Mengapa Tidak Ada Perusahaan yang Bisa Mengikuti Langkah Perdagangan AI Amazon

Ronen Schwartz adalah CEO di K2view.

Temukan berita dan acara fintech teratas!

Langganan buletin FinTech Weekly

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

Kisah yang Tak Terungkap di Balik Judul AI Amazon

Ketika Amazon mengumumkan bahwa asisten belanja AI-nya, Rufus, sekarang mendorong peningkatan besar dalam keterlibatan pelanggan dan miliaran dalam penjualan tambahan, reaksinya instan: kejutan, kekaguman, dan sedikit rasa iri. Ini dianggap sebagai lompatan berani ke depan dalam cara perusahaan mendekati pengalaman pelanggan.

Namun ini bukanlah kemenangan dari 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 itu bukan model realistis bagi sebagian besar perusahaan, terutama di sektor jasa keuangan. Industri ini memiliki adopsi tertinggi untuk pusat kontak bertenaga AI, yang menyumbang sekitar seperempat dari pasar global. Namun datanya masih tersebar di berbagai platform manajemen rekening bank, CRM, penagihan, dan dukungan. Dalam lingkungan seperti ini, AI kesulitan.

Pelajarannya sederhana: keberhasilan dalam pengalaman pelanggan lebih bergantung pada kualitas dan integritas data yang mendasarinya daripada kecerdasan modelnya. Tanpa pandangan yang terpadu dan kontekstual, agen AI lebih mungkin mengganggu dukungan daripada meningkatkannya.

Ketika AI Menemui Kenyataan yang Berantakan

Bagi sebagian besar perusahaan, lingkungan data terlihat sangat berbeda dari platform Amazon yang terintegrasi secara vertikal dan efisien. Informasi tersebar di puluhan sistem, masing-masing menyimpan bagian dari catatan pelanggan, terduplikasi di beberapa tempat, kadaluarsa di tempat lain, dan jarang sinkron.

Menempatkan AI ke dalam lingkungan itu menciptakan kekacauan. Pelanggan menerima tanggapan yang bertentangan atau sebagian, kepercayaan erosi, dan perwakilan manusia harus turun tangan untuk mengembalikan kepercayaan. Apa yang dimaksudkan sebagai otomatisasi berubah menjadi pekerjaan ulang, menciptakan beban yang lebih berat di kedua sisi percakapan.

Pikirkan tentang merekrut perwakilan layanan yang terampil tetapi memberi mereka lemari arsip yang penuh dengan catatan yang tidak lengkap atau salah label. Bakat mereka terbuang sia-sia karena fondasinya rusak. Hal yang sama berlaku untuk agen AI: tanpa informasi yang konsisten, akurat, dan tepat waktu, mereka ditakdirkan untuk gagal.

Apa yang Diperlukan untuk Mengembangkan AI dalam Pengalaman Pelanggan

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

Untuk membuat agen AI yang dapat diandalkan dan siap untuk 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, terduplikasi, dilindungi, dan mematuhi regulasi privasi sebelum AI dapat bertindak berdasarkan data tersebut. 
*   **Konteks waktu nyata**: Agen perlu informasi terkini yang tersedia, bukan snapshot yang kadaluarsa atau catatan statis. 

Tanpa fondasi ini, AI dengan cepat terurai, menciptakan kesalahan, risiko kepatuhan, dan pelanggan yang kecewa. Dengan fondasi tersebut, AI dapat bergerak dari pilot ke dampak yang berarti dalam skala besar. Pelajarannya sederhana tetapi sering diabaikan: agen cerdas memerlukan data yang lebih cerdas.

Dari Pilot ke Transformasi

Di berbagai industri, perusahaan sedang bereksperimen dengan AI dalam pengalaman pelanggan, meluncurkan chatbot, asisten virtual, atau alat generatif dalam alur kerja layanan. Namun sebagian besar upaya ini tetap terjebak dalam mode percobaan. Sebuah laporan MIT baru-baru ini menemukan bahwa hampir 95% proyek AI gagal mencapai produksi. Inisiatif pengalaman pelanggan tidak terkecuali. 
Kesenjangan antara eksperimen dan transformasi kembali ke fondasi.

Data yang tidak terhubung dan berkualitas buruk merusak dukungan. Informasi yang bersih dan terintegrasi memungkinkan skala, konsistensi, dan adopsi yang bertanggung jawab. Dengan dasar 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 sekaligus cerita peringatan. Ini menunjukkan apa yang mungkin terjadi ketika agen AI didorong oleh data yang terhubung dan berkualitas tinggi, tetapi juga mengungkapkan betapa langkanya pengaturan itu. Sebagian besar perusahaan tidak dapat begitu saja menirunya. Masa depan AI dalam pengalaman pelanggan tidak akan ditentukan hanya oleh model yang semakin canggih. Ini akan dibentuk oleh organisasi yang bersedia berinvestasi dalam fondasi data yang membuat model-model tersebut efektif.