Sudah Dibilang “Jangan Berhenti”, AI Tetap Berhenti — OpenAI Sendiri Mendokumentasikan Jeda Persetujuan dan Tes Berlebihan GPT-6 Astra
1. Semuanya berawal dari: “Ini benar-benar resmi dari OpenAI?”
Sebuah unggahan media sosial membahas panduan resmi OpenAI untuk membuat GPT-6 Astra bekerja lebih mandiri.
Isinya terlalu spesifik: simpulkan maksud dan ruang lingkup dari konteks; jangan meminta izin ulang untuk membaca, meninjau, atau melakukan perbaikan reversibel yang sudah diizinkan; dan bila memang ada tindakan yang membutuhkan persetujuan, selesaikan dulu semua pekerjaan yang bisa dilakukan sampai hasilnya konkret dan dapat ditinjau, lalu minta persetujuan hanya pada langkah terakhir.
Disebut juga bahwa Astra dapat sangat sensitif terhadap instruksi di file seperti SKILL.md dan AGENTS.md, dan perubahan kode kecil bisa memicu pengujian yang lebih luas daripada kebutuhan sebenarnya.
Kedengarannya bukan seperti dokumentasi umum, melainkan daftar kebiasaan AI yang paling sering membuat orang kesal.
Jadi sumber resmi OpenAI diperiksa langsung.
Ternyata memang ada.
2. OpenAI bahkan punya istilah “unnecessary approval pauses”
Panduan GPT-6 Astra menjelaskan bahwa model ini lebih cenderung bertanya dibanding model sebelumnya ketika informasi tambahan dapat mengubah hasil secara material.
Sebagai perilaku kolaboratif, itu masuk akal.
Dalam pekerjaan panjang, hasilnya bisa begini:
Pengguna: “Selidiki dan perbaiki semuanya.”
AI: “Penyelidikan selesai. Boleh saya terapkan perbaikannya?”
Pengguna: “Saya sudah bilang jangan berhenti.”
AI: “Baik. Berikut rencana perbaikan. Saya lanjutkan?”
Selamat, kita baru menciptakan mesin gerak abadi bertenaga persetujuan.
Lebih lucu lagi, Migration quickstart OpenAI memang memiliki item bernama Unnecessary approval pauses.
Jadi ini bukan sekadar perasaan pengguna. Produsennya sendiri memberi nama pada gejalanya.
3. Mengapa “jangan berhenti” masih terlalu samar
Kalimat itu menunjukkan arah, tetapi tidak menjelaskan batas keputusan yang boleh diambil agen sendiri.
Naluri kolaboratif default tetap ada: “Kalau satu pertanyaan lagi bisa memperbaiki hasil, lebih baik bertanya.”
Karena itu panduan resmi lebih operasional. Simpulkan maksud dan ruang lingkup dari instruksi serta riwayat percakapan; perlakukan permintaan tindakan sebagai instruksi untuk benar-benar bekerja; jangan berhenti pada “ya, bisa”, rencana, atau hasil parsial hanya demi menghemat waktu atau token; dan jangan meminta persetujuan ulang untuk pekerjaan read-only, review, perbaikan reversibel, atau pekerjaan yang sudah diizinkan.
“Jangan berhenti” adalah slogan. Panduan resmi adalah peta zona dilarang berhenti.
4. Persetujuan seharusnya menjadi tombol merah terakhir, bukan tiket masuk
Gagasan paling berguna adalah memindahkan persetujuan ke akhir.
Misalnya sebuah situs perlu diperbaiki lalu dipublikasikan, dan hanya tindakan publikasi terakhir yang benar-benar perlu dikonfirmasi.
Agen tetap dapat menyelidiki, mengedit, melakukan build, menjalankan tes yang diperlukan, dan menyiapkan diff yang dapat ditinjau terlebih dahulu.
Pertanyaan terakhir menjadi konkret: “Semuanya siap; tinggal publikasi.”
Bukan:
“Boleh menyelidiki?”
“Boleh mengedit?”
“Boleh mengetes?”
“Boleh mengetes lagi?”
Pengguna meminta hasil, bukan tur mengumpulkan stempel administrasi.
5. OpenAI juga mengakui masalah “terlalu banyak tes”
Bagian Testing and verification sama akrabnya.
OpenAI menyebut Astra cenderung sangat teliti menguji perubahan kode sebelum menganggap tugas selesai. Untuk tugas kecil, ketelitian ini bisa menghasilkan pengujian yang lebih luas daripada kebutuhan perubahan tersebut.
Ubah satu baris.
Jalankan tes relevan.
Lulus.
Tambahkan tes lain “untuk berjaga-jaga”.
Lulus.
Tambahkan tes regresi bernilai rendah yang hampir hanya menyalin implementasi.
Lulus lagi.
Tetapi pekerjaan utama belum dikirim.
Tes berhenti menjadi kontrol kualitas dan berubah menjadi hobi.
Panduan resmi menyarankan agar verifikasi disesuaikan dengan perubahan: jangan menulis tes untuk perubahan reversibel berdampak rendah jika hanya mencerminkan implementasi; jalankan tes bermakna dan pemeriksaan wajib; setelah semuanya lulus, perluas atau ulangi hanya jika ada perubahan baru, kegagalan, atau kekhawatiran yang belum terselesaikan.
Tes bukan tujuan. Tes adalah inspeksi sebelum pengiriman.
6. “Kalau begitu buat saja begitu dari awal” adalah reaksi yang wajar
Kalau OpenAI memahami perilaku ini sedetail itu, wajar jika orang bertanya: mengapa follow-through yang lebih kuat tidak menjadi default?
Ada pertukaran yang nyata. Astra juga dirancang untuk menghormati batas tugas dan bertanya bila ketidakjelasan penting dapat mengubah hasil. Asisten umum yang menganggap “perbaiki situs saya” sebagai izin untuk mempublikasikan apa saja akan menimbulkan masalah lain.
Frustrasi muncul ketika pengguna sudah jelas berkata “selesaikan” dan “lanjutkan pekerjaan reversibel”, tetapi model masih berhenti di setiap persimpangan.
Itulah sebabnya panduan resmi menjelaskan cara meminta eksekusi yang lebih mandiri.
Default yang aman masuk akal.
Namun pengguna berat tetap akan berpikir:
“Bagus. Sekarang taruh sakelar Autonomous di Settings, jangan sembunyikan di manual.”
7. Codex tetap memakai aturan global versi lengkap
Untuk Codex, dua baris tidak cukup. Ia mungkin harus membaca repo, mengubah file, menyelesaikan konflik, menguji, menyiapkan PR atau deployment, dan bekerja lama.
Karena itu prompt global lengkap untuk semua sesi Codex dipertahankan apa adanya.
Prompt tersebut mewajibkan pemeriksaan dokumentasi OpenAI terbaru dan pembacaan lingkungan nyata: $CODEX_HOME, config.toml, AGENTS.md, skills, dan instruksi global. Pengaturan seperti developer_instructions diperlakukan sebagai kandidat sumber kanonik sambil mempertahankan konfigurasi lama dan menjaga integrasi tetap idempoten.
Lalu ia mendefinisikan inferensi maksud dan scope, larangan berhenti hanya pada rencana, pekerjaan reversibel yang sudah diizinkan, approval-last, clarification-last, transparansi konflik instruksi, identifikasi SKILL.md persis yang menyebabkan jeda, tidak membuat birokrasi persetujuan dari risiko hipotetis, batas nyata operasi destruktif atau irreversibel, penggunaan subagent yang berguna, tes proporsional, readback per surface, smoke test, idempotensi, dan syarat selesai yang jelas.
Jadi Codex tidak hanya menerima “terus jalan”, melainkan:
“Ini seluruh aturan lalu lintas; hanya ini lampu merah yang sah; kalau kamu berhenti di tempat lain, tunjukkan file yang menyuruhmu berhenti.”
Bagian ini tetap utuh.
8. ChatGPT justru hanya membutuhkan dua aturan permanen
Pemakaian ChatGPT sehari-hari tidak perlu seluruh konstitusi Codex.
Markdown tidak masalah.
Daftar tidak masalah.
Kebijakan subagent yang detail juga bukan gangguan harian.
Dua masalah yang berulang hanyalah:
Berhenti meminta konfirmasi padahal permintaan dan scope sudah jelas.
Terus menambah tes padahal verifikasi yang diperlukan sudah cukup.
Maka aturan permanen ChatGPT dibatasi pada dua hal itu.
Jika maksud dan scope cukup jelas, jangan memecah pekerjaan dengan “mau saya lanjutkan?” kecuali memang ada batas nyata terkait keselamatan, izin, atau tindakan irreversibel.
Jalankan tes yang sesuai dengan perubahan. Setelah pemeriksaan yang diperlukan lulus, jangan mengulang atau memperbanyak tes kecuali ada perubahan baru, kegagalan, atau kekhawatiran yang belum selesai.
Jangan memperbaiki bagian yang tidak rusak; kalau tidak, kebijakan itu sendiri menjadi kebisingan baru.
9. Ini lebih mirip “mengurangi kerugian karena berhenti” daripada “menghemat kuota Astra”
Unggahan media sosial membingkai panduan ini sebagai cara menghemat penggunaan Astra.
Intuisinya dapat dipahami, tetapi OpenAI menempatkannya sebagai Prompting best practices untuk mengatur perilaku model. Tidak ada janji bahwa instruksi ini mengurangi pemakaian sekian persen secara tetap.
Agen yang benar-benar menyelesaikan pekerjaan bahkan bisa bekerja lebih lama dalam satu run.
Yang dapat berkurang adalah:
bertanya → menunggu manusia → lanjut → bertanya lagi.
Jadi deskripsi yang lebih tepat:
kurangi waktu run untuk teater izin, gunakan lebih banyak untuk menyelesaikan pekerjaan.
10. Kesimpulan: terus bergerak, periksa secukupnya, selesaikan
Setelah membahas operasi AI paling canggih, aturan akhirnya justru sangat biasa.
Jangan menoleh ke manusia setelah setiap langkah.
Kalau inspeksi lulus, kirim barangnya.
Codex mendapat seluruh aturan lalu lintas. ChatGPT cukup mendapat dua papan peringatan di dinding.
Dan bagian paling lucu: ini bukan sekadar trik rumahan untuk “melatih AI”. Sebagian besar diagnosis dan perbaikannya memang tertulis dalam panduan resmi OpenAI.
Kita datang mencari masa depan AI dan pulang dengan briefing pagi kepala pabrik.
Referensi (2)
- OpenAI, “Model guidance — Using GPT-6 Astra / Prompting best practices”: https://developers.openai.com/api/docs/guides/latest-model
- OpenAI, “Unrolling the Codex agent loop”: https://openai.com/index/unrolling-the-codex-agent-loop/
