Dalam beberapa tahun terakhir, AI telah merambah berbagai sektor, dan salah satunya adalah layanan pelanggan. Perusahaan-perusahaan di seluruh dunia dengan cepat berinvestasi dalam teknologi AI, berharap dapat meningkatkan efisiensi dan kualitas layanan yang mereka tawarkan. Walaupun inovasi ini menawarkan solusi yang cepat dan mudah, pertanyaan yang muncul adalah sejauh mana efektivitas AI dalam memenuhi harapan pelanggan.
Secara teknis, pendekatan kecerdasan buatan dalam layanan pelanggan memanfaatkan algoritma pembelajaran mesin dan pemrosesan bahasa alami untuk memahami serta merespons permintaan pengguna secara otomatis. Perkembangannya kini memasuki fase baru dengan hadirnya agentic AI, yaitu sistem yang bukan hanya memberikan informasi, tetapi juga mampu mengambil tindakan secara mandiri. Daniel O’Sullivan, Senior Director Analyst di Gartner, menjelaskan bahwa teknologi ini membuka jalan menuju pengalaman layanan yang “lebih otonom dan dengan upaya minimal bagi pelanggan.”
Gartner memprediksi bahwa pada tahun 2029, agentic AI akan mampu menyelesaikan hingga 80% masalah layanan pelanggan yang umum (seperti pertanyaan FAQ, pengecekan status akun, pembatalan layanan, atau permintaan perubahan sederhana) tanpa memerlukan interaksi dengan manusia. Dalam beberapa kasus, AI bahkan dapat menjalankan tindakan yang biasanya dilakukan pelanggan sendiri, misalnya menavigasi situs web untuk membatalkan keanggotaan atau menegosiasikan tarif pengiriman terbaik atas nama pelanggan. Transformasi ini diperkirakan akan memangkas biaya operasional hingga 30% dan mengubah cara organisasi mengelola interaksi pelanggan.
Namun, proyeksi ini juga menuntut kesiapan yang besar. Organisasi perlu membangun infrastruktur yang mampu menangani volume interaksi dari agen AI, memperbarui model layanan agar dapat membedakan permintaan antara manusia dan mesin, serta menetapkan kebijakan terkait privasi data dan mekanisme eskalasi. Tanpa fondasi tersebut, perusahaan berisiko mengalami kesenjangan antara potensi agentic AI dan hasil implementasinya. Gartner menekankan bahwa pergeseran menuju interaksi otonom tidak hanya soal teknologi, tetapi juga transformasi peran tim layanan pelanggan yang harus mampu bekerja berdampingan dengan sistem AI yang menyelesaikan sebagian besar permintaan rutin secara otomatis.
Studi Kasus: Penerapan AI oleh Microsoft di Evri
Salah satu contoh adopsi AI dapat dilihat pada Evri, perusahaan layanan pengiriman paket terbesar di Inggris yang menangani lebih dari 800 juta paket setiap tahun. Pada 2024, Evri mengumumkan investasi sebesar £1 juta untuk meningkatkan kemampuan otomasi dan kecerdasan buatan mereka.
Investasi tersebut difokuskan pada pembangunan automation centre of excellence yang bertugas mengotomatisasi tugas-tugas berulang, mengembangkan aplikasi low-code, dan mengeksplorasi teknologi AI lanjutan. Menurut perusahaan, inisiatif ini telah memberikan manfaat bisnis yang signifikan, termasuk peningkatan efisiensi pada proses layanan pelanggan, terutama dalam respons layanan dan penyelesaian tiket (customer service response and wrap-up).
Dalam studi kasus yang dipublikasikan Microsoft, tercatat sejumlah capaian positif dari penerapan teknologi otomasi dan AI di Evri. Perusahaan melaporkan bahwa penggunaan platform low-code Microsoft Power Platform telah membantu mengotomatisasi lebih dari 25 proses bisnis penting, meningkatkan kecepatan layanan internal, dan menyederhanakan alur kerja layanan pelanggan. Salah satu proyek awalnya, yaitu aplikasi layanan pelanggan baru yang menggantikan sistem CRM lama, disebut meningkatkan efisiensi signifikan; misalnya memangkas waktu penanganan dari rata-rata 3,5 menit menjadi sekitar 1 menit, serta meningkatkan tingkat panggilan terjawab.
Studi Kasus di Indonesia: Pagii Chatshop dan Transformasi Layanan Pelanggan
Perkembangan serupa juga terjadi di Indonesia. Jika Evri menunjukkan bagaimana AI dan otomasi meningkatkan efisiensi operasional dalam skala besar, studi kasus berikut menampilkan bagaimana pendekatan yang lebih terfokus melalui chatbot dan integrasi platform populer seperti WhatsApp, dapat menciptakan dampak langsung pada pengalaman pelanggan sehari-hari.
Untuk ini kami mewawancarai Yusuf Handian, CTO di PT. Smooets Teknologi Outsourcing, yang mengembangkan solusi Pagii Chatshop, sebuah chatbot layanan pelanggan retail yang diintegrasikan melalui WhatsApp. “Melalui Pagii Chatshop, kami menyediakan solusi otomatisasi yang memungkinkan pelanggan melakukan pemesanan, mendapatkan edukasi produk, dan melakukan pelacakan pengiriman sekaligus,” ungkap Yusuf.
Dengan memanfaatkan platform populer seperti WhatsApp, Chatshop memfasilitasi interaksi langsung dengan pelanggan. “Apa yang kami tawarkan adalah efisiensi yang tinggi, pengurangan biaya, dan dukungan yang lebih terjangkau dibandingkan sistem e-commerce tradisional,” ujarnya. Pola transaksi dan preferensi konsumen dapat dipelajari oleh sistem, sehingga dapat memberikan rekomendasi produk yang relevan dan memastikan layanan selalu tersedia kapan saja dibutuhkan.
Pendekatan ini secara signifikan mengurangi waktu tunggu pelanggan dalam proses pencarian produk dan meningkatkan pengalaman pengguna secara keseluruhan. Dengan analisis berbasis AI terhadap preferensi, lokasi, dan anggaran konsumen, Pagii membantu mempercepat proses penjualan produk.
Pentingnya Peran Manusia
Meskipun agentic AI diproyeksikan akan menangani sebagian besar permintaan layanan yang bersifat rutin, Gartner menegaskan bahwa manusia tetap memainkan peran penting dalam ekosistem layanan pelanggan. Pergeseran menuju interaksi otonom justru menciptakan kebutuhan baru: tim layanan harus siap menghadapi meningkatnya volume permintaan dari machine customers, menangani eskalasi ketika AI tidak dapat menyelesaikan tugas, serta beradaptasi dengan model layanan yang menuntut kebijakan interaksi, mekanisme privasi, dan struktur routing yang lebih canggih.
Dalam konteks ini, peran manusia akan bergeser, bukan lagi terutama pada penyelesaian kasus rutin, melainkan pada fungsi-fungsi yang memerlukan keahlian lebih tinggi dalam mengelola, mengawasi, dan mengarahkan sistem layanan berbasis AI.
Memandang ke depan, perusahaan yang ingin berkompetisi di era digital saat ini perlu mengembangkan model pelayanan yang mengintegrasikan kecepatan dan efisiensi yang ditawarkan oleh AI dengan keahlian dan empati yang dimiliki oleh manusia. Kunci suksesnya adalah menciptakan yang seimbang, di mana AI menangani efisiensi operasional, sementara manusia fokus pada penyelesaian masalah kompleks dan membangun hubungan yang bermakna dengan pelanggan.
FAQ
1. Apa sebenarnya peran AI dalam layanan pelanggan saat ini?
AI kini menjadi fondasi penting dalam layanan pelanggan modern. Dengan kemampuan memahami bahasa alami dan mempelajari pola interaksi, AI membantu perusahaan menjawab pertanyaan umum, memproses permintaan sederhana, dan menyediakan layanan 24/7. Dampaknya terasa langsung: pelanggan tidak perlu menunggu lama, dan tim layanan bisa fokus menangani persoalan yang lebih relevan dan kompleks.
2. Apa perbedaan antara AI biasa dan Agentic AI?
Jika AI tradisional berperan sebagai “penjawab”, memberikan informasi atau rujukan; agentic AI berfungsi sebagai “pelaksana.” Teknologi ini mampu mengambil tindakan secara mandiri, seperti memproses pembatalan layanan, menavigasi situs web untuk menyelesaikan permintaan tertentu, atau mengatur opsi pengiriman terbaik tanpa intervensi manusia. Dengan kata lain, agentic AI memindahkan beban usaha dari pelanggan menjadi tindakan otomatis yang tuntas.
3. Seberapa siap industri untuk mengadopsi Agentic AI, dan apa prediksinya?
Gartner memproyeksikan bahwa pada tahun 2029, agentic AI akan mampu menyelesaikan hingga 80% masalah layanan pelanggan yang bersifat rutin. Namun untuk mencapai target tersebut, perusahaan perlu mempersiapkan banyak hal: infrastruktur yang bisa menangani volume interaksi dari sistem AI, kebijakan privasi baru, hingga mekanisme eskalasi yang memastikan pengalaman pelanggan tetap terjaga. Tanpa fondasi yang matang, potensi agentic AI akan sulit diwujudkan secara optimal.
4. Apa dampak nyata AI terhadap efisiensi dan biaya operasional?
AI terbukti mempercepat proses layanan pelanggan secara signifikan. Selain memperpendek waktu penanganan, AI memungkinkan perusahaan mengalihkan beban kerja rutin dari manusia. Menurut prediksi Gartner, adopsi agentic AI juga berpotensi mengurangi biaya operasional hingga 30%, terutama karena automasi mengurangi kebutuhan tenaga untuk tugas-tugas repetitif dan administratif.
5. Bagaimana contoh implementasi AI di Inggris?
Evri, perusahaan pengiriman paket terbesar di Inggris, menjadi contoh menarik bagaimana investasi tepat dapat menghasilkan perubahan nyata. Pada 2024, mereka menggelontorkan £1 juta untuk mengembangkan pusat automasi dan AI. Hasilnya terlihat jelas: lebih dari 25 proses bisnis terotomatisasi, aplikasi layanan pelanggan baru memangkas waktu penanganan dari 3,5 menit menjadi sekitar 1 menit, dan tingkat panggilan terjawab pun meningkat. Bagi perusahaan dengan skala 800 juta paket per tahun, peningkatan efisiensi ini sangat signifikan.
6. Bagaimana situasi di Indonesia? Apa pelajaran dari Pagii Chatshop?
Pagii Chatshop adalah produk yang dikembangkan oleh PT. Smooets Teknologi Outsourcing. Produk ini menunjukkan pendekatan AI yang lebih dekat dengan keseharian pelanggan Indonesia. Dengan mengintegrasikan WhatsApp, sistem ini memungkinkan pelanggan memesan produk, mempelajari informasi, dan melacak pengiriman dalam satu jalur komunikasi yang sudah familiar. Dengan kemampuan memahami preferensi pelanggan, Chatshop dapat memberikan rekomendasi yang relevan dan membantu mempercepat proses penjualan. Pendekatan ini menciptakan pengalaman layanan yang lebih sederhana dan intuitif bagi pengguna.
7. Apakah AI akan menggantikan manusia dalam layanan pelanggan?
Tidak. Walaupun agentic AI diproyeksikan menangani sebagian besar permintaan rutin, peran manusia justru bergeser ke tingkat yang lebih tinggi. Bukan lagi menangani pertanyaan sederhana, tetapi mengawasi kualitas sistem AI, mengelola eskalasi kasus yang kompleks, serta memastikan kebijakan layanan, privasi, dan etika tetap terjaga. Dengan demikian, yang berubah bukan keberadaan manusia, melainkan tingkat peran yang dijalankan.
8. Apa tantangan terbesar bagi perusahaan dalam mengadopsi AI?
Tantangan utamanya adalah kesiapan struktur internal. Teknologi AI membutuhkan sistem backend yang dapat menangani lonjakan interaksi otomatis. Selain itu, perlu ada aturan baru terkait privasi data, alur eskalasi, dan pengelolaan model layanan yang membedakan permintaan dari manusia dan dari AI. Tanpa tata kelola ini, implementasi AI mudah sekali tidak konsisten atau bahkan menimbulkan friksi baru.
9. Apa yang dimaksud dengan “machine customers” dan mengapa penting?
Machine customers adalah entitas berbasis AI yang melakukan permintaan layanan atas nama pengguna, misalnya agen AI yang membatalkan langganan atau menegosiasikan tarif pengiriman tanpa campur tangan manusia. Kehadiran machine customers akan mengubah pola interaksi: bukan hanya pelanggan manusia yang perlu dilayani, tetapi juga sistem AI lain yang melakukan permintaan secara otomatis. Perusahaan perlu menyesuaikan routing, kebijakan interaksi, serta mekanisme prioritas agar dapat melayani dua tipe “pelanggan” ini dengan efisien.
10. Bagaimana pelanggan merespons layanan berbasis AI?
Pelanggan cenderung menerima AI selama layanan yang diberikan cepat, jelas, dan menyelesaikan masalah mereka. Namun begitu kasus menjadi lebih sensitif atau kompleks, pelanggan tetap menginginkan pilihan untuk berbicara dengan manusia. Karena itu, pengalaman terbaik biasanya hadir dari kombinasi AI dan manusia dalam satu alur layanan yang mulus.
11. Bagaimana perusahaan dapat menyeimbangkan peran AI dan manusia?
Keseimbangan ideal tercapai ketika AI menangani efisiensi dan volume, sementara manusia memastikan kualitas dan kedalaman layanan. AI diberi ruang untuk mengurus tugas-tugas rutin dan repetitif, sementara agen manusia fokus pada interaksi bernilai tinggi, supervisi sistem, pemecahan masalah tingkat lanjut, dan membangun hubungan jangka panjang dengan pelanggan. Model layanan hybrid inilah yang diprediksi menjadi standar baru di era digital.
