Cara membuat AI Agent sering dibayangkan sebagai proyek yang butuh tim developer dan waktu berbulan-bulan. Kenyataannya, dengan platform yang tepat, tim CX bisa membangun AI Agent yang siap melayani pelanggan tanpa menulis satu baris kode pun. Hasilnya ditentukan oleh seberapa jelas tujuan, materi, dan aturan yang disiapkan sebelum AI Agent itu dibuat, bukan oleh seberapa rumit teknologinya.
Artikel ini membahas komponen yang membentuk AI Agent, apa yang perlu disiapkan sebelum mulai, langkah konkret membuatnya dengan Qiscus AgentLabs, dan kesalahan umum yang membuat AI Agent gagal begitu benar-benar dipakai pelanggan. Tim CX yang memimpin proyek ini biasanya tidak perlu menunggu antrean developer, karena seluruh proses bisa dijalankan langsung oleh tim yang paling paham kebutuhan pelanggan sehari-hari.
Apa Itu AI Agent dan Komponen Utamanya
AI Agent adalah sistem berbasis model bahasa yang bisa memahami pertanyaan pelanggan, mengambil keputusan, dan menjalankan tindakan tertentu secara mandiri, bukan sekadar membalas dengan jawaban yang sudah diatur sebelumnya. Kemampuan itu datang dari empat komponen yang bekerja bersama, bukan dari satu bagian tunggal.
1. Empat Komponen yang Membentuk AI Agent
Setiap AI Agent, seberapa pun sederhananya, dibangun dari kombinasi otak yang bernalar, pengetahuan yang menjadi sumber jawabannya, ingatan yang menjaga konteks, dan kemampuan bertindak di luar sekadar membalas chat.
| Komponen | Fungsi |
|---|---|
| Brain (LLM) | Memahami maksud pelanggan dan menyusun respons yang relevan |
| Knowledge Base | Sumber jawaban, dari dokumen produk, FAQ, hingga riwayat percakapan |
| Memory | Menjaga konteks percakapan supaya pelanggan tidak perlu mengulang cerita |
| Tools dan Actions | Kemampuan menjalankan tindakan nyata, misalnya cek status pesanan atau eskalasi ke manusia |
Keempat komponen ini yang membedakan AI Agent dari asisten virtual generik. Tanpa knowledge base yang spesifik, AI Agent hanya mengandalkan pengetahuan umum modelnya, yang jarang cocok dengan produk atau kebijakan bisnis tertentu.
Memory sering jadi komponen yang paling diremehkan di tahap perencanaan, padahal inilah yang membuat percakapan terasa alami. Tanpa memory yang memadai, AI Agent memperlakukan setiap pesan pelanggan sebagai percakapan baru, sehingga pelanggan yang sudah menjelaskan masalahnya harus mengulang penjelasan yang sama di setiap giliran chat. Tools dan actions juga sering disepelekan, meski komponen inilah yang membedakan AI Agent yang benar-benar menyelesaikan masalah dari yang sekadar menjelaskan langkah yang harus dilakukan pelanggan sendiri.
2. Jenis Tugas yang Bisa Ditangani AI Agent
Cakupan tugas AI Agent bervariasi tergantung seberapa matang konfigurasinya, tapi sebagian besar implementasi di tim CX dimulai dari beberapa kategori yang sama. Menjawab pertanyaan status pesanan dan pengiriman adalah kasus paling umum, karena polanya jelas dan datanya biasanya sudah tersedia lewat integrasi sistem. Membantu pemilihan produk berdasarkan kebutuhan pelanggan adalah kategori kedua, di mana AI Agent mengandalkan knowledge base produk untuk memberi rekomendasi yang relevan.
Triase keluhan awal, memilah keluhan ringan yang bisa diselesaikan otomatis dari keluhan yang perlu perhatian manusia segera, adalah kategori ketiga yang paling bernilai bagi tim CX, karena secara langsung mengurangi waktu tunggu pelanggan pada kasus yang benar-benar mendesak.
3. Bedanya AI Agent dengan Chatbot Berbasis Skrip
Chatbot berbasis skrip hanya bisa menjawab pertanyaan yang polanya sudah diprogramkan lebih dulu, dan langsung buntu begitu pelanggan bertanya di luar skrip itu. AI Agent bernalar dari konteks percakapan dan knowledge base yang dimilikinya, sehingga bisa menjawab variasi pertanyaan yang tidak pernah ditulis eksplisit dalam skenario mana pun. Perbedaan mendasar ini dibahas lebih detail dalam perbedaan AI Agent dan chatbot, termasuk kapan bisnis sebaiknya memilih yang mana.
Persiapan Sebelum Membuat AI Agent
Kesalahan paling umum adalah langsung membuka platform dan mulai mengonfigurasi tanpa menjawab beberapa pertanyaan dasar lebih dulu, apa yang harus dikerjakan AI Agent ini, dari mana ia mendapat jawabannya, kapan ia harus berhenti, dan siapa yang akan memakainya sehari-hari.
1. Tentukan Tujuan dan Skenario Percakapan
Sebelum membangun apa pun, tentukan skenario spesifik yang harus ditangani AI Agent, misalnya menjawab pertanyaan status pesanan, membantu pemilihan produk, atau menjawab pertanyaan seputar kebijakan retur. Tujuan yang sempit dan jelas di awal jauh lebih mudah dieksekusi dengan baik dibanding AI Agent yang dirancang untuk menjawab apa saja sejak hari pertama.
Tuliskan skenario ini secara konkret, lengkap dengan contoh pertanyaan nyata yang biasa masuk ke tim CX. Daftar contoh pertanyaan ini nantinya berguna dua kali, sebagai bahan menyusun prompt dan sebagai bahan pengujian sebelum AI Agent benar-benar live.
2. Kumpulkan Materi untuk Knowledge Base
AI Agent hanya seakurat materi yang menjadi sumber jawabannya. Kumpulkan dokumen produk, daftar FAQ yang sering ditanyakan pelanggan, kebijakan retur dan garansi, serta contoh percakapan terbaik dari agen manusia, karena semua ini akan menjadi bahan pelatihan AI Agent di langkah berikutnya.
Prioritaskan materi yang paling sering dibutuhkan dulu, alih-alih mencoba mengunggah seluruh dokumentasi perusahaan sekaligus. Detail proses pelatihannya sendiri dibahas tuntas dalam cara melatih AI Agent.
3. Tentukan Kapan AI Harus Menyerahkan ke Manusia
Tidak semua percakapan seharusnya diselesaikan AI Agent sendirian. Tentukan lebih dulu jenis permintaan yang harus otomatis dialihkan ke agen manusia, misalnya keluhan yang berpotensi menjadi eskalasi, permintaan refund dengan nominal besar, atau pertanyaan yang di luar cakupan knowledge base yang tersedia. Aturan ini yang nantinya diterjemahkan menjadi konfigurasi handover di platform.
4. Libatkan Tim yang Akan Memakainya Sehari-hari
Agen manusia yang nantinya menerima hasil handover dari AI Agent sebaiknya dilibatkan sejak tahap persiapan, bukan diberi tahu setelah sistem berjalan. Tim yang memahami keluhan pelanggan sehari-hari biasanya tahu persis pertanyaan mana yang benar-benar butuh sentuhan manusia, masukan yang jauh lebih akurat dibanding asumsi di atas kertas.
Langkah-Langkah Membuat AI Agent dengan Qiscus AgentLabs
Dengan tujuan, materi, dan aturan handover sudah disiapkan, proses teknis membuat AI Agent di Qiscus AgentLabs sendiri hanya membutuhkan beberapa langkah, tanpa perlu kemampuan coding.
1. Buat AI Agent Baru dan Beri Identitas
Mulai dari dashboard AgentLabs, buat AI Agent baru dan isi nama serta deskripsi singkat yang mencerminkan fungsinya. Identitas ini bukan sekadar label, karena akan memudahkan tim mengelola beberapa AI Agent sekaligus jika bisnis nantinya punya lebih dari satu skenario yang ditangani secara terpisah.
2. Susun Prompt, Tujuan, dan Tone of Voice
Tulis instruksi dasar yang menjelaskan tujuan dan batasan perilaku AI Agent, lalu tentukan tone of voice yang sesuai dengan brand, misalnya gaya santai dan mudah didekati atau gaya formal dan profesional. Prompt inilah yang menjadi fondasi bagaimana AI Agent merespons, jadi sebaiknya ditulis eksplisit, bukan dibiarkan terlalu umum.
Masukkan juga daftar contoh pertanyaan yang sudah disiapkan di tahap persiapan sebagai referensi gaya jawaban yang diharapkan. Semakin konkret contoh yang diberikan, semakin konsisten respons AI Agent terhadap variasi pertanyaan serupa.
Sebagai gambaran, prompt untuk skenario status pesanan biasanya mencantumkan tujuan spesifik seperti membantu pelanggan mengecek status pengiriman dan menjelaskan estimasi waktu tiba, batasan seperti tidak memberikan kompensasi atau diskon tanpa persetujuan manusia, dan tone yang sesuai brand, misalnya ramah tapi tetap ringkas. Prompt yang terlalu umum, seperti sekadar menyuruh AI Agent membantu pelanggan sebaik mungkin, cenderung menghasilkan jawaban yang tidak konsisten dari satu percakapan ke percakapan lain.
3. Latih AI Agent dengan Knowledge Base Bisnis
Unggah materi yang sudah dikumpulkan sebelumnya, baik lewat upload dokumen, tautan halaman produk, maupun input teks langsung, sebagai sumber pengetahuan AI Agent. Semakin lengkap dan terstruktur materi ini, semakin kecil kemungkinan AI Agent menjawab dengan asumsi yang salah.
4. Atur Aturan Handover ke Agen Manusia
Konfigurasikan kondisi yang sudah ditentukan di tahap persiapan tadi ke dalam sistem, kapan AI Agent harus mengalihkan percakapan, dan pastikan ringkasan percakapan ikut terbawa saat perpindahan terjadi. Pelanggan yang dialihkan tidak boleh harus mengulang ceritanya dari awal ke agen manusia.
5. Hubungkan Channel yang Relevan
Sambungkan AI Agent ke channel tempat pelanggan bisnis biasa berkomunikasi, yang bisa mencakup WhatsApp sebagai salah satu dari banyak channel yang didukung, di samping live chat website, email, atau marketplace, semuanya lewat satu inbox omnichannel yang sama. Pembahasan spesifik soal AI Agent di WhatsApp punya artikelnya sendiri, jadi bagian ini sengaja tidak dibahas mendalam di sini.
6. Uji dengan Skenario Nyata Sebelum Live
Sebelum diluncurkan penuh, uji AI Agent dengan daftar pertanyaan nyata yang sudah disiapkan di tahap persiapan, termasuk pertanyaan yang sengaja di luar knowledge base, untuk memastikan ia menyerahkan ke manusia dengan benar alih-alih menjawab asal. Libatkan juga tim CX yang akan menerima hasil handover, supaya mereka terbiasa dengan format ringkasan percakapan sebelum sistem benar-benar berjalan.
Pengujian yang baik juga mencoba variasi cara bertanya untuk skenario yang sama, misalnya pertanyaan status pesanan yang ditulis santai dengan singkatan dibanding yang ditulis formal dan lengkap. Bisnis yang hanya menguji dengan kalimat baku sering terkejut saat AI Agent kesulitan memahami gaya bahasa pelanggan sungguhan begitu live.
7. Pantau dan Sempurnakan Berdasarkan Data
Setelah live, pantau performanya lewat bot analytics yang menampilkan tingkat resolusi dan titik-titik di mana AI Agent paling sering gagal, sehingga knowledge base dan aturan handover bisa terus disempurnakan berdasarkan data, bukan asumsi. Jadwalkan peninjauan performa secara berkala, misalnya mingguan di bulan pertama, supaya pola kegagalan bisa ditangkap sejak dini.
EMZI Care mencapai 92 persen efisiensi layanan lewat proses penyempurnaan berkelanjutan seperti ini setelah AI Agent mereka live.
Tim yang ingin melihat langsung bagaimana proses ini bekerja untuk kasus bisnisnya sendiri bisa konsultasikan kebutuhan Anda dengan tim Qiscus.
Kesalahan Umum yang Bikin AI Agent Gagal di Lapangan
Sebagian besar AI Agent yang gagal bukan karena platformnya lemah, melainkan karena proses persiapan dan pemeliharaannya yang terlewat.
1. Knowledge Base Dibiarkan Basi
AI Agent yang dilatih sekali di awal lalu tidak pernah diperbarui akan terus menjawab dengan informasi produk atau kebijakan yang sudah tidak berlaku. Knowledge base seharusnya diperbarui setiap kali ada perubahan produk, harga, atau kebijakan, bukan diperlakukan sebagai proyek satu kali selesai.
2. Tidak Ada Aturan Handover yang Jelas
AI Agent yang dibiarkan mencoba menjawab semua jenis pertanyaan, termasuk yang seharusnya jadi ranah manusia, berisiko memberi jawaban yang terdengar meyakinkan tapi salah. Aturan kapan harus menyerahkan ke manusia harus ditentukan eksplisit sejak awal, bukan dibiarkan menjadi keputusan spontan AI Agent sendiri.
3. Menyambungkan Terlalu Banyak Channel Sekaligus di Awal
Menghubungkan semua channel yang ada sejak hari pertama membuat tim kesulitan memantau performa AI Agent secara menyeluruh. Mulai dari satu atau dua channel dengan volume percakapan tertinggi, pastikan performanya stabil, baru perluas ke channel lain secara bertahap.
4. Tidak Pernah Diuji dengan Pertanyaan di Luar Skenario
Menguji AI Agent hanya dengan pertanyaan yang memang sudah tercakup rapi dalam knowledge base memberi rasa aman yang keliru. Uji juga dengan pertanyaan ambigu atau di luar cakupan, untuk memastikan AI Agent tahu kapan harus mengaku tidak tahu dan mengalihkan percakapan, bukan mengarang jawaban.
5. Tim CX Baru Dilibatkan Setelah Sistem Berjalan
Melibatkan tim CX baru setelah AI Agent live membuat mereka menerima hasil handover dalam format yang belum pernah mereka lihat sebelumnya, sekaligus kehilangan kesempatan memberi masukan yang sebenarnya paling relevan. Libatkan tim ini sejak tahap menentukan skenario dan aturan handover, bukan hanya saat sistem sudah berjalan.
Mulai dari Skenario Kecil, Bukan Semua Sekaligus
Membuat AI Agent yang berhasil bukan soal menyalakan semua fitur sejak hari pertama. Bisnis yang memulai dari satu skenario yang jelas, melatihnya dengan knowledge base yang rapi, dan memperbaikinya berdasarkan data performa nyata, cenderung mendapat AI Agent yang benar-benar dipercaya pelanggan, dibanding yang mencoba menangani semuanya sekaligus sejak awal.
Konsep dan strategi implementasi yang lebih luas, di luar langkah teknis pembuatannya, dibahas dalam cara implementasi AI Agent untuk bisnis. Jelajahi solusi customer engagement dari Qiscus untuk melihat bagaimana platform yang dipakai dalam panduan ini bekerja dalam konteks yang lebih luas.
Pertanyaan yang Sering Ditanyakan tentang Cara Membuat AI Agent
Tidak, jika memakai platform seperti Qiscus AgentLabs yang dirancang no-code. Prompt, knowledge base, dan aturan handover semuanya dikonfigurasi lewat antarmuka visual, tanpa perlu menulis kode sama sekali.
Untuk skenario yang sempit dan jelas, konfigurasi awal AI Agent bisa selesai dalam hitungan jam, meski waktu total sampai siap live juga bergantung pada seberapa lengkap knowledge base yang perlu disiapkan lebih dulu.
Penyebab paling umum adalah knowledge base yang tidak lengkap atau sudah kedaluwarsa. AI Agent hanya seakurat materi yang menjadi sumber jawabannya, jadi celah dalam materi itu akan terlihat sebagai jawaban yang salah atau mengarang.
Bisa, dan justru seharusnya rutin dilakukan. Knowledge base perlu diperbarui setiap kali ada perubahan produk atau kebijakan, dan pola kegagalan yang terlihat dari bot analytics menjadi acuan bagian mana yang perlu dilatih ulang.
Sebaiknya mulai dari satu atau dua channel dengan volume percakapan tertinggi lebih dulu. Menghubungkan semua channel sejak hari pertama membuat tim kesulitan memantau dan memperbaiki performa AI Agent secara menyeluruh.
Tidak perlu tim baru yang besar. Tim CX yang sudah ada biasanya cukup, asalkan satu orang ditunjuk bertanggung jawab memantau bot analytics dan memperbarui knowledge base secara rutin, alih-alih dianggap tugas sampingan yang dikerjakan kalau sempat.
