Mengapa Tidak Ada Perusahaan yang Bisa Mengikuti Langkah Perdagangan AI Amazon

Ronen Schwartz adalah CEO di K2view.

Temukan berita dan acara fintech teratas!

Berlangganan newsletter FinTech Weekly

Dibaca oleh eksekutif di JP Morgan, Coinbase, Blackrock, Klarna dan lainnya

Kisah Tak Terungkap di Balik Judul Berita AI Amazon

Ketika Amazon mengumumkan bahwa asisten belanja AI-nya, Rufus, kini mendorong peningkatan besar dalam keterlibatan pelanggan dan penjualan tambahan miliaran dolar, reaksi langsung muncul: kejutan, kekaguman, dan sedikit iri. Ini dianggap sebagai lompatan berani dalam pendekatan perusahaan terhadap pengalaman pelanggan.

Namun ini bukan hanya keberhasilan model AI semata. Ini dimungkinkan oleh ekosistem tertutup. Amazon beroperasi sepenuhnya di platformnya sendiri, di mana data produk, pelanggan, perilaku, dan pembelian disatukan dan dikendalikan. Pengaturan ini bukan model yang realistis untuk kebanyakan perusahaan, terutama di layanan keuangan. Industri ini memiliki tingkat adopsi pusat kontak berbasis AI tertinggi, sekitar seperempat dari pasar global. Namun datanya masih tersebar di pengelolaan rekening bank, CRM, penagihan, dan platform dukungan. Di lingkungan seperti ini, AI kesulitan.

Pelajarannya sederhana: keberhasilan dalam pengalaman pelanggan lebih bergantung pada kualitas dan integritas data di bawahnya daripada kecanggihan model itu sendiri. Tanpa pandangan yang terpadu dan kontekstual, agen AI lebih mungkin mengganggu dukungan daripada memperbaikinya.

Ketika AI Bertemu Realitas yang Berantakan

Bagi kebanyakan perusahaan, lingkungan data tidak seperti platform Amazon yang terintegrasi secara vertikal dan efisien. Informasi tersebar di puluhan sistem, masing-masing menyimpan bagian dari catatan pelanggan, duplikat di beberapa tempat, usang di tempat lain, dan jarang sinkron.

Menempatkan AI ke dalam lingkungan seperti itu menciptakan kekacauan. Pelanggan menerima respons yang bertentangan atau parsial, kepercayaan menurun, dan perwakilan manusia harus turun tangan untuk mengembalikan kepercayaan. Apa yang dimaksudkan sebagai otomatisasi berubah menjadi pekerjaan ulang, menambah beban di kedua sisi percakapan.

Bayangkan mempekerjakan petugas layanan yang terampil tetapi memberinya lemari arsip penuh dengan catatan yang tidak lengkap atau salah label. Bakat mereka terbuang karena fondasi yang rusak. Hal yang sama berlaku untuk agen AI: tanpa informasi yang konsisten, akurat, dan tepat waktu, mereka akan gagal.

Apa yang Dibutuhkan untuk Mengembangkan AI dalam Pengalaman Pelanggan

Perusahaan yang ingin meniru keberhasilan Amazon sering kali fokus pada model itu sendiri, menyempurnakan prompt, membandingkan vendor, atau mengejar rilis berikutnya. Tetapi faktor penentu keberhasilan jangka panjang adalah fondasi data yang mendukung model tersebut.

Untuk membuat agen AI dapat diandalkan dan siap digunakan secara perusahaan, organisasi memerlukan tiga hal penting:

*   **Integrasi**: Informasi pelanggan yang tersebar di puluhan sistem harus disatukan menjadi satu pandangan yang konsisten. 
*   **Tata kelola dan keamanan**: Data harus akurat, duplikat dihapus, dilindungi, dan mematuhi regulasi privasi sebelum AI dapat menggunakannya. 
*   **Konteks waktu nyata**: Agen membutuhkan informasi terbaru yang tersedia, bukan snapshot usang atau catatan statis. 

Tanpa fondasi ini, AI cepat mengalami kegagalan, menimbulkan kesalahan, risiko kepatuhan, dan pelanggan yang kecewa. Dengan fondasi tersebut, AI dapat melampaui pilot dan memberikan dampak yang berarti secara skala. Pelajarannya sederhana tetapi sering diabaikan: agen cerdas membutuhkan data yang lebih cerdas.

Dari Pilot ke Transformasi

Di berbagai industri, perusahaan bereksperimen dengan AI dalam pengalaman pelanggan, meluncurkan chatbot, asisten virtual, atau alat generatif dalam alur layanan. Namun sebagian besar upaya ini masih terjebak dalam mode percobaan. Laporan MIT terbaru menemukan bahwa hampir 95% proyek AI gagal mencapai produksi. Inisiatif pengalaman pelanggan pun tidak terkecuali. 
Kesenjangan antara eksperimen dan transformasi terletak pada fondasi.

Data yang terputus dan berkualitas buruk merusak dukungan. Informasi yang bersih dan terintegrasi memungkinkan skala, konsistensi, dan adopsi yang bertanggung jawab. Dengan fondasi yang tepat, perusahaan akhirnya dapat beralih dari eksperimen ke sistem produksi yang memperkuat hubungan pelanggan dan hasil bisnis.

Inspirasi dan Peringatan

Kisah Amazon adalah tonggak sejarah sekaligus peringatan. Ini menunjukkan apa yang mungkin dilakukan ketika agen AI didukung oleh data yang terhubung dan berkualitas tinggi, tetapi juga mengungkapkan betapa jarangnya pengaturan seperti itu. Kebanyakan perusahaan tidak bisa menirunya begitu saja. Masa depan AI dalam pengalaman pelanggan tidak akan hanya ditentukan oleh model yang semakin canggih. Masa depan itu akan dibentuk oleh organisasi yang bersedia berinvestasi dalam fondasi data yang membuat model tersebut efektif.