3.3 Mengukur Value: Waktu, Biaya, Kesalahan, dan Keputusan
Kepala produk itu akhirnya duduk dengan timnya dan bertanya: “Kalau bukan jumlah fitur, apa yang seharusnya kita ukur?” Pertanyaan ini terdengar sederhana, tetapi jarang dijawab dengan jujur. Banyak tim mengukur output karena output mudah dihitung. Pull request yang merged, story point yang selesai, atau jumlah deployment per minggu. Semua itu nyaman, tetapi tidak memberi tahu apakah bisnis bergerak ke arah yang benar.
Mengukur value dimulai dari pertanyaan yang lebih tajam: apa yang berubah setelah pekerjaan ini selesai? Perubahan itu bisa muncul dalam beberapa bentuk. Pertama, waktu. Apakah proses yang sebelumnya butuh tiga hari sekarang selesai dalam tiga jam? Apakah pelanggan tidak perlu menunggu lama untuk mendapatkan keputusan layanan? Kedua, biaya. Apakah biaya per transaksi turun? Apakah tim operasi tidak perlu merekrut sepuluh orang baru karena volume kerja bisa ditangani dengan cara lain? Ketiga, kesalahan. Apakah jumlah data yang salah input berkurang? Apakah dokumen yang hilang tidak lagi terjadi?
Setiap bentuk perubahan ini bisa diukur. Waktu proses verifikasi sebelum dan sesudah fitur rilis. Biaya per panggilan call center. Persentase error dalam pendaftaran layanan. Angka-angka ini bukan sekadar metrik teknis. Angka-angka ini adalah bukti bahwa value benar-benar tercipta.
Selain tiga hal di atas, ada dua ukuran lain yang sering dilupakan. Friksi dan exposure. Friksi adalah gesekan yang membuat pengguna atau staf harus melakukan langkah tambahan untuk menyelesaikan pekerjaan. Setiap klik ekstra, setiap formulir ulang, setiap tunggu konfirmasi adalah friksi. Mengurangi friksi berarti membuat pengalaman lebih lancar, dan itu value yang nyata. Exposure adalah seberapa besar risiko yang dihadapi organisasi karena informasi tersebar, akses tidak terkontrol, atau keputusan diambil tanpa data. Mengurangi exposure berarti organisasi lebih aman, dan itu juga value.
Di sisi lain, value juga bisa berarti peningkatan. Revenue naik karena fitur baru memungkinkan penjualan produk tambahan. Speed meningkat karena tim bisa merilis perubahan lebih cepat tanpa menunggu proses manual. Reliability membaik karena sistem tidak lagi down di jam sibuk. Compliance terpenuhi karena setiap langkah tercatat dan bisa diaudit. Learning terjadi karena organisasi mulai memahami pola data yang sebelumnya tidak terlihat. Dan yang paling penting, kemampuan mengambil keputusan meningkat karena data yang dibutuhkan tersedia tepat waktu.
Kepala produk itu kemudian mengubah cara timnya bekerja. Sebelum memulai fitur baru, mereka menuliskan: value apa yang akan berubah? Waktu, biaya, kesalahan, friksi, exposure, revenue, speed, reliability, compliance, learning, atau keputusan? Setelah fitur rilis, mereka mengukur ulang. Tidak semua fitur menghasilkan perubahan yang diharapkan. Tetapi sekarang mereka tahu mana yang layak dilanjutkan dan mana yang harus dihentikan.
Berikut adalah diagram yang merangkum empat dimensi value beserta indikator pengukurannya.
Mengukur value bukan soal membuat dashboard yang rumit. Ini soal disiplin bertanya sebelum dan sesudah: apa yang berubah? Jika jawabannya tidak jelas, mungkin yang perlu diubah bukan fiturnya, tetapi cara kita memilih fitur. Dan di sinilah AI mulai masuk sebagai faktor perhitungan, karena AI bisa mengubah biaya dan effort per inisiatif secara drastis. Subbab berikutnya akan membahas bagaimana effort dan biaya berubah ketika AI menjadi bagian dari cara kerja.
