Bahasa Indonesia

AI dalam Workflow Desainer Produk: Di Mana Membantu, Di Mana Gagal

Setiap alat desain kini memiliki tombol "AI". Anda sudah mencoba sebagian besar. Separuhnya menghasilkan output yang terlihat seperti tangkapan layar Dribbble tahun 2019 dengan kostum baru. Separuhnya lagi benar-benar menghemat satu sore kerja Anda.

Perbedaannya bukan pada alatnya. Melainkan pada titik mana dalam workflow Anda mengarahkannya.

Setahun terakhir, saya agak malu mengakui seberapa banyak saya menggunakan AI untuk tugas-tugas tertentu, sekaligus terlalu kesal untuk mengakui seberapa sering saya menolaknya di tugas lain. Ini adalah versi yang sudah dirapikan dari apa yang pada akhirnya saya putuskan. Tidak ada kepanikan soal "AI akan menggantikan desainer." Tidak ada hype soal "AI akan melipatgandakan craft Anda." Hanya bagian-bagian dalam seminggu di mana AI terbukti berguna, dan bagian-bagian di mana saya masih menyuruhnya pergi.

Mengapa ini penting sekarang

PM sudah merilis produk dengan v0 dan Cursor tanpa melibatkan Anda. Saya tidak mengatakannya untuk menakut-nakuti siapa pun. Saya mengatakannya karena pertanyaan "haruskah desainer menggunakan AI" sudah dijawab oleh orang-orang yang bukan desainer.

Jika Anda tidak punya sudut pandang tentang AI dalam craft Anda, sudut pandang orang lain menjadi standar default. Dan default itu hampir selalu berupa tumpukan kartu Tailwind generik dengan tiga ikon, sebuah gradien, dan kata "Empower" entah di mana di bagian hero. Anda pasti tahu tampilannya.

Jadi ini bukan soal merangkul AI, melainkan soal menjadi spesifik. Apa yang benar-benar bisa dilakukannya dengan baik? Apa yang dirusaknya? Dan apa uji coba terkecil yang bisa Anda jalankan bulan ini untuk mencari tahu?

Di mana AI benar-benar membantu

Inilah bagian-bagian dalam seminggu di mana saya sudah berhenti bersikap terlalu kaku. Hasilnya cukup baik, waktu yang dihemat nyata, dan bagian pekerjaan yang sebelumnya ada di sini bukan tempat saya mendapat penghargaan.

Pengelompokan transkrip riset

Dua puluh wawancara pengguna dulu berarti seminggu penuh bersama spreadsheet, kolom tag, dan erosi perlahan semangat hidup saya. Sekarang hanya sekitar tiga puluh menit.

Dovetail AI, Notion AI, atau Claude dengan transkrip yang sudah ditempelkan akan menarik tema, frekuensi, dan kluster kutipan lebih cepat dari manusia mana pun. Saya tetap membaca setiap kutipan. Saya tetap mencocokkan hasil sintesis dengan intuisi saya sendiri dari sesi wawancara langsung. Tapi saya melewatkan tahap spreadsheet sepenuhnya, dan waktu yang dihemat saya gunakan untuk lebih banyak wawancara, yang itulah tempat leverage sesungguhnya berada.

Jebakan yang perlu dihindari: jangan percaya kluster pertama begitu saja. Jalankan dua kali dengan prompt berbeda dan lihat di mana keduanya tidak sepakat. Ketidaksepakatan itulah tempat riset yang menarik berada.

Pengisian awal prototipe

v0, Galileo, Figma Make. Saya menggunakan ini untuk perancah yang membosankan: halaman pengaturan yang tidak akan dilihat dua kali, tabel untuk alat admin internal, wizard lima langkah yang semuanya terlihat sama.

Triknya adalah memperlakukan output sebagai wireframe, bukan sebagai desain jadi. Grid-nya adalah titik awal. Hierarkinya adalah titik awal. Kemudian Anda mendesain ulang sekitar 70% karena versi AI bersifat generik sementara produk Anda tidak. Tapi Anda melewatkan kanvas kosong, yang merupakan bagian terburuk dari sprint mana pun yang melibatkan tata letak yang tidak Anda pedulikan secara khusus.

Untuk antarmuka konsumen atau yang berbasis merek, cara ini tidak efektif. Kita akan membahasnya nanti.

Varian microcopy

Kondisi kosong, pesan kesalahan, tooltip onboarding, teks tombol saat "Simpan" terasa terlalu datar tapi "Terapkan perubahan" terasa terlalu panjang. Saya menghasilkan sepuluh varian, membuang sembilan, dan menyunting satu.

Kata kuncinya adalah menyunting. Apa pun yang saya kirim langsung dari LLM terdengar seperti LLM ketika masuk ke produksi. Iramanya salah. Penghematannya salah. Selalu ada satu kata sifat terlalu banyak. Tapi sebagai mitra brainstorming, ini jauh lebih baik daripada menatap kursor berkedip di samping "Maaf, terjadi kesalahan" untuk keseratus kalinya.

Teks alt dan perancah aksesibilitas

Draft awal teks alt. Draft label ARIA. Pemeriksaan kontras warna. Pemeriksaan struktur heading untuk screen reader.

Saya verifikasi semua hasilnya. AI memenuhi WCAG AA untuk hal-hal yang jelas dan meleset di setiap kasus tepi yang bernuansa. Tapi halaman kosong sudah hilang, dan itu penting ketika pekerjaan aksesibilitas sudah menjadi bagian yang paling kurang didanai di hampir setiap tim. Keunggulan 50% lebih baik daripada 0%.

Saya akan memberi catatan keras di bagian berikutnya, karena mengirim teks alt buatan AI tanpa tinjauan adalah cara Anda mengirimkan "gambar seseorang" sebanyak 4.000 kali di seluruh situs pemasaran.

Perancah serah terima ke developer

Cursor mengubah frame Figma menjadi komponen fungsional yang kemudian disempurnakan oleh engineer. Ini adalah alat desain AI paling underrated, tanpa perdebatan.

Pasangkan Cursor dengan design system yang baik dan Anda memangkas waktu serah terima hingga setengahnya. Engineer tidak perlu menerjemahkan token jarak secara manual. Anda tidak lagi menerima pesan Slack ketiga yang berbunyi "apakah maksudnya ini?" pada jam 4 sore Jumat. Commit pertama lebih dekat ke maksud Anda sejak awal.

Ini berhasil karena ada design system yang ketat yang membatasi output. Tanpa itu, Cursor berimprovisasi, dan Cursor yang berimprovisasi hanyalah v0 dengan langkah ekstra.

Di mana AI gagal (dan Anda tidak boleh mendelegasikannya)

Ini adalah daftar yang akan saya tempel di monitor untuk setiap desainer junior yang bertanya seberapa banyak AI yang harus digunakan. Semua hal di bawah ini adalah tempat pekerjaan membayar Anda untuk berpikir, dan di sinilah AI berpikir seperti semua orang yang ada sebelumnya, yang justru merupakan insting yang salah.

Selera

AI mengambil rata-rata. Pekerjaan Anda adalah menjadi spesifik.

Ketika saya meminta AI untuk mendesain dashboard SaaS, ia memberi saya dashboard SaaS. Generik, masuk akal, terlupakan. Tiga kartu KPI di bagian atas, sebuah grafik, sebuah tabel, sebuah sidebar. Tampilannya seperti setiap dashboard SaaS lainnya karena ia dilatih dengan setiap dashboard SaaS lainnya.

Tapi Anda tidak mendesain sebuah dashboard SaaS. Anda mendesain dashboard ini untuk pengguna ini, yang bekerja dalam konteks ini, di mana grafik bukan elemen utama yang tepat karena pengguna sebenarnya membuka halaman tersebut untuk melakukan satu tugas spesifik dan grafik bukan bagian dari itu. AI tidak akan menangkap itu. Anda yang akan menangkapnya.

Pembingkaian masalah

AI menjawab pertanyaan. Desainer menentukan pertanyaan mana yang layak dijawab.

Jika PM meminta desain ulang halaman pengaturan dan Anda meminta Claude untuk mendesain ulang pengaturan, keduanya salah. Langkah yang menarik adalah menyadari bahwa pengaturan tidak perlu didesain ulang. Yang dibutuhkan adalah diurai, dengan tiga pengaturan yang benar-benar sering digunakan dimunculkan ke alur utama dan sisanya disimpan dalam laci "lainnya." AI tidak melakukan langkah itu. AI membangun halaman pengaturan yang lebih baik.

Keputusan pembingkaian adalah milik Anda. Jangan delegasikan.

Nuansa aksesibilitas

Saya sudah menyebutkan ini di atas dan saya ulangi karena perlu ditekankan. AI memenuhi pemeriksaan kontras WCAG AA. AI menulis teks alt yang masuk akal. AI menghasilkan peran ARIA yang terlihat benar.

AI tidak memahami alur navigasi keyboard ketika modal terbuka di dalam sheet di dalam drawer. AI tidak memahami bahwa screen reader yang membaca "tombol tombol tombol tombol" di seluruh grid kartu secara teknis patuh namun secara fungsional tidak ramah. AI tidak memahami bahwa video putar otomatis tanpa kontrol jeda melanggar lebih dari satu kriteria.

Uji dengan screen reader. Uji hanya dengan keyboard. Uji dengan reduced motion aktif. AI bukan pengganti pengujian nyata, tidak peduli seberapa percaya diri output-nya terdengar.

Suara merek

Salinan AI terdengar seperti salinan AI. Irama, lelucon internal, kesederhanaan, kesediaan untuk membiarkan kalimat lebih pendek dari yang diinginkan. Itu masih milik Anda.

Setiap merek yang saya kagumi memiliki suara yang sedikit aneh. Sedikit tidak beraturan. Mengatakan sesuatu dalam urutan yang mengejutkan. AI tidak bisa mereproduksi itu, karena AI dilatih untuk menjadi kebalikan dari aneh. Ia dilatih untuk menjadi masuk akal. Masuk akal adalah kematian suara merek.

Jika suara merek Anda bisa direplikasi oleh LLM, merek Anda tidak memiliki suara.

Pola interaksi baru

AI dilatih pada apa yang sudah ada. Jika produk Anda membutuhkan sesuatu yang baru, AI akan menarik Anda ke arah rata-rata.

Saya pernah meminta Galileo untuk membuat mockup alur untuk fitur yang benar-benar baru. Ia menghasilkan versi yang sempurna dari pola yang paling mendekati, yang ternyata merupakan pola yang salah. Saya menghabiskan satu jam mendorongnya untuk menghasilkan hal baru dan tidak berhasil. Saya menutup tab dan membuat sketsa di kertas dalam 15 menit.

Ketika jawabannya adalah sesuatu yang baru, AI adalah pemberat jangkar. Jangan melawannya. Cukup jangan gunakan untuk bagian itu.

Penilaian jujur tentang alat

Kira-kira dalam urutan seberapa sering saya membukanya:

  • Figma AI. Solid untuk mengganti nama layer (ini saja sudah sepadan), menghasilkan konten placeholder yang bukan Lorem ipsum, ikon draft pertama yang akan Anda gambar ulang. Biasa-biasa saja untuk "desain layar ini": output-nya generik. Gunakan untuk pekerjaan rutin.
  • v0 / Galileo. Bagus untuk engineer yang membangun alat internal tanpa desainer. Untuk antarmuka konsumen atau pengalaman bermerek, jahitannya langsung terlihat. Saya menggunakan v0 untuk perancah inspirasi yang kemudian saya desain ulang dari awal. Galileo saya gunakan lebih jarang.
  • Cursor untuk design-to-code. Alat desain AI paling underrated, tanpa perdebatan. Pasangkan dengan design system yang baik dan loop serah terima Anda menjadi jauh lebih cepat. Perubahan tunggal dengan ROI tertinggi dalam daftar ini.
  • ChatGPT / Claude sebagai mitra berpikir. Lebih baik dari semua alat visual di atas untuk kritik, salinan, penamaan, dan menguji logika Anda sendiri. Lebih buruk dari semuanya untuk output visual. Perlakukan seperti rekan yang bisa Anda ganggu pukul 11 malam.

Itulah seluruh daftar yang benar-benar saya buka dalam seminggu normal.

Tanda-tanda "AI yang mendesainnya"

Saya menyimpan daftar ini di Figma. Jika tiga atau lebih hal ini muncul dalam sesuatu yang akan saya rilis, saya desain ulang.

  • Tata letak tiga kartu dengan tiga ikon di bagian hero atau seksi value prop.
  • Gradien pada CTA yang tidak membutuhkan gradien.
  • Salinan yang menggunakan "Unlock," "Empower," atau "Seamless" tanpa ironi.
  • Jarak yang sangat merata yang mengabaikan bobot visual (semuanya 16px karena prompt mengatakan "gunakan jarak konsisten").
  • Ilustrasi hero bergaya foto stok berisi orang-orang beragam yang menunjuk laptop.
  • Halaman harga dengan tiga tingkatan, yang tengah berlabel "Paling Populer," dan perbandingan kolom centang yang tidak akan dibaca siapa pun.
  • Judul yang mengikuti pola "kata kerja + kata benda Anda." ("Sederhanakan alur kerja Anda." "Percepat tim Anda." "Permudah stack Anda.")
  • Teks isi yang dibuka dengan "Di era serba cepat saat ini."

Tiga dari hal-hal ini dan desain tersebut sudah ketahuan sebelum ada yang melihat filenya. Desain ulang.

Rencana 30 hari Anda

Anda bisa membaca artikel ini dan mengangguk setuju, atau Anda bisa menjalankan uji nyata. Berikut versi paling murah dari pilihan kedua.

Minggu 1: Kelompokkan satu proyek riset. Pilih proyek dengan 10+ transkrip wawancara pengguna. Jalankan melalui pengelompokan AI (Dovetail AI, Notion AI, atau Claude). Lakukan sintesis manual paralel Anda sendiri. Bandingkan keduanya. Catat di mana AI benar, di mana ia salah dengan yakin, dan di mana ia menemukan sesuatu yang Anda lewatkan. Tujuannya bukan menggantikan sintesis Anda. Tujuannya adalah mengkalibrasi kepercayaan Anda.

Minggu 2: Isi awal satu layar internal. Gunakan v0, Figma Make, atau Galileo untuk satu layar internal end-to-end. Pengaturan, tabel, panel admin, apa pun di mana kehalusan merek tidak terlalu penting. Catat waktu yang dibutuhkan dibanding alur normal Anda, dan tuliskan di mana Anda harus mendesain ulang dari awal. Anda akan cepat mengetahui 70% mana yang bisa dipertahankan dan 30% mana yang harus dibangun ulang.

Minggu 3: Variasi microcopy. Jalankan semua microcopy dalam proyek Anda saat ini (kondisi kosong, pesan kesalahan, tooltip, teks tombol) melalui generator varian AI. Pertahankan yang lebih baik. Buang yang lebih buruk. Catat pola di mana AI secara konsisten membantu versus di mana ia secara konsisten meratakan suara Anda. Ini menjadi lembar contekan pribadi Anda untuk sprint berikutnya.

Minggu 4: Berkolaborasi dalam serah terima developer. Pilih satu komponen yang akan dikirim ke engineering sprint ini. Siapkan engineer dengan Cursor dan batasan design system yang ketat. Ukur waktu serah terima dan loop pengerjaan ulang dibanding komponen setara dari sprint terakhir. Jika lebih cepat dan lebih bersih, ini adalah perubahan leverage tertinggi Anda. Jadikan permanen.

Empat minggu. Satu uji nyata per minggu. Pada akhirnya, Anda akan memiliki pendapat sendiri, bukan pendapat saya.

Opsional: pemetaan ke ACE Framework

Jika tim Anda menggunakan kosakata ACE (Ingest, Analyze, Predict, Generate, Execute), ada baiknya menamai di mana AI desain cocok dan di mana tidak.

  • Ingest: menarik transkrip riset, tiket dukungan, dan rekaman sesi ke dalam korpus yang bisa dikerjakan. AI sangat membantu.
  • Analyze: mengelompokkan tema, menemukan frekuensi, menemukan pencilan dalam data kualitatif. AI membantu, dengan verifikasi tambahan.
  • Generate: pengisian awal prototipe, varian microcopy, draft teks alt, perancah serah terima developer. AI membantu dalam batasan tertentu.
  • Predict: masalah mana yang harus diselesaikan selanjutnya, versi mana yang akan dirilis, trade-off mana yang penting. Anda. Bukan AI.
  • Execute: keputusan rilis sesungguhnya dan kepemilikan pasca-peluncuran. Anda dan tim Anda. Bukan AI.

Menyebutkan ini dengan lantang berguna ketika PM bertanya mengapa Anda tidak "membiarkan AI melakukannya." Jawaban jujurnya adalah AI berguna di tiga dari lima kapabilitas, dan dua yang tidak bisa disentuhnya adalah dua yang memberi desainer kursi di meja keputusan. Membiarkan AI mengambil alih Predict atau Execute berarti membiarkan AI mendesain produk Anda, yang juga disebut merilis produk generik, yang juga adalah hal yang sudah dilakukan oleh pesaing Anda yang tidak memiliki desainer.

Jebakan umum

Daftar singkat bagaimana ini bisa salah, kira-kira dalam urutan saya membuat masing-masing kesalahan:

  • Membiarkan output AI melewati kritik karena "terlihat sudah selesai." Tampilannya selesai. Tapi belum selesai. Tunjukkan ke tim Anda.
  • Menggunakan AI untuk bagian pekerjaan yang memberi Anda penghargaan. Selera, pembingkaian, pola baru. Jika Anda mendelegasikan ini, Anda menjadi tergantikan, dan yang menggantikan Anda bukan AI. Itu akan menjadi desainer berikutnya yang tidak melakukan itu.
  • Menyembunyikan bagian pekerjaan yang dibantu AI. Beritahu tim Anda. Transparansi membangun kepercayaan. Menyembunyikannya merusaknya ketika seseorang menyadarinya.
  • Mempercayai keyakinan AI melebihi keyakinan Anda sendiri. AI terdengar yakin bahkan ketika salah. Insting Anda dikalibrasi oleh ribuan desain. Percayai insting.
  • Mengoptimalkan 30% minggu yang salah. AI yang menghemat 30 menit untuk tugas yang hanya Anda lakukan sebulan sekali tidak layak diintegrasikan. Temukan rasa sakit yang berulang.

Mengukur keberhasilan

Inilah tolok ukur yang saya terapkan untuk penggunaan AI saya sendiri.

Anda merilis lebih cepat untuk pekerjaan perancah: sintesis riset, tata letak alat internal, draft microcopy pertama, serah terima developer. Anda merilis lebih lambat dan lebih cermat untuk bagian yang penting: keputusan pembingkaian, pola baru, suara merek, nuansa aksesibilitas.

Tim Anda bisa mengetahui 20% minggu desain Anda mana yang kini menjadi waktu yang direklamasi. Anda menggunakannya untuk lebih banyak wawancara, lebih banyak kritik, lebih banyak pemikiran, lebih banyak iterasi pada bagian pekerjaan di mana iterasi memberikan hasil berlipat.

Dan ukuran terpenting: tidak ada yang melihat pekerjaan Anda dan berpikir "AI yang membuatnya."

Itulah tolok ukurnya. Apa pun di bawah itu berarti Anda menggunakan AI untuk bagian pekerjaan yang salah.

Pelajari Lebih Lanjut