AI buat Review Dashboard: Minta Kritik Sebelum Dilihat Bos

Sebelum dashboard kamu dikritik bos di depan orang banyak, mending dikritik AI dulu di kamar sendiri.

AI nggak bisa ngecek angka kamu bener atau nggak. Tapi dia jago banget nemu hal yang kamu udah kebal karena udah natap dashboard itu 4 jam — judul yang nggak jelas, chart yang kepenuhan, warna yang nyebar tanpa arti.

Ini cara nyusun prompt-nya, checklist yang aku pakai, dan batas yang harus kamu tau.

Kenapa AI bagus buat review dashboard?

Karena dia nggak punya konteks — dan itu justru kelebihannya.

Kamu tau kolom "GMV bersih" itu artinya apa, jadi kamu nggak sadar label itu nggak jelas buat orang lain. AI nggak tau, jadi dia langsung nanya. Persis kayak bos kamu bakal nanya.

Tiga hal yang AI konsisten nemuin:

• Label yang cuma jelas buat kamu. Singkatan, nama kolom database yang kebawa ("total_hrg_net"), satuan yang nggak disebut.
• Chart yang nggak punya pesan. Chart yang kamu bikin "biar lengkap", bukan karena ada yang mau kamu tunjukin.
• Tata letak yang nggak ngarahin mata. Angka penting ditaruh di pojok kanan bawah, dan KPI yang nggak penting ditaruh paling atas.

Semua itu masalah yang kamu nggak bisa lihat lagi setelah 4 jam ngerjain dashboard-nya sendiri.

Gimana cara minta AI review dashboard?

Empat langkah.

Langkah 1: Screenshot dashboard-nya

Ambil screenshot penuh, resolusi tinggi. Kalau dashboard kamu interaktif, ambil 2-3 screenshot di kondisi filter yang paling sering dipakai — AI nggak bisa klik apa-apa.

Kalau angkanya sensitif, ganti dulu pakai angka palsu. Buat review desain, isinya nggak penting.

Langkah 2: Kasih konteks sebelum minta kritik

Ini yang paling sering dilewatin. Tanpa konteks, AI cuma bisa ngomongin estetika.

Yang harus kamu sebut: siapa yang bakal lihat, keputusan apa yang mau diambil, dan berapa lama mereka bakal natap dashboard ini.

Langkah 3: Minta kritik yang spesifik dan berperingkat

Jangan nanya "gimana menurut kamu?". Jawabannya bakal sopan dan nggak berguna.

Prompt yang aku pakai:

Ini screenshot dashboard penjualan yang bakal aku presentasiin.

Konteks:
- Yang lihat: Manajer Operasional, bukan orang data
- Keputusan yang mau diambil: cabang mana yang perlu
  intervensi bulan ini
- Waktu dia natap dashboard ini: sekitar 60 detik,
  di HP, sambil jalan ke meeting

Tugas kamu:
1. Sebut 5 masalah paling parah, urut dari yang paling
   ngeganggu keputusan di atas.
2. Buat tiap masalah: tunjuk elemen mana yang bermasalah,
   jelasin KENAPA itu masalah buat Manajer Operasional,
   dan kasih 1 perbaikan konkret.
3. Jangan basa-basi. Jangan puji dulu. Langsung kritik.
4. Kalau ada chart yang menurut kamu nggak bantu keputusan
   di atas, bilang "hapus".

Terakhir: tulis 3 pertanyaan pertama yang kemungkinan besar
bakal dilontarin Manajer Operasional waktu lihat ini.

Bagian terakhir itu emas. Kalau kamu nggak bisa jawab tiga pertanyaan itu, dashboard kamu belum siap.

Langkah 4: Suruh AI berperan jadi bos kamu

Putaran kedua, ganti perannya:

Sekarang kamu Manajer Operasional yang lagi buru-buru.
Kamu nggak suka baca. Kamu cuma mau tau: cabang mana
yang bermasalah dan kenapa.

Lihat dashboard ini 10 detik. Tulis reaksi jujur kamu,
termasuk kalau kamu bingung atau kesal.

Reaksi "aku nggak nemu jawabannya dalam 10 detik" itu feedback paling berguna yang bisa kamu dapat sebelum meeting beneran.

Checklist 8 poin buat review dashboard

Kalau kamu mau prompt yang lebih terstruktur, tempel checklist ini dan minta AI ngisi satu per satu.

Yang dicek	Pertanyaannya
Pesan utama	Apa satu hal yang dashboard ini pengen bilang?
Waktu ke insight	Berapa detik buat nemu masalah utamanya?
Judul chart	Judulnya kesimpulan atau cuma deskripsi?
Jumlah chart	Ada chart yang bisa dihapus tanpa ada yang hilang?
Warna	Tiap warna punya arti, atau cuma dekorasi?
Label	Ada singkatan atau istilah yang cuma jelas buat orang data?
Satuan	Rupiah? Ribuan? Persen? Disebut nggak?
Aksi	Setelah lihat ini, orang tau harus ngapain?

Contoh kasus: dashboard toko_berkah sebelum dan sesudah

Aku upload dashboard penjualan Toko Berkah versi awal — 6 cabang, data Mei 2026, 9 chart di satu halaman.

Lima kritik yang AI kasih (aku ringkas):

1. "Judul 'Omzet per Cabang' nggak ngasih tau apa-apa." Manajer harus baca 6 bar dan bandingin sendiri. Usulan: ganti jadi "Jakarta Utara turun 23%, cabang lain stabil".
2. "Enam warna buat enam cabang bikin semuanya keliatan sama penting." Usulan: abu-abuin lima, merahin satu yang bermasalah.
3. "Chart 'Distribusi Kategori Produk' nggak nyambung sama keputusan yang mau diambil." Usulan: hapus, atau pindahin ke halaman kedua.
4. "Label 'AOV' nggak jelas buat Manajer Operasional." Usulan: ganti jadi "Rata-rata belanja per transaksi".
5. "Angka Rp 2.064.200.000 susah dibaca cepat." Usulan: tulis "Rp 2,06 M".

Terus tiga pertanyaan yang AI prediksi bakal ditanya bos:

• "Jakarta Utara kenapa turun — harga atau jumlah pembeli?"
• "Ini dibanding bulan lalu atau dibanding target?"
• "Yang lain ikut turun nggak?"

Aku nggak bisa jawab pertanyaan pertama dari dashboard yang ada. Padahal itu pertanyaan yang paling penting.

Jadi aku tambahin satu kartu: jumlah transaksi Jakarta Utara turun dari 847 ke 652, tapi rata-rata belanja per transaksi Rp 412.000 — tertinggi dari semua cabang. Itu jawaban langsungnya: masalahnya traffic, bukan harga.

Hasil akhir: 9 chart jadi 4. Satu kartu baru yang jawab pertanyaan paling penting. Waktu review dari 25 menit jadi 8 menit.

Yang AI nggak bisa kasih: pengetahuan bahwa jumlah transaksi itu angka yang paling penting buat kasus ini. Itu datang dari ngerti bisnisnya. AI cuma nunjukin bahwa pertanyaannya bakal muncul.

Apa yang AI nggak bisa cek

• Angka kamu bener atau nggak. AI nggak punya akses ke database kamu. Kalau JOIN kamu bikin double counting, dia nggak akan tau.
• Definisi metrik di kantor kamu. "Omzet" itu sebelum atau sesudah diskon? Sebelum atau sesudah retur? AI cuma bisa nebak.
• Politik kantor. Kadang chart yang paling jelas justru yang paling nggak boleh ditampilin. AI nggak tau itu.
• Apakah dashboard-nya bakal dipakai. Itu soal kebiasaan orang, bukan soal desain.

Jadi: pakai AI buat ngecek kejelasan dan desain. Buat ngecek kebenaran angka, tetap harus kamu — dan itu balik lagi ke SQL.

Kesalahan umum waktu pakai AI buat review dashboard

• Nanya "gimana menurut kamu?" doang. Jawabannya bakal sopan, umum, dan nggak kepake. Minta kritik yang berperingkat dan spesifik.
• Nggak nyebut siapa audiensnya. Dashboard buat CFO dan buat tim gudang beda total. AI nggak bisa nebak.
• Nurutin semua saran AI. Sebagian sarannya generik. Kamu yang tau konteksnya — ambil yang masuk akal, buang sisanya.
• Nge-upload data sensitif. Ganti angka aslinya dulu. Buat review desain, angka palsu pun cukup.
• Review 6 putaran. Dua cukup. Sisanya cuma bikin kamu ngutak-atik hal kecil.

FAQ

AI bisa lihat gambar dashboard aku beneran?

Bisa, semua model besar sekarang udah bisa baca gambar. Kamu tinggal screenshot dashboard-nya dan tempel ke chat. AI bakal baca judul, label, warna, dan tata letaknya. Yang dia nggak bisa: klik filter, hover tooltip, atau lihat halaman kedua. Jadi kalau dashboard kamu interaktif, screenshot beberapa kondisi filter yang paling sering dipakai.

Kritik dari AI beneran berguna atau cuma basa-basi?

Tergantung promptnya. Kalau kamu cuma nanya "gimana dashboard ini?", jawabannya bakal sopan dan nggak berguna. Yang bikin kritiknya tajam: kasih konteks audiens, sebut keputusan yang mau diambil, dan minta dia nyebut masalah yang berperingkat — misalnya "sebut 5 masalah, urut dari yang paling parah, dan jelasin kenapa itu masalah buat CFO".

Apa yang AI nggak bisa cek di dashboard aku?

Tiga hal. Satu, angkanya bener atau nggak — AI nggak punya akses ke data kamu. Dua, apakah metriknya relevan buat bisnis kamu; dia nggak tau kalau di kantor kamu "omzet" itu sebelum atau sesudah diskon. Tiga, apakah dashboard-nya bakal dipakai; itu soal orang dan kebiasaan, bukan soal desain.

Aman nggak nge-upload dashboard perusahaan ke AI?

Tergantung kebijakan kantor kamu dan model yang dipakai. Aturan aman: buram atau ganti angka aslinya dulu, hapus nama klien dan nama karyawan, dan jangan upload apa pun yang ditandai rahasia. Buat review desain, angka palsu pun cukup — yang kamu tanya kan tata letak dan kejelasan, bukan isinya.

Berapa kali harus minta AI review dashboard?

Dua putaran cukup. Putaran pertama buat nemu masalah besar: terlalu banyak chart, judul yang nggak ngasih tau apa-apa, warna yang bikin bingung. Perbaiki, screenshot lagi, minta review kedua khusus buat ngecek apakah masalahnya udah beres. Lebih dari dua putaran biasanya cuma bikin kamu ngutak-atik hal kecil yang nggak ngaruh.

Penutup

Yang perlu kamu bawa pulang:

• Kasih konteks dulu — siapa yang lihat, keputusan apa yang mau diambil — baru minta kritik. Tanpa itu, AI cuma ngomongin estetika.
• Minta AI nulis 3 pertanyaan pertama yang bakal dilontarin bos kamu. Kalau kamu nggak bisa jawab dari dashboard yang ada, itu yang harus dibenerin.
• AI ngecek kejelasan, kamu yang ngecek angkanya. Dua-duanya perlu.

Buat mastiin angkanya bener, latihan query agregasi di GROUP BY dan COUNT, atau baca definisi dashboard di glossary. Buat prinsip aksesibilitas yang sering AI sebut, standar WCAG dari W3C jadi rujukannya.

Lanjut baca: Cara Memilih Warna Dashboard dan Data Storytelling: Cara Bikin Data Kamu Didengar Bos.