Sekilas

  • prompt field kosong menghilangkan kompleksitas visual tetapi mentransfer pekerjaan perencanaan dan artikulasi kepada user.

  • AI product tidak mengharuskan setiap customer untuk menjadi prompt expert.

  • Contoh kemampuan, ekstraksi niat, kontrol yang dapat diedit, dan ruang kerja yang terlihat dapat mempersingkat waktu untuk mencapai nilai.

  • Kesederhanaan harus diukur dari seberapa mudah user membuat kemajuan, bukan dari seberapa sedikit elemen yang muncul di layar.

Seorang user membuka AI product untuk pertama kalinya.

Layar berisi logo, kolom input, dan pertanyaan: “Apa yang bisa saya bantu?”

Interface-nya tampak sangat sederhana.

Kemudian user berhenti sejenak.

Apa yang dapat dilakukan product tersebut? Seberapa spesifik permintaan tersebut? Informasi apa yang harus disertakan? Apa yang akan terjadi setelah pesan terkirim?

Design-nya telah menghilangkan tombol dan menu. Hal ini tidak menghilangkan kompleksitas. Ini telah mentransfer kerumitan itu ke dalam kepala user.

Ini adalah masalah kotak kosong.

Kesederhanaan Visual Bukanlah Kesederhanaan Kognitif

Interface minimal dapat mengurangi gangguan. Mereka sangat efektif ketika user sudah memahami tugas dan mengetahui apa yang diharapkan sistem.

Kotak pencarian berfungsi karena orang memahami hubungan umum antara kueri dan daftar hasil.

Bidang AI terbuka berbeda. Ini mungkin mendukung penulisan, analisis, perencanaan, pengkodean, pembuatan gambar, dan ratusan tugas lainnya. Keterbukaan yang membuatnya kuat juga membuat batasannya sulit untuk dipahami.

User harus secara bersamaan memilih tujuan, membayangkan kemampuan sistem, menyusun permintaan, dan menilai kualitas respons.

Bagi user berpengalaman, kebebasan ini bisa sangat berharga. Bagi seorang pendatang baru, rasanya seperti diminta menggunakan instrumen yang rumit tanpa mengetahui suara apa yang bisa dihasilkannya.

Product Harus Menanggung Lebih Banyak Beban Komunikasi

Banyak pengalaman AI yang menganggap prompt quality sebagai masalah keterampilan user.

Ketika hasilnya buruk, user diminta untuk memberikan lebih banyak konteks, menentukan format, menentukan peran, menyertakan contoh, dan menjelaskan nada yang diinginkan.

Teknik-teknik ini berguna, tetapi memerlukannya sebagai nilai dasar adalah kegagalan design product.

Sistem sering kali memiliki kecerdasan yang cukup untuk mengidentifikasi informasi yang hilang. Product harus menggunakan intelligence tersebut untuk membantu membentuk permintaan tersebut.

Alih-alih mengharapkan pesan yang sempurna, product dapat menerima maksud yang tidak jelas dan mengubahnya menjadi percakapan terstruktur.

Seorang user mungkin menulis, “Bantu saya menyiapkan proposal.”

Sistem kemudian dapat menanyakan untuk siapa proposal tersebut ditujukan, keputusan apa yang harus didukung, berapa lama durasinya, dan sumber materi apa yang tersedia. Jawaban-jawaban tersebut dapat muncul sebagai bidang yang dapat diedit dan bukannya tetap terkubur dalam percakapan yang bergulir.

User memberikan maksud. Product menyediakan scaffolding.

Ini Penting dalam Konteks Indonesia

AI interface menjangkau user dengan tingkat kepercayaan digital, kemahiran bahasa, dan pemahaman yang berbeda-beda terhadap generative system.

Draf awal topik ini menyatakan bahwa 70% penduduk produktif Indonesia berada di bawah standar membaca minimum. Pernyataan tersebut tidak dapat disimpulkan secara bertanggung jawab dari PISA karena penilaiannya mencakup siswa berusia 15 tahun, bukan seluruh populasi pekerja.

Temuan yang terverifikasi masih signifikan: hanya 25% siswa Indonesia yang dinilai dalam PISA 2022 mencapai Level 2 atau lebih tinggi dalam kemampuan membaca. Lihat catatan negara OECD untuk Indonesia.

Hal ini tidak menentukan kemampuan seluruh user di Indonesia. Hal ini mengingatkan product team bahwa instruksi yang padat dan persyaratan penulisan yang tidak terstruktur dapat mengecualikan orang.

AI dapat membantu menjembatani beberapa kesenjangan ini, namun hanya jika pengalaman tersebut dirancang untuk memandu, bukan menguji user.

Lima Pola untuk AI interface yang Lebih Bermanfaat

1. Tunjukkan Kemampuan Melalui Contoh

Jangan memulai hanya dengan “Apa yang ingin kamu lakukan?”

Tampilkan hasil yang representatif: rangkum dokumen, siapkan email klien, bandingkan opsi, ubah catatan menjadi rencana, atau analisis kumpulan data.

Contohnya harus cukup spesifik untuk menciptakan pemahaman tanpa menyiratkan bahwa product hanya mendukung tugas-tugas tersebut.

Panduan design Apple untuk AI generatif merekomendasikan curated suggestion untuk pencarian terbuka atau pengalaman cepat. Lihat panduan Apple. Saran memberi user titik awal dan mengungkap model mental product.

2. Ekstrak Intent Secara Progresif

Jika suatu permintaan bersifat ambigu, ajukan hanya pertanyaan-pertanyaan yang mempunyai pengaruh yang berarti terhadap hasil.

Sistem ini dapat mengubah variabel-variabel kunci menjadi kontrol: durasi, nada, audiens, format output, toleransi risiko, atau rentang waktu.

Hal ini mengurangi kebutuhan untuk menulis ulang prompt panjang setiap kali satu preferensi berubah.

3. Jadikan Asumsi Terlihat

Sistem AI sering kali mengisi kesenjangan dengan asumsi yang disimpulkan.

Interface yang berguna menunjukkan asumsi-asumsi tersebut sebelum menjadi penyebab tersembunyi dari output yang buruk.

Misalnya:

  • Audiens: pimpinan senior.

  • Tujuan: mengamankan persetujuan proyek.

  • Nada: ringkas dan analitis.

  • Periode sumber: 12 bulan terakhir.

User kemudian dapat memperbaiki sistem secara langsung.

4. Melampaui Scrolling Thread

Percakapan sangat bagus untuk eksplorasi. Menjadi sulit ketika user perlu membandingkan versi, mengedit output panjang, atau mengelola pekerjaan terstruktur.

Ruang kerja hybrid dapat menempatkan percakapan di samping artifact yang terus berkembang.

User dapat mendiskusikan perubahan sambil mengedit dokumen, rencana, design, atau kumpulan data secara langsung. Hasilnya menjadi objek hidup dan bukan rangkaian pesan.

5. Pertahankan Reversibilitas

User lebih bersedia untuk mengeksplorasi ketika kesalahan tidak terlalu besar.

Riwayat versi, pembatalan, pratinjau, dan konfirmasi sebelum tindakan eksternal membuat product terasa lebih aman. Hal ini menjadi penting ketika AI berkembang dari menghasilkan content hingga bertindak di sistem lain.

Rancang Lima Menit Pertama

Banyak team mengoptimalkan kualitas AI namun tidak terlalu memperhatikan sesi pertama.

Lima menit pertama seharusnya menjawab:

  • Apa kelebihan product ini?

  • Apa yang harus saya coba terlebih dahulu?

  • Informasi apa yang dibutuhkannya?

  • Bisakah saya memperbaikinya?

  • Apa yang terjadi pada data saya?

  • Apa yang dapat saya lakukan dengan hasilnya?

Tutorial yang panjang jarang menjadi jawabannya.

Pengalaman harus mengajar melalui tindakan. Contoh yang relevan menghasilkan kesuksesan kecil. Kesuksesan itu mengungkapkan kemampuan lain. Bimbingan menjadi lebih ringan seiring dengan tumbuhnya rasa percaya diri.

Ukur Kemajuan, Bukan Minimalisme Interface

Layar yang bersih adalah hasil estetika. Product yang jelas adalah hasil perilaku.

Team harus mengukur:

  • Saatnya untuk mendapatkan hasil yang berarti.

  • Persentase user baru yang memulai tugas.

  • Frekuensi permintaan yang ditinggalkan.

  • Jumlah loop klarifikasi.

  • Editing dan reuse output berhasil.

  • Return usage setelah sesi pertama.

  • Keyakinan dalam memahami keterbatasan sistem.

Langkah-langkah ini menunjukkan apakah product tersebut membantu masyarakat mencapai kemajuan.

AI interface Berikutnya Akan Terasa Kurang Kosong

prompt box kosong adalah titik awal yang efektif untuk memperkenalkan AI untuk tujuan umum. Hal ini menunjukkan bahwa interaksi yang kompleks dapat dimulai dengan bahasa biasa.

Ini tidak boleh menjadi jawaban permanen untuk setiap AI product.

Ketika sistem menjadi lebih mampu, interface harus menjadi lebih bermanfaat. Ini harus mengungkap kemungkinan, memperjelas maksud, mengungkap asumsi, dan mengubah output menjadi sesuatu yang dapat dipahami dan dikendalikan oleh user.

Tujuannya bukan untuk memenuhi layar dengan lebih banyak komponen. Ini untuk mengisi pengalaman dengan arah yang lebih baik.

Kesederhanaan bukan berarti tidak adanya interface. Ini adalah tidak adanya ketidakpastian yang tidak perlu.