Kenapa Rekomendasi Outfit AI Sering Bikin Kecewa? — Cara Bertanya yang Tepat pada AI

"Rekomendasikan outfit, dong." Saat ditanya begini, AI biasanya memberi jawaban yang terlalu umum. Terlalu umum berarti cocok untuk siapa saja, yang artinya belum tentu cocok untuk kamu. Masalahnya bukan pada model AI-nya, melainkan pada cara kita bertanya.

Pertanyaan Kosong Menghasilkan Jawaban Pas-pasan

Bayangkan kalau kamu bertanya ke personal stylist, "Aku pakai apa ya hari ini?" Stylist tersebut tidak akan langsung menjawab. Dia pasti balik bertanya, "Mau pergi ke mana?"

Ini adalah masalah klasik yang sering disoroti dalam riset sistem rekomendasi berbasis percakapan (conversational recommender systems). Input dari pengguna biasanya kurang spesifik (underspecified), dan kemampuan penting dari sebuah sistem adalah menggali kekurangan info tersebut dengan bertanya balik. Membantu pengguna memperjelas kebutuhan mereka di pesan berikutnya adalah bagian dari tugas sistem.

Masalahnya, banyak platform langsung menjawab tanpa bertanya balik. Tanpa informasi yang cukup, AI hanya akan memberi rekomendasi rata-rata yang serba standar. Lalu kita menyimpulkan, "AI-nya nggak canggih, nih."

Lantas, informasi apa yang perlu kita tambahkan?

Anatomi Prompt yang Efektif

Riset rekomendasi fashion menunjukkan bahwa atribut spesifik seperti bahan dan fit, informasi visual yang menggambarkan siluet dan nuansa, serta warna utama sangatlah berpengaruh. Walau bukan rumus baku untuk setiap layanan, poin-poin ini bisa jadi checklist praktis saat menulis prompt.

Jika diterjemahkan ke bahasa sehari-hari, ada empat kunci utama:

Pertama, Acara. Kapan, di mana, dan dengan siapa. "Besok pagi" dan "Sabtu malam" membutuhkan outfit yang sangat berbeda.

Kedua, Siluet. Tentukan Item utama yang ingin dijadikan fokus. Menyebut "fokus celana bahan navy" saja sudah bisa memangkas separuh pilihan yang tidak relevan.

Ketiga, Batasan Warna. Tidak perlu menyebutkan semua warna. Terkadang, menyebut warna yang ingin dihindari justru lebih efektif. Contohnya, "tanpa warna putih dan hitam".

Keempat, Mood. Kesan seperti apa yang ingin kamu tampilkan? "Elegan dan kalem", "santai tapi tetap rapi". Tanpa keterangan ini, hasilnya akan terasa hambar.

Dengan memasukkan empat elemen ini, prompt dua kalimat pun sudah cukup jelas dan tajam. Sebaliknya, tanpa konteks yang pas, hasilnya kemungkinan besar akan membosankan.

Namun, ada kalanya prompt yang bagus pun tetap tidak mempan.

Sebelum Prompt, Data Adalah Kunci

AI hanya bisa melihat pakaian yang sudah terdaftar di Lemari kamu.

Jika baru separuh isi Lemari yang didaftarkan, sebagus apa pun prompt kamu, hasilnya hanya akan setengah maksimal. AI tidak tahu kalau outfit yang paling pas sebenarnya ada di separuh baju yang belum terdaftar.

Yang lebih fatal adalah jika tag pakaiannya salah. Kalau sweater knit terdaftar sebagai 'jaket', prompt terbaik sekali pun akan menghasilkan jawaban yang salah secara meyakinkan. Ini jauh lebih mengecewakan daripada AI yang kebingungan tanpa data.

Jadi, ada langkahnya: lengkapi isi Lemari terlebih dahulu, periksa kembali tag Item kamu, baru kemudian optimalkan prompt. Jika urutannya dibalik, pertanyaan terbaik pun tidak akan membuahkan hasil maksimal.

Kalau semuanya sudah siap, yuk coba susun prompt-nya!

4 Template Prompt yang Siap Disalin

Berikut beberapa template siap pakai untuk berbagai situasi. Kamu tinggal mengganti nama Item-nya saja.

Pergi ke Kantor

Besok pagi ada rapat tim, siang ada meeting eksternal. Gaya business casual.
Fokus dengan celana bahan navy, wajib pakai blazer/jaket. Tone warna kalem.

Liburan (Traveling)

Liburan ke Roma di bulan Maret, suhu siang 18°C dan malam 9°C. Rencana mengunjungi dua katedral, jadi bahu dan lutut harus tertutup.
Muat untuk satu koper, kebutuhan 5 hari.

Kondangan / Tamu Pernikahan

Acara pernikahan indoor Sabtu malam. Hindari warna putih dan hitam.
Panjang dress di bawah lutut, padukan dengan heels beige yang sudah ada di lemari.

Kencan

Jumat malam santai di wine bar. Tidak banyak jalan kaki.
Kesan kasual tapi tetap rapi dan menarik. Padukan dengan jaket kulit yang ada.

Semua template di atas hanya terdiri dari 2–3 kalimat, tetapi sudah mencakup Acara, siluet, warna, dan mood secara lengkap.

Tambahkan Satu Kalimat Ini untuk Hasil Maksimal

Ada satu trik lagi untuk meningkatkan kualitas rekomendasi.

Saat rekomendasi keluar, coba tanyakan: "Kenapa kamu memilih kombinasi ini?" Dari alasannya, kamu bisa tahu detail apa yang terlewat. Kalau AI menjawab "Disesuaikan dengan nuansa musim gugur," berarti AI menebak musim karena kamu belum menyebutkannya. Di prompt berikutnya, kamu bisa memperjelas poin tersebut agar rekomendasinya makin akurat.

Selain itu, jika hasilnya kurang sesuai, coba tambahkan kondisi pengecualian. Misalnya, "Jangan pakai kombinasi yang kupakai minggu lalu", "Atasan selain knit". Mengecualikan Item tertentu sering kali membuka ide kombinasi baru yang lebih fresh dibanding terus menambah syarat.

Kamu bisa langsung mencoba template di atas pada fitur AI Outfit di Acloset dan sesuaikan dengan Item kamu. Simpan hasil yang kamu suka ke Outfit, lalu tambahkan preferensi atau Item yang ingin dihindari pada sesi berikutnya.

AI sebenarnya mengerti kok. Kuncinya hanya ada pada bagaimana kita menyampaikannya.

❓ Pertanyaan Umum

Q: Apakah prompt harus panjang agar hasilnya bagus?
A: Konteks jauh lebih penting daripada panjang kalimat. Cukup gunakan checklist situasi, siluet, warna, dan mood—menuliskannya dalam dua kalimat yang jelas sudah sangat cukup.

Q: Kenapa AI selalu memberi saran kombinasi yang mirip?
A: Coba tambahkan kondisi pengecualian. Memberikan instruksi seperti "hindari kombinasi minggu lalu" atau "tanpa warna ini" biasanya langsung memunculkan variasi baru yang menarik.

Q: Bagaimana cara terbaik meminta saran pada AI Outfit Acloset?
A: Salin saja template di artikel ini dan ganti nama Item-nya. Simpan kombinasi yang kamu suka ke Outfit, lalu tambahkan batasan atau preferensi gaya kamu di permintaan berikutnya.

Referensi & Sumber:

ACM Computing Surveys, "A Survey on Conversational Recommender Systems"
ACM Transactions on Intelligent Systems and Technology, "Analysing Utterances in LLM-Based User Simulation for Conversational Search"
Fashion and Textiles (Springer), "LLM-generated content-based explanations for user experience in fashion recommender systems"

Diterbitkan oleh Tim Redaksi Majalah Acloset.

Kenapa Rekomendasi Outfit AI Sering Bikin Kecewa? — Cara Bertanya yang Tepat pada AI