AI Tidak Kekurangan Fitur, AI Kekurangan Antarmuka yang Mudah Dipahami

Google mengumumkan fitur suara baru untuk Gemini Live dengan pesan yang cukup tepat: pengguna seharusnya tidak perlu menebak apakah sebuah tugas membutuhkan Spark, Daily Brief, atau pencarian inbox cepat.

Kalimat itu terdengar masuk akal. AI memang seharusnya membantu mengurangi beban berpikir, bukan menambah keputusan kecil sebelum pekerjaan dimulai.

Tetapi di situlah masalahnya terlihat. Gemini sendiri masih menampilkan banyak nama fitur, mode, dan pintu masuk yang membuat pengalaman terasa lebih rumit dari janji utamanya.

Pengguna bisa masuk ke chat, Spark, atau Daily Brief. Masing-masing punya tempat, ikon, dan identitas sendiri. Untuk tim internal produk, pembagian seperti ini mungkin masuk akal. Untuk pengguna biasa, pembagian ini sering terasa seperti pekerjaan tambahan.

Pertanyaan pengguna sebenarnya sederhana: saya butuh bantuan, bisa dikerjakan atau tidak?

The Core Update

Gemini Live ingin membuat interaksi dengan AI terasa lebih natural lewat suara. Pengguna bisa memberi perintah, bertanya, meminta ringkasan, atau meminta bantuan produktivitas tanpa harus berpindah terlalu banyak.

Di atas kertas, ini arah yang benar. Voice interface bisa mengurangi jarak antara niat dan tindakan. Orang tidak selalu ingin membuka aplikasi, mencari menu, memilih mode, lalu baru menjelaskan kebutuhan.

Masalahnya, produk AI modern sering membawa terlalu banyak struktur internal ke depan pengguna.

Daily Brief, misalnya, diposisikan sebagai agenda pintar yang mengambil konteks dari Gmail, Calendar, dan layanan Google lain. Secara teknis, ini terdengar kuat. Secara pengalaman, nilainya bergantung pada satu hal: apakah AI bisa membedakan mana informasi yang benar-benar penting dan mana yang hanya kebetulan pernah muncul di aktivitas pengguna.

Kalau sistem mengingatkan jadwal penting, follow-up kerja yang tertunda, atau email yang memang perlu respons, itu berguna. Tetapi kalau sistem mengangkat kembali pencarian lama atau riset pribadi yang tidak perlu ditindaklanjuti, pengalaman cepat berubah dari membantu menjadi mengganggu.

Spark punya masalah berbeda. Ia justru terdengar lebih berguna karena bisa mengambil tindakan atas nama pengguna. Tetapi ketika kemampuan itu diberi nama dan ruang terpisah, pengguna diminta memahami bahwa sebagian permintaan harus masuk ke area tertentu.

Padahal harapan pengguna lebih sederhana: tulis atau ucapkan kebutuhan, lalu AI menentukan apakah cukup dijawab, perlu mencari data, atau perlu menjalankan agent.

The Reality Check

Masalah ini bukan hanya milik Google.

Banyak produk AI masih terlihat seperti peta arsitektur internal yang dipasang langsung ke wajah pengguna. Ada chat, cowork, work, agent, brief, canvas, project, memory, dan berbagai nama lain yang mungkin berguna untuk tim produk, tetapi belum tentu membantu pengguna mengambil tindakan.

Di titik ini, industri AI menghadapi masalah klasik produk digital: fitur bertambah lebih cepat daripada bahasa pengguna.

Bagi engineer, membedakan chat, agent, task runner, memory, dan workspace adalah hal wajar. Setiap bagian punya fungsi, batasan, dan alur teknis sendiri. Tetapi bagi pengguna, semua itu sering masuk ke satu kategori besar: saya ingin dibantu menyelesaikan sesuatu.

Kalau pengguna harus berpikir terlalu lama tentang mode mana yang harus dipilih, produk belum benar-benar terasa pintar. Ia hanya memindahkan kompleksitas dari sistem ke pengguna.

Ini mirip dengan bisnis yang merasa perlu dashboard baru, CRM baru, atau automation baru, padahal status pekerjaan belum jelas. Tool bertambah, tetapi keputusan tetap lambat karena bahasa kerja belum disederhanakan.

AI juga bisa jatuh ke jebakan yang sama. Model makin kuat, fitur makin banyak, tetapi pengalaman tetap membingungkan karena pengguna diminta memahami terlalu banyak istilah produk.

Pendekatan Apple terhadap Siri mungkin terasa tidak terlalu dramatis, tetapi ada pelajaran penting di sana. Apple tidak selalu meminta pengguna masuk ke aplikasi AI baru atau mempelajari cara kerja baru. Ia mencoba membuat Spotlight, Photos, kamera, dan Siri menjadi lebih pintar di tempat yang sudah biasa dipakai.

Pendekatan seperti ini tidak terlihat sekeren peluncuran fitur baru dengan nama baru. Tetapi untuk banyak pengguna, nilai terbesar AI mungkin bukan berada di aplikasi terpisah. Nilainya ada ketika pekerjaan sehari-hari menjadi lebih ringan tanpa perlu belajar ulang.

Hal yang sama terlihat dari layanan AI berbasis chat atau SMS. Pengguna cukup mengirim pesan seperti berbicara dengan kontak biasa. Tidak ada banyak mode. Tidak ada menu besar. Tidak ada pertanyaan apakah harus memakai agent atau chat.

Antarmukanya sudah dikenal. Niat pengguna langsung masuk. Sistem yang bekerja di belakang layar.

The Havedev Way

Dari sudut pandang Havedev, masalah ini relevan bukan hanya untuk perusahaan AI besar. Banyak bisnis juga menghadapi pola yang sama saat membangun sistem digital sendiri.

Tim ingin membuat portal pelanggan, dashboard internal, automation WhatsApp, CRM ringan, form lead, dan sistem follow-up. Semua terdengar berguna. Tetapi jika setiap fungsi dibuat sebagai menu, istilah, atau alur baru yang harus dipahami user, sistem bisa menjadi rapi secara teknis tetapi berat secara penggunaan.

Prinsipnya sederhana: jangan tampilkan struktur internal kalau pengguna tidak perlu tahu.

Pelanggan tidak perlu tahu apakah permintaannya masuk ke CRM, spreadsheet, helpdesk, atau automation. Mereka hanya perlu tahu bahwa pesan sudah diterima dan akan ditindaklanjuti.

Sales tidak perlu melihat lima istilah teknis untuk satu lead baru. Mereka perlu tahu siapa yang harus dihubungi, dari kanal mana lead datang, apa kebutuhannya, dan kapan harus follow-up.

Owner tidak perlu semua detail sistem di halaman pertama. Mereka perlu melihat pekerjaan mana yang macet, channel mana yang menghasilkan peluang, dan status mana yang butuh perhatian hari ini.

AI, website, dan automation punya nilai ketika membuat tindakan berikutnya lebih jelas. Bukan ketika menambah nama fitur baru.

Karena itu, sebelum bisnis menambahkan AI ke prosesnya, ada beberapa pertanyaan yang lebih penting daripada memilih model atau tool:

• tugas apa yang paling sering berulang?
• siapa yang biasanya menangani tugas itu?
• data apa yang dibutuhkan agar tugas bisa dikerjakan?
• kapan AI boleh memberi jawaban saja?
• kapan AI harus meminta konfirmasi manusia?
• kapan AI boleh menjalankan tindakan?
• bagaimana user tahu bahwa pekerjaan sudah bergerak?

Jawaban ini membantu bisnis membuat AI yang terasa membantu, bukan sekadar terlihat modern.

Untuk banyak kasus, solusi terbaik bukan aplikasi AI penuh dengan banyak menu. Bisa jadi cukup form yang lebih pintar, template WhatsApp yang membawa konteks, inbox yang memberi status jelas, atau automation kecil yang merangkum lead sebelum masuk ke tim sales.

AI yang baik tidak selalu harus terlihat besar. Kadang AI terbaik adalah yang bekerja diam-diam di balik alur yang sudah dipahami tim.

Pelajaran dari Gemini cukup jelas: kemampuan teknis penting, tetapi pengalaman pengguna menentukan apakah kemampuan itu benar-benar dipakai.

Jika AI meminta pengguna mempelajari terlalu banyak nama sebelum mendapat bantuan, AI belum mengurangi beban kerja. Ia baru memindahkan beban itu ke bentuk baru.

Bisnis tidak perlu meniru cara perusahaan teknologi memberi nama semua fitur. Bisnis perlu membuat alur yang jelas, bahasa yang mudah dipahami, dan bantuan yang muncul di titik kerja yang tepat.

Sebelum menambahkan AI ke website, CRM, atau sistem internal, cek satu hal sederhana: apakah pengguna tahu harus melakukan apa tanpa bertanya dulu ke tim teknis?

Kalau jawabannya belum, mulai dari menyederhanakan antarmuka dan status kerja.

Dapatkan Audit Teknis Gratis untuk meninjau apakah website, workflow, dan automation bisnis Anda sudah membantu pengguna bekerja lebih jelas, atau justru menambah kebingungan baru.

---

Sumber referensi berita: TechCrunch