Jika Anda bekerja di manajemen produk, kemungkinan besar Anda pernah mendengar atau aktif menggunakan Claude Code. Awalnya ditujukan untuk para insinyur, Claude Code dengan cepat menjadi alat bantu bagi para PM juga.

Saya terus menggunakan alat ini selama tiga bulan terakhir, dan sekarang saya menghabiskan sekitar 90 persen waktu saya untuk menggunakannya. Dari penemuan dan penentuan prioritas hingga pembuatan prototipe, saya menggunakan Claude Code untuk semuanya.

Tapi Claude Code hanyalah salah satu alat tersebut. Ada juga Codex dari OpenAI dan Antigravity dari Google. Jadi, alih-alih berfokus pada satu alat, artikel ini menguraikan bagaimana Anda dapat menggunakan penalaran gaya kode untuk membuat keputusan produk yang lebih baik.

Penalaran gaya kode memaksa Anda untuk mengeksternalisasi pemikiran Anda dengan cara yang terstruktur. Ini juga mendorong Anda untuk menentukan status, transisi, masukan, batasan, dan mode kegagalan. Mari kita gali lebih dalam.

Apa yang dimaksud dengan penalaran gaya kode?

Penalaran gaya kode adalah cara berpikir di mana Anda mendefinisikan keputusan produk dengan cara sistem mengeksekusinya, bukan dengan cara manusia mendeskripsikannya. Beginilah cara para insinyur merancang dan membuat kode perangkat lunak.

Ini mengubah pemikiran Anda dari: “Apa yang kita inginkan?” hingga “Bagaimana perilaku sistem dalam kondisi tertentu?”

Daripada menulis: “Pengguna tetap memiliki akses hingga siklus penagihan berakhir.”

Anda berpikir dalam hal:

• Amerika
• Kondisi
• Pemicu
• Aturan
• Skenario kegagalan

Ini tidak berarti Anda menulis kode produksi — itu masih merupakan tugas seorang insinyur. Sebaliknya, Anda berpikir dalam logika sistem.

Dan ketika Anda bernalar seperti ini:

• Asumsi menjadi terlihat
• Aturan yang saling bertentangan muncul
• Negara bagian yang hilang muncul
• Kompleksitas menjadi terukur
• Pertukaran menjadi jelas

Dengan cara ini ketika persyaratan akhirnya masuk ke bagian teknik, mereka tahu persis apa yang harus dibangun.

Bagaimana menerapkan penalaran gaya kode pada keputusan produk

Mari kita kembali ke contoh sebelumnya, yaitu “Pengguna harus mempertahankan akses premium hingga akhir siklus penagihan setelah pembatalan” dan menerapkan alasan gaya kode.

1. Identifikasi entitas

Mulailah dengan bertanya pada diri sendiri objek apa dalam sistem yang berubah. Dalam hal ini, itu adalah langganan.

2. Tentukan keadaan yang mungkin terjadi

Jika hal tersebut tidak terjadi, Anda sebaiknya memahami keadaan entitas tersebut.

Misalnya, langganannya dapat berupa:

• Aktif
• Dibatalkan
• Kedaluwarsa
• Pembayaran Gagal
• Dikembalikan

Pertanyaan-pertanyaan baru sudah muncul secara alami:

• Apakah pembatalan dan kegagalan pembayaran dapat tumpang tindih?
• Apakah pengembalian dana mengesampingkan segalanya?
• Apakah kadaluarsa berbeda dengan dibatalkan?

Kasus-kasus edge muncul dari negara-negara tertentu.

3. Petakan pemicunya

Langkah selanjutnya adalah menentukan peristiwa apa yang menyebabkan perubahan keadaan. Ini bisa berupa:

---

---

• Pengguna membatalkan
• Siklus penagihan berakhir
• Pembayaran gagal
• Pengembalian dana dikeluarkan

Sekarang, tanyakan pada diri Anda: Apa yang terjadi jika dua pemicu terjadi berdekatan?

Dari sinilah muncul pertanyaan seperti ini:

• Bagaimana jika pengguna membatalkan dan pembayaran gagal pada hari yang sama?
• Bagaimana jika pengembalian dana dikeluarkan sebelum penagihan berakhir?
• Bagaimana jika pengguna langsung berlangganan kembali?

Ini bukanlah pertanyaan acak. Hal ini terjadi pada saya dalam kehidupan praktis. Dan saya yakin Anda juga menganggukkan kepala saat membaca ini.

4. Tuliskan aturan yang jelas

Pada tahap ini, Anda perlu mendefinisikan perilaku dengan jelas:

• Jika dibatalkan dan masih dalam periode penagihan → Akses tetap ada
• Jika periode penagihan berakhir → Akses berhenti
• Jika pengembalian dana dikeluarkan → Tentukan aturan
• Jika pembayaran gagal → Tentukan aturan

Sebelumnya Anda memiliki pernyataan, sedangkan sekarang Anda memiliki perilaku yang pasti.

Mengapa konteks dan memori keputusan penting

Salah satu fitur paling kuat dari penalaran gaya kode adalah konteks dan memori.

Konteks mengacu pada referensi tentang proyek Anda, nama perusahaan, detail perusahaan, informasi pengguna, model harga, model bisnis, dan perusahaan pesaing. Semua ini adalah bagian dari konteksnya.

Memori mengacu pada apa yang Anda lakukan terakhir kali, di mana Anda berhenti atau berhenti, atau di mana untuk melanjutkan.

Keputusan yang Anda buat hari ini akan mempengaruhi:

• Diskusi peta jalan masa depan
• Negosiasi perusahaan
• Rencana migrasi
• Refaktor
• Pembaruan harga

Jadi masalah sebenarnya bukan sekedar logika yang tidak jelas. Itu juga hilang dalam konteks. Enam bulan kemudian, seseorang bertanya: “Mengapa kami mendesainnya seperti ini?” Dan tidak ada seorang pun yang mampu menjawabnya.

Ketika Anda berpikir secara struktural, Anda secara alami mendokumentasikan:

• Negara bagian apa yang ada
• Asumsi apa yang dibuat
• Pengorbanan apa yang diterima
• Kendala apa yang mempengaruhi keputusan tersebut

Ini menciptakan memori keputusan. Sekarang, ketika ada perubahan seperti model penetapan harga baru, permintaan perusahaan, peningkatan teknis, Anda dapat mengevaluasi ulang logikanya.

Dan alih-alih memulai dari awal, Anda meninjau kembali model sistem. Ini sangat efektif untuk PM karena Anda fokus pada beberapa proyek secara bersamaan, dan memiliki konteks serta memori akan membantu Anda memulai kembali dari bagian terakhir yang Anda tinggalkan.

Beginilah cara para insinyur bekerja, dan Anda hanya meminjam satu halaman dari buku mereka.

Saat ini, tiga alat utama telah menguasai sebagian besar pasar. Inilah pengalaman saya dengan mereka:

Kode Claude

Agen AI yang dibangun berdasarkan model bahasa Claude yang membantu para insinyur bekerja dengan kode secara lebih efektif. Ini menganalisis logika, melacak kondisi, dan memahami status sistem dalam proyek nyata. Ini adalah produk berbasis terminal.

Tetapi jika Anda takut dengan terminal, saya jamin Anda tidak perlu melakukannya. Satu-satunya perintah yang Anda butuhkan adalah “Claude.” Setelah mengetiknya, Anda seharusnya dapat menggunakannya seperti alat prompt biasa:

Fitur:

• Kesadaran konteks yang persisten — Memahami struktur proyek dan mempertahankan kesadaran tingkat sesi
• Memori dalam sesi — Mengingat diskusi, keputusan, dan kendala sebelumnya selama sesi kerja
• Keterampilan penalaran tingkat sistem — Dirancang untuk mempertimbangkan logika, transisi keadaan, ketergantungan, dan kasus edge
• Perintah garis miring — Perintah bawaan (misalnya, pengeditan file, perbedaan, pemuatan konteks) yang menyusun interaksi
• Penanganan konteks multi-file — Dapat mempertimbangkan beberapa komponen, bukan perintah yang terisolasi

Kodeks oleh OpenAI

OpenAI Codex adalah model AI yang berfokus pada pengkodean yang dirancang untuk menerjemahkan bahasa alami menjadi logika terstruktur dan langkah-langkah yang dapat dieksekusi. Ini memberdayakan banyak asisten pengembangan AI dan beroperasi lebih sebagai mesin penalaran daripada agen yang gigih:

Fitur:

• Bahasa alami → terjemahan logika terstruktur — Mengubah teks deskriptif menjadi alur logis
• Pemodelan aliran bersyarat — Pandai memecah keputusan menjadi cabang if/then
• Interaksi berbasis cepat — Interaksi tanpa status — setiap perintah bersifat independen kecuali konteksnya diberikan secara manual
• Penalaran lintas skenario — Dapat mensimulasikan jalur alternatif dengan cepat

Antigravitasi (oleh Google)

Antigravity adalah lingkungan pengkodean bertenaga AI milik Google yang berfokus untuk membantu pengembang dengan penalaran tingkat sistem dan alur kerja pengembangan terstruktur. Ini mengintegrasikan AI ke dalam lingkungan pengembangan daripada beroperasi hanya sebagai alat cepat:

Fitur:

• Konteks pembangunan terpadu — Beroperasi dalam lingkungan proyek terstruktur
• Kesadaran ketergantungan — Memetakan hubungan antar komponen
• Kemampuan analisis dampak — Mengevaluasi bagaimana perubahan mempengaruhi sistem yang terhubung
• Integrasi alur kerja terstruktur — Dirancang untuk bekerja bersamaan dengan kontrol versi dan proses desain sistem

Penting untuk diingat bahwa alat yang Anda pilih tidak terlalu berpengaruh dibandingkan cara Anda menggunakannya. Alat-alat ini hanya akan berfungsi lebih baik jika Anda menggunakannya dengan proses berpikir yang terstruktur. Jika tidak, Anda akan menghasilkan keluaran yang tidak berguna.

Kapan menggunakan penalaran gaya kode dan kapan tidak

Penalaran gaya kode tidak berguna dalam setiap konteks produk. Hal ini memberikan nilai paling besar ketika keputusan bergantung pada perilaku sistem yang jelas, namun sebaiknya diterapkan dengan lebih ringan ketika pekerjaan masih dalam tahap eksplorasi.

Kasus penggunaan terbaik untuk penalaran gaya kode

Penalaran gaya kode paling berharga ketika keputusan produk bergantung pada logika yang jelas, perilaku sistem, atau penanganan kasus tepi. Ini bekerja sangat baik ketika:

• Sebuah fitur melibatkan perubahan status, seperti langganan, pesanan, atau alur kerja multi-langkah
• Berbagai peran pengguna atau tingkat izin memengaruhi perilaku
• Logika keuangan terlibat
• Aturan otomasi perlu didefinisikan
• Beberapa sistem berinteraksi satu sama lain

Dalam situasi seperti ini, pemikiran naratif yang luas akan rusak dengan cepat. Anda memerlukan cara yang lebih terstruktur untuk menentukan bagaimana sistem harus berperilaku dalam kondisi tertentu.

---

---

Kapan harus menghindari penataan yang berlebihan

Penalaran gaya kode kurang berguna sebagai pendekatan utama ketika Anda masih mengeksplorasi ruang masalah. Misalnya, ini harus memainkan peran yang lebih ringan ketika:

• Anda sedang mengeksplorasi konsep awal
• Anda memvalidasi keinginan pengguna
• Anda sedang mengembangkan visi jangka panjang
• Anda sedang mengerjakan strategi tingkat tinggi

Pada tahap ini, penataan yang berlebihan dapat mempersempit pemikiran terlalu dini dan mengurangi kreativitas. Tujuannya bukan untuk memaksakan setiap ide ke dalam logika yang kaku sebelum Anda sepenuhnya memahami masalah pengguna.

Meskipun demikian, penalaran bergaya kode masih dapat membantu dalam dosis kecil. Bahkan selama eksplorasi awal, ini dapat membantu Anda memecah ide-ide kompleks menjadi bagian-bagian yang lebih jelas, mengungkap asumsi, dan mengidentifikasi apa yang perlu menjadi kenyataan agar konsep tersebut dapat berfungsi. Kuncinya adalah menggunakannya sebagai alat pendukung, bukan sebagai kendala dalam penemuan.

Cara yang lebih terstruktur untuk membuat keputusan produk

Ketika alat AI menjadi lebih umum dalam pekerjaan produk, manajer produk memiliki lebih banyak peluang untuk berpikir dengan lebih presisi. Penalaran gaya kode sangat berharga karena mendorong Anda untuk membuat asumsi secara eksplisit, mendefinisikan perilaku sistem dengan jelas, dan memunculkan kasus-kasus tepi sebelum menjadi masalah.

Bagi PM, perubahan tersebut dapat menghasilkan keputusan yang lebih baik, kolaborasi yang lebih kuat dengan teknisi, dan persyaratan yang lebih jelas. Tujuannya bukan untuk mengubah manajer produk menjadi insinyur — melainkan untuk meminjam cara berpikir yang lebih terstruktur ketika diperlukan suatu keputusan.

Jika Anda ingin mulai membangun keterampilan ini, mulailah dengan area produk yang sudah melibatkan status, aturan, atau logika kompleks. Anda dapat menggunakan alat seperti Claude Code, Codex, atau asisten AI serupa untuk menguji pemikiran Anda, namun nilai sebenarnya berasal dari kerangka kerja, bukan alat itu sendiri.

Saya tertarik mendengar bagaimana PM lain melakukan pendekatan terhadap hal ini. Alur kerja atau petunjuk apa yang telah membantu Anda mempertimbangkan keputusan produk yang kompleks?

Sumber gambar unggulan: IconScout