Belajar Product Designer - AI-Native Product Design

#Pendahuluan

Setelah di episode 20 kita membangun trust & safety, pada episode ini kita masuk fase paling menarik di 2026: AI-native product design. Fitur cek gejala yang selama ini berbasis aturan (episode 3-7) bisa diperkuat dengan model AI — dan cara kita mendesainnya akan menentukan apakah fitur itu membantu atau mencelakai pengguna.

Perbedaan kunci: fitur "konvensional" punya hasil yang deterministik, sedangkan fitur AI menghasilkan output yang tidak sepenuhnya terprediksi. Desain harus mengelola ketidakpastian itu: membangun kepercayaan pada yang benar, dan melindungi dari yang salah. Di ranah kesehatan, kesalahan AI bukan sekadar bug — bisa menyesatkan pasien.

#AI-Native vs AI-Wrapped

Perbedaan yang sering disalahpahami:

• AI-wrapped: produk lama + fitur AI sebagai pelengkap (misal app catatan yang ditambahi "ringkas dengan AI"). AI di tengah-tengah, bukan inti.
• AI-native: produk dirancang sejak awal dengan asumsi AI sebagai komponen inti pengalaman. Seluruh flow menyesuaikan kemampuan dan batasan AI.

Untuk Sehati, cek gejala AI-native berarti: alur triase dirancang di sekitar asisten AI yang menanya, menilai, dan menjelaskan — dengan manusia sebagai pengawas penting. Sehati sendiri (produk keseluruhan) tetap hybrid: ada fitur konvensional dan fitur AI-native.

#Mendesain Interface LLM

Interface LLM berbeda dari form biasa: outputnya berupa bahasa alami, kadang panjang, dan tidak selalu konsisten. Prinsip desain untuk interface LLM:

1. Set ekspektasi di awal — jelaskan apa yang bisa dan tidak bisa dilakukan asisten.
2. Tampilkan tingkat keyakinan — "saya yakin 90% ini gejala X, tapi konsultasi dokter tetap disarankan untuk kepastian".
3. Sediakan bukti & sumber — jawaban harus bisa ditelusuri, bukan kotak hitam.
4. Kelola kesalahan dengan anggun — AI pasti salah; rancang tampilan untuk "saya tidak yakin".
5. Jaga kontrol di tangan pengguna — AI menyarankan, manusia memutuskan.

Anda: "Saya batuk-batuk sejak kemarin dan sedikit sesak."
 
Asisten: "Baik, batuk disertai sesak perlu diperhatikan.
Tingkat keyakinan saya: sedang (60%).
Saran saya: konsultasi dalam 24 jam, dan segera ke IGD jika
sesak memburuk. [Dasar: pertanyaan yang saya tanyakan]"
 
[ Lanjut Konsultasi ] [ Tanya lagi ] [ Bicara Dokter ]

Perhatikan tiga hal: tingkat keyakinan eksplisit, saran langkah nyata, dan tindakan darurat yang jelas. Tanpa ketiganya, asisten berbahaya atau tidak berguna.

#Agentic UX: Ketika AI Bertindak

Agentic UX adalah desain interaksi di mana AI tidak hanya menjawab, tetapi bertindak atas nama pengguna: menganalisis, merencanakan, dan mengeksekusi rangkaian tugas. Contoh di Sehati: asisten yang menjadwalkan konsultasi, menyiapkan ringkasan gejala untuk dokter, dan mengingatkan penggantian obat.

Desain agentic yang aman membutuhkan tiga elemen:

Prinsip utamanya: agent harus terlihat bekerja, bukan bertindak dalam bayangan. Setiap aksi yang memengaruhi data atau biaya pengguna harus terlihat dan bisa ditarik kembali.

#Mitigasi Kesalahan & Hallucination

AI bisa menghasilkan jawaban yang tampak meyakinkan tapi salah (hallucination). Strategi desain untuk mengelolanya:

1. Scope task yang sempit — asisten triase tidak boleh menjawab pertanyaan di luar cakupan ("saya tidak menangani diagnosis lanjutan").
2. Default ke manusia — untuk keputusan berisiko, AI mengarahkan ke dokter, bukan memutuskan sendiri.
3. Laporkan sumber & alasan — jawaban yang bisa ditelusuri lebih mudah dipercaya dan dikoreksi.
4. Feedback & learning — tombol "jawaban tidak tepat" menjadi data perbaikan.
5. Human-in-the-loop — insinyur/medis meninjau sampel interaksi secara berkala.

#Praktik: Rancang Fitur AI Sehati

1. Pilih satu fitur AI yang benar-benar butuh AI untuk Sehati (misal asisten triase bahasa alami).
2. Sketsa alur percakapan awal (3-4 pesan) dengan elemen: ekspektasi, keyakinan, sumber, escape ke dokter.
3. Tulis batas cakupan asisten: apa yang boleh dijawab, apa yang wajib dilimpahkan ke manusia.
4. Rancang mode agentik opsional (jadwalkan konsultasi) dengan consent & undo.

#Penutup

Inti yang harus dibawa pulang:

• Bedakan AI-wrapped (tambahan) dan AI-native (inti pengalaman) — dan jujur soal yang mana.
• Interface LLM butuh: ekspektasi, keyakinan, sumber, pengelolaan kesalahan, dan kontrol user.
• Agentic UX wajib punya transparansi, consent, dan kontrol/undo.
• Hallucination dikelola dengan scope sempit, default ke manusia, dan bukti yang bisa ditelusuri.
• Tanya dulu: apakah fitur ini benar-benar butuh AI?

Di episode 22 selanjutnya kita akan membahas generative & adaptive interfaces — UI yang berubah secara adaptif dan generatif, personalisasi konten, dan cara menjaga kualitas & kepercayaan saat interface tidak lagi statis. Sampai jumpa di episode 22!