Pengalaman memangkas 50% sumber daya UX writing dengan Claude Code (memanfaatkan Figma MCP)

Catatan berbagi tentang bagaimana tugas besar meninjau seluruh teks layanan—pekerjaan yang biasanya didefinisikan sebagai UX Writing—diotomatisasi dan diselesaikan dengan AI.
Melampaui sekadar "memanfaatkan AI", tulisan ini dengan baik menunjukkan proses menyistemkan standar penilaian organisasi dan menerapkannya secara dekat ke pekerjaan nyata.

Ringkasan inti
Alih-alih panduan menulis yang ambigu, digunakan "spektrum yang terukur"
Daripada instruksi subjektif seperti "dengan ramah", tone didefinisikan dalam 5 tahap, dari onboarding hingga peringatan. Berkat ini, AI dapat menghasilkan nada yang tepat sesuai situasi. Sebanyak 70% kualitas berasal dari pengelolaan "glossary".

Claude Code (CLI) dan sistem berkas Markdown
Alih-alih memasukkan semua aturan ke dalam prompt, prinsip/contoh/sesi dikelola dalam struktur folder Markdown (.md) yang terpisah. Berkat lingkungan CLI, AI hanya membaca indeks saat diperlukan, sehingga mengurangi pemborosan token dan meningkatkan akurasi.

Otomatisasi workflow desain dengan koneksi Figma MCP
Saat desainer memberikan tautan rancangan, AI langsung mengakses Figma. Dari [duplikasi versi asli → membuat TOBE → mengganti teks → menandai bagian yang berubah dengan warna pink], semuanya dilakukan secara otomatis untuk memaksimalkan efisiensi kolaborasi.

Struktur "peningkatan pengetahuan" yang menciptakan siklus positif
Pola yang berulang dalam ringkasan sesi yang terkumpul melalui percakapan dengan anggota tim dipromosikan menjadi prinsip resmi (Docs). Bot dirancang agar tumbuh bersama aset writing organisasi, melampaui peran sebagai alat sederhana.

Titik-titik pengurangan sumber daya
Menghilangkan waktu untuk membolak-balik guidebook
Mengotomatisasi pencarian kasus serupa
Mengotomatisasi pekerjaan revisi dan penandaan manual di Figma
Membuat dasar koreksi (Reason) secara otomatis

Pada akhirnya keputusan final tetap menjadi bagian manusia, tetapi dengan menyerahkan rutinitas yang berulang kepada AI, tim jadi bisa fokus hanya pada "konteks dan pengalaman pengguna"—isi seperti ini tampak layak langsung dicoba di praktik kerja nyata.