1.3 AI Membuat Prototype Cepat, Tapi Belum Tentu Berguna
Bayangkan Anda akhirnya memutuskan untuk bertindak. Ide sudah jelas: tim Anda butuh alat bantu untuk merekap data penjualan mingguan. Anda bukan programmer, tetapi Anda pernah mendengar bahwa AI sekarang bisa membantu membuat aplikasi. Anda membuka salah satu AI assistant, mengetikkan deskripsi singkat tentang apa yang Anda butuhkan, dan dalam waktu sepuluh menit—sebuah prototype muncul. Ada form input, tabel hasil, tombol ekspor ke Excel. Semuanya terlihat rapi.
Rasanya seperti sihir. Sesuatu yang dulu membutuhkan waktu berhari-hari atau bahkan berminggu-minggu, sekarang bisa Anda dapatkan dalam satu sesi ngopi. Anda bersemangat. Anda langsung ingin menunjukkannya ke tim. "Lihat, saya sudah membuat aplikasi untuk kita!"
Tapi tunggu. Sebelum Anda mengirimkan tautan prototype itu ke grup WhatsApp tim, ada satu pertanyaan yang perlu dijawab: apakah prototype ini benar-benar berguna?
Kemampuan AI untuk menghasilkan prototype cepat adalah lompatan besar. Dulu, membuat sesuatu yang bisa dipegang dan dicoba membutuhkan investasi waktu dan tenaga yang tidak sedikit. Sekarang, dengan prompt yang tepat, siapa pun bisa menghasilkan antarmuka yang berfungsi dalam hitungan menit. Ini bukan hal yang remeh. Ini berarti hambatan teknis untuk memulai menjadi sangat rendah. Anda bisa menguji ide lebih cepat, mendapatkan umpan balik lebih awal, dan belajar dari kesalahan dengan biaya yang kecil.
Namun, ada jebakan yang mengintai. Prototype yang cepat lahir seringkali membuat kita lupa bertanya: apakah ini yang benar-benar dibutuhkan? Antarmuka yang indah dan fitur yang berfungsi bisa menipu. Kita melihat sesuatu yang berjalan, kita merasa sudah maju, dan kita langsung menyimpulkan bahwa solusi sudah ditemukan. Padahal, yang kita lihat hanyalah interpretasi AI terhadap deskripsi singkat yang kita berikan—bukan hasil pemahaman mendalam tentang masalah yang sebenarnya.
Di sinilah perbedaan antara "bisa dibuat" dan "layak dibuat" menjadi penting. "Bisa dibuat" artinya AI mampu menghasilkan sesuatu berdasarkan perintah Anda. "Layak dibuat" artinya solusi itu benar-benar menyelesaikan masalah yang dihadapi oleh orang yang tepat, dengan cara yang tepat, dan dalam konteks yang tepat. Keduanya adalah hal yang sangat berbeda.
Prototype cepat dari AI bisa membantu Anda membayangkan kemungkinan. Tapi ia tidak bisa menggantikan pekerjaan memahami: siapa yang akan memakai alat ini? Kapan mereka akan menggunakannya? Apa yang membuat mereka merasa terbantu? Apa yang selama ini membuat mereka kesulitan? Jawaban atas pertanyaan-pertanyaan ini tidak bisa dihasilkan oleh AI dalam sepuluh menit. Jawaban itu hanya bisa ditemukan dengan berbicara dengan pengguna, mengamati proses kerja mereka, dan mendengarkan keluhan yang tidak terucap.
Seorang arsitek tidak langsung membangun begitu ada ide. Ia menggambar sketsa, tetapi ia juga mengajukan pertanyaan. Ia menguji asumsi. Ia mencari tahu apakah ruang yang akan dibangun benar-benar sesuai dengan cara penghuninya bergerak dan bekerja. Di zaman AI, Anda perlu melakukan hal yang sama. Biarkan AI membantu Anda membuat prototype dengan cepat—tapi jangan biarkan kecepatan itu membuat Anda melompat ke kesimpulan.
Gunakan prototype cepat sebagai alat untuk bertanya, bukan sebagai jawaban akhir. Tunjukkan ke calon pengguna. Amati reaksi mereka. Dengar apa yang mereka katakan dan apa yang tidak mereka katakan. Prototype yang baik adalah yang memicu percakapan yang lebih dalam tentang kebutuhan, bukan yang membuat semua orang setuju karena sudah terlihat jadi.
Perhatikan perbedaan dua prompt berikut:
Prompt buruk (terlalu umum):
"Buat aplikasi rekap penjualan."
Prompt baik (spesifik dan kontekstual):
"Buat form input data penjualan harian untuk tim sales kecil,
dengan tabel rekap dan tombol ekspor CSV. Fokus pada kemudahan
input, bukan visual yang rumit."
Jika code bukan pusat, dan prototype cepat bukan jaminan, lalu apa yang seharusnya menjadi perhatian utama? Jawabannya dimulai dari memahami untuk siapa dan untuk apa solusi dibuat. Tapi sebelum sampai ke sana, ada satu hal lagi yang perlu diluruskan: menyelesaikan sesuatu dengan teknologi tidak selalu berarti membuat sesuatu yang baru.