PM Anthropic Ungkap Bagaimana Alat AI Mengubah Siklus Pengembangan Produk

Joerg Hiller 19 Mar 2026 22:46

Kepala Produk Claude Code berbagi bagaimana model AI yang meningkat secara eksponensial memaksa tim produk meninggalkan roadmap tradisional untuk eksperimen cepat.

Cat Wu, Kepala Produk untuk Claude Code di Anthropic, mengungkapkan pandangan menarik tentang bagaimana model AI yang meningkat pesat secara fundamental mengubah pendekatan manajemen produk tradisional. Wawasan utamanya? Apa yang mungkin secara teknologi di awal proyek tidak lagi memprediksi apa yang mungkin di akhir.

Data mendukung hal ini. Menurut penelitian METR yang dikutip oleh Wu, Opus 4.6 sekarang dapat menyelesaikan tugas perangkat lunak yang akan memakan waktu hampir 12 jam bagi manusia—sekitar 41 kali lebih mampu dibandingkan Sonnet 3.5 (baru) 16 bulan lalu ketika menangani tugas 21 menit.

Panduan Lama Sudah Mati

Manajer produk secara tradisional mengumpulkan persyaratan di awal, mengunci roadmap, kemudian mengeksekusi selama berbulan-bulan. Itu tidak berhasil lagi ketika batasan model yang Anda rancang bisa menghilang di tengah proyek.

"Anda membangun di atas tanah yang naik di bawah Anda," tulis Wu. Timnya merespons dengan sepenuhnya meninggalkan roadmap jangka panjang demi apa yang dia sebut "side quests"—eksperimen singkat yang dipandu sendiri di mana siapa pun dalam tim (insinyur, desainer, PM) dapat membuat prototipe ide dalam satu sore.

Beberapa fitur populer Anthropic muncul dengan cara ini: Claude Code on Desktop, alat AskUserQuestion, dan daftar todo semuanya dimulai sebagai eksperimen informal daripada item roadmap yang direncanakan.

Tiga Alat, Satu Alur Kerja

Alur kerja harian Wu sekarang mencakup tiga produk AI yang berbeda. Claude.ai menangani pemikiran strategis dan jawaban cepat. Claude Code membangun prototipe dan evaluasi. Cowork mengelola semua yang lain—email, daftar todo, slide deck, riset Slack, pemesanan perjalanan.

PM eksternal menemukan pola serupa. Bihan Jiang, Direktur Produk di Decagon, mengatakan kepada Wu bahwa apa yang dulu memakan waktu berminggu-minggu untuk dibangun hingga sampai ke pelanggan sekarang terjadi dalam "beberapa jam." Kai Xin Tai di Datadog menggambarkan perubahan tersebut sebagai perpindahan "dari mendefinisikan kepastian di awal menjadi mempercepat penemuan."

Pergeseran Praktis untuk Tim Produk

Wu menguraikan empat perubahan konkret yang telah diadopsi timnya:

Prototipe sebelum mendokumentasikan. Setelah menulis spesifikasi, kirim ke Claude Code dan lihat apa yang kembali. "Bahkan prototipe kasar mengubah percakapan," catatan dia. Ketika anggota tim membagikan spesifikasi plugin, prototipe yang dihasilkan AI kembali hampir siap produksi.

Tinjau kembali fitur dengan setiap rilis model. Claude Code dengan Chrome terjadi karena pengguna menyalin instruksi secara manual di antara alat. Trik tersebut bekerja cukup baik sehingga menjadi fitur bawaan.

Optimalkan kemampuan terlebih dahulu, biaya kemudian. Gunakan lebih banyak token daripada yang Anda pikir Anda butuhkan selama pembuatan prototipe. "Anda selalu dapat menurunkan biaya nanti ketika model yang lebih murah menyusul."

Jaga implementasi tetap sederhana. Solusi kompleks untuk keterbatasan model menjadi beban yang tidak perlu ketika model berikutnya dirilis. Anthropic memotong 20% dari system prompting mereka dengan Opus 4.6 saja.

Apa Artinya Ini untuk Tim Produk AI

Konteks industri yang lebih luas penting di sini. Manajemen produk AI telah muncul sebagai disiplin yang berbeda yang memerlukan keterampilan PM tradisional dan pemahaman teknis mendalam tentang kemampuan model. Dengan regulasi seperti GDPR dan kerangka tata kelola AI yang muncul menambahkan lapisan kepatuhan, peran tersebut telah tumbuh lebih kompleks bahkan ketika alat telah tumbuh lebih kuat.

Pesan inti Wu untuk sesama PM: lacak dua hal secara bersamaan—bagaimana AI mengubah alur kerja Anda dan bagaimana itu mengubah apa yang mungkin dalam produk Anda. Tim yang melakukan ini dengan baik tidak akan terkejut ketika kemampuan melompat maju.

Untuk tim perangkat lunak perusahaan yang mengamati biaya dan timeline pengembangan AI, implikasinya signifikan. Jika siklus pembuatan prototipe dikompresi dari minggu ke jam, keunggulan kompetitif yang dibangun berdasarkan kecepatan eksekusi mungkin terkikis lebih cepat dari yang diharapkan.

• anthropic
• pengembangan ai
• manajemen produk
• claude
• enterprise ai