Dalam morning conference baru-baru ini di sebuah rumah sakit daerah, seorang dokter senior bertanya kepada kami: "Bukankah design thinking sudah ketinggalan zaman?"
Sedikit primer dulu, karena istilah ini belum tentu familier untuk semua orang. Design thinking adalah loop lima tahap yang dipopulerkan pada 1990-an oleh IDEO dan beberapa konsultan desain lain: empathize (memahami pengguna), define (merumuskan masalah), ideate (membangkitkan solusi), prototype (membangun versi kasar), test (menyodorkannya ke pengguna). Premisnya sederhana — cari tahu masalah apa yang sedang Anda pecahkan sebelum membangun, lalu biarkan pengguna nyata menyentuh versi kasarnya, lalu tinjau ulang definisi masalah Anda. Kedengarannya seperti common sense, tapi dalam praktik kebanyakan tim tidak pernah menyelesaikan satu loop penuh pun.
Sepanjang dekade terakhir, terbentuk kesan bahwa metodologi ini sudah usang. Subteks yang biasa muncul:
- Itu barang era 2010-an — dunia sudah pindah ke lean startup dan AI direct-generation
- Ia berubah menjadi industri workshop: banyak Post-it, tanpa tindak lanjut
- Perusahaan besar menjadikannya ritual: sprint seminggu, lalu tidak ada iterasi lagi
- Kalau LLM bisa mensintesis solusi sesuai permintaan, untuk apa repot empathize atau user research?
Pembacaan kami berbeda. Sepanjang dekade terakhir, yang membuat design thinking terlihat ketinggalan adalah kecepatannya, bukan logikanya. AI sekarang memampatkan bagian-bagian yang dulu memperlambat loop — prototype build dan feedback synthesis — dari berbulan-bulan menjadi beberapa hari. Untuk pertama kalinya, loop penuh bisa berjalan end-to-end.
Tulisan ini menelusuri pivot internal kami baru-baru ini — dari bedside tool single-specialty menjadi cross-specialty schema composer yang bisa di-self-serve oleh spesialis manapun. Seluruh perjalanannya kebetulan memetakan dengan rapi ke satu loop design thinking yang utuh. Kami memakainya sebagai contoh konkret kenapa AI bukan pengganti design thinking, melainkan alat yang sudah ditunggu metodologi ini selama dua puluh tahun.
Kenapa orang mengira ini sudah usang
Inti lima tahap design thinking — empathize, define, ideate, prototype, test — dipopulerkan pada 1990-an oleh IDEO dan konsultan desain lain. Manifesto Tim Brown di Harvard Business Review tahun 2008 yang mengubahnya menjadi metodologi mainstream.
Bottleneck-nya yang sebenarnya tidak pernah pada logikanya. Yang menjadi masalah adalah waktu.
Menjalankan satu iterasi penuh — empathize sampai test, lalu balik ke redefine — biasanya menyita waktu tim produk tradisional tiga sampai enam bulan:
- Empathize: menjadwalkan 5–15 user interview, transkripsi, klastering pola
- Define / ideate: menyeret semua stakeholder ke workshop berhari-hari, menumpuk Post-it
- Prototype: designer membuat mock-up layar, engineer membangun versi yang bisa dimainkan
- Test: putaran sesi pengguna lagi, mengumpulkan feedback
Setiap langkah lambat. Cukup lambat sehingga ketika tim selesai satu putaran dan melihat reaksi pengguna sungguhan, sudah tidak ada waktu atau budget untuk menindaklanjutinya.
Tiga hal terjadi sebagai akibatnya selama dekade terakhir:
- Empathize dan define menjadi ritual: satu workshop, lalu dianggap selesai
- Prototype dan test di-outsource ke design agency: deliverable cantik, jauh dari production
- Seluruh metodologi diperas menjadi "two-day sprint" — design thinking dalam nama, tapi kehilangan langkah yang membuatnya bermakna: benar-benar pivot
Pada awal 2020-an, konsensusnya sudah berubah: design thinking adalah "cara lama". Cara baru adalah lean startup, growth hacking, data-driven product.
Vonis "ketinggalan zaman" ini bukan sekadar gosip industri. Retrospektif Rebecca Ackermann di MIT Technology Review tahun 2023 merangkumnya: ide tanpa eksekusi, innovation theater, empati tanpa community expertise. Profesor NYU Natasha Iskander menamainya lebih tajam lima tahun sebelumnya dalam tulisannya di HBR tahun 2018: "fundamentally conservative". Kedua kritik tersebut menyasar kegagalan design thinking pada masalah sosial dan kebijakan — program school-lunch, inisiatif anti-kemiskinan, layanan pemerintah — domain yang membutuhkan kerja politik dan institusional jangka panjang, bukan loop lima tahap.
Kami tidak sedang berdebat dengan kritik tersebut. Itu valid. Tulisan kami menjawab pertanyaan yang lebih sempit: kenapa design thinking berhenti berjalan di dalam product workflow.
Apa yang sebenarnya diubah AI
Ketika AI masuk ke gambar, narasi paling lantang adalah: "Kita tidak butuh user research lagi — biarkan LLM langsung mensintesis solusi." Narasi itu berbenturan langsung dengan design thinking, dan itulah kenapa orang bertanya apakah metodologi ini sudah ketinggalan.
Apa yang kami lihat di dalam tim produk justru lebih dekat ke kebalikannya.
LLM tidak mempercepat tahap empathize. LLM mempercepat konstruksi prototype dan pemrosesan feedback:
| Tahap | Sebelum AI | Dengan AI |
|---|---|---|
| Spec drafting | 1–2 minggu (review stakeholder berputar-putar) | 1–2 hari (multi-AI review paralel) |
| UI mock | 1 minggu (designer + tools) | Setengah hari (LLM + Figma plugins) |
| Playable prototype | 2–4 minggu (engineering frontend + backend) | 3–5 hari (mocked API + UI logic generated AI) |
| Feedback synthesis | 1 minggu (klastering manual) | Setengah hari (ekstraksi tema + klastering oleh LLM) |
| Compliance / legal drafts | 2–4 minggu (lawyer + internal review) | 3–5 hari (AI menyusun draft + lawyer mereview) |
Jumlahkan: satu loop design thinking yang dulu menyita 12–16 minggu (atau lebih) sekarang berjalan dalam 2–3 minggu (atau kurang).
Catatan tambahan: IDEO sendiri setuju jalannya menuju ke sini. Sejak 2024, mereka menawarkan kursus online berjudul Bring AI to the Design Thinking Process, yang mengajarkan akselerasi AI di lima fase yang hampir satu-untuk-satu memetakan ke tabel di atas. Kami akan kembali ke sinyal ini nanti.
Bottleneck-nya sudah berpindah. Yang dulu lambat — "membangun sesuatu yang benar-benar bisa disentuh pengguna" — sekarang cepat. Yang lambat sekarang adalah "memutuskan apa yang akan dibangun".
Dengan kata lain: kepentingan relatif tahap empathize / define tidak menurun. Justru naik.
Pergeseran yang sesungguhnya
LLM adalah pengganda. Salah merumuskan masalah, dan ia akan memproduksi sesuatu yang tidak diinginkan siapa pun — dengan efisiensi yang belum pernah ada. Rumuskan dengan benar, dan ia mengganda arah yang tepat sepuluh kali lipat.
Yang berarti gerakan paling klasik design thinking — "tanya kenapa dulu" — bukan hanya masih relevan di era AI. Ia adalah pagar pengamannya.
Dulu, tahap empathize lambat, sehingga tim tergoda untuk melewatinya. Sekarang tahap prototype cepat, sehingga melewati empathize justru lebih berbahaya, bukan kurang — karena Anda akan ngebut ke arah yang salah dengan sangat efisien sebelum sadar.
Aturan internal kami: tidak ada spec sign-off, tidak ada pekerjaan dimulai. Semakin cepat AI, semakin krusial langkah sign-off. Kami menjalankan tiga AI reviewer (Codex, Gemini, ChatGPT) secara paralel terhadap setiap spec — mereka menangkap pelanggaran kontrak, IDOR, PHI, isu cross-version compatibility yang tidak pernah disentuh workshop design thinking tradisional. Di era AI, kekhawatiran semacam itu harus duduk berdampingan dengan "apa yang diinginkan pengguna" sebagai bagian dari empathize / define, bukan setelahnya.
"Spec first" bukan anti-design-thinking. Itu adalah design thinking yang diadaptasi untuk era AI.
Studi kasus: dari SOAP.S overflow ke cross-specialty composer
Perjalanan ini tidak dimulai dari market research atau focus group. Ia dimulai dari sebuah percakapan dengan seorang dokter senior. Beliau menggambarkan apa yang dilihat timnya: patient copilot tool mereka membiarkan pasien memasukkan keluhan utama sebelum kunjungan, tapi teks yang di-generate LLM rutin membanjiri bagian Subjective dari SOAP. Waktu yang dulu dipakai dokter untuk clinical reasoning sekarang habis untuk membersihkan apa yang ditulis AI.
Insting pertama: tinggal tambah compiler — kompres input pasien menjadi sesuatu yang benar-benar bisa dipakai dokter.
Tim tidak melakukannya. Setelah duduk dengan masalah ini, jelas bahwa isunya bukan kurangnya layer kompresi; seluruh aliran nilai perlu disusun ulang. Maka tim menjalankannya melalui lima tahap design thinking. Dari percakapan sampai keputusan pivot: sekitar dua minggu. Pekerjaan yang sama pra-AI: enam sampai sembilan bulan.
Empathize
Tim ini termasuk seorang founder yang juga praktisi sebagai dokter bedah ortopedi. Dari sudut pandangnya, pertanyaan paling klasik design thinking:
"Di setiap kunjungan klinik, bagaimana saya secara pribadi menerjemahkan keluhan longgar pasien menjadi konten SOAP.S?"
Jawabannya bukan "tulis semuanya". Tapi "kompres ke empat field plus penalaran di balik masing-masing". Sisi mana, derajat keparahan, traumatik atau degeneratif, durasi. Begitu empat itu terisi, pohon hipotesis differential-diagnosis terbentuk sendiri.
Dengan kata lain: SOAP.S yang ditulis dokter tidak pernah merupakan transkrip narasi pasien. Ia adalah interpretasi terstruktur dari narasi itu oleh dokter. SOAP.S overflow tidak disebabkan pasien menulis terlalu banyak — ia disebabkan oleh tools yang dirancang membuang output AI langsung ke chart, alih-alih mengkompresnya untuk dokter review terlebih dahulu.
(Kami sudah menulis versi lebih dalam tentang aturan desain "AI menyusun draft, dokter mengonfirmasi" di iRehab Doctor AI: Draft-Only Enforcement — terjemahan AI dan konfirmasi dokter adalah dua aksi yang tidak boleh digabung.)
Define
Kami menyatakan ulang masalahnya:
"Dalam dua menit sebelum pasien masuk ruangan, kompres dua minggu input pasien sebelumnya — tren VAS, foto luka, exercise log, skor PROM — menjadi ringkasan specialty-relevant yang bisa dibaca dokter dalam lima detik."
Kata kuncinya adalah "kompres" dan "five-second readable". Kalau kami bertahan pada logika konvensional "transcript-into-EMR", tingkat akurasi AI seberapapun tidak akan menghentikan SOAP.S overflow.
Langkah define ini sengaja di-scope ketat: ortopedi saja, slice ini saja, tidak ada yang lain.
Ideate
Setiap pendekatan sebelumnya mengasumsikan aksi terjadi di dalam consult room — dokter duduk, pasien di depannya, EMR terbuka, mengetik sambil mendengarkan.
Gerakan ideate kunci kami adalah merelokasi seluruh langkah translation keluar dari ruangan. Pasien mengisi input di luar kunjungan (di rumah, di ponsel, sepanjang dua minggu sebelumnya). AI mengkompres dua menit sebelum kunjungan. Dokter membacanya dalam lima detik sebelum masuk.
Ini bukan upgrade tool. Ini relokasi workflow. (Aliran input dari sisi pasien yang memberi makan Brief adalah 30-second daily check-in yang sudah kami tulis — 30 detik per hari, tapi dua minggu yang berakumulasi adalah bahan baku untuk pre-visit summary.)
Prototype
Beberapa hari spec writing, multi-AI review, dan prototype build kemudian: iRehab Brief Wave 1 ship, ortopedi saja.
Ini dulu menyita empat sampai delapan minggu, sering lebih lama. AI memampatkan spec drafting, UI mocking, scaffolding API backend, review data model, dan penyusunan compliance document.
Test
Ketika Brief masuk pilot di rumah sakit, dua hal tidak terduga terjadi.
Pertama, rollout fisik diblokir di salah satu site. Bukan karena alasan code. Kebijakan rumah sakit mensyaratkan persetujuan dari PR-department untuk poster ber-QR-code apapun; kepala bedah membingkainya sebagai "satu lagi dokter yang mendorong halaman Facebook". Cakupan code review dan institutional governance ternyata adalah dua dunia yang berbeda.
Kedua, respons FB datang lebih panas dari yang kami antisipasi. Direct message dari dokter di psikiatri, neurologi, urogynecology, dan obstetri, semua menanyakan hal yang sama: "Bisa buatkan satu untuk specialty saya?"
Dua aliran feedback itu bertemu pada satu pesan: masalah yang awalnya kami definisikan adalah satu slice dari masalah yang lebih besar.
Redefine
Setiap specialty butuh penerjemah, tapi empat field yang masing-masing perlu diterjemahkan benar-benar berbeda:
- Psikiatri butuh tidur, mood swing, kepatuhan obat
- Urogynecology butuh voiding diary, penyelesaian Kegel
- Neurologi butuh variabilitas gejala, efek samping, frekuensi episode
- Obstetri butuh keluhan terkait kehamilan, gerakan janin, alert spesifik trimester
Arsitektur sama. Empat schema yang sama sekali berbeda.
Kalau kami terus mendorong Brief versi ortopedi, kemungkinan kami akan rolling out dengan mulus ke segelintir pengguna ortopedi. Kami juga akan melewatkan insight yang sebenarnya — nilai tool ini bukan "menghemat waktu dokter ortopedi". Tapi "membiarkan dokter manapun mendefinisikan aturan terjemahannya sendiri dalam beberapa menit".
Kami menjeda rollout Brief ortopedi. Kami membuka spec baru: cross-specialty Schema Composer yang membiarkan spesialis manapun mendefinisikan empat field-nya sendiri, menandatangani attestation, dan ship specialty pack-nya sendiri.
Keputusan redefinisi itulah output sesungguhnya dari tahap kelima design thinking: bukan "prototype berhasil" melainkan "frame masalah awal terlalu kecil".
Dua pengganda AI
Melihat kembali dua minggu itu, AI mempercepat kerja di dua tempat spesifik:
Pengganda pertama: spec → prototype time.Menulis spec sign-off-grade, membangun playable prototype, dan menjalankan internal review dulu menyita empat sampai delapan minggu. Tim kami sekarang memampatkannya menjadi 7–10 hari. LLM menyusun draft spec; tiga AI reviewer berjalan paralel; seorang human architect merekonsiliasi. Prototype dimulai dari mocked API dan UI stub yang di-generate AI; engineer mengisi business logic.
Pengganda kedua: feedback → redefine time.Bergerak dari "pilot live" ke "kita harus pivot" dulu butuh tiga sampai enam bulan data penggunaan, beberapa putaran wawancara, dan kerja sintesis. Loop kami sekarang berjalan: FB selama satu minggu, DM selama tiga hari, diskusi tim internal satu hari. Lima hari dari sinyal eksternal sampai spec baru yang menangkap "frame awal hanyalah sub-problem".
Bersama, dua pengganda itu memampatkan satu loop design thinking penuh — think, spec, prototype, feedback, redefine — dari 6–9 bulan menjadi sekitar 2 minggu. Ini bukan design thinking digantikan. Ini design thinking berjalan end-to-end untuk pertama kalinya.
Apa sebenarnya design thinking itu
Design thinking bukan workshop. Bukan Post-it. Bukan empathy map.
Intinya adalah dua kerelaan:
- Kerelaan mengakui bahwa jawaban pertama Anda salah.
- Kerelaan menguji cepat dan menemukan yang benar.
Sepanjang dekade terakhir, kedua-duanya sulit dijunjung. Yang pertama diblokir oleh sunk cost ("kami sudah habiskan tiga bulan di spec ini, mana mungkin kami akui salah?"). Yang kedua diblokir oleh waktu ("menjalankan loop satu kali lagi makan enam bulan").
AI sudah mengubah yang kedua. Iterasi cepat akhirnya murah. Yang justru membuat kerelaan pertama bermakna untuk pertama kalinya: mengakui bahwa Anda salah sekarang berarti Anda bisa langsung mencoba sesuatu yang lain.
Inilah kenapa tim kami memperlakukan spec-first, ask-why, dan "pintu apa yang dibuka oleh ini?" sebagai disiplin internal. AI hanyalah toolnya. Disiplinnya adalah metodologi yang duduk di atasnya — dan metodologi itu punya nama. Namanya design thinking.
Kami tidak sendirian
Kalau Anda hanya melihat kasus satu tim, argumennya bisa terdengar seperti anekdot. Para originator metodologi ini sudah memberikan sinyal yang lebih langsung.
Sejak 2024, IDEO menawarkan kursus online berjudul, langsung saja, Bring AI to the Design Thinking Process. Kurikulumnya mengajarkan akselerasi AI di lima fase:
- Inspiration / Research: memperluas creative input dengan AI
- Synthesis: "mempercepat research dan synthesis, dapat insight lebih cepat"
- Brainstorming: ideating lebih cepat, mengeksplorasi lebih banyak opsi
- Prototyping: menghidupkan konsep dengan cepat
- Responsible use: memahami batas dan etika AI
Petakan itu ke tabel akselerasi AI di awal tulisan ini, dan lima fase tersebut berbaris hampir satu-untuk-satu.
Para popularizer asli design thinking tidak memperlakukan AI sebagai pesaing. Mereka secara pribadi meng-onboard komunitas mereka ke versi generasi berikutnya. Perhatikan fase kelima — responsible use — menggemakan argumen kami sendiri bahwa semakin cepat AI, semakin "tanya kenapa dulu" menjadi pagar pengaman.
Design thinking tidak ketinggalan zaman. Para penciptanya sedang menghubungkannya ke AI dengan tangan mereka sendiri.
Penutup
Kembali ke pertanyaan dokter senior tadi: "Bukankah design thinking sudah ketinggalan zaman?"
Jawaban kami: tidak. Selama dekade terakhir ia terlihat ketinggalan karena loop iterasinya terlalu panjang. AI bukan pesaingnya — AI adalah alat yang sudah ditunggunya selama dua puluh tahun.
Dua minggu di mana iRehab Brief berubah dari pilot single-specialty menjadi cross-specialty composer adalah pertama kalinya tim kami melihat design thinking benar-benar berjalan end-to-end. Kami tidak berpikir itu akan menjadi yang terakhir.
Bacaan lanjutan
- Brown, T. (2008). Design Thinking. Harvard Business Review. — Manifesto aslinya.
- IDEO U. Bring AI to the Design Thinking Process. — Kursus on-demand IDEO 2024+ yang mengajarkan akselerasi AI di lima fase.
- Ackermann, R. (2023, Feb). Design thinking was supposed to fix the world. Where did it go wrong? MIT Technology Review. — Retrospektif yang mendefinisikan narasi "ketinggalan zaman" dekade terakhir.
- Iskander, N. (2018, Sep). Design Thinking Is Fundamentally Conservative and Preserves the Status Quo. Harvard Business Review. — Kritik akademik tajam paling awal.
- Mayer, J. et al. (2025). The impact of design thinking and its underlying theoretical mechanisms: A review of the literature. Creativity and Innovation Management. — Sintesis akademik 2025.
- U.S. FDA (Jan 2025). Artificial Intelligence-Enabled Device Software Functions: Lifecycle Management and Marketing Submission Recommendations (Draft Guidance). — Anchor regulatori untuk disiplin lifecycle clinical AI software.
Dari blog De Novo
- iRehab Doctor AI: Draft-Only Enforcement — Tulisan saudaranya tentang aturan desain Brief: AI menerjemahkan, dokter mengonfirmasi, dua aksi yang tidak boleh digabung.
- 30-second daily check-in — Aliran input dari sisi pasien yang memberi makan Brief: 30 detik per hari, dua minggu yang berakumulasi menjadi bahan baku pre-visit summary.
- Recovery Loop — Metodologi klinis yang lebih luas tempat fitur-fitur iRehab di-ship.