AI Customer Service Sedang Naik, tetapi Mengapa Pelanggan Mulai Melawan Chatbot?
AI dapat mempercepat layanan pelanggan. Namun, ketika chatbot menutup akses ke agent manusia, otomatisasi justru berubah menjadi sumber frustrasi.
AI customer service berkembang cepat karena dapat menjawab pertanyaan pelanggan dalam hitungan detik, bekerja selama 24 jam, dan menangani percakapan berulang dalam jumlah besar.
Namun, semakin banyak bisnis mengadopsi chatbot, semakin terlihat pula satu masalah besar: pelanggan tidak selalu marah kepada AI. Mereka marah ketika AI menjadi penghalang untuk mendapatkan solusi.
Pada 27 Juli 2026, sebuah pengalaman pelanggan kembali menjadi pembicaraan setelah ia mengaku menghabiskan sekitar 20 menit berdebat dengan chatbot demi mendapatkan refund senilai ₹820. Keluhan utamanya bukan karena perusahaan menggunakan AI, melainkan karena tidak tersedia jalur yang jelas untuk meminta bantuan manusia atau melakukan eskalasi.
Beberapa minggu sebelumnya, eksperimen terhadap chatbot layanan pelanggan Zomato juga viral. Seorang pengguna memasukkan pesan ekstrem yang menyebut keluarganya disandera dan dirinya mungkin meninggal.
Chatbot tersebut dilaporkan tetap memberikan respons standar, tanpa menunjukkan bahwa sistem mengenali urgensi atau mengalihkan percakapan kepada manusia. Peristiwa itu diberitakan pada 24 Juni 2026 dan masih menjadi bagian dari perdebatan mengenai batas kemampuan chatbot menjelang Juli.
Dua kejadian tersebut memperlihatkan bahwa masalah AI customer service bukan hanya tentang kemampuan teknologi dalam menghasilkan jawaban. Masalah yang lebih mendasar adalah apakah sistem mampu mengenali batas kemampuannya dan memberikan akses kepada manusia ketika pelanggan benar-benar membutuhkan bantuan.
Jawaban Singkat
Backlash terhadap AI customer service terjadi bukan karena pelanggan menolak teknologi, tetapi karena otomatisasi sering dirancang untuk menahan pelanggan di dalam chatbot selama mungkin.
Ketika AI gagal memahami konteks, tidak dapat membuat keputusan, dan tidak menyediakan human handover, kecepatan berubah menjadi frustrasi.
Model yang lebih sehat adalah hybrid customer service: AI menangani pertanyaan rutin dan klasifikasi, agent manusia menangani keputusan serta kasus kompleks, sedangkan sistem operasional memastikan setiap percakapan memiliki owner, histori, status, SLA, dan jalur eskalasi yang jelas.
Apa Itu AI Customer Service?
AI customer service adalah penggunaan kecerdasan buatan untuk membantu atau menjalankan sebagian proses layanan pelanggan.
Penerapannya dapat berbentuk:
- Chatbot layanan pelanggan.
- Virtual assistant.
- Rekomendasi jawaban untuk agent.
- Peringkasan percakapan.
- Klasifikasi ticket.
- Analisis sentimen pelanggan.
- Pencarian informasi otomatis.
- Routing percakapan ke tim tertentu.
- Otomatisasi follow-up.
- Prediksi risiko keterlambatan pelayanan.
Dalam penerapan yang tepat, AI tidak harus menggantikan agent. AI dapat berfungsi sebagai lapisan pertama yang:
- Menjawab pertanyaan umum.
- Mengidentifikasi kebutuhan pelanggan.
- Mengumpulkan nomor pesanan atau data awal.
- Menyarankan jawaban kepada agent.
- Mengarahkan kasus ke tim yang tepat.
- Membantu agent menemukan informasi lebih cepat.
Bank of America, misalnya, memperbarui EricaAssist untuk memberikan panduan kontekstual kepada lebih dari 18.000 staf layanan pelanggan. Sistem tersebut diposisikan sebagai alat yang membantu manusia menjawab kebutuhan nasabah dengan lebih cepat, bukan sekadar menggantikan seluruh interaksi menggunakan chatbot.
Pendekatan seperti ini memperlihatkan perbedaan antara AI sebagai pengganti manusia dan AI sebagai pendukung pekerjaan manusia.
Mengapa AI Customer Service Semakin Banyak Digunakan?
Alasan bisnis menggunakan AI customer service cukup mudah dipahami. Tim customer service menghadapi tuntutan respons cepat, volume chat yang terus meningkat, kebutuhan layanan di luar jam kerja, dan tekanan untuk mengendalikan biaya operasional.
- Pelanggan menginginkan respons lebih cepat.
- Volume chat terus meningkat.
- Pertanyaan yang sama muncul berulang kali.
- Pelayanan perlu tersedia di luar jam kerja.
- Biaya operasional harus dikendalikan.
- Agent harus menangani banyak percakapan sekaligus.
- Supervisor membutuhkan data performa secara real-time.
Chatbot dapat membantu ketika pelanggan hanya membutuhkan jawaban sederhana, seperti jam operasional, status pesanan, metode pembayaran, katalog produk, kebijakan pengembalian, informasi ongkir, atau lokasi cabang.
Konsumen memilih bot ketika prioritas utamanya adalah memperoleh layanan dengan segera, menurut data Zendesk.
Responden AS dalam survei SurveyMonkey 2026 menyatakan lebih memilih berinteraksi dengan manusia daripada AI.
Staf layanan Bank of America dibantu EricaAssist untuk memperoleh panduan kontekstual saat melayani nasabah.
Angka dari survei yang berbeda tidak dapat dibandingkan secara langsung. Namun, keduanya menunjukkan pola yang sama: pelanggan menyukai otomatisasi untuk kebutuhan sederhana dan cepat, tetapi tetap menginginkan manusia ketika masalah membutuhkan kepastian.
AI seharusnya membantu agent bekerja lebih cepat, bukan menghalangi pelanggan bertemu manusia.
Mengapa AI Customer Service Mulai Mengalami Backlash?
1 Chatbot Berubah dari Pintu Masuk Menjadi Tembok
Fungsi chatbot seharusnya membantu pelanggan menemukan solusi. Dalam praktiknya, sebagian sistem justru dibuat untuk mengurangi jumlah percakapan yang sampai kepada agent.
Pelanggan diminta memilih kategori masalah, membaca artikel bantuan, memasukkan nomor pesanan, mengulang pertanyaan, lalu kembali menerima jawaban otomatis yang sama.
Ketika tombol “hubungi agent” tidak tersedia, chatbot tidak lagi terasa sebagai bantuan. Chatbot berubah menjadi mekanisme yang menunda atau bahkan mencegah pelanggan mengakses manusia.
Inilah inti kasus refund selama sekitar 20 menit tersebut. Pelanggan tidak menolak penggunaan AI, tetapi kehilangan kendali atas proses penyelesaian masalah.
2 AI Dapat Membaca Kata, tetapi Belum Tentu Memahami Risiko
Chatbot modern dapat menghasilkan jawaban yang terdengar alami. Namun, kemampuan berbicara seperti manusia tidak selalu berarti sistem mampu menilai urgensi, risiko, ironi, ancaman, kepanikan, frustrasi, atau kondisi emosional.
Pesan mengenai dugaan keadaan darurat dalam eksperimen chatbot Zomato memperlihatkan risiko ketika sistem hanya mengikuti alur standar.
Walaupun pesan tersebut dibuat untuk menguji chatbot dan bukan laporan kejadian nyata, kegagalan mengenali kata-kata berisiko tetap menimbulkan pertanyaan penting: apa yang terjadi ketika pelanggan benar-benar berada dalam keadaan darurat?
Untuk kasus keselamatan, penipuan, kehilangan akses akun, ancaman, kebocoran data, atau transaksi mencurigakan, sistem seharusnya lebih memilih melakukan eskalasi berlebih daripada mengabaikan risiko.
3 Pelanggan Harus Mengulang Cerita Setelah Dialihkan
Human handover bukan hanya memindahkan chat dari bot ke agent. Handover yang baik harus membawa seluruh konteks percakapan, seperti:
- Identitas pelanggan.
- Nomor order atau nomor ticket.
- Masalah yang sudah dijelaskan.
- Jawaban yang telah diberikan chatbot.
- Langkah yang sudah dicoba.
- Tingkat urgensi dan sentimen pelanggan.
- Alasan percakapan dialihkan.
- Waktu pelanggan mulai menghubungi bisnis.
Tanpa konteks tersebut, pelanggan akan diminta menceritakan ulang masalahnya. Dari sudut pandang perusahaan, percakapan mungkin telah berhasil dialihkan. Namun, dari sudut pandang pelanggan, proses pelayanan baru saja dimulai kembali dari nol.
4 Bisnis Mengukur Deflection, Bukan Resolution
Banyak implementasi chatbot mengejar containment rate atau deflection rate, yaitu persentase percakapan yang dapat ditahan oleh chatbot dan tidak masuk ke agent manusia.
Deflection rate berguna untuk mengukur efisiensi. Namun, metrik ini menjadi berbahaya apabila dijadikan tujuan utama. Chat yang tidak sampai ke agent belum tentu selesai.
Pelanggan mungkin menyerah, keluar dari percakapan, menghubungi kanal lain, mengulangi chat, memberikan ulasan negatif, mengunggah komplain ke media sosial, atau beralih kepada kompetitor.
Ukuran yang lebih penting bukan berapa banyak chat yang berhasil ditahan bot, tetapi berapa banyak masalah yang benar-benar selesai.
5 AI Tidak Memiliki Wewenang Mengambil Keputusan Tertentu
Banyak masalah customer service membutuhkan keputusan, bukan sekadar informasi.
- Apakah refund disetujui?
- Apakah barang dapat diganti?
- Apakah biaya dapat dibebaskan?
- Apakah pelanggan memperoleh kompensasi?
- Apakah kasus harus diprioritaskan?
- Apakah transaksi perlu dibekukan?
- Apakah pengecualian kebijakan dapat diberikan?
- Apakah keterlambatan perlu mendapatkan voucher?
Chatbot dapat menjelaskan kebijakan, tetapi belum tentu mempunyai otoritas untuk menyelesaikan pengecualian. Menahan pelanggan di chatbot ketika keputusan hanya dapat dibuat manusia akan memperpanjang waktu penyelesaian.
6 Eskalasi Dilakukan Terlalu Terlambat
Tidak semua pelanggan langsung menunjukkan kemarahan. Sebagian pelanggan mulai dengan pertanyaan sederhana, kemudian menjadi frustrasi setelah mendapatkan jawaban yang sama berulang kali.
Ketika percakapan akhirnya dialihkan kepada manusia, kondisi emosional pelanggan sudah memburuk.
Riset lapangan 2026 pada operasional customer service Alibaba menunjukkan bahwa AI dapat mengurangi rata-rata durasi chat, tetapi rating untuk percakapan yang ditangani AI dapat menurun. Studi tersebut juga menemukan bahwa intervensi manusia yang lebih awal penting untuk menjaga kualitas setelah eskalasi, terutama ketika kegagalan AI sudah memicu frustrasi emosional.
Artinya, bisnis tidak cukup hanya menyediakan human handover. Sistem juga harus mengetahui kapan handover perlu dilakukan sebelum emosi pelanggan memburuk.
AI vs Agent Manusia: Siapa Harus Menangani Apa?
| Jenis kebutuhan pelanggan | AI lebih sesuai | Agent manusia lebih sesuai |
|---|---|---|
| Jam operasional, lokasi, dan informasi dasar | Ya | Tidak selalu diperlukan |
| Status pesanan sederhana | Ya, selama data akurat | Diperlukan ketika status tidak wajar |
| Pengumpulan nomor order dan identitas | Ya | Diperlukan jika data gagal diverifikasi |
| Pertanyaan berulang | Ya | Diperlukan untuk pengecualian |
| Rekomendasi jawaban kepada agent | Ya | Agent memeriksa dan mengirim |
| Refund dan pembatalan kompleks | Membantu mengumpulkan data | Ya |
| Permintaan kompensasi | Menjelaskan kebijakan awal | Ya |
| Pelanggan marah atau kecewa | Mendeteksi dan mengarahkan | Ya |
| Ancaman, keselamatan, fraud, dan privasi | Mendeteksi dan segera mengeskalasi | Ya |
| Negosiasi dan keputusan kebijakan | Bukan pengambil keputusan utama | Ya |
| Keluhan yang sudah berulang | Tidak seharusnya menahan pelanggan | Ya |
| Permintaan berbicara dengan manusia | Harus segera mengalihkan | Ya |
AI Unggul dalam
- Kecepatan.
- Konsistensi.
- Pencarian informasi.
- Pengumpulan data.
- Klasifikasi.
- Penanganan volume besar.
Manusia Unggul dalam
- Penilaian.
- Empati.
- Negosiasi.
- Pengambilan keputusan.
- Penanganan pengecualian.
- Situasi yang tidak mengikuti pola standar.
Seperti Apa Model Hybrid Customer Service yang Ideal?
Hybrid customer service bukan sekadar memasang chatbot di depan agent. Model ini harus dirancang sebagai satu alur operasional yang saling terhubung.
Tahap 1: AI Menerima dan Mengidentifikasi Kebutuhan
AI dapat menyapa pelanggan, mengenali topik, meminta nomor order, dan mencari jawaban dari knowledge base yang telah disetujui. Pada tahap ini, AI membantu mengurangi pekerjaan administratif agent.
Tahap 2: AI Menyelesaikan Pertanyaan Sederhana
Pertanyaan seperti jam operasional, metode pembayaran, status normal, prosedur pengembalian, atau informasi produk dapat diselesaikan secara otomatis.
Namun, jawaban harus akurat, relevan, mudah dipahami, berasal dari sumber yang disetujui, tidak mengarang informasi, dan tidak memberikan janji di luar kebijakan.
Tahap 3: Sistem Mendeteksi Pemicu Eskalasi
Percakapan harus segera dialihkan ketika:
- Pelanggan meminta berbicara dengan manusia.
- Pertanyaan yang sama muncul berulang.
- AI mempunyai tingkat keyakinan rendah.
- Pelanggan menunjukkan kemarahan atau kebingungan.
- Kasus menyangkut refund, fraud, privasi, keselamatan, atau aspek hukum.
- Masalah membutuhkan persetujuan atau pengecualian.
- Batas waktu respons hampir terlewati.
- Pelanggan pernah menghubungi bisnis untuk masalah yang sama.
- Informasi sistem tidak sesuai dengan kondisi pelanggan.
Permintaan seperti “sambungkan saya ke agent” seharusnya menjadi perintah, bukan awal dari perdebatan baru dengan chatbot.
Tahap 4: Konteks Dipindahkan Bersama Percakapan
Agent harus menerima ringkasan otomatis, histori percakapan, data pelanggan, nomor order, kategori masalah, tingkat prioritas, alasan eskalasi, dan langkah yang telah dilakukan chatbot.
Pelanggan tidak seharusnya diminta memulai cerita dari awal.
Tahap 5: Agent Mengambil Keputusan dan Menyelesaikan Kasus
Agent manusia menangani percakapan menggunakan konteks yang telah dikumpulkan AI. Fokus agent bukan mengulang pertanyaan administratif, tetapi memastikan masalah, menjelaskan kondisi, menentukan solusi, meminta persetujuan internal, memberikan keputusan, mengelola ekspektasi, dan menutup kasus dengan jelas.
Tahap 6: Supervisor Memantau SLA dan Hasil
Bisnis perlu mengetahui chat yang belum memiliki owner, ticket yang hampir melewati SLA, waktu tunggu setelah eskalasi, distribusi beban agent, kasus yang belum selesai, dan pelanggan yang kembali dengan masalah sama.
Tanpa monitoring, bisnis hanya memindahkan kekacauan dari chatbot ke agent.
Metrik yang Harus Dipantau dalam Hybrid Customer Service
Jangan hanya mengukur jumlah chat yang berhasil ditahan chatbot. Gunakan kombinasi metrik berikut.
1. First Response Time
Waktu yang dibutuhkan pelanggan untuk menerima respons pertama yang relevan, bukan sekadar pesan otomatis bahwa chat sudah diterima.
2. First Contact Resolution
Persentase masalah yang selesai dalam satu kali kontak tanpa pelanggan harus kembali menghubungi bisnis.
3. Escalation Rate
Persentase percakapan yang dialihkan dari AI kepada manusia. Angka tinggi tidak selalu buruk, terutama untuk kasus berisiko.
4. Post-Handover Waiting Time
Waktu yang dibutuhkan pelanggan untuk mendapatkan respons manusia setelah meminta agent.
5. Repeat Contact Rate
Persentase pelanggan yang kembali menghubungi bisnis untuk masalah yang sama.
6. Unresolved Conversation Rate
Percakapan yang berakhir tanpa jawaban, keputusan, atau tindak lanjut yang jelas.
7. Customer Satisfaction
Kepuasan setelah berinteraksi dengan AI dan setelah dilayani manusia. Keduanya sebaiknya diukur terpisah.
8. SLA Compliance
Persentase percakapan yang ditangani sesuai target waktu layanan.
9. Reopen Rate
Persentase ticket yang dibuka kembali setelah sebelumnya dianggap selesai.
10. Agent Workload
Distribusi beban percakapan setelah eskalasi agar semua kasus kompleks tidak menumpuk pada agent yang sama.
Checklist agar AI Tidak Menghalangi Pelanggan
Sebelum menerapkan AI customer service, periksa sepuluh hal berikut:
- Pelanggan dapat meminta agent manusia menggunakan bahasa natural.
- Tombol atau jalur human handover mudah ditemukan.
- AI menjelaskan bahwa pelanggan sedang berbicara dengan sistem otomatis.
- Setiap kategori berisiko mempunyai aturan eskalasi.
- Chatbot tidak mengulang jawaban yang sama tanpa batas.
- Agent menerima ringkasan dan histori percakapan.
- Setiap chat yang dialihkan mempunyai owner.
- SLA tetap berjalan setelah handover.
- Supervisor dapat melihat ticket yang tertunda atau berisiko.
- Keberhasilan diukur dari resolution, bukan hanya deflection.
Bisnis juga perlu menguji chatbot menggunakan kalimat yang tidak ideal, seperti bahasa informal, singkatan, salah ketik, campuran bahasa, kalimat emosional, pertanyaan tidak lengkap, permintaan di luar kategori, dan kata-kata yang menunjukkan risiko.
Pelanggan nyata tidak selalu menulis menggunakan bahasa yang rapi seperti data pelatihan.
Peran WhatsApp Command Center dalam Layanan Hybrid
Bagi bisnis yang menggunakan WhatsApp sebagai kanal utama, tantangannya bukan hanya memilih chatbot. Tantangan yang lebih besar adalah mengelola apa yang terjadi setelah percakapan membutuhkan manusia.
SatuInbox membantu bisnis mengelola chat, agent, ticket, assignment, follow-up, SLA, dan performa tim dari satu command center. Setiap percakapan dapat mempunyai owner, status, histori, dan jalur tindak lanjut yang lebih jelas.
Dalam model hybrid, AI dapat membantu menyaring atau mempercepat tahap awal. Namun, ketika kasus perlu ditangani manusia, bisnis tetap membutuhkan sistem yang memastikan:
- Chat masuk ke agent yang tepat.
- Konteks percakapan tidak hilang.
- Ticket tidak tenggelam.
- Response time dapat dipantau.
- Supervisor mengetahui kasus yang berisiko.
- Follow-up benar-benar dilakukan.
Tujuan penggunaan AI bukan mengurangi sebanyak mungkin akses ke agent. Tujuannya adalah membuat agent menerima kasus yang tepat, dengan konteks yang tepat, pada waktu yang tepat.
Kesimpulan
AI customer service bukan masalahnya. Masalah muncul ketika bisnis menggunakan AI sebagai tembok antara pelanggan dan solusi.
Pelanggan tetap menghargai kecepatan chatbot untuk kebutuhan sederhana. Namun, mereka membutuhkan manusia ketika masalah melibatkan keputusan, emosi, risiko, pengecualian, kerugian nyata, atau kondisi yang tidak mengikuti prosedur standar.
Karena itu, strategi yang lebih kuat bukan memilih antara AI atau manusia, melainkan membangun sistem hybrid yang menggabungkan keduanya.
AI seharusnya menyaring, merangkum, mencari informasi, dan mempercepat pekerjaan. Agent manusia seharusnya memahami konteks, berempati, mengambil keputusan, dan menyelesaikan kasus kompleks.
Ketika pelanggan meminta manusia, jangan paksa mereka memenangkan perdebatan melawan chatbot terlebih dahulu.
Pertanyaan yang Sering Diajukan
Apakah AI akan menggantikan customer service?
AI kemungkinan akan mengambil lebih banyak tugas rutin, seperti menjawab pertanyaan umum, merangkum chat, dan mengklasifikasikan ticket. Namun, agent manusia tetap dibutuhkan untuk mengambil keputusan, mengelola emosi, melakukan negosiasi, menangani pengecualian, dan menyelesaikan kasus berisiko.
Apa yang dimaksud dengan human handover?
Human handover adalah proses mengalihkan percakapan dari AI atau chatbot kepada agent manusia. Proses tersebut seharusnya menyertakan konteks, histori, data pelanggan, nomor order, dan alasan eskalasi agar pelanggan tidak perlu mengulang penjelasan.
Kapan chatbot harus mengalihkan pelanggan ke manusia?
Chatbot harus melakukan handover ketika pelanggan memintanya, AI tidak yakin dengan jawaban, percakapan berulang, sentimen memburuk, atau kasus menyangkut refund, fraud, privasi, keselamatan, dan keputusan khusus.
Apakah chatbot tetap berguna untuk customer service?
Ya. Chatbot berguna untuk memberikan respons cepat, menangani pertanyaan berulang, mengumpulkan data awal, serta menyediakan layanan selama 24 jam. Masalah terjadi ketika chatbot digunakan di luar batas kemampuannya atau tidak menyediakan jalur eskalasi.
Apa perbedaan chatbot dan hybrid customer service?
Chatbot adalah salah satu alat otomatisasi. Hybrid customer service adalah model operasional yang menggabungkan AI dengan agent manusia, ticketing, assignment, histori, SLA, dan monitoring agar setiap masalah dapat diarahkan kepada penanganan yang tepat.
Bagaimana cara mengukur keberhasilan AI customer service?
Keberhasilan AI customer service dapat diukur melalui penyelesaian masalah, first contact resolution, waktu tunggu setelah handover, repeat contact, customer satisfaction, SLA, serta jumlah ticket yang dibuka kembali. Jangan hanya mengukur berapa banyak chat yang tidak masuk kepada agent.
AI Seharusnya Mempercepat Layanan, Bukan Membuat Pelanggan Terjebak
Lihat bagaimana SatuInbox membantu tim mengelola chat, agent, ticket, follow-up, SLA, dan performa WhatsApp dari satu command center yang lebih rapi dan terukur.
Jadwalkan Demo SatuInboxReferensi
- The Economic Times — pengalaman pelanggan berdebat dengan chatbot mengenai refund.
- The Times of India — eksperimen pesan darurat pada chatbot Zomato.
- Reuters — pembaruan EricaAssist milik Bank of America.
- Zendesk — statistik AI dalam customer service.
- SurveyMonkey — Customer Service Statistics 2026.
- arXiv — riset lapangan mengenai AI dan intervensi manusia dalam customer service.