Hampir setiap diskusi bisnis tentang teknologi sekarang melibatkan AI. Demonya mengesankan, dan tools-nya lebih mudah diakses dari sebelumnya. Tetapi di antara demo yang meyakinkan dan sistem yang berjalan andal setiap hari, ada banyak pekerjaan desain — dan beberapa use case memang tidak sepadan.
Berikut cara saya menentukan di mana otomasi AI memberi dampak.
Kandidat yang baik punya tiga ciri
1. Pekerjaan repetitif bervolume tinggi. Kalau sebuah tugas hanya terjadi beberapa kali seminggu, mengotomasinya jarang sepadan dengan biaya setup dan perawatannya. Kalau terjadi puluhan kali sehari, hitungannya berubah.
2. Jawaban yang bisa didasarkan pada data nyata. AI paling andal ketika mengambil dan menjelaskan informasi yang sudah ada — harga, detail layanan, kebijakan, status order — bukan mengarangnya.
3. Titik yang jelas kapan manusia mengambil alih. Otomasi terbaik menangani bagian rutin dan menyerahkan keputusan yang butuh pertimbangan. Ia tidak mencoba menggantikan pengambil keputusan.
Contoh: sales agent WhatsApp
Salah satu sistem yang saya bangun adalah AI sales agent yang menjawab chat prospek di WhatsApp sepanjang waktu. Sistem ini memenuhi ketiga ciri tersebut:
- Volume: chat prospek datang kapan saja, dan banyak yang menanyakan hal yang sama soal harga dan layanan.
- Berbasis data: setiap jawaban soal harga, layanan, dan kebijakan diambil dari knowledge base dan database harga (retrieval-augmented generation), bukan dari imajinasi model. Bot juga punya batas topik yang tegas dan menolak pertanyaan di luar konteks dengan sopan.
- Serah terima: hot lead langsung diteruskan ke WhatsApp owner, meeting dijadwalkan ke Google Calendar, dan bot otomatis berhenti begitu owner mengambil alih chat.
Hasilnya bukan "AI menggantikan sales". Hasilnya, prospek mendapat respons pertama yang konsisten kapan pun, dan owner bisa fokus pada percakapan yang benar-benar membutuhkannya.
Di mana otomasi AI biasanya tidak memberi dampak
- Proses yang belum terdefinisi. Kalau tim tidak bisa menjelaskan bagaimana sebuah keputusan diambil, AI juga tidak bisa mengambilnya secara konsisten. Perbaiki prosesnya dulu.
- Data yang tersebar atau tidak dipercaya. Jawaban yang berbasis data membutuhkan sumber yang andal. Tanpanya, hasilnya hanya sebaik kekacauan yang dibacanya.
- Keputusan berisiko tinggi tanpa tahap review. Pengecualian harga, kontrak, atau apa pun yang punya konsekuensi hukum atau finansial sebaiknya tetap melibatkan manusia.
- Tugas bervolume rendah. Kadang template yang jelas atau workflow berbasis aturan sederhana bekerja lebih baik dan lebih murah dirawat.
Apa yang harus siap lebih dulu
Sebelum menambahkan AI, saya memastikan fondasinya kokoh:
- Workflow yang terdefinisi — apa pemicu otomasinya, apa yang harus dilakukan, dan kapan harus berhenti.
- Satu sumber data yang terawat untuk apa pun yang boleh disampaikan AI.
- Guardrail — batas topik, respons cadangan, dan logging, agar kesalahan terlihat dan bisa diperbaiki.
- Seorang pemilik yang memantau performanya dan memperbarui knowledge yang menjadi acuannya.
Tujuan sebenarnya
Inti otomasi bukanlah memakai AI. Intinya adalah menghilangkan pekerjaan repetitif, merespons lebih cepat, dan memberi orang lebih banyak waktu untuk keputusan yang penting. Kadang itu butuh AI agent. Kadang cukup form yang dirancang dengan baik dan beberapa notifikasi otomatis. Jawaban yang tepat dimulai dari masalahnya, bukan dari teknologinya.
Sedang mempertimbangkan otomasi untuk bagian operasional yang repetitif? Mari ngobrol.