AI Customer Service: Cara Kerja, Handoff, dan Risikonya

AI customer service membantu bisnis melayani pertanyaan rutin dengan lebih konsisten tanpa menutup akses pelanggan kepada manusia. Namun, hasilnya tidak hanya kemampuan AI yang tentukan. Kualitas knowledge, aturan eskalasi, data, workflow, dan kapasitas tim tetap mempengaruhi pengalaman pelanggan.

Artikel ini membahas alur AI customer service dari pesan masuk sampai evaluasi. Anda juga akan memahami pembagian tugas AI dan manusia, desain handoff, risiko utama, KPI, serta cara Barantum mendukung model layanan hybrid.

Apa Itu AI Customer Service?

AI customer service adalah penggunaan kecerdasan buatan untuk memahami pertanyaan pelanggan, mengambil informasi yang relevan, memberikan respons, dan membantu menjalankan proses layanan. Sistem ini dapat menjadi first-line support untuk kebutuhan yang berulang, sementara human agent menangani percakapan yang memerlukan konteks, empati, atau keputusan lebih kompleks.

Konsep ini berbeda dari chatbot berbasis aturan. Chatbot berbasis aturan mengikuti alur dan pilihan yang sudah Anda tentukan, sedangkan AI dapat mengenali variasi bahasa dan menggunakan knowledge untuk menyusun jawaban. Meskipun demikian, AI customer service tetap membutuhkan sumber informasi, batas tindakan, serta jalur eskalasi yang jelas.

Human agent tidak hilang dari proses. Sebaliknya, perannya bergeser ke kasus yang membutuhkan judgement, penanganan keluhan, negosiasi, atau otorisasi. Oleh karena itu, bisnis sebaiknya merancang AI dan manusia sebagai satu sistem layanan, bukan sebagai dua jalur yang terpisah.

Bagaimana Cara Kerja AI Customer Service?

Cara kerja AI customer service dimulai ketika pesan pelanggan masuk melalui channel layanan, kemudian sistem mengenali intent dan konteksnya. Setelah itu, AI mengambil informasi dari knowledge base untuk memberikan jawaban, menjalankan workflow yang kita izinkan, atau mengalihkan kasus kepada human agent.

Menurut Salesforce, 46% business buyer bersedia menggunakan AI agent jika layanan menjadi lebih cepat. Temuan survei terhadap lebih dari 16.000 konsumen dan business buyer ini menunjukkan bahwa kecepatan bernilai ketika AI tetap mendukung kebutuhan pelanggan secara tepat.

Alur AI customer service berlangsung melalui enam tahap berikut:

1. Pesan Masuk dari Channel Layanan

Pesan pelanggan dapat berasal dari WhatsApp, media sosial, live chat, email, atau channel lain yang bisnis gunakan. Pada tahap ini, sistem perlu mengenali asal pesan, identitas yang tersedia, waktu percakapan, dan histori sebelumnya agar setiap interaksi masuk ke antrean yang sesuai.

Misalnya, pelanggan mengirim pertanyaan status pesanan melalui WhatsApp pada malam hari. Sistem mencatat channel dan konteks awal, lalu meneruskan pesan ke proses pengenalan intent. Channel hanya dapat diproses bila integrasi dan konfigurasi yang sistem butuhkan memang tersedia.

2. AI Mengenali Intent dan Konteks

AI mengenali intent dengan membaca tujuan utama di balik pesan, seperti menanyakan status, meminta informasi produk, atau menyampaikan keluhan. Selain itu, sistem dapat menggunakan konteks percakapan yang tersedia agar kata atau kalimat pendek tetap memiliki makna yang jelas.

Ketika intent ambigu atau informasi belum cukup, AI sebaiknya meminta klarifikasi singkat. Contohnya, pertanyaan “sudah dikirim?” membutuhkan identitas transaksi atau histori sebelumnya. Jika konteks tetap tidak jelas, sistem perlu mengalihkan percakapan agar pelanggan tidak terjebak dalam jawaban berulang.

3. Sistem Mengambil Jawaban dari Knowledge Base

Knowledge base menjadi sumber jawaban yang AI gunakan. Isinya dapat berupa informasi produk, kebijakan layanan, panduan, atau prosedur yang sudah Anda setujui. Oleh karena itu, setiap sumber perlu memiliki owner, versi, dan jadwal pembaruan agar AI tidak menggunakan informasi usang.

Saat beberapa sumber memberikan informasi berbeda, AI tidak seharusnya memilih secara acak. Sistem perlu mengikuti sumber yang Anda tetapkan sebagai source of truth atau berhenti menjawab sampai ada klarifikasi. Mekanisme ini membantu bisnis menjaga konsistensi jawaban di seluruh channel.

4. AI Menjawab atau Menjalankan Workflow

AI dapat memberikan jawaban informatif atau menjalankan workflow yang memang Anda izinkan. Jawaban informatif menyampaikan pengetahuan, sedangkan workflow dapat mencakup tindakan terkontrol seperti membuat ticket atau meneruskan kebutuhan ke tim terkait.

Setiap tindakan membutuhkan permission yang sesuai. Misalnya, AI boleh mengumpulkan data awal dan membuat ticket, tetapi perubahan data sensitif atau keputusan finansial tetap memerlukan otorisasi. Pemisahan ini menjaga kecepatan layanan tanpa memberi AI akses yang lebih luas dari kebutuhannya.

5. Kasus Kompleks Dialihkan ke Human Agent

Kasus kompleks akan beralih kepada human agent ketika AI tidak cukup yakin, pelanggan meminta berbicara dengan manusia, atau percakapan melibatkan risiko dan emosi. Sistem sebaiknya mengirimkan ringkasan intent, data relevan, langkah yang sudah AI lakukan, dan alasan eskalasi.

Dengan konteks tersebut, human agent dapat langsung melanjutkan penanganan. Pelanggan tidak perlu menjelaskan ulang seluruh masalahnya, sedangkan tim memperoleh ownership yang jelas. Handoff juga perlu memasukkan kasus ke antrean yang sesuai agar percakapan tidak berhenti tanpa penanggung jawab.

6. Hasil Dicatat dan Dievaluasi

Hasil interaksi perlu tercatat untuk menilai jawaban AI, outcome percakapan, penyebab handoff, serta tindakan human agent. Catatan ini memberi dasar bagi tim untuk menemukan pertanyaan yang sering gagal AI jawab atau knowledge yang perlu Anda perbarui.

Kemudian, tim dapat melakukan sampling percakapan dan quality assurance secara rutin. Feedback tidak langsung mengubah knowledge tanpa kontrol. Owner terkait perlu meninjau temuan, memperbarui sumber, dan memastikan perubahan tidak menciptakan masalah baru.

Tugas Apa yang Tepat untuk AI dan Human Agent?

Tugas yang tepat untuk AI umumnya memiliki pola berulang, sumber jawaban yang jelas, risiko rendah, dan outcome yang mudah dinilai. Sebaliknya, human agent lebih tepat untuk percakapan emosional, masalah baru, keputusan finansial, negosiasi, serta kasus yang membutuhkan pertimbangan atau otorisasi.

Pembagian ini tidak harus bersifat permanen. Bisnis dapat memulai dari satu use case, mengukur kualitasnya, lalu memperluas cakupan ketika knowledge dan guardrail sudah memadai. Berikut perbandingan peran AI dan human agent:

Tabel tersebut menunjukkan bahwa tingkat risiko dan kebutuhan judgement menjadi pembeda utama. AI membantu mengurangi beban tugas rutin, sedangkan manusia menjaga kualitas keputusan dan relasi pada momen yang paling menentukan.

Bagaimana Merancang Human Handoff yang Mulus?

Human handoff yang mulus dirancang dengan trigger eskalasi, konteks yang lengkap, routing yang tepat, dan ownership yang jelas. Tujuannya adalah memindahkan percakapan tanpa membuat pelanggan mengulang informasi atau menunggu tanpa kepastian.

Empat komponen utama untuk merancang human handoff adalah sebagai berikut:

1. Tetapkan Trigger Eskalasi

Trigger eskalasi menentukan kapan AI harus berhenti dan menyerahkan percakapan. Pemicu dapat berupa confidence rendah, intent yang tidak AI kenali, sentimen negatif, nilai transaksi tinggi, kebutuhan otorisasi, data sensitif, atau permintaan langsung dari pelanggan.

Tim perlu menghubungkan setiap trigger dengan tindakan yang jelas. Misalnya, keluhan berulang masuk ke tim customer service, sedangkan pertanyaan kontrak diteruskan kepada owner terkait. Dengan demikian, eskalasi tidak hanya memindahkan pesan, tetapi juga menentukan siapa yang melanjutkan penanganan.

2. Sertakan Ringkasan dan Riwayat Percakapan

Ringkasan dan riwayat percakapan perlu menyertakan intent, data yang relevan, jawaban AI, langkah yang telah dicoba, dan alasan handoff. Human agent dapat memahami situasi lebih cepat tanpa membaca seluruh percakapan dari awal.

“Riset Zendesk menemukan bahwa 74% konsumen merasa frustrasi ketika harus mengulangi informasi yang sudah mereka berikan.” Sumber: Zendesk, CX Trends 2026

Angka tersebut menegaskan bahwa konteks bukan sekadar catatan internal. Konteks yang ikut terbawa mengurangi friksi dan membantu human agent memberi respons yang terasa menyambung dengan interaksi sebelumnya.

3. Atur Routing, Antrean, dan SLA Internal

Routing mengarahkan kasus berdasarkan intent, prioritas, keahlian, dan kapasitas tim. Selain itu, antrean perlu memiliki owner serta target respons internal agar kasus yang sudah dialihkan tidak kehilangan arah.

Sebagai contoh, keluhan pembayaran dapat masuk ke tim billing dengan prioritas lebih tinggi daripada pertanyaan umum. Target internal sebaiknya disesuaikan dengan jam operasional dan kapasitas aktual. Pendekatan ini menjaga ekspektasi tanpa membuat janji layanan yang tidak dapat dipenuhi.

4. Tutup Loop setelah Penanganan

Loop penanganan ditutup dengan mencatat outcome, penyebab eskalasi, solusi yang diberikan, dan status akhir percakapan. Informasi tersebut membantu tim membedakan handoff yang memang diperlukan dari handoff yang terjadi karena knowledge atau guardrail belum memadai.

Selanjutnya, pola eskalasi berulang dapat menjadi bahan pembaruan knowledge dan workflow. Tim tetap meninjau setiap perubahan sebelum menerapkannya agar perbaikan satu use case tidak mengganggu proses lain.

Apa Risiko dan KPI AI Customer Service?

Risiko AI customer service mencakup jawaban salah, knowledge usang, akses data yang berlebihan, pengalaman pelanggan yang buntu, dan pengukuran yang hanya mengejar otomatisasi. Karena itu, KPI perlu memasangkan efisiensi dengan kualitas dan pengalaman pelanggan.

Survei Gartner terhadap 5.728 pelanggan menemukan bahwa 64% responden lebih memilih perusahaan tidak menggunakan AI dalam customer service. Temuan pada 2023 ini menunjukkan pentingnya transparansi, akses mudah ke manusia, dan desain layanan yang benar-benar membantu.

Lima area risiko dan pengukuran AI customer service perlu dikelola sebagai berikut:

1. Risiko Jawaban Salah dan Knowledge Usang

Jawaban salah dapat muncul ketika sumber tidak lengkap, informasi sudah berubah, atau beberapa dokumen saling bertentangan. Tim perlu menetapkan source of truth, owner knowledge, masa berlaku konten, serta proses pembaruan yang terdokumentasi.

Selain itu, AI perlu memiliki respons aman ketika jawaban tidak ditemukan. Mengakui keterbatasan dan mengalihkan kasus lebih baik daripada memberi jawaban yang terlihat meyakinkan tetapi keliru. Sampling jawaban membantu tim menemukan pola kesalahan sebelum berdampak luas.

2. Risiko Privasi, Akses, dan Audit

Risiko privasi muncul ketika AI menerima atau menggunakan data yang tidak diperlukan untuk menyelesaikan kebutuhan pelanggan. Oleh karena itu, akses perlu mengikuti prinsip least privilege, sedangkan data sensitif harus dibatasi sesuai kebijakan internal.

Log aktivitas juga perlu mencatat sumber jawaban dan tindakan yang dijalankan. Dengan audit trail tersebut, tim dapat menelusuri apa yang terjadi saat muncul keluhan atau kesalahan, lalu menentukan perbaikan pada knowledge, permission, atau workflow.

3. Risiko Pengalaman Pelanggan

Risiko pengalaman pelanggan muncul ketika percakapan berakhir di dead end, AI mengulang jawaban, atau akses kepada human agent terlalu sulit. Transparansi tentang penggunaan AI membantu pelanggan memahami jenis interaksi yang sedang berlangsung.

Selain itu, bisnis perlu memantau repeat contact dan keluhan terkait otomatisasi. Jika pelanggan berkali-kali kembali untuk masalah yang sama, containment yang tinggi dapat memberi gambaran keliru karena percakapan belum benar-benar selesai.

4. KPI Efisiensi dan Kualitas

KPI efisiensi mencakup first response time, resolution time, containment rate, dan handoff rate. Namun, angka tersebut perlu dibaca bersama QA accuracy, resolution rate, repeat contact, correction rate, dan customer satisfaction.

Misalnya, containment rate meningkat tetapi repeat contact ikut naik. Kondisi itu menunjukkan AI menahan lebih banyak percakapan tanpa menyelesaikan kebutuhan. Oleh karena itu, dashboard sebaiknya memperlihatkan kecepatan, kualitas, dan outcome dalam satu pembacaan.

5. Evaluasi Berkala dan Guardrail

Evaluasi berkala dilakukan melalui sampling percakapan, pengujian skenario gagal, peninjauan trigger, dan pemeriksaan perubahan knowledge. Tim juga perlu menetapkan threshold untuk menghentikan atau membatasi use case ketika error melewati batas internal.

Guardrail harus memiliki owner dan prosedur rollback. Saat pembaruan menghasilkan jawaban yang memburuk, tim dapat kembali ke konfigurasi sebelumnya sambil mencari akar masalah. Proses ini menjaga continuous improvement tetap terkendali.

Bagaimana Barantum Mendukung Layanan Hybrid AI dan Manusia?

Barantum mendukung layanan hybrid dengan menempatkan AI Agent sebagai first-line support dan human agent sebagai penangan kasus kompleks. Pendekatan ini membantu bisnis merespons kebutuhan berulang sekaligus mempertahankan judgement manusia pada percakapan yang membutuhkan konteks dan intuisi.

Barantum merupakan platform bisnis yang menghubungkan Omnichannel, AI Agent, workflow, ticket, riwayat percakapan, dan dashboard operasional. AI Agent tersedia pada paket Professional Omnichannel & WhatsApp API, sedangkan fitur lain mengikuti cakupan paket yang tercantum.

“Dalam studi kasus Barantum, layanan Digital Service Center PKS tercatat 90% lebih cepat setelah menggunakan Barantum.” Sumber: Studi kasus PKS

Barantum menghubungkan AI dan manusia melalui lima kemampuan berikut:

1. AI Agent sebagai First-Line Support

AI Agent dapat menangani pertanyaan dasar atau berulang sebagai first-line support. Ketika kebutuhan menjadi kompleks atau memerlukan konteks dan intuisi, percakapan dialihkan kepada human agent.

Pembagian ini membantu tim memusatkan perhatian pada kasus yang bernilai lebih tinggi. Sementara itu, pelanggan tetap memperoleh jalur layanan untuk pertanyaan rutin tanpa menghilangkan pilihan berbicara dengan manusia.

2. Omnichannel untuk Menyatukan Percakapan

Omnichannel membantu bisnis mengelola percakapan dari channel yang terhubung dalam operasional layanan. Paket Standard mencakup integrasi channel dasar dengan limit akun yang tercantum, sedangkan paket Professional menambahkan integrasi channel lanjutan.

Pemisahan cakupan tersebut penting agar bisnis memilih konfigurasi sesuai channel yang digunakan. Percakapan yang terkumpul memudahkan tim melihat konteks layanan tanpa berpindah-pindah sistem secara manual.

3. Workflow, Tiket, dan Routing

Manajemen Alur Kerja tersedia pada paket Professional, sedangkan Manajemen Tiket dan Bulk Tiket tersedia pada paket Standard Omnichannel & WhatsApp API. Kedua kemampuan tersebut membantu tim mengubah percakapan menjadi proses yang memiliki status dan penanggung jawab.

Sebagai contoh, AI mengumpulkan kebutuhan awal lalu membuat tiket untuk tim terkait. Workflow kemudian mengarahkan langkah berikutnya sesuai proses bisnis yang telah dikonfigurasi, sehingga handoff tidak berhenti pada pemindahan chat.

4. Riwayat dan Dashboard untuk Evaluasi

Riwayat percakapan tersimpan dan tidak dapat dihapus agen pada seluruh paket Omnichannel & WhatsApp API. Selain itu, Dashboard Laporan Kinerja Agen dan Aktivitas Pesan membantu tim memantau aktivitas operasional.

Kedua fitur tersebut memberi bahan untuk evaluasi jawaban, handoff, dan workload agen. Namun, dashboard merupakan alat monitoring; perbaikan KPI tetap membutuhkan review, keputusan, serta tindakan dari owner proses.

5. Biaya AI Agent Berbasis Respons

Biaya penggunaan AI Agent Barantum menggunakan saldo mulai Rp150 per respons. Minimum top-up saldo adalah Rp500.000, sedangkan penambahan saldo dilakukan dalam kelipatan Rp500.000. Nominal tersebut belum termasuk PPN dan diverifikasi pada 25 Agustus 2026.

Tarif penggunaan ini terpisah dari harga lisensi atau paket utama. Karena basisnya per respons, kebutuhan saldo mengikuti volume interaksi dan jumlah respons AI yang digunakan dalam operasional.

Konsultasikan Kebutuhan AI Agent Bisnis Anda

Jadwalkan demo Barantum untuk melihat bagaimana AI Agent, Omnichannel, workflow, ticket, riwayat percakapan, dan dashboard dapat mendukung layanan hybrid bisnis Anda. Tim Barantum akan membantu memetakan use case, channel, kebutuhan human handoff, paket, serta estimasi penggunaan berdasarkan volume respons agar solusi yang dipilih selaras dengan proses layanan Anda.

Tertarik dengan Barantum?

Jangan tunggu nanti, perubahan besar dimulai dari langkah kecil hari ini! Dapatkan uji coba gratis 7 hari. Daftar dan buat akun Barantum CRM Anda sekarang.

Hubungi via WhatsApp

Coba Gratis 7 Hari

Herliana Isdianti

CRM Specialist and SEO Content Writer.
As CRM Specialist and SEO Content Writer I craft compelling content that enhances brand identity and drives engagement, leveraging my expertise to connect with audiences and boost conversions.

Reviewed by Nur Ahmad Syaepudin

Digital Marketing Lead with expertise in SEO, digital growth, and performance-driven marketing. I focus on developing data-driven strategies to strengthen online visibility, optimize digital performance, and drive sustainable business growth.