Manajemen menginginkan AI dalam dukungan pelanggan, dan sekarang Anda harus mencari cara untuk mengintegrasikannya dengan sistem help desk yang sudah Anda miliki.
Hal itu bisa lebih sulit daripada menambahkan alat AI ke tumpukan teknologi Anda. Platform Anda saat ini mungkin menyimpan data tiket selama bertahun-tahun, artikel basis pengetahuan yang sudah usang, tag yang tidak konsisten, dan kolom kustom yang tersisa dari alur kerja lama. AI akan bergantung pada data tersebut, sehingga kualitas dan strukturnya dapat dengan cepat menjadi masalah yang lebih besar daripada teknologi itu sendiri.
Jadi, sebelum berinvestasi pada alat lain, kami sarankan untuk memeriksa apa help desk . Dalam artikel ini, kita akan melihat apa yang membuat platform dukungan siap untuk AI, di mana sistem lama dapat menyebabkan masalah, dan bagaimana memutuskan apakah akan menambahkan AI ke pengaturan yang ada atau beralih ke platform yang lebih sesuai dengan rencana Anda.
Adopsi AI adalah prioritas, tetapi integrasi penuh masih terbatas
Angka-angka seputar adopsi AI dalam dukungan pelanggan bisa menyesatkan. Tergantung pada apa yang diukur oleh survei, "adopsi" dapat berarti apa saja, mulai dari menggunakan alat AI hingga mengintegrasikannya ke dalam operasi dukungan. Melihat ekspektasi eksekutif dan tingkat integrasi aktual secara terpisah memberikan gambaran yang lebih jelas.
91% pemimpin dukungan menghadapi tekanan untuk menerapkan AI
Gartner melakukan survei terhadap 321 pemimpin layanan dan dukungan pada Oktober 2025. 91% mengatakan mereka berada di bawah tekanan dari pimpinan eksekutif untuk menerapkan AI.
Tekanan itu juga memengaruhi bagaimana tim dukungan merencanakan tenaga kerja mereka.
Hampir 80% responden mengatakan mereka memperkirakan agen akan beralih ke peran baru seiring dengan AI yang mengambil alih pekerjaan rutin.
84% responden berencana menambah keterampilan atau mengubah profil perekrutan untuk mendukung perubahan tersebut.
Namun, rencana-rencana ini bergantung pada apa yang dapat diakomodasi oleh lingkungan dukungan yang ada. Meja bantuan saat ini dan data yang tersimpan di dalamnya mungkin membatasi kasus penggunaan AI mana yang layak dilakukan.
Penerapan AI bervariasi tergantung pada aplikasinya
Penggunaan AI di pusat kontak dapat berarti hal yang sangat berbeda. Laporan Contact Center Technologies dari COPC Inc. menemukan bahwa 42% pusat kontak menggunakan AI untuk layanan dan dukungan pelanggan, tetapi tingkat adopsinya bervariasi tergantung aplikasinya. Chatbot adalah yang paling umum dengan 59%, diikuti oleh otomatisasi proses robotik sebesar 48%, analitik sentimen pelanggan sebesar 44%, dan analitik teks sebesar 42%. Analitik ucapan mencapai 32%, sementara 23% menggunakan voicebot.
Integrasi penuh bergantung pada kualitas dan aksesibilitas data dukungan Anda:
- Kolom tiket: kategori, tag, dan nilai yang konsisten di seluruh tiket saat ini dan tiket sebelumnya.
- Riwayat tiket: konteks yang cukup untuk memahami masalah, tindakan yang diambil, dan penyelesaiannya.
- Basis pengetahuan: konten terkini dengan struktur yang jelas dan tanpa jawaban yang saling bertentangan.
Alat AI juga memerlukan akses ke data ini, yang bergantung pada apa yang diekspos oleh help desk Anda melalui API dan integrasinya.
Mengapa Adopsi AI Terhambat di Layanan Pelanggan?
Saat Anda memperkenalkan AI ke dalam operasi dukungan yang sudah mapan, Anda berurusan dengan proses yang telah berkembang selama bertahun-tahun. Agen sudah mengikuti aturan eskalasi dan persetujuan, sementara proses QA, integrasi, dan basis pengetahuan AI mungkin memerlukan perubahan tergantung pada apa yang Anda inginkan agar AI lakukan.
Keterampilan, Tata Kelola, dan Adopsi Agen Dapat Memperlambat Proyek AI
Seseorang perlu mengevaluasi jawaban yang dihasilkan AI, mengidentifikasi kesalahan, dan menentukan kapan agen mengambil alih. Kasus penggunaan yang berhadapan langsung dengan pelanggan juga memerlukan aturan yang jelas untuk menangani informasi pelanggan dan meninjau respons yang dihasilkan AI.
Agen juga membutuhkan kejelasan yang sama. Pelatihan dapat mencakup kapan suatu respons memerlukan peninjauan, bagaimana melaporkan saran yang buruk, dan kasus mana yang langsung ditangani oleh seseorang. Hal ini memberikan peran yang jelas kepada agen ketika AI menjadi bagian dari alur kerja mereka.
Integrasi Bisa Lebih Sulit dengan Sistem Help Desk yang Lebih Lama
Masalah integrasi tidak hanya terbatas pada AI. Survei Global State of CX 2025 dari CX Network menemukan bahwa 31% responden melihat integrasi dengan alat yang sudah ada sebagai hambatan untuk mewujudkan investasi CX mereka. Hanya demonstrasi ROI (39%) dan pencarian anggaran (35%) yang menempati peringkat lebih tinggi.
Proyek AI dapat mengungkap keterbatasan dalam integrasi yang ada. Sistem help desk lama mungkin memberi agen akses ke informasi melalui antarmuka, tetapi menyediakan lebih sedikit opsi untuk mengambil informasi yang sama secara terprogram. API mungkin menghilangkan beberapa kolom kustom, ekspor mungkin memerlukan pekerjaan tambahan untuk merekonstruksi alur percakapan, atau integrasi yang ada mungkin hanya mengambil sebagian dari tiket.
QA (Quality Assurance) adalah contoh yang baik tentang bagaimana persyaratan tersebut berubah dengan adanya AI. Menurut COPC Inc., sebagian besar tim secara tradisional hanya meninjau 2–5% interaksi pelanggan dan menggunakan sampel tersebut untuk pelatihan agen, pelacakan kepatuhan, dan memperkirakan kinerja program. Pemantauan kualitas yang didukung AI dapat mencakup sebagian besar interaksi, yang berarti mengambil dan memproses data percakapan yang jauh lebih banyak.
Periksa informasi yang dapat Anda peroleh melalui API, ekspor, dan integrasi help desk terhadap kasus penggunaan AI yang ingin Anda implementasikan. Misalnya, alat peringkasan tiket memerlukan akses ke konten percakapan, sementara klasifikasi otomatis juga bergantung pada bidang dan kategori yang digunakan untuk data pelatihan atau referensi.
Bandingkan Data Historis dengan Kasus Penggunaan AI
Basis pengetahuan yang efektif untuk AI membutuhkan jawaban yang terkini dan konsisten. Jika dua artikel memberikan instruksi yang bertentangan untuk masalah yang sama, format yang jelas saja memiliki nilai terbatas. Tinjau artikel duplikat, versi produk sebelumnya, dan panduan yang merujuk pada kebijakan dukungan yang sudah tidak berlaku sebelum memutuskan konten mana yang harus digunakan AI.
Terapkan logika yang sama pada riwayat tiket. Misalnya, kategori "Penagihan" Anda saat ini menggantikan tiga kategori lama setelah migrasi help desk. Jika Anda ingin menggunakan tiket lama tersebut untuk klasifikasi, Anda perlu memetakan kategori sebelumnya ke taksonomi saat ini terlebih dahulu. Jika kasus penggunaan Anda hanya bergantung pada tiket yang baru saja diselesaikan, pekerjaan tersebut mungkin tidak banyak gunanya. Mulailah dengan data yang dibutuhkan untuk kasus penggunaan tersebut, alih-alih membersihkan seluruh riwayat dukungan secara default.
Kerangka Kerja Praktis Adopsi AI untuk Tim Dukungan
Setelah Anda mengetahui fitur AI mana yang ingin Anda implementasikan, evaluasilah fitur tersebut terhadap sistem help desk Anda saat ini. Uji terlebih dahulu dengan data dukungan Anda sendiri. Hasilnya akan memberi Anda sesuatu yang konkret untuk dibandingkan dengan biaya dan upaya yang dibutuhkan untuk beralih ke platform lain.
Lakukan Audit Terhadap Kemampuan Platform Anda Saat Ini
Pilih sampel representatif dari tiket yang akan digunakan fitur ini. Sertakan permintaan umum beserta kasus-kasus yang lebih sulit diklasifikasikan atau diselesaikan oleh agen.
Uji informasi yang dibutuhkan fitur tersebut. Saat mengevaluasi klasifikasi tiket, bandingkan hasilnya dengan kategori yang ditetapkan oleh agen berpengalaman. Untuk ringkasan, tinjau apakah fitur tersebut menerima percakapan lengkap dan bidang tiket yang relevan. Pembuatan respons memerlukan pemeriksaan lain: berikan artikel basis pengetahuan yang saat ini digunakan agen Anda dan tinjau keakuratan jawabannya.
Dokumentasikan masalah yang Anda temukan dan lacak kembali ke sumbernya. Klasifikasi yang tidak konsisten dapat menunjukkan masalah pada taksonomi, sementara ringkasan yang tidak lengkap dapat mengungkapkan bidang yang hilang atau data percakapan yang tidak lengkap. Jawaban yang buruk berdasarkan artikel basis pengetahuan yang tidak relevan mungkin memerlukan peninjauan lebih lanjut terhadap kontennya.
Putuskan: Tambahkan AI ke Help Desk Anda Saat Ini atau Beralih ke Perangkat Lunak Berbasis AI
Mulailah dengan masalah yang Anda temukan selama pengujian. Beberapa mungkin memerlukan proyek pembersihan terbatas atau perubahan pada integrasi, sementara yang lain mungkin memerlukan pengembangan khusus yang perlu Anda kelola bersama dengan tim dukungan teknis.
Kemudian, perkirakan pekerjaan yang dibutuhkan untuk fitur AI yang akan Anda gunakan. Sertakan persiapan data awal dan perubahan integrasi, beserta pemeliharaan berkelanjutan. Catat juga batasan platform apa pun yang harus Anda terima.
Bandingkan upaya ini dengan migrasi ke platform yang Anda pertimbangkan. Perhatikan apakah platform tersebut menyediakan akses ke data tiket yang dibutuhkan dan mendukung integrasi di balik fitur AI yang Anda rencanakan. Migrasi memiliki biaya tersendiri, terutama jika Anda memiliki riwayat dukungan selama bertahun-tahun dan alur kerja yang sudah mapan, jadi perbandingan perlu memperhitungkan implementasi dan pekerjaan berkelanjutan.
Migrasi berbasis AI mencakup persyaratan fitur AI yang direncanakan dalam ruang lingkup migrasi. Misalnya, jika klasifikasi tiket bergantung pada bidang tertentu, pertahankan dan petakan bidang tersebut selama pemindahan. Jika pembuatan respons menggunakan percakapan sebelumnya, tentukan bagian mana dari riwayat tersebut yang perlu sampai ke help desk target dan dalam format apa.
Urutkan Migrasi untuk Menguji AI dengan Data Anda
Pindahkan sejumlah tiket terbaru dan konten basis pengetahuan yang relevan sebelum mentransfer seluruh riwayat, lalu uji fitur AI yang direncanakan dengan data yang telah dimigrasikan.
Jangan hanya melihat apakah data telah sampai. Ini berarti memeriksa nilai-nilai di dalam kolom yang dipetakan, tautan antar data terkait, urutan percakapan, lampiran yang diperlukan untuk konteks, dan izin yang memengaruhi akses ke konten yang dimigrasikan.
Suatu kategori dapat berhasil ditransfer meskipun dengan nilai target yang salah. Sebuah percakapan dapat berisi setiap pesan, sementara kolom kustom yang hilang menghilangkan konteks yang diperlukan untuk klasifikasi. Menemukan masalah ini dalam set data uji memberi Anda kesempatan untuk menyesuaikan pemetaan sebelum menerapkannya ke data yang tersisa.
Setelah memvalidasi pemetaan dengan set data uji, gunakan konfigurasi yang sama untuk sisa proses migrasi.
Apa yang Dibutuhkan Adopsi AI dari Platform Dukungan Anda
Setelah AI menjadi bagian dari dukungan pelanggan, persyaratannya meluas melampaui akses ke data historis. Agen terus membuat tiket, artikel basis pengetahuan diperbarui, dan proses dukungan berubah. Anda membutuhkan cara untuk menjaga agar informasi yang digunakan oleh AI tetap akurat seiring dengan terjadinya perubahan tersebut.
Siapkan Basis Pengetahuan Anda untuk AI
Pastikan setiap artikel berfokus pada pertanyaan yang jelas dan berikan jawaban penting dalam teks yang mudah dicari. Jika instruksi bergantung pada lampiran, video, atau halaman yang ditautkan, periksa konten apa yang dapat diambil oleh alat AI Anda dari sana.
Anda juga membutuhkan seseorang yang bertanggung jawab untuk memelihara konten. Pembaruan produk dapat membuat instruksi yang ada menjadi usang, sementara beberapa artikel mungkin akhirnya membahas masalah yang sama dari waktu ke waktu. Tinjauan berkala membantu mendeteksi masalah ini sebelum panduan yang sudah usang tetap tersedia untuk jawaban yang dihasilkan oleh AI.
Gartner melaporkan bahwa 58% pemimpin layanan berencana untuk meningkatkan keterampilan agen layanan pelanggan menjadi spesialis manajemen pengetahuan. Tanggung jawab mereka akan mencakup meninjau, mengelola, dan memelihara konten untuk AI dan layanan mandiri pelanggan.
Fokus pada Kualitas Data, Bukan Volume Data
Jumlah tiket historis tidak banyak memberi tahu Anda seberapa bermanfaatnya tiket tersebut untuk kasus penggunaan AI. Kumpulan data yang lebih kecil dengan kategori yang konsisten dan bidang yang lengkap dapat memberikan masukan yang lebih berguna daripada catatan bertahun-tahun yang dibuat di bawah beberapa taksonomi.
Menurut Gartner, 63% organisasi tidak memiliki praktik manajemen data yang tepat untuk AI atau tidak yakin apakah mereka memilikinya. Perusahaan tersebut juga memprediksi bahwa hingga tahun 2026, organisasi akan meninggalkan 60% proyek AI yang tidak didukung oleh data yang siap untuk AI.
Masalah yang sama berlaku untuk tiket yang dibuat setelah implementasi. Ketika sebuah tim mengubah kategori atau memperkenalkan bidang baru, tentukan bagaimana perubahan tersebut harus diterapkan pada data yang digunakan oleh fitur AI. Jika tidak, catatan saat ini dan historis secara bertahap dapat mengikuti struktur yang terpisah.
Migrasi berbasis AI dapat menetapkan aturan data ini sebagai bagian dari proses pemindahan. Dokumentasikan informasi apa yang digunakan oleh setiap fitur AI dan sertakan pemeliharaannya dalam proses yang diikuti tim dukungan Anda setelah migrasi.
Apa Artinya Ini bagi Tim Dukungan Anda
Sebelum memilih alat AI, periksa apakah operasi dukungan Anda saat ini dapat menyediakan apa yang dibutuhkan oleh kasus penggunaan yang direncanakan. Dari penilaian tersebut, Anda harus memahami hal-hal berikut:
- Data pendukung apa yang akan digunakan oleh fitur AI, mulai dari riwayat percakapan dan kolom tiket hingga konten basis pengetahuan yang relevan.
- Seberapa banyak persiapan yang dibutuhkan data tersebut. Dasarkan ruang lingkup pada catatan yang akan Anda gunakan, alih-alih membersihkan seluruh riwayat dukungan.
- Apakah help desk Anda saat ini memberikan akses yang memadai. Sertakan pekerjaan integrasi dan pemeliharaan berkelanjutan yang diperlukan untuk mengisi kekurangan tersebut.
- Kapan migrasi menjadi pilihan yang lebih baik? Bandingkan pekerjaan yang diperlukan untuk menyesuaikan help desk yang ada dengan biaya dan kompleksitas perpindahan ke platform yang lebih langsung mendukung kasus penggunaan yang Anda rencanakan.
Tidak ada titik pasti di mana penambahan AI menjadi kurang praktis dibandingkan migrasi. Penilaian ini memberi Anda angka dan persyaratan teknis untuk membuat perbandingan tersebut untuk operasi dukungan Anda sendiri.
Pertanyaan yang Sering Diajukan (FAQ)
Tekanan dari manajemen puncak sangat tinggi—91% pemimpin dukungan pelanggan merasa tertekan untuk mengadopsi AI—tetapi integrasi terhambat karena lingkungan help desk yang ada seringkali bergantung pada arsitektur lama. Masalah seperti taksonomi tiket yang tidak konsisten, artikel basis pengetahuan yang sudah usang, API yang terbatas, dan kolom kustom lama mencegah alat AI mengakses data yang bersih dan terstruktur.
Tidak. Daripada mencoba melakukan pembersihan besar-besaran secara default terhadap catatan historis selama bertahun-tahun, fokuslah sepenuhnya pada data spesifik yang dibutuhkan untuk kasus penggunaan AI target Anda. Misalnya, jika Anda menerapkan klasifikasi tiket, petakan dan perbaiki hanya kategori dan bidang tiket terbaru yang melatih atau memberi masukan pada model spesifik tersebut.
Anda dapat mengevaluasi platform Anda saat ini dengan menjalankan audit sederhana:
- Keterbatasan API & Ekspor: Periksa apakah API sistem Anda menghilangkan kolom kustom atau gagal merekonstruksi seluruh rangkaian percakapan.
- Konflik Basis Pengetahuan: Audit apakah artikel lama berisi informasi produk yang sudah usang atau saling bertentangan.
- Pengujian Hasil AI: Masukkan sampel representatif dari tiket-tiket kompleks dan historis ke dalam fitur AI untuk menguji apakah ada konteks yang hilang, ringkasan yang salah, atau kategorisasi yang buruk.
Jika memperbaiki kesenjangan ini membutuhkan pengembangan khusus yang berat dan berkelanjutan, mungkin sudah saatnya mempertimbangkan migrasi.
Migrasi yang mengutamakan AI menggabungkan persyaratan data teknis dari alat AI yang direncanakan langsung ke dalam ruang lingkup proyek migrasi. Alih-alih hanya memindahkan catatan mentah, pendekatan yang mengutamakan AI memastikan bahwa bidang tiket penting, urutan percakapan, konteks lampiran, dan struktur basis pengetahuan dibersihkan, dipetakan, dan dipelihara secara khusus untuk fungsionalitas AI pada platform target.
Mulailah dengan menyusun urutan transfer data Anda. Pindahkan terlebih dahulu kumpulan data uji representatif yang berisi tiket terbaru dan konten basis pengetahuan inti, lalu uji fitur AI Anda terhadap catatan spesifik tersebut. Periksa keakuratan pemetaan kolom, tautan catatan, dan izin akses di lingkungan pengujian sebelum menjalankan migrasi data penuh di seluruh riwayat Anda.
