AI untuk Customer Service 24 Jam

Pesan pelanggan masuk jam 22.00, admin sudah tidur, dan besok pagi calon pembeli itu sudah membeli di toko lain. Bagi banyak UMKM, masalahnya bukan kurang produk, tetapi kurang tangan untuk membalas chat yang datang di luar jam kerja. AI bisa menutup celah ini, asalkan dipasang dengan basis pengetahuan yang rapi dan jalur serah-terima ke manusia yang jelas.

Artikel ini membahas langkah praktis membangun asisten customer service (CS) berbasis AI: apa yang harus disiapkan sebelum memilih tools, bagaimana menulis instruksi untuk AI, kapan percakapan wajib diteruskan ke admin, dan bagaimana developer bisa menghubungkannya ke aplikasi Laravel lewat webhook.

Apa yang Sebenarnya Bisa Ditangani AI

Sebelum membangun apa pun, petakan dulu jenis pertanyaan yang masuk. Ambil 100 chat terakhir dari WhatsApp Business atau inbox Instagram, lalu kelompokkan. Pada kebanyakan toko online dan jasa, pola yang muncul kira-kira seperti ini (contoh, bukan data riset):

• Pertanyaan informasi: jam buka, ongkir, stok, ukuran, cara pemesanan. Ini paling cocok untuk AI.
• Status pesanan: "paket saya sudah sampai mana?". Cocok untuk AI jika AI bisa membaca data pesanan dari sistem Anda.
• Keluhan dan retur: barang rusak, salah kirim. AI boleh mengumpulkan data awal (nomor pesanan, foto), tetapi keputusan tetap di manusia.
• Negosiasi dan kasus khusus: minta diskon grosir, pesanan custom. Sebaiknya langsung ke manusia.

Jika sebagian besar chat Anda masuk dua kelompok pertama, AI akan sangat membantu. Jika mayoritas berupa keluhan, prioritaskan dulu perbaikan proses operasional, karena AI hanya akan mempercepat datangnya keluhan ke meja Anda.

Langkah Membangun CS AI yang Bisa Dipercaya

1. Susun basis pengetahuan. Tulis dokumen berisi FAQ, kebijakan retur, ongkir per wilayah, metode pembayaran (transfer bank, QRIS, COD), dan jam operasional. Satu topik satu paragraf, kalimatnya lugas. AI tidak bisa menjawab benar dari informasi yang tidak pernah Anda tulis.
2. Tentukan batas wewenang. Daftar hal yang tidak boleh dijawab AI: memberi diskon, menjanjikan tanggal kirim, menyetujui refund. Tuliskan eksplisit di instruksi sistem.
3. Tulis prompt sistem. Ini "SOP" untuk AI: peran, nada bicara, sumber jawaban, dan kapan harus eskalasi. Contohnya ada di bawah.
4. Sambungkan ke kanal. Mulai dari satu kanal yang paling ramai, biasanya WhatsApp. Jangan langsung lima kanal sekaligus.
5. Siapkan jalur eskalasi. Saat AI tidak yakin atau pelanggan minta bicara dengan orang, percakapan ditandai dan admin diberi notifikasi.
6. Uji dengan 30-50 pertanyaan nyata dari arsip chat sebelum dibuka ke publik. Catat jawaban yang salah dan perbaiki basis pengetahuan, bukan sekadar menambal prompt.
7. Tinjau mingguan. Baca sampel percakapan, kumpulkan pertanyaan yang gagal dijawab, tambahkan ke basis pengetahuan.

Contoh Prompt Sistem untuk Toko Online

Prompt berikut bisa dipakai di hampir semua penyedia model bahasa (OpenAI, Anthropic, Google). Sesuaikan isi dalam kurung siku.

Anda adalah asisten customer service [Nama Toko], toko [jenis produk] di [kota].
Gaya bahasa: ramah, singkat, pakai "Kak". Maksimal 3 kalimat per balasan.

Aturan:
1. Jawab HANYA berdasarkan BASIS PENGETAHUAN di bawah.
2. Jika informasi tidak ada, katakan Anda akan meneruskan ke admin,
   lalu akhiri balasan dengan token [ESKALASI].
3. Jangan pernah menjanjikan diskon, refund, atau tanggal tiba yang pasti.
4. Jika pelanggan marah, menyebut barang rusak, atau minta bicara dengan
   manusia, minta nomor pesanan lalu akhiri dengan [ESKALASI].
5. Jangan meminta PIN, OTP, atau password dalam kondisi apa pun.

BASIS PENGETAHUAN:
[tempel FAQ, kebijakan, ongkir, jam buka]

Token [ESKALASI] memudahkan sistem Anda mendeteksi kapan harus memanggil manusia, tanpa harus menebak isi kalimat.

Pilihan Implementasi

Untuk Developer: Webhook di Laravel

Jika toko Anda sudah punya aplikasi Laravel, AI bisa menjawab pertanyaan status pesanan dengan data asli. Pola dasarnya: penyedia WhatsApp mengirim webhook, Laravel memasukkan pesan ke queue, job memanggil model bahasa, lalu balasan dikirim kembali. Memproses di queue penting karena panggilan AI bisa memakan beberapa detik, sedangkan webhook harus dijawab cepat.

// routes/api.php
Route::post('/webhook/wa', [WaWebhookController::class, 'handle']);

// app/Http/Controllers/WaWebhookController.php
public function handle(Request $request)
{
    abort_unless(
        hash_equals(config('services.wa.secret'), (string) $request->header('X-Webhook-Secret')),
        403
    );

    ReplyWithAi::dispatch(
        phone: $request->input('from'),
        text: Str::limit($request->input('message'), 1000),
    );

    return response()->json(['ok' => true]);
}

// app/Jobs/ReplyWithAi.php (inti method handle)
$order = Order::where('phone', $this->phone)->latest()->first();
$context = $order
    ? "Pesanan terakhir #{$order->code}: status {$order->status}, resi {$order->awb}."
    : 'Pelanggan belum punya pesanan.';

$reply = $ai->chat(system: $systemPrompt, user: $context . "\n\n" . $this->text);

if (str_contains($reply, '[ESKALASI]')) {
    Conversation::markNeedsHuman($this->phone);
    $reply = str_replace('[ESKALASI]', '', $reply);
}

$wa->send($this->phone, trim($reply));

Dua hal yang sering terlupa. Pertama, verifikasi webhook dengan secret agar orang lain tidak bisa memalsukan pesan. Kedua, AI hanya diberi data pesanan milik nomor pengirim, tidak pernah data pelanggan lain. Panduan lengkap pola queue ada di artikel Queue dan Job di Laravel untuk Tugas Berat, dan aspek keamanannya dibahas di 10 best practice keamanan aplikasi web.

Kesalahan Umum dan Cara Memperbaikinya

AI mengarang jawaban

Biasanya karena prompt tidak tegas membatasi sumber, atau basis pengetahuan bolong. Perbaikan: tambahkan aturan "jawab hanya dari basis pengetahuan" dan isi topik yang kosong. Turunkan parameter temperature ke 0,2-0,3 agar jawaban lebih konsisten.

Pelanggan terjebak berputar-putar dengan bot

Selalu sediakan kata kunci seperti "admin" atau "CS" yang langsung memicu eskalasi. Di luar jam kerja, beri tahu jujur kapan admin akan membalas, misalnya "Admin akan membalas besok mulai pukul 08.00".

Biaya API membengkak

Batasi panjang riwayat percakapan yang dikirim (misalnya 6 pesan terakhir), potong pesan yang terlalu panjang, dan pakai model kelas kecil untuk pertanyaan FAQ. Pasang batas pemakaian bulanan di dashboard penyedia API.

Data pribadi bocor ke log

Jangan simpan nomor KTP atau alamat lengkap di log percakapan mentah. Samarkan data sensitif sebelum disimpan, dan tentukan masa simpan log, misalnya 90 hari.

Checklist Sebelum Go-Live

• Basis pengetahuan mencakup minimal 20 pertanyaan paling sering.
• Prompt sistem memuat batas wewenang dan aturan eskalasi.
• Kata kunci "admin" selalu meneruskan ke manusia.
• Notifikasi eskalasi sampai ke HP admin (Telegram, email, atau dashboard).
• Pelanggan diberi tahu bahwa mereka sedang dilayani asisten otomatis.
• Sudah diuji dengan minimal 30 pertanyaan nyata dari arsip chat.
• Ada jadwal tinjauan mingguan dan satu orang penanggung jawab.

Mengukur Hasilnya

Tanpa angka, sulit menilai apakah AI membantu atau justru mengganggu. Pantau empat metrik sederhana: persentase percakapan yang selesai tanpa eskalasi, waktu balasan pertama, jumlah eskalasi per hari, dan jumlah pesanan yang terjadi di luar jam kerja. Bandingkan bulan sebelum dan sesudah penerapan. Jika tingkat eskalasi tetap tinggi setelah sebulan, itu tanda basis pengetahuan masih kurang, bukan tanda AI gagal.

AI customer service paling efektif ketika menjadi bagian dari sistem bisnis yang lebih luas, misalnya terhubung ke data stok dan pesanan. Jika Anda sedang menata ulang operasional, artikel cara digitalisasi bisnis kecil dengan sistem informasi bisa menjadi titik awal. Bagi developer yang ingin memulai dari fondasi yang sudah jadi, katalog source code Laravel di GudangCode bisa dipakai sebagai dasar aplikasi pesanan yang nantinya disambungkan ke asisten AI.