Simulator Meja Theranos dan Pelajaran tentang Dokumen yang Terlalu Sulit Dibaca

The Core Update

Seorang engineer dari Extend, Bo Lau, membuat website yang mensimulasikan pengalaman duduk di meja Elizabeth Holmes saat masa akhir Theranos.

Di dalamnya, pengunjung bisa membuka MacBook, melihat iPhone, membaca email, teks, slide, dokumen, dan catatan mesin Theranos Edison. Materi yang dipakai bukan fiksi. Banyak datanya berasal dari exhibit publik dalam kasus United States v. Elizabeth Holmes.

Detailnya dibuat cukup serius. iPhone masih memakai tombol home dan slide to unlock. MacBook Air menjalankan OS X El Capitan. Pengunjung bahkan bisa mencoba menjalankan mesin Edison, perangkat Theranos yang dulu diklaim mampu menghasilkan banyak data kesehatan dari satu tetes darah.

Di permukaan, proyek ini terlihat seperti internet curiosity. Sedikit nostalgia teknologi, sedikit humor gelap, dan sedikit rasa ingin tahu terhadap salah satu kasus paling terkenal dalam sejarah startup teknologi.

Tetapi ada hal yang lebih menarik di baliknya.

Website ini membuat ribuan dokumen pengadilan terasa lebih mudah dijelajahi. Bukan karena isinya berubah. Bukan karena fakta hukumnya menjadi sederhana. Tetapi karena konteksnya dibuat lebih mudah dibaca.

Daripada mencari satu per satu PDF dari arsip pengadilan, pengunjung masuk ke sebuah lingkungan visual yang terasa dekat dengan sumber masalahnya: meja kerja, laptop, ponsel, dokumen, dan mesin.

Itu membuat kasus lama terasa hidup kembali.

The Reality Check

Banyak orang mungkin melihat proyek ini sebagai gimmick marketing. Dan memang ada unsur itu.

Extend, perusahaan tempat Lau bekerja, memakai proyek ini untuk mempromosikan watch party dokumenter baru tentang Elizabeth Holmes. Mereka juga sekaligus memperkenalkan produk mereka yang berfokus pada parsing, extraction, dan pemisahan dokumen kompleks.

Itu bukan hal yang aneh. Banyak perusahaan B2B SaaS membuat demo kreatif untuk menunjukkan kemampuan produknya.

Namun pelajaran yang lebih penting bukan soal demo itu lucu atau tidak.

Pelajarannya adalah: dokumen yang banyak belum tentu berarti informasi mudah dipahami.

Dalam kasus Theranos, ada email, slide, teks, laporan mesin, dokumen internal, dan materi legal. Semua itu bisa saja tersedia secara publik. Tetapi jika bentuknya tersebar, berat dibuka, dan sulit diberi konteks, nilai praktisnya tetap rendah bagi kebanyakan orang.

Ini juga terjadi di banyak bisnis yang jauh lebih biasa daripada Theranos.

Perusahaan punya folder Google Drive penuh dokumen. Ada invoice, proposal, kontrak, laporan, screenshot chat, file spreadsheet, catatan meeting, dan email lama. Secara teknis, semua tersimpan. Tetapi saat ada pertanyaan penting, tim tetap bingung mencari jawaban.

• kontrak terakhir ada di folder mana?
• versi proposal mana yang disetujui client?
• invoice ini terkait order yang mana?
• komplain pelanggan sudah pernah dibahas di mana?
• data ini berasal dari file asli atau hasil salinan manual?

Masalahnya bukan selalu kurang penyimpanan. Sering kali masalahnya adalah dokumen tidak punya konteks yang mudah dibaca.

Tool document AI, parser, dan extraction memang bisa membantu. Tetapi hanya jika bisnis tahu apa yang ingin dicari, metadata apa yang penting, dan bagaimana hasilnya akan dipakai.

Tanpa itu, automation hanya mengubah tumpukan dokumen menjadi tumpukan output baru.

Lebih rapi, tetapi belum tentu lebih berguna.

The Havedev Way

Dari sudut pandang Havedev, proyek seperti simulator meja Theranos menarik karena menunjukkan satu hal sederhana: antarmuka yang baik bisa membuat data lama menjadi lebih bisa dipahami.

Bukan berarti setiap bisnis perlu membuat simulasi meja CEO. Itu terlalu jauh untuk kebutuhan operasional sehari-hari.

Tetapi prinsipnya relevan.

Informasi bisnis sebaiknya tidak hanya disimpan. Informasi perlu diberi struktur agar bisa dibaca, ditelusuri, dan dipakai untuk mengambil keputusan.

Untuk banyak bisnis, langkah awalnya bukan langsung memakai AI document processing yang kompleks. Mulai dari pertanyaan yang lebih dasar:

• dokumen apa yang paling sering dicari ulang?
• informasi apa yang paling sering disalin manual?
• file mana yang sering punya banyak versi?
• data mana yang sering salah masuk ke spreadsheet?
• keputusan apa yang tertunda karena dokumen sulit dibaca?

Jawaban dari pertanyaan ini membantu menentukan apakah bisnis butuh form yang lebih rapi, naming convention yang jelas, dashboard sederhana, integrasi antar-tool, atau extraction berbasis AI.

AI dan automation baru masuk akal ketika alurnya sudah cukup jelas.

Misalnya, jika tim sales sering menerima proposal dalam banyak format, sistem bisa membantu mengekstrak nama client, nilai penawaran, tanggal, status, dan pemilik follow-up. Jika tim finance sering menerima invoice vendor, sistem bisa membantu membaca nomor invoice, due date, nominal, dan relasi ke purchase order.

Tetapi sebelum itu, bisnis perlu sepakat dulu: data apa yang dianggap penting?

Website simulator Theranos menunjukkan bahwa dokumen publik bisa menjadi lebih menarik ketika diberi pengalaman yang tepat. Dalam bisnis, prinsip yang sama berlaku dengan versi yang lebih praktis: dokumen internal bisa menjadi lebih berguna ketika diberi struktur yang tepat.

Bukan semua hal perlu dibuat interaktif. Bukan semua arsip perlu AI. Bukan semua file perlu dashboard.

Tetapi dokumen yang sering dipakai untuk keputusan sebaiknya tidak dibiarkan menjadi gudang gelap.

Kalau tim harus membuka lima folder, mencari chat lama, membandingkan tiga spreadsheet, dan bertanya ke dua orang hanya untuk menjawab satu pertanyaan operasional, masalahnya bukan hanya dokumentasi.

Masalahnya adalah informasi belum berubah menjadi sistem kerja.

Sebelum membeli tool baru untuk dokumen, cek dulu satu hal sederhana: apakah tim Anda tahu dokumen mana yang penting, data apa yang harus diambil, dan keputusan apa yang harus dibantu?

Kalau jawabannya belum jelas, mulai dari sana.

Dapatkan Audit Teknis Gratis untuk meninjau alur dokumen, website, form, dan automation yang masih terlalu bergantung pada pencarian manual.

---

Sumber referensi berita: TechCrunch