Sekilas

  • AI mengubah unit design product dari layar dan feature menjadi tujuan, keputusan, dan workflow.

  • Interface adaptif dapat meningkatkan relevansi, namun harus menjaga prediktabilitas dan kontrol user.

  • Product agen memerlukan batasan izin yang jelas, pola konfirmasi, dan mekanisme pemulihan.

  • Keunggulan kompetitif akan datang dari integrasi tepercaya ke dalam pekerjaan nyata, bukan dari penambahan interface obrolan umum.

Dalam sebagian besar sejarah perangkat lunak, pembagian kerja sudah jelas.

Product menampilkan opsi. User mempelajari strukturnya, memasukkan informasi, menavigasi layar, dan memulai setiap tindakan yang berarti.

Perangkat lunak menunggu.

AI mengubah hubungan itu.

Product modern dapat menafsirkan bahasa alami, mengingat konteks, memprediksi kemungkinan langkah berikutnya, mengumpulkan informasi, dan semakin sering melakukan serangkaian tindakan atas nama user.

Product tidak lagi hanya sekedar interface. Ini menjadi mitra operasi.

Transisi itu mempengaruhi lebih dari sekedar layar yang terlihat. Ini mengubah cara team menentukan feature, menyusun workflow, mengelola data, membangun kepercayaan, dan mengukur nilai.

Dari Navigasi hingga Niat

Interface tradisional mengharuskan user untuk menerjemahkan tujuan ke dalam struktur product.

Seseorang yang ingin merencanakan journey bisnis harus mengetahui di mana mencari penerbangan, bagaimana membandingkan pilihan, di mana menerapkan batasan kebijakan, dan bagaimana mengoordinasikan rencana journey akhir.

Product yang mendukung AI dapat dimulai dengan tujuan.

Hal ini dapat memperjelas anggaran, mengidentifikasi pilihan yang tepat, membandingkan trade-off, dan menyiapkan rencana journey. Interaksi berpindah dari navigasi menuju delegasi.

Ini tidak berarti menu dan formulir hilang.

Kontrol terstruktur tetap berharga ketika pilihan memerlukan perbandingan, akurasi, aksesibilitas, atau pengulangan. Bahasa alami berguna untuk mengungkapkan niat, namun bisa menjadi tidak efisien ketika seseorang ingin memilih satu tanggal dari kalender atau membandingkan lima harga.

Product terkuat menggabungkan feedback percakapan dengan struktur yang terlihat dan dapat diedit.

Dari Layar Tetap hingga Pengalaman Adaptif

Sebagian besar digital product menampilkan hierarki yang sama kepada semua orang.

AI memungkinkan adaptasi yang lebih besar. Sebuah sistem dapat menyesuaikan rekomendasi, penjelasan, jalan pintas, dan tingkat detail sesuai dengan konteks.

User baru mungkin menerima langkah-langkah panduan. User berpengalaman mungkin melihat kontrol langsung. Customer yang menghadapi masalah yang tidak biasa mungkin menerima jalur yang berbeda dari seseorang yang menyelesaikan tugas rutin.

Adaptasi dapat mengurangi upaya, namun menciptakan risiko design baru: ketidakpastian.

Jika interface berubah tanpa alasan yang jelas, user mungkin kesulitan membentuk model mental yang stabil. Mereka mungkin tidak tahu kemana perginya suatu fungsi atau mengapa product tersebut memberikan rekomendasi tertentu.

Oleh karena itu, design adaptif memerlukan landasan yang stabil.

Navigasi, terminologi, status, dan kontrol penting harus tetap dapat dipahami. Personalisasi harus meningkatkan relevansi tanpa membuat product terasa memiliki aturan yang berbeda setiap kali dibuka.

Dari Jawaban hingga Tindakan

Generative product generasi pertama berfokus pada produksi informasi.

Product agen dapat bertindak lintas sistem. Mereka dapat membuat catatan, menjadwalkan rapat, memperbarui workflow, menyiapkan pembelian, atau mengoordinasikan tugas.

Setiap peningkatan otonomi juga meningkatkan kebutuhan akan disiplin design.

Product harus memperjelas beberapa hal:

  • Apa yang rencananya akan dilakukan.

  • Sistem dan informasi mana yang akan diaksesnya.

  • Tindakan mana yang memerlukan konfirmasi.

  • Tindakan mana yang bisa dibatalkan.

  • Apa yang terjadi setelah eksekusi.

  • Apa yang harus dilakukan jika tindakan tersebut gagal.

Asisten yang membantu tidak menyembunyikan pekerjaan penting. Ini mengkomunikasikan niat dan menjaga otoritas user.

Otonomi harus dicapai secara progresif. User pertama-tama dapat mengizinkan sistem untuk menyiapkan rekomendasi, kemudian menyusun tindakan, dan kemudian menjalankan tindakan berisiko rendah dalam batasan yang ditentukan.

Dari Personalisasi hingga Hubungan Data

Product yang lebih relevan umumnya memerlukan lebih banyak konteks.

Mereka mungkin menggunakan aktivitas masa lalu, lokasi, preferensi, informasi bisnis, atau data dari layanan yang terhubung. Konteks tersebut dapat menciptakan nilai, namun juga mengubah hubungan antara product dan user.

Menurut research customer global Salesforce baru-baru ini, 71% customer mengatakan mereka menjadi lebih protektif terhadap informasi pribadi mereka bahkan ketika personalisasi meningkat. Lihat temuan customer yang terhubung.

Kepercayaan bergantung pada lebih dari sekedar kebijakan privasi.

User perlu memahami informasi apa yang digunakan, mengapa informasi itu penting, dan bagaimana mereka dapat mengubah atau menghapusnya. Product harus menghindari pengumpulan konteks yang tidak dapat dihubungkan dengan nilai yang terlihat.

Di Indonesia, Undang-Undang Perlindungan Data Pribadi memberikan landasan hukum nasional dalam penanganan data pribadi. Baca UU No 27 Tahun 2022. Secara internasional, kewajiban seperti UU AI UE juga mendorong AI product menuju transparansi yang lebih besar.

Kepatuhan mendefinisikan minimum. Kepercayaan product membutuhkan pilihan yang dapat dimengerti.

Lima Lapisan AI product

1. Lapisan Nilai

customer outcome manakah yang jauh lebih baik?

Jika jawabannya terbatas pada “product sekarang memiliki AI”, proposisi nilai belum selesai.

2. Lapisan Interaksi

Bagaimana user mengungkapkan niat, meninjau output, mengedit asumsi, dan memulihkan kesalahan?

Percakapan adalah satu pola interaksi, bukan strategi pengalaman yang lengkap.

3. Lapisan Intelijen

Model atau kemampuan sistem manakah yang sesuai untuk tugas tersebut? Apa saja batasan yang diketahui? Bagaimana output akan dievaluasi?

4. Lapisan Operasional

Bagaimana kemampuan terhubung dengan data, alat, aturan bisnis, tinjauan manusia, dan penanganan pengecualian?

Di sinilah demonstrasi menjadi product yang berhasil.

5. Lapisan Kepercayaan

Bagaimana izin, privasi, keamanan, transparansi, pemantauan, dan akuntabilitas ditangani?

Kepercayaan tidak dapat diterapkan sebagai perlakuan visual setelah sistem dibangun.

Design untuk Kepercayaan Terkalibrasi

Panduan Apple saat ini untuk pengalaman AI generatif merekomendasikan untuk memberi tahu orang-orang di mana AI digunakan, menjelaskan kemampuan dan keterbatasan, dan menawarkan saran pilihan untuk feature terbuka. Kebijakan ini juga memperingatkan agar orang tidak percaya bahwa mereka sedang berinteraksi dengan content buatan manusia, padahal sebenarnya tidak. Lihat panduan design AI generatif Apple.

Prinsip ini dapat digambarkan sebagai kepercayaan yang terkalibrasi.

User tidak boleh memercayai product melebihi kinerjanya. Mereka juga tidak boleh menolak kemampuan yang berharga karena pengalaman gagal menjelaskannya.

Kepercayaan yang terkalibrasi berasal dari:

  • Ruang lingkup yang jelas.

  • Sumber yang terlihat bila relevan.

  • Sinyal kepercayaan yang tepat.

  • Koreksi mudah.

  • Konfirmasi untuk tindakan konsekuensial.

  • Perilaku yang konsisten.

  • Komunikasi yang jujur tentang keterbatasan.

Agenda Kepemimpinan untuk AI product

Pemimpin product harus mengajukan lima pertanyaan sebelum menambahkan AI ke dalam roadmap.

1. Sasaran user manakah yang menjadi lebih mudah atau baru mungkin dilakukan?

2. Konteks apa yang dibutuhkan sistem, dan mengapa user harus menyediakannya?

3. Apa yang harus direkomendasikan, dipersiapkan, atau dijalankan oleh sistem?

4. Di manakah seseorang harus tetap memegang kendali?

5. Bagaimana product dapat dipelajari tanpa menjadi tidak stabil atau mengganggu?

Pertanyaan-pertanyaan ini mengalihkan pembicaraan dari feature ke hubungan antara user dan sistem.

Interface Menjadi Kontrak

Sebuah tombol pernah mewakili perintah yang dapat diprediksi. User menekannya dan mengharapkan hasil yang pasti.

AI memperkenalkan interpretasi. Sistem dapat menyimpulkan, merekomendasikan, beradaptasi, dan bertindak. Fleksibilitas ini membuat product lebih mampu, namun juga membuat hubungan menjadi kurang jelas.

Interface sekarang perlu mengkomunikasikan kontrak: apa yang dipahami sistem, apa yang ingin dilakukan, dan di mana user tetap memegang otoritas.

AI product yang paling sukses bukanlah product yang tampak paling cerdas.

Merekalah yang akan membantu orang mencapai hasil yang berarti namun tetap dapat dimengerti, dikendalikan, dan dapat dipercaya.