Para desainer sedang mengasah pisau untuk pertarungan yang salah

• AI telah sangat menurunkan biaya dan waktu implementasi produk, tetapi bottleneck strategi untuk menentukan apa yang harus dibuat dan untuk siapa tetap ada
• Diskusi di industri desain berfokus pada bagaimana membuat sesuatu dengan baik, seperti peran/kemampuan produksi/selera/standar, tetapi lawan yang benar-benar membunuh produk adalah pasar dengan ketidakpedulian, alternatif, dan biaya peralihan
• Pada masa implementasi mahal, uang dan waktu yang terbatas memaksa validasi awal terhadap ide yang salah, tetapi iterasi murah menciptakan struktur yang terus membuat produk yang seharusnya dihentikan seolah-olah menjadi produk jadi
• Standar dan selera diperlukan untuk memilih hasil yang baik dari banjir opsi, tetapi tidak dapat mencegah masalah membuat produk yang tidak diinginkan siapa pun dengan kualitas luar biasa
• Leverage tertinggi di era AI bukanlah kecepatan produksi, melainkan kemampuan memutuskan apa yang layak ada, masalah siapa yang harus diselesaikan, dan mengapa harus sekarang

---

Implementasi makin mudah, tetapi produk belum ditemukan

• Sebuah perusahaan membangun dan membangun ulang produk empat kali selama dua setengah tahun, tetapi masih belum bisa menjawab produk itu untuk siapa
  • Mereka mengimplementasikan antarmuka suara, aplikasi web yang rapi, hingga mesin pemecahan masalah tingkat tinggi, tetapi tidak berhasil menjangkau pelanggan yang menunjukkan minat
  • Karena implementasi bukan bottleneck, mereka bisa mencoba berbagai ide, tetapi tidak ada pengambilan keputusan atau prosedur yang jelas di antara percobaan
• Produk tersebut dianalogikan seperti perusahaan biotek yang menemukan molekul yang mungkin bisa menyembuhkan penyakit, tetapi tidak tahu sistem manufaktur/distribusinya maupun siapa pasiennya
• Bahkan ketika biaya membuat produk nyaris hilang, alasan keberadaan dan pelanggan sasaran yang menentukan keberhasilan tidak cukup dibahas
• Kerangka strategi produk Roman Pichler merangkum pilihan inti yang berada di atas eksekusi menjadi dua hal
  • Produk ini untuk siapa
  • Mengapa orang itu harus menginginkan produk tersebut
• Peran organisasi produk bukan memproduksi artefak implementasi, melainkan memutuskan apa yang layak dibuat

Masalah keliru yang dibidik industri desain

• Diskusi desain setelah AI hadir dalam berbagai bentuk, tetapi sebagian besar tetap berkutat pada bagaimana membuat produk
  • Lisa Demchenko melihat product designer bergeser dari penulis spesifikasi menjadi perancang sistem
  • Andrea Grigsby mengajukan selera (taste) sebagai daya saing yang sulit digantikan AI
  • Patrick Neeman mengusulkan aliansi standar web yang mengakhiri perang browser sebagai cara merespons era AI
• Peran/kemampuan produksi/selera/standar/sistem semuanya berkaitan dengan kualitas hasil, tetapi tidak menjawab apakah hasil itu memang perlu ada sejak awal
• Industri telah mengembangkan diskusi canggih tentang kualitas pekerjaan, tetapi lemah terhadap pertanyaan apakah pekerjaan itu harus dilakukan

Lawan sebenarnya adalah realitas pasar

• Desainer/developer/proses di dalam organisasi produk bukanlah pesaing, melainkan anggota yang menuju tujuan yang sama
• Pihak yang pada akhirnya dapat menolak produk adalah orang nyata dan pasar yang seharusnya menginginkan produk tersebut
  • Pasar tidak mempertimbangkan seberapa keras tim berusaha
  • Pasar tidak memberi tahu aturan, mengubah kondisi selama produk dibuat, dan bisa mengabaikan tanpa menjelaskan alasan
  • Ketidakpedulian/alternatif/biaya peralihan/perhatian yang terbatas bersaing dengan produk
• Kemampuan produksi dianalogikan sebagai pisau yang meningkatkan kualitas dari jarak dekat, sedangkan strategi sebagai senjata api dengan jangkauan untuk menyentuh realitas pasar
• Industri sedang masuk ke baku tembak, tetapi tetap fokus menajamkan pisau indah bernama kemampuan produksi

Validasi yang dulu diberikan oleh biaya implementasi yang mahal

• Alasan utama produk gagal bukan warna tombol atau antipattern kode, melainkan karena hal yang salah dibuat dengan keyakinan, dan tidak ada yang menghentikannya tepat waktu
• Saat membuka bar Destination di East Village, Manhattan pada 2009, ada setidaknya enam bisnis pesaing di sekitar
  • Tempat craft beer/sports bar/pub Irlandia/dive bar/gay bar/tempat bergaya Jerman sudah ada
  • Setelah meneliti tempat-tempat sekitar sebelum mengeluarkan biaya, strategi yang disusun adalah mengisi ruang kosong berupa ruang tamu lingkungan tempat orang bisa tinggal sepanjang hari
  • Karena hanya ada modal 150 ribu dolar, enam minggu, dan satu kesempatan, pilihan membuat bar yang salah tidak bisa ditanggung
• Batasan berupa uang/waktu/usaha fisik memaksa validasi yang jujur sebelum biaya muncul saat ide ternyata keliru
• Biaya implementasi bukan alat strategi yang canggih, tetapi berfungsi sebagai pengaman kebetulan terakhir untuk mencegah keputusan buruk

Eksperimen murah melemahkan kemampuan untuk berhenti

• Jika implementasi menjadi cepat dan murah berkat AI, alasan untuk berhenti dan memeriksa apakah ide itu bagus berkurang, sehingga mudah terus berpindah ke iterasi berikutnya
• Pola pengurangan biaya eksperimen dari Cloud Native Patterns menjelaskan bahwa semakin rendah biaya eksperimen, semakin lemah tekanan untuk meninggalkan ide yang gagal, dan kecenderungan terikat pada usaha yang sudah dikeluarkan dapat membuat produk bertahan lebih lama
• Jika berbagai percobaan masing-masing cepat, tampak meyakinkan, dan terlihat seperti produk jadi, tim dapat salah menganggapnya sebagai kemajuan
  • Setelah dua setengah tahun, mereka bisa terlambat menyadari bahwa semua itu belum terhubung ke nilai pelanggan nyata
• Perbandingan build vs buy dari AJ Sunder melihat bahwa ketika software bermakna bisa dibuat dalam satu sore, pertanyaan dasar berubah menjadi “mengapa tidak membuatnya sendiri?”
  • Pilihan ini dapat berujung pada technical debt dan beban operasional yang tidak diputuskan secara eksplisit
• Prinsip produk Andrew Bosworth dimulai dari menemukan masalah yang dialami manusia terlebih dahulu, lalu bertanya apakah masalah itu bisa diselesaikan
• Membuat semua proses menjadi cepat tidak hanya membuat kita lebih cepat tiba di tujuan yang benar, tetapi juga lebih cepat tiba di tujuan salah yang tampak seperti produk jadi

Biaya yang hilang berpindah ke tim

• Ketika biaya implementasi terlihat di anggaran, persetujuan anggaran memaksa pengambilan keputusan, tetapi ketika implementasi nyaris gratis, biaya bukannya hilang melainkan dialihkan ke tim
• Cara membuat semuanya lalu melihat reaksinya bukan strategi, melainkan lebih mirip latihan darurat tanpa titik akhir
  • Pergantian arah yang alasannya tidak bisa dijelaskan terus berulang
  • Malam dan fokus anggota tim terkuras
  • Hasil bisa menjadi lebih cantik atau lebih kuat, tetapi biaya manusia selama enam bulan terakhir tidak terlihat
• Situasi darurat yang berulang tanpa keputusan tidak memperkuat tim, melainkan mengurasnya, dan orang-orang kompeten yang punya opsi lain bisa pergi lebih dulu

Produk yang dibuat dengan baik berbeda dari produk yang dibutuhkan

• Standar membuat produk diimplementasikan dengan benar, selera meningkatkan kualitas hasil, dan semakin AI menghasilkan keluaran tanpa batas, semakin besar pula pentingnya keduanya
• Diskusi kurasi AI Jakob Nielsen melihat bahwa saat pembuatan ide pada dasarnya gratis, kemampuan membedakan untuk memilih opsi yang baik menjadi lebih langka daripada memproduksi opsi
• Standar maupun selera adalah kemampuan untuk membuat pilihan dengan baik, tetapi tidak dapat mencegah situasi ketika produk yang tidak diinginkan siapa pun diimplementasikan dengan kualitas dan spesifikasi sempurna
• Pembedaan tim produk dan tim fitur oleh Marty Cagan membedakan tim yang merilis fitur secara efisien dari tim yang memecahkan masalah pelanggan
  • Jika yang dirilis adalah hal yang salah, efisiensi rilis tidak bernilai
  • AI sangat mengurangi risiko feasibility berupa “apakah ini bisa diimplementasikan”, tetapi risiko nilai berupa “apakah ini perlu ada” tetap sama
• Gale Robins membedakan aktivitas dan keluaran untuk memahami apa yang harus dibuat sebagai perang jangka pendek, dan kemampuan menilai apa yang layak dibuat sebagai perang jangka panjang
  • AI membuat perang jangka pendek lebih cepat, tetapi tidak menurunkan kesulitan perang jangka panjang

Alasan pelanggan mempekerjakan produk

• Jobs to Be Done dari Clayton Christensen melihat bahwa pelanggan tidak membeli produk itu sendiri, melainkan mempekerjakan produk untuk menyelesaikan pekerjaan tertentu
• Dalam studi milkshake McDonald’s, sebagian besar terjual kepada komuter sebelum pukul 8 pagi
  • Komuter memilih milkshake untuk melewati perjalanan yang panjang dan membosankan serta tetap kenyang sampai makan siang
  • Pesaing sebenarnya bukan milkshake lain, melainkan bagel dan kebosanan
• Jika pekerjaan yang harus diselesaikan ditemukan, desain produk menjadi jelas, tetapi jika pekerjaan itu terlewat, produk paling indah pun tidak akan dipilih
• AI bisa terus membuat milkshake baru tanpa mengetahui sendiri pekerjaan apa yang ingin diselesaikan pelanggan saat mempekerjakan produk

Proses Skift memangkas empat kaki

• Rafat Ali memulai Skift dengan merancang strategi konten berupa empat kaki
  • Agregasi artikel
  • Kurasi
  • Sindikasi
  • Peliputan sendiri
• Struktur awalnya logis dan mudah dijelaskan kepada investor, tetapi pembaca nyata tidak menunjukkan minat pada headline yang dikumpulkan
• Empat kaki berkurang menjadi tiga, lalu dua, dan baru setelah rencana yang ingin didengar venture investor ditinggalkan, produk yang berfungsi ditemukan
• Bukan membangun produk yang sulit, melainkan menemukan bagian yang diinginkan orang di pasar terbuka dan menghapus bagian yang tidak diinginkanlah yang menjadi inti
• Saat itu, karena mengimplementasikan empat elemen benar-benar memakan waktu dan uang, mereka bisa melihat kinerja secara rinci dan memangkasnya
• Jika peluncuran yang sama dilakukan di era AI, bukan hanya empat hal itu tetapi juga fitur yang tidak diminta bisa selesai dalam beberapa hari
  • Karena semua fitur tampak seperti produk jadi, sinyal yang memberi tahu apa yang harus dihapus dapat terkubur dalam proses implementasi yang mudah

Keputusan adalah keterampilan terpenting yang tersisa

• Kualitas unggul adalah syarat dasar untuk ikut dalam diskusi produk, tetapi fakta bahwa sesuatu dibuat dengan baik bukan berarti itu produk yang tepat
• AI dapat membuat ratusan jawaban sebelum makan siang, tetapi tidak bisa menilai jawaban mana yang benar-benar dibutuhkan
• Pembedaan discovery dan delivery oleh Buzz Usborne melihat bahwa dalam situasi biaya delivery menurun, jika lapisan yang memutuskan apa yang harus dibuat ikut diautomasi, yang tersisa hanyalah software rata-rata yang mirip dengan buatan semua orang, tetapi cepat dan murah
• Ketika implementasi lambat dan mahal, kesalahan membuat produk yang salah bisa tersembunyi di balik proses produksi panjang, tetapi saat biaya implementasi turun, ketiadaan kemampuan menilai terlihat langsung
• Leverage tertinggi bagi penanggung jawab produk ada pada memutuskan tiga hal berikut
  • Apa yang layak ada
  • Untuk siapa
  • Mengapa dibutuhkan sekarang
• Di sisi eksekusi dari kesenjangan strategi-eksekusi yang disebut Roman Pichler, orang bisa tetap sibuk dengan roadmap/prosedur yang diritualkan/aktivitas peluncuran, tetapi itu tidak dapat menggantikan tanggung jawab untuk memutuskan
• Diskusi kematangan desain Joe Smiley membahas situasi ketika talenta senior ditugaskan untuk respons darurat di lapangan produksi alih-alih strategi
• Di era ketika siapa pun bisa membuat apa pun, satu-satunya leverage inti yang tersisa adalah kemampuan mengetahui apa yang layak dibuat, dan organisasi produk harus memutuskan lebih dulu sebelum pasar menyimpulkan