Menulis di Era LLM

• Seiring meningkatnya penulisan dengan memanfaatkan LLM belakangan ini, pola penulisan yang terasa tidak alami juga makin sering terlihat
• Kalimat ringkasan yang lemah, bullet point yang berlebihan, dan ritme kalimat yang monoton adalah beberapa masalah khas penulisan ala LLM
• Kepadatan informasi yang rendah atau ungkapan yang samar juga sering muncul, sehingga tulisan cenderung kekurangan insight yang nyata
• Di sisi lain, pengulangan yang disengaja, frasa penanda yang jelas, dan struktur paralel sering disalahpahami sebagai gaya LLM, padahal sebenarnya merupakan alat menulis yang efektif
• Penulis menekankan bahwa meski ia memanfaatkan LLM untuk merancang outline, membuat draf awal, dan me-rewrite bagian tertentu, keputusan akhir dan penyusunan isi yang mendalam tetap menjadi ranah manusia

---

Common Patterns of Bad Writing I See from LLM Tools

• Selama beberapa tahun terakhir, saat menulis dan me-review berbagai paper teknis serta tulisan blog, penulis sering merasakan bahwa tulisan berbasis LLM selalu terasa sedikit “janggal dan kurang menarik”
• Pada saat yang sama, ia juga merasakan bahwa penggunaan LLM sangat membantu untuk membuat draf, merangkum materi yang kompleks, dan merapikan pemikiran yang berantakan
• Dalam tulisan ini, ia membagikan pola penulisan buruk yang sering dihasilkan LLM, kebiasaan menulis yang kerap disalahartikan sebagai “gaya LLM” padahal sebenarnya baik-baik saja, serta aturan menulis dan prompting yang benar-benar ia gunakan

Empty “summary” sentences that pretend to conclude a thought

• Di akhir paragraf sering muncul kalimat ringkasan yang tampak seperti kesimpulan, tetapi sebenarnya tidak bermakna apa pun, seperti “By following these steps, we achieve better performance.” atau “By internalizing these principles, you can cut through the noise.”
  • “Dengan mengikuti proses ini, kita bisa memperoleh performa yang lebih baik”
  • “Dengan menginternalisasi prinsip-prinsip ini, Anda dapat menembus kebisingan”
• Kalimat-kalimat seperti ini tidak memberi pembaca insight baru maupun bahan pemikiran yang nyata
• Penulis sendiri juga belum menemukan cara pasti agar LLM bisa menulis kalimat yang benar-benar memuat pesan substantif seperti itu

Overuse of bullet points and outlines

• LLM cenderung terlalu banyak menyalahgunakan bullet point (daftar) dan outline
• Daftar memang berguna ketika tiap item paralel dan berdiri sendiri, tetapi saat ide-ide saling terhubung atau konteks itu penting, paragraf jauh lebih cocok

Flat sentence rhythm

• Jika semua kalimat berulang dengan panjang dan struktur yang mirip, tulisan menjadi membosankan dan lebih sulit diikuti pembaca

• Dengan memvariasikan panjang kalimat dan ritmenya, kita bisa menciptakan penekanan, pengalihan perhatian, dan pengaturan tempo

  • Bad example:
    "We recently launched a conversational AI feature that lets users ask questions in plain English and get responses based on their past activity and current session. The system searches a database of help articles, ranks the most relevant ones using a custom scoring function, and passes the top result into a language model to generate the final answer. We spent weeks optimizing each step to keep latency under 300 milliseconds, including caching, pruning irrelevant articles, and tuning prompt templates."
    "Baru-baru ini kami meluncurkan fitur AI percakapan yang memungkinkan pengguna mengajukan pertanyaan dalam bahasa sehari-hari dan menerima jawaban berdasarkan aktivitas sebelumnya serta sesi saat ini. Sistem ini menelusuri database artikel bantuan, memberi peringkat pada item yang paling relevan menggunakan fungsi penilaian kustom, lalu mengirimkan hasil teratas ke language model untuk menghasilkan jawaban akhir. Kami menghabiskan waktu berminggu-minggu untuk mengoptimalkan setiap tahap agar latensi tetap di bawah 300 milidetik, termasuk caching, memangkas artikel yang tidak relevan, dan mengoptimalkan template prompt."

  • Good example:
    "We just launched a new conversational AI feature. It answers user questions in plain language, using context from the current session. The system searches help articles, scores them with a custom ranking function, feeds the top result into a fine-tuned language model, and runs in under 300ms using caching, pruning, and prompt tuning techniques."
    "Kami baru saja meluncurkan fitur AI percakapan baru. Fitur ini menjawab pertanyaan pengguna dalam bahasa yang sederhana dengan memanfaatkan konteks dari sesi saat ini. Sistem menelusuri artikel bantuan, menilainya dengan fungsi ranking kustom, memasukkan hasil teratas ke language model yang telah di-fine-tune, dan berjalan di bawah 300ms dengan teknik caching, pruning, serta prompt tuning."

Not the right subject

• Jika pemilihan subjek tidak tepat, inti kalimat menjadi kabur
  • Bad example:
    "Readers are better guided when the subject matches the main idea of the sentence."
    "Pembaca akan lebih terarah ketika subjek cocok dengan gagasan utama kalimat"
  • Good example:
    "Choosing the right subject keeps the writing clear and focused."
    "Memilih subjek yang tepat membuat tulisan tetap jelas dan fokus"
• Pemilihan subjek yang tepat penting untuk konsistensi dan fokus tulisan

Low information density

• Berikut contoh tulisan hasil generasi LLM dari Gemini 2.5 Pro:
  > "As someone who writes, reviews, and deconstructs complex information for a living, I’ve developed a strong allergy to bad writing. And lately, a lot of that bad writing has a specific, synthetic flavor—the unmistakable scent of an LLM. This post is a guide to navigating the new world of writing, with or without LLM assistance. First, I’ll cover the true pitfalls of LLM-generated text—the red flags that make it feel sterile and unconvincing."
  > "Sebagai orang yang bekerja dengan menulis, me-review, dan mengurai informasi kompleks, saya menjadi sangat sensitif terhadap tulisan buruk. Belakangan ini, banyak tulisan buruk itu memiliki nuansa artifisial yang khas—aroma LLM yang sulit disangkal. Tulisan ini adalah panduan untuk menavigasi dunia baru penulisan, dengan atau tanpa bantuan LLM. Pertama, saya akan membahas jebakan utama teks buatan LLM—tanda-tanda yang membuatnya terasa steril dan tidak meyakinkan."
• Struktur kalimat dan tata bahasanya memang sempurna, tetapi tidak ada insight substantif, informasi konkret, maupun perkembangan argumen

Vagueness

• Tulisan LLM sangat cenderung menghindari kekonkretan
• Ia tidak mendefinisikan ide dengan jelas, membuat klaim tanpa bukti, atau menulis dengan tidak jelas siapa yang sedang dibicarakan
  “Some experts say prompt engineering is becoming less important. The ability to simply prompt LLMs can have a major impact on productivity.”
  “Beberapa pakar mengatakan prompt engineering menjadi kurang penting. Kemampuan untuk sekadar memberi prompt pada LLM dapat berdampak besar pada produktivitas”
  → Kurang ada dasar konkret dan sasaran yang jelas, seperti siapa yang mengatakan itu, dalam konteks apa, dan bagi siapa dampaknya

Overuse of demonstrative pronouns

• Penggunaan kata ganti penunjuk seperti "this", "that", "these", dan "those" jadi berlebihan
• Jika nomina yang dirujuk tidak jelas, pembaca mudah kehilangan maksudnya
  “This creates friction in production.”
  “Ini menimbulkan hambatan di lingkungan production”
  Di sini tidak jelas apa yang dimaksud dengan "this/ini"

Fluency without understanding

• Kalimat yang tampak lancar di permukaan, tetapi sebenarnya miskin daya jelaskan sering muncul
  “LLMs use attention mechanisms to generate contextually appropriate responses.”
  “LLM menggunakan attention mechanisms untuk menghasilkan respons yang sesuai konteks”
  → Jika pembaca tidak tahu apa itu attention, kalimat ini tidak menyampaikan informasi apa pun
• LLM juga sering menciptakan istilah yang sebenarnya tidak ada
  “We used GPT-4 for summarization, but it hallucinated details, so we added retrieval grounding.”
  “Kami menggunakan GPT-4 untuk summarization, tetapi model ini mengarang detail, jadi kami menambahkan retrieval grounding.”
  → “retrieval grounding” sebenarnya bukan istilah yang benar-benar ada
• LLM tidak bisa membedakan pengetahuan latar pembaca dan kebutuhan akan penjelasan, sehingga bagian yang sulit sering dilewati begitu saja

Writing Patterns People Flag as “LLM-Like,” But Are Actually Fine

• Ada juga pola penulisan yang sering terlalu dicurigai sebagai gaya LLM, padahal sebenarnya efektif dan umum digunakan
• Yang penting bukanlah menulis agar tidak terlihat seperti model, melainkan menulis dengan kejelasan, niat, dan kontrol

Intentional repetition

• Pengulangan efektif ketika digunakan untuk memperjelas atau menekankan ide yang kompleks
  "Vector databases store embeddings, or mathematical representations that capture semantic meaning in hundreds of dimensions. In other words, vector databases help find results that are “close” in meaning, not just exact text matches."
  “Vector database menyimpan embedding, yaitu representasi matematis yang menangkap makna semantik dalam ratusan dimensi. Dengan kata lain, vector database membantu menemukan hasil yang ‘dekat’ secara makna, bukan hanya kecocokan teks yang persis.”

Signposting phrases

• Frasa penanda seperti "essentially", "in short", atau "the point is..." berguna jika setelahnya benar-benar ada informasi nyata
  Contoh:
  "Essentially, instead of classifying the document as a whole, we classify each section independently."
  “Pada dasarnya, alih-alih mengklasifikasikan seluruh dokumen, kita mengklasifikasikan tiap bagian secara terpisah”

Parallel structure

• Struktur paralel membantu menata ide secara rapi dan membuat alur kalimat lebih mulus
  "The system scales across inputs, stays responsive under load, and returns consistent results even with noisy prompts."
  “Sistem ini dapat diskalakan untuk berbagai input, tetap responsif saat berada di bawah beban, dan menghasilkan output yang konsisten bahkan ketika prompt-nya noisy.”

Section headings that echo a structure

• Section heading dengan struktur yang mudah diprediksi seperti “Why X fails”, “What to do instead”, atau “How to know if it worked” tetap sangat efektif jika isinya jelas

Declarative openings

• Membuka section dengan kalimat deklaratif yang tegas justru dapat memperkuat fokus tulisan, asalkan ada bukti atau penjelasan yang mendukung
  Contoh:
  "LLM evaluations are hard to get right. Many rely on user-defined gold labels or vague accuracy metrics, which do not work for subjective or multi-step tasks."
  “Evaluasi LLM sulit dilakukan dengan tepat. Banyak evaluasi bergantung pada gold label yang ditentukan pengguna atau metrik akurasi yang samar, yang tidak cocok untuk tugas subjektif atau bertahap.”

Em dashes

• Em dash (—) berguna untuk penjelasan tambahan di dalam kalimat, perubahan ritme, atau perpindahan cepat
• Jika digunakan dengan tepat, tanda ini membantu menciptakan alur tutur yang natural dan penekanan

How I Write with LLMs

• Penulis menganggap menjaga flow (momentum) sebagai hal terpenting dalam menulis
• Proses nyata saat mengerjakan paper atau tulisan blog biasanya seperti berikut
  • Merencanakan outline (ditulis di kertas atau dibayangkan di kepala)
  • Membuat draf awal
  • Membaca kembali dan meninjaunya secara kritis
  • Merevisi
• Proses ini bisa diulang dalam berbagai skala, mulai dari level kalimat hingga level section
• Setiap orang tersendat di tahap yang berbeda, entah pada perencanaan, penyusunan draf, atau revisi
  • Penulis sendiri cepat membuat outline, tetapi sering tersendat pada phrasing
  • Ia aktif memanfaatkan LLM sebagai alat untuk melewati kebuntuan atau mempercepat penyusunan draf

Narrate the story to the model

• Saat memulai draf, ia menuliskan cerita secara kasar seolah sedang menjelaskan struktur kepada rekan kerja, lalu menempelkannya ke LLM dan meminta dibuatkan outline yang lebih rinci
• Langkah ini diulang sampai strukturnya terasa jelas

Write the paragraph myself, even if it’s rough

• Setelah outline selesai, ia berusaha menulis sendiri setiap paragrafnya meski masih kasar
• Ketika sulit menuntaskan kalimat, ia meminta LLM dengan instruksi seperti “finish it”, lalu memilih versi terbaik dari beberapa hasil yang diberikan dan, bila perlu, sedikit mengeditnya
  “In the last couple of years, I’ve written and reviewed several technical papers and blog posts. Something always feels slightly off, enough to make the writing quietly uninviting. At the same time, I feel like I get tremendous value from using LLMs to write…” “finish it”
  “Dalam beberapa tahun terakhir, saya telah menulis dan me-review sejumlah paper teknis dan tulisan blog. Selalu ada sesuatu yang terasa sedikit janggal, cukup untuk membuat tulisan itu diam-diam kehilangan daya tarik. Pada saat yang sama, saya merasa mendapatkan nilai yang sangat besar dari penggunaan LLM untuk menulis…” “finish it”
  → Model akan memberi beberapa usulan, lalu ia memilih yang terbaik, sedikit mengubahnya, dan melanjutkan

Use scoped rewrite strategies during revision

• Saat paragraf atau kalimat terasa janggal, alih-alih berkata “make it better”, ia memberi LLM permintaan yang spesifik atau pola tertentu (seperti struktur retoris)
• Contoh strategi:
  • Menempatkan subjek dan verba sedekat mungkin, di awal kalimat
  • Menggunakan struktur SWBST (siapa, apa yang diinginkan, hambatan apa yang muncul, bagaimana meresponsnya, dan bagaimana hasilnya)
    • Contoh:
      "We used GPT-4 for summarization. We wanted fluent answers, but it hallucinated facts. So we added a retrieval step. Then we re-ranked outputs based on citation accuracy."
      “Kami menggunakan GPT-4 untuk summarization. Kami menginginkan jawaban yang lancar, tetapi model ini mengarang fakta. Karena itu kami menambahkan langkah retrieval. Setelah itu kami melakukan re-ranking pada output berdasarkan akurasi sitasi.”
    • Struktur SWBST efektif juga dalam tulisan teknis untuk menyampaikan motivasi, masalah, respons, dan hasil secara ringkas

Parting Thoughts

• Kini kita hidup di masa ketika tulisan tingkat menengah (kualitas rata-rata) bisa dibuat dengan mudah oleh LLM
• Namun, memutuskan apa yang layak ditulis, perspektif dan struktur apa yang harus dipilih, serta di mana harus menggali lebih dalam tetap merupakan tugas manusia
• Tulisan yang benar-benar baik harus memberi kontribusi substantif yang sepadan dengan panjangnya dan layak untuk waktu yang diinvestasikan pembaca
• Memenuhi standar itulah tujuan yang dikejar penulis

[crawler]

Menurut saya, dalam hal itu GeekNews bagus karena kepadatan informasinya tinggi.
Gaya bahasa singkat yang diakhiri tanpa banyak imbuhan itu benar-benar terasa seperti optimasi kepadatan.