Preflight Form Intake Beauty dan Wellness dengan Claude Code: cegah celah consent dan kontraindikasi

Form kunjungan pertama berisi “kulit sensitif”, “hamil”, atau “sedang minum obat”, tetapi ekspor CSV menyembunyikan semuanya di kolom catatan umum. Booking sudah diterima, pelanggan sudah datang, lalu staf baru melihat kondisi yang membuat layanan harus ditunda, menu diganti, aturan pembatalan dijelaskan, atau jadwal diubah. Di salon kecantikan, studio wellness, layanan relaksasi, dan gym personal training, kegagalan input kecil ini sering lebih penting daripada landing page baru.

Membuat form sangat panjang bukan jawaban. Terlalu banyak pertanyaan menaikkan risiko batal mengisi, dan mengumpulkan data tanpa penanggung jawab review menambah masalah. Target praktisnya adalah memisahkan field booking, field consent, kategori kontraindikasi, dan detail khusus staf sebelum review berbantuan AI. Di sini, kontraindikasi berarti kondisi kesehatan, obat, kehamilan, kondisi kulit, atau usia yang dapat mengubah keputusan apakah layanan dilanjutkan.

Artikel ini membuat alur preflight lokal untuk form intake beauty dan wellness dengan Claude Code. Judulnya dibatasi sebagai cek pra-kirim dan kontrak lokal, bukan integrasi live. Tidak ada koneksi ke layanan form, sistem booking, database pelanggan, atau pengirim email. Sumber resmi yang dicek mencakup permissions Claude Code, settings dan sandboxing, sumber PPC Jepang tentang informasi pribadi, panduan higiene Jepang untuk tempat kecantikan, dan halaman peringatan konsumen Jepang tentang layanan beauty-medical. Ini bukan nasihat hukum, medis, atau operasional individual.

Poin Utama

• Pisahkan form kunjungan pertama menjadi field booking, field review staf, dan field yang tidak boleh masuk CSV kerja AI.
• Claude Code hanya membaca data fiktif atau CSV yang sudah disamarkan untuk mengecek consent, kontraindikasi, flag review, dan pesan.
• Manusia memutuskan kelayakan layanan, kesehatan, wording consent, data pribadi, consent anak, refund, dan pembatalan.
• Tiga Use case adalah inventaris field form, preflight kolom CSV, dan draft pesan konfirmasi staf.
• CTA utama hanya satu: template produk untuk pola pemula yang bisa dipakai ulang.

Workflow: pisahkan form sebelum AI

Mulai dengan memisahkan folder dan record. intake-raw/ menyimpan asli: nama, telepon, email, catatan bebas kulit atau tubuh, obat, kehamilan, consent anak, izin foto, dan konteks pembayaran. intake-ai-work/ menyimpan salinan kerja AI: ID fiktif, menu yang diminta, tujuan kunjungan, status consent, kategori kontraindikasi, dan apakah review staf diperlukan. intake-approved/ menyimpan checklist dan pesan yang sudah disetujui staf.

Materi	Salinan kerja AI	Hanya staf
Form booking	Menu, tujuan, pertama/ulang	Nama, telepon, email, alamat
Pertanyaan intake	Kategori kontraindikasi, kategori perhatian	Diagnosis, nama obat, kondisi rinci
Teks consent	Ada/tidak, tanggal, wajib/opsional	Teks legal dan operasional final
Ekspor CSV	Nama kolom, kosong, flag review staf	Data identitas dan teks bebas asli
Checklist staf	Reviewer, kondisi berhenti, waktu	Kelayakan layanan, ganti menu, refund

flowchart TD
  A[intake-raw asli] --> B[Klasifikasi kolom]
  B --> C[Samarkan ke CSV AI]
  C --> D[Node.js preflight]
  D --> E[Claude Code cek celah]
  E --> F[Review staf]
  F --> G[intake-approved checklist]

Kebiasaan pentingnya adalah tidak meminta Claude Code membaca semuanya dan memutuskan. Kurangi kolom terlebih dahulu. Catatan bebas sering memuat nama, detail kesehatan, atau konteks keluarga, jadi file AI sebaiknya memakai flag seperti sensitive_note_present: true. Jika perlu penilaian, staf membuka dokumen asli secara terpisah.

Apa yang dikerjakan Claude Code dan apa yang diputuskan manusia

Claude Code menangani field form yang hilang, nama kolom CSV berisiko, consent yang belum ada, flag review staf yang hilang, dan draft wording untuk staf atau pelanggan. Ini cocok untuk cek seperti “apakah form trial pertama punya izin foto dan consent pembatalan?” atau “apakah setiap baris dengan kategori kontraindikasi punya staff_review?”.

Manusia memutuskan apakah layanan dilanjutkan, menu mana yang berubah, bagaimana menangani catatan kesehatan atau obat, consent anak, refund, pembatalan, bahasa iklan, dan data pribadi. Output Claude Code “tidak ada celah jelas” bukan persetujuan layanan. Di beauty dan wellness, bahasa yang menenangkan mudah berubah menjadi klaim pasti, jadi approval final tetap manusia.

Dokumentasi resmi permissions Claude Code menjelaskan aturan dievaluasi dalam urutan deny, ask, lalu allow. Halaman settings menjelaskan sandbox sebagai batas untuk command Bash dan child process terhadap filesystem dan network. Untuk intake asli, tolak Read(/intake-raw/**) dan izinkan hanya intake-ai-work/. Itu mempersempit pintu masuk, bukan membuktikan keamanan privasi.

Bacaan terkait: panduan permissions Claude Code dan workflow menu salon kecantikan. Form dan menu perlu dicek terpisah karena titik gagalnya berbeda.

Tiga Use Case

Use case 1: inventaris field form kunjungan pertama

Input: daftar field form, wajib/opsional, menu yang diminta, teks consent, izin foto, kondisi pembatalan, dan pertanyaan yang perlu review staf.

Output: field booking, field review staf, field yang dikeluarkan dari AI, penjelasan singkat untuk pelanggan pertama, dan pesan setelah submit.

Review manusia: kelayakan layanan, penanganan kontraindikasi, consent anak, izin foto, kondisi pembatalan/refund, wording consent final.

Inventaris dimulai dari menentukan apa yang dihapus. Jika form trial hanya perlu booking slot, pertanyaan kesehatan yang dalam bisa dipindah ke follow-up staf. Jika kondisi harus selalu dicek sebelum layanan, ia butuh flag sebelum pelanggan datang.

Use case 2: cek apakah CSV mencampur field berisiko

Input: nama kolom CSV yang sudah disamarkan, baris sampel, kolom wajib, flag review staf, dan aturan pra-kirim.

Output: kolom yang boleh dipakai AI, kolom yang diblokir, peringatan kosong, baris yang butuh staff_review, dan field asli yang harus dilihat staf.

Review manusia: nama, telepon, email, alamat, teks bebas asli, obat, diagnosis, kehamilan, status anak, consent, izin foto.

Ekspor CSV menyembunyikan masalah lebih baik daripada layar form. Label yang rapi bisa berubah menjadi satu kolom note. Sebelum Claude Code membaca file, cek lokal harus menghentikan nama dan nilai sederhana yang berisiko.

Use case 3: draft pesan konfirmasi untuk staf

Input: ID fiktif, menu yang diminta, kategori review, rentang tanggal booking, pemilik staf, batas jawab, dan kanal kontak normal.

Output: email konfirmasi staf, draft pesan pra-kunjungan untuk pelanggan, checklist review, dan daftar informasi yang tidak boleh dikirim.

Review manusia: penerima, nama pelanggan nyata, data kesehatan nyata, keputusan layanan, kondisi pembatalan, panduan refund, approval manajer.

Jangan minta AI mengisi detail pribadi nyata. Gunakan “pelanggan A” atau “booking B-001”, lalu staf mengecek dokumen asli sebelum mengirim. Wording sopan membantu, tetapi batas keputusan harus tetap jelas.

Prompt siap salin

Gunakan prompt ini hanya setelah intake-ai-work/intake-redacted.csv dibuat. Jangan masukkan form asli, catatan pelanggan, foto, atau data pembayaran.

Act as a beauty and wellness first-visit intake form reviewer.
Read only ./intake-ai-work/intake-redacted.csv and output in this order:

1. Columns that may be used by AI and columns that must be stopped
2. Missing consent, photo permission, and cancellation fields
3. Whether rows with contraindication categories have staff_review
4. Fields staff must check in the original record
5. Draft pre-visit confirmation message to the guest
6. Pre-publication checklist

Constraints:
- Do not decide service eligibility, medical issues, or refunds
- Do not infer name, phone, email, address, diagnosis, medication, pregnancy week, or raw free-text notes
- Do not touch intake-raw, customer databases, booking systems, email sending, or external networks
- If you detect personal-data-like values, stop and report only the field name
- End with: "Not sendable before staff review"

Kode cek yang bisa dijalankan

Jika helper ini diperkenalkan, simpan sebagai tools/check-beauty-intake-preflight.mjs. Artikel ini tidak membuat file tersebut di repository. Berikut isi lengkapnya, memakai fixture lokal fiktif saja.

const files = [
  {
    path: "intake-ai-work/intake-redacted.csv",
    text: "intake_id,menu,consent,contraindication_category,staff_review\nB-001,trial_facial,true,sensitive_skin,true"
  },
  {
    path: "intake-ai-work/bad.csv",
    text: "name,email,medication_note\nAiko,[email protected],blood pressure medicine"
  }
];

const blockedFields = [
  "name",
  "email",
  "phone",
  "address",
  "birthdate",
  "medication",
  "diagnosis",
  "pregnancy_week",
  "free_note"
];

const valuePatterns = [
  /[\w.+-]+@[\w.-]+\.[A-Za-z]{2,}/,
  /\b\d{2,4}-\d{2,4}-\d{3,4}\b/,
  /\b(?:medicine|diagnosis|pregnant|allergy)\b/i
];

const findings = [];

for (const file of files) {
  const lowerText = file.text.toLowerCase();
  for (const field of blockedFields) {
    if (lowerText.includes(field)) {
      findings.push({ path: file.path, type: "blocked field", field });
    }
  }
  for (const pattern of valuePatterns) {
    if (pattern.test(file.text)) {
      findings.push({ path: file.path, type: "blocked value", pattern: String(pattern) });
    }
  }
}

console.table(findings);
if (findings.length > 0) {
  process.exitCode = 1;
}

Kode ini hanya membuktikan bahwa fixture lokal tetap dapat mendeteksi nama field dan nilai sederhana yang berisiko. Ini tidak membuktikan PDF, gambar, tulisan tangan, re-identifikasi lintas kolom, integrasi form live, atau perilaku sistem booking.

{
  "permissions": {
    "deny": [
      "Read(/intake-raw/**)",
      "Edit(/intake-raw/**)",
      "Read(/customer-records/**)",
      "Edit(/customer-records/**)",
      "Bash(git push *)"
    ],
    "allow": [
      "Read(/intake-ai-work/**)",
      "Edit(/intake-ai-work/**)",
      "Bash(node tools/check-beauty-intake-preflight.mjs *)"
    ]
  },
  "sandbox": {
    "enabled": true,
    "failIfUnavailable": true,
    "allowUnsandboxedCommands": false,
    "filesystem": {
      "denyRead": ["./intake-raw", "./customer-records"],
      "denyWrite": ["./intake-raw", "./customer-records"]
    }
  }
}

Pitfall: penyebab umum dan perbaikan

Penyebab pertama: consent dijadikan checkbox kecil di akhir. Pelanggan tidak tahu apa yang disetujui, dan staf tidak melacak versi teks. Perbaiki dengan memisahkan izin foto, pembatalan, konfirmasi kesehatan, dan metode kontak, lalu ekspor versi atau tanggal consent.

Penyebab kedua: kontraindikasi hanya diterima sebagai teks bebas. Ini terasa fleksibel, tetapi sulit dicari dan berisiko untuk AI. Perbaiki dengan field kategori dan flag staff_review, sementara detail tetap di dokumen asli.

Penyebab ketiga: menganggap Read deny sudah cukup. Bash, child process, dan helper lokal bisa membuka jalur lain ke dokumen asli. Gabungkan deny Claude Code, sandbox denyRead dan denyWrite, operasi folder, serta uji penolakan dengan data fiktif.

Penyebab keempat: menguji validator dengan CSV booking nyata. Riwayat terminal dan log bisa menyimpan nilai. Buat sampel allow dan reject hanya dengan ID fiktif, dan jangan cetak nilai personal di log produksi.

Pengukuran ROI kecil

Selama dua minggu pertama, ukur hanya form trial pertama. Sebelum perubahan, catat jumlah telepon konfirmasi setelah booking, perubahan menu di hari yang sama, kasus yang berhenti karena penjelasan consent, dan berapa kali staf membuka ulang dokumen asli. Setelah perubahan, catat angka yang sama dan tambahkan baris yang dihentikan preflight.

Hitungannya cukup sederhana: kasus × (menit konfirmasi + menit kerja ulang hari yang sama) di samping preflight stops. Jika booking naik tetapi perubahan hari yang sama juga naik, form belum menyelaraskan ekspektasi. Jika konfirmasi sebelum kunjungan naik dan pembatalan hari yang sama turun, workflow mungkin berguna. Jangan membuat hasil; bandingkan field yang sama pada periode yang sama.

Pertanyaan Umum

Q. Apakah lebih aman menghapus semua pertanyaan kesehatan atau obat?

Tidak. Menghapus pemeriksaan yang perlu bisa menaikkan risiko operasional. Tujuannya mengurangi field yang dilihat AI sambil menyisakan field yang harus direview staf.

Q. Apakah permissions Claude Code cukup untuk data pribadi?

Jangan dianggap cukup sendiri. Permissions membuat batas tool. Gabungkan dengan sandbox, pemisahan folder, log tanpa nilai, dan review manusia.

Q. Bisakah Claude Code memperbaiki klaim yang dekat dengan beauty-medical?

Bisa membuat warning dan catatan review, tetapi iklan medis dan review hukum di luar cakupan artikel ini. Klaim efek harus dicek manusia dengan sumber primer dan aturan tempat.

Q. Form mana yang harus dimulai?

Mulai dari form yang mencampur trial pertama, izin foto, pembatalan, dan kesehatan di satu layar. Form dengan pertanyaan hari yang sama paling banyak biasanya lebih baik daripada form dengan traffic tertinggi.

Template Produk

Preflight ini bisa dimulai sebagai latihan kecil untuk pemula. Buat CSV fiktif, pastikan kolom berisiko menghentikan proses, pastikan staff_review yang hilang terlihat, dan pastikan output menyatakan belum boleh dikirim sebelum review staf.

Untuk memakai pola yang sama pada penjelasan menu, FAQ, draft balasan, dan check publikasi, gunakan template produk sebagai satu langkah berikutnya. Workflow menu salon membahas harga dan durasi; panduan permissions membahas dasar kontrol akses.

Yang Sebenarnya Diuji

Untuk artikel ini, saya memastikan /images/hero/hero-024.webp ada di site/public/images/hero/hero-024.webp. Saya juga memeriksa halaman resmi permissions Claude Code, halaman settings dan sandbox, halaman PPC Jepang tentang informasi pribadi, panduan higiene MHLW, dan halaman peringatan konsumen.

Blok JavaScript merepresentasikan intake-ai-work/intake-redacted.csv dan intake-ai-work/bad.csv fiktif sebagai array di memori. Itu hanya menunjukkan batas fixture lokal untuk nama field dan nilai sederhana. Tidak ada runtime test dengan layanan form, sistem booking, database pelanggan, pengiriman email, atau data pelanggan nyata. Check publikasi menargetkan slug ini, frontmatter, link internal, link eksternal, CTA, code fences, sepuluh file locale, dan artikel Qiita.