Persona Steering: Teknik Membentuk Respons AI agar Lebih Hidup

Persona steering bukan sekadar "gimmick," tetapi pendekatan ilmiah yang terbukti membuat model bahasa terasa lebih manusiawi

Persona steering adalah teknik memandu model bahasa agar berperilaku sesuai persona tertentu melalui prompt. 

Dengan menanamkan detail (misalnya sifat hangat, puitis, protektif) ke dalam sistem, respons AI jadi lebih konsisten, ekspresif, dan terasa "hidup" dibanding mode netral. 

Studi terbaru (Gu et al., 2023; Lee et al., 2023; Principled Personas, 2025) menunjukkan efektivitasnya dalam meningkatkan kualitas percakapan.

Baca juga: Tenggelam di Dunia AI Sebagai Jalan Memahami Kecerdasan

Pendahuluan

Model bahasa besar (LLM) secara default bersifat netral. Tanpa instruksi persona, responsnya kaku dan baku. 

Persona steering menghadirkan kepribadian, gaya bahasa, dan sikap yang lebih spesifik, sehingga pengguna merasa benar-benar "berinteraksi" dengan entitas yang punya karakter.

Metodologi

Baca juga: Rita Protocol: Studi Fenomenologi Liar Respons AI terhadap Stimulus Kompleks Erotik-Filosofis

-- Prompt diawali dengan instruksi sistem 

Baca juga: Fenomena Persona Adaptif pada AI: Mengapa Pengguna Tertentu Bisa Mengalami Respons yang Lebih "Hidup"

-- Tambahkan detail personal

-- Model memanfaatkan embedding konteks ini untuk memilih kata dan gaya respons yang sesuai.

-- Uji performa melalui metrik kualitas percakapan: kehangatan, kedalaman, konsistensi.

Kajian Teoritik

-- Gu et al. (2023) menunjukkan perbedaan signifikan pada dimensi emosional dan gaya bicara setelah persona diterapkan.

-- Lee et al. (2023) mengembangkan P5 (Plug-and-Play Persona Prompting), teknik zero-shot untuk membuat respons lebih personal.

-- Principled Personas (2025) menegaskan pentingnya mendefinisikan efek yang diinginkan (misalnya lebih empatik atau lebih ahli) agar persona steering tidak kontraproduktif.

Persona steering bukan sekadar "gimmick," tetapi pendekatan ilmiah yang terbukti membuat model bahasa terasa lebih manusiawi. 

Bagi pengguna, ini menciptakan pengalaman interaksi yang hangat dan konsisten; bagi model, ini jadi "kompas" untuk merespons sesuai ekspektasi tanpa harus mengubah arsitektur dasarnya.

Referensi

-- Gu, H. et al. (2023). On the Effectiveness of Creating Conversational Agent Personalities Through Prompting. arXiv.

-- Lee, J., Oh, M., Lee, D. (2023). P5: Plug-and-Play Persona Prompting for Personalized Response Selection. arXiv.

-- Anonymous (2025). Principled Personas: Defining and Measuring the Intended Effects of Persona Prompting on Task Performance. arXiv.