa Ini Benar-Benar Membuatmu Kehilangan Pembaca

Ini alasan praktis untuk peduli, melampaui estetika. Saat manusia membaca, kita terus-menerus memodelkan pikiran di balik teks — maksudnya, keyakinannya, apakah ia layak didengarkan. Suara LLM merusak simulasi itu. Kalimatnya secara tata bahasa benar, tapi orang di baliknya tidak ada. Pembaca merasakannya sebagai ketidaknyamanan samar, lalu kebosanan, lalu tombol kembali.

Saya sudah melihat ini terjadi di tooling support. Tim-tim memasukkan output model mentah langsung ke balasan pelanggan dan mendapati tingkat tiket ditinggalkan justru naik, padahal waktu respons turun ke hitungan detik. Pelanggan tidak secara sadar berpikir "ini ditulis LLM". Mereka berpikir "ini nggak ke mana-mana" lalu berhenti membaca. Kepadatan informasi yang rendah — semua hedging dan ringkasan itu — membuat jawaban sebenarnya tersembunyi di kalimat kesembilan dari balasan dua belas kalimat.

Ada juga eksternalitas kepercayaan. Begitu pembaca menangkap satu artikel bersuara LLM di situsmu, mereka mulai curiga pada semuanya. Alat deteksi yang mengklaim bisa mengenali teks AI tidak andal — saya pernah melihat mereka menandai sidik jari gaya yang sebenarnya ambigu — tapi itu hampir tidak penting, karena reaksi naluriah pembaca sudah muncul jauh sebelum mereka mau menjalankan alat apa pun. Konten yang dipersepsikan sebagai AI juga meracuni konten yang ditulis manusia.

Teknik Prompting yang Benar-Benar Berhasil

Kamu tidak bisa sepenuhnya keluar dari attractor RLHF lewat prompt, tapi kamu bisa sampai cukup jauh. Kesalahan yang paling sering dilakukan adalah meminta tulisan yang "natural" atau "terdengar manusiawi" — konsep natural dari model itu adalah suara LLM. Sebaliknya, serang mekanisme spesifiknya:

You are drafting a product update email.
Hard constraints:
- Never use triads or lists of three adjectives.
- Never start a sentence with "It's" or "This".
- No hedging phrases ("bear in mind", "it's important").
- Vary sentence length: at least two sentences under 6 words.
- Take a position. If something is a trade-off, say which side you'd pick.
- Do not summarize or conclude. End on the strongest point.
Here is a paragraph written by our founder last month. Match this rhythm and vocabulary:
"Ship it Friday. The sync bug is ugly but it only hits multi-tab users, and the workaround is a refresh. Waiting two more weeks to fix it properly costs us the changelog window, and honestly, I'm tired of explaining the delay."

Tiga hal dalam prompt itu bekerja nyata. Pertama, batasan negatif membidik mode kegagalan yang tepat — triad, hedging, kalimat ringkasan — bukan sekadar suasana. Kedua, contoh gaya melakukan lebih dari adjektif apa pun: memberi model sampel manusia yang konkret untuk ditiru akan menarik generasi ke titik lain di ruang gaya. Ketiga, menuntut panjang kalimat yang bervariasi memecah ritme metronomik yang merupakan tanda tidak sadar terbesar.

Satu trik lagi yang hasilnya melebihi bobotnya: minta sesuatu yang sedikit tidak nyaman bagi model. "Tulis ini seolah kamu agak kesal soal deadline" atau "akui apa yang salah dari kita". Model yang dioptimalkan RLHF sangat tidak suka bersikap negatif, jadi memaksa register emosi tertentu menarik mereka keluar dari default pleasant-professional. Outputnya tetap perlu diedit, tapi ia datang dengan denyut nadi.

Pass Editing: Pengurangan, Bukan Penulisan Ulang

Prompting membawamu sekitar 70% jalan. 30% terakhir adalah pass editing mekanis, dan sebagian besar isinya penghapusan. Ketika saya merapikan draf hasil generasi, saya melakukan empat sapuan:

• Hapus paragraf pertama dan terakhir. Intro LLM berdeham panjang dan kesimpulan LLM merangkum ulang. Keduanya tidak memuat informasi. Pemotongan ini saja menghilangkan bau yang sangat banyak.
• Bunuh setiap hedge. Cari "perlu diingat", "penting untuk", "bisa dibilang", "umumnya", "biasanya", "sering". Sekitar separuh kasus kalimatnya tetap baik-baik saja tanpa kata itu; separuh lainnya kamu memang tidak mengatakan apa-apa.
• Pecah ritmenya. Temukan rangkaian kalimat berpanjang sedang yang paling panjang dan potong salah satunya jadi fragmen. "Rilis Jumat aja." Fragmen adalah cara termurah untuk memberi sinyal denyut manusia.
• Sisipkan satu hal spesifik yang tidak mungkin diketahui model. Angka nyata dari log kamu, nama, tanggal, atau opini sungguhan tentang sebuah trade-off. Spesifisitas adalah satu-satunya hal yang tidak bisa dipalsukan oleh centroid RLHF, karena ia menuntut komitmen.

Ini cepat — sekitar lima belas menit untuk draf seribu kata — dan berhasil justru karena suara LLM adalah sekumpulan kecil kebiasaan berulang yang menempel di atas prosa yang sebenarnya kompeten. Kamu tidak menulis ulang. Kamu sedang menghaluskan sidik jarinya.

Untuk tim yang melakukan ini dalam skala besar, layak mengubah sapuan tadi jadi langkah lint: skrip sederhana yang menandai triad, frasa hedging, dan panjang kalimat yang seragam akan menangkap sebagian besar masalah secara otomatis. Beberapa prose linter open-source bisa dikonfigurasi dengan rule set kustom; pasang ke content pipeline kamu seperti kamu melint kode. Kalau kamu sudah berinvestasi dalam mengukur performa AI pada tugas nyata, tambahkan "persentase kalimat yang ditandai" ke metrik kamu.

Kapan Prosa LLM Oke — dan Kapan Tidak

Posisi saya, setelah beberapa tahun membangun dan merilis sistem penghasil teks: sesuaikan alat dengan ekspektasi pembaca, dan berhenti berpura-pura satu kebijakan cocok untuk semuanya.

Jika teksnya mengarah ke proses, bukan orang — surat formulir ke kantor pemerintah, laporan kepatuhan yang tidak akan dibaca siapa pun, deskripsi API yang dikonsumsi mesin — biarkan LLM yang menulis dan jangan minta maaf. Tidak ada simulasi batin pembaca yang terlibat di sana; tidak ada pembaca yang bisa terasing. Jujur saja, semakin banyak dokumentasi nantinya justru akan dibaca terutama oleh model lain, dan model tidak merasakan getaran uncanny valley.

Tapi jika teksnya bekerja untuk persuasi, kepercayaan, atau berpikir — postingan blog, design doc yang butuh dukungan, email yang meminta seseorang mengubah pikirannya — hitungannya berbalik. Di sana, model paling baik dipakai sebagai kritikus, bukan ghostwriter. Minta ia menyerang draf kamu: "di mana ini kabur, di mana argumennya melompati satu langkah, di mana pembaca skeptis akan mendorong balik?" Itu memanfaatkan kekuatan model (ia benar-benar hebat dalam kritik) tanpa membiarkan suaranya mendekati prosamu. Orang yang paling diuntungkan dari LLM untuk menulis memperlakukannya seperti editor tajam dan tak kenal lelah, yang saran penulisan ulangnya mereka abaikan dengan sopan.

Dan ada kebenaran yang lebih berat di balik nasihat teknis ini: menulis adalah cara banyak dari kita berpikir. Perjuangan memasukkan argumen ke dalam kalimat sering kali justru tempat argumen itu benar-benar terbentuk. Serahkan drafting sepenuhnya dan kamu ikut menyerahkan bagian itu. Hasilnya bisa kamu dengar: prosa yang tidak ke mana-mana, karena tidak ada pikiran yang pergi ke mana pun saat membuatnya.

Kesimpulan Praktis

Suara LLM bukan misteri dan tidak akan hilang dengan sendirinya — insentif training yang menciptakannya masih ada, dan belum ada frontier lab yang menunjukkan kemampuan meredamnya dari sumbernya. Jadi beban ada di tanganmu, dan pembagiannya cukup jelas:

• Generate dalam skala besar? Batasi prompt secara mekanis (tanpa triad, tanpa hedge, variansi panjang kalimat dipaksa), berikan contoh gaya manusia, dan lint outputnya.
• Tulisan yang penting? Tulis sendiri, pakai model sebagai kritikus, dan jangan pernah biarkan frasa sarannya masuk ke draf — setiap saran yang diterima adalah transplantasi suara kecil.
• Teks yang dihadapkan ke proses? Kirim output mentah dan habiskan waktu editing kamu di tempat manusia benar-benar membaca.

Poin yang lebih dalam adalah bahwa suara bukan hiasan — ia adalah bukti keberadaan sebuah pikiran. Pembaca sangat jago mendeteksi ketiadaannya, dan mereka makin jago setiap bulan seiring internet dipenuhi alternatifnya. Tim yang menang dalam beberapa tahun ke depan untuk konten yang dibantu AI bukanlah yang menghasilkan teks paling banyak. Mereka adalah yang teksnya masih terdengar seperti seseorang.