- Agentic commerce adalah bentuk baru belanja online yang menempatkan AI agent sebagai pihak yang mencari, membandingkan, dan membayar produk secara mandiri atas nama konsumen.
- Retailer yang membangun branded AI agent sendiri mencatat pertumbuhan penjualan yang lebih cepat dibanding kompetitor yang belum mengadopsinya pada periode belanja puncak.
- Kemudahan berbelanja otomatis juga bisa melalui WhatsApp Commerce yang terintegrasi agentic AI sehingga pelanggan bisa berbelanja tanpa meninggalkan percakapan.
Dalam waktu kurang dari setahun, OpenAI meluncurkan Instant Checkout di ChatGPT bersama Etsy dan Shopify, sedangkan Google merilis Agent Payments Protocol (AP2) yang didukung lebih dari 60 mitra, termasuk Mastercard, PayPal, dan Coinbase.
Perkembangan ini menunjukkan perubahan dari AI yang sekadar membantu proses belanja menjadi AI yang dapat mengeksekusi transaksi.
Temuan tersebut menunjukkan bahwa kanal berbasis agent mulai memberikan dampak terukur pada hasil penjualan.
Perubahan ini juga membawa konsekuensi baru. Jika data, integrasi sistem, dan batas mandat belum disiapkan, bisnis dapat kehilangan visibilitas atas customer journey ketika sebagian keputusan pembelian dilakukan melalui AI agent.
Artikel Mekari Qontak Blog kali ini akan mengupas tuntas tentang agentic commerce hingga langkah persiapan untuk tim marketing dan sales.
Apa Itu Agentic Commerce?
Agentic commerce adalah model belanja online yang memungkinkan agen kecerdasan buatan (AI) bertindak atas nama konsumen, dari mencari produk dan membandingkan pilihan hingga menyelesaikan pembayaran.
Berbeda dari chatbot yang terutama memberikan jawaban atau rekomendasi, AI agent dalam model ini dapat menjalankan rangkaian transaksi setelah menerima otorisasi yang sesuai.
Kemampuan tersebut bergantung pada tiga komponen utama, yaitu model bahasa yang dapat memahami preferensi pengguna, akses terhadap katalog produk lintas platform, serta protokol pembayaran yang menyediakan mekanisme verifikasi.
Istilah “agentic” merujuk pada agency atau kemampuan untuk bertindak secara mandiri dalam batas mandat yang diberikan pengguna.
Cara Kerja Agentic Commerce dari Pencarian hingga Pembayaran Otomatis
Secara umum, proses agentic commerce terdiri dari lima tahap yang saling berkaitan. Alurnya dimulai dari pencarian produk, dilanjutkan dengan penetapan mandat, checkout, verifikasi, dan konfirmasi transaksi.
1. Tahap Discovery: Agent Mencari dan Membandingkan Produk
AI agent pada tahap discovery membaca katalog atau API produk untuk menyaring opsi sesuai preferensi yang pengguna sampaikan sebelumnya.
Proses ini menggantikan pencarian manual di mesin pencari atau marketplace dengan satu percakapan yang langsung menghasilkan rekomendasi relevan.
2. Tahap Mandate: Pengguna Menetapkan Batas Otorisasi
Sebelum agent bertindak, pengguna menetapkan mandat, misalnya harga maksimum atau kategori produk yang boleh dibeli.
AP2 mendefinisikan mandat ini sebagai kredensial bertanda tangan digital yang menjadi dasar bahwa agent benar-benar mewakili kehendak penggunanya.
Batas tersebut berfungsi sebagai kontrol. Agent tidak seharusnya memperluas keputusan di luar ruang lingkup yang telah diberikan.
3. Tahap Checkout: Pembayaran Dieksekusi melalui Protokol Agentic
Protokol seperti Agentic Commerce Protocol (ACP) dari OpenAI dan Stripe menyediakan standar agar agent dapat memicu pembayaran dengan kredensial yang dapat digunakan pada merchant yang mendukungnya.
Bagi bisnis, model ini memindahkan sebagian proses checkout ke ruang tempat percakapan berlangsung. Karena itu, kesiapan integrasi order, pajak, dan pengiriman menjadi semakin penting.
4. Tahap Verifikasi: Payment Network Mengonfirmasi Identitas Agent
Payment network memverifikasi bahwa transaksi memang dimandatkan pengguna sebelum otorisasi pembayaran diberikan.
Visa merilis Trusted Agent Protocol setelah mencatat lonjakan trafik AI ke situs ritel Amerika Serikat.
Sementara itu, Mastercard membangun Agent Pay dengan pendekatan token identitas agent yang serupa.
5. Tahap Konfirmasi dan Notifikasi ke Pengguna
Konfirmasi transaksi tetap dikirim ke pengguna untuk menjaga transparansi dan hak pembatalan, meski agent yang mengeksekusi pembelian.
Mekanisme notifikasi ini penting karena pengguna perlu mengetahui detail pesanan sebelum barang benar-benar dikirim oleh merchant.
Perbedaan Agentic Commerce dan Conversational Commerce dalam Strategi Channel Penjualan
Agentic commerce dan conversational commerce sama-sama menggunakan percakapan sebagai bagian dari pengalaman belanja, tetapi titik akhirnya berbeda.
Conversational commerce membantu pelanggan menuju keputusan pembelian, sedangkan agentic commerce dapat melanjutkan proses tersebut hingga transaksi dieksekusi dalam batas mandat yang diberikan.
Berikut detail perbedaannya.
Gunakan tombol panah kiri/kanan untuk menggulir secara horizontal.
| Aspek Perbedaan | Conversational Commerce | Agentic Commerce |
|---|---|---|
| Peran AI | Membantu menjawab, merekomendasikan, dan mengarahkan pengguna | Mencari, memutuskan, dan mengeksekusi pembayaran atas nama pengguna |
| Langkah akhir transaksi | Pengguna tetap klik “beli” atau mengisi form checkout secara manual | Checkout berjalan otomatis begitu mandat terpenuhi |
| Kanal utama | WhatsApp, Instagram, live chat website | ChatGPT, Gemini, asisten AI pihak ketiga |
| Kontrol bisnis atas data | Bisnis melihat seluruh histori percakapan pelanggan | Bisnis hanya menerima notifikasi pesanan dari platform agent |
| Ketergantungan pada traffic website | Masih membutuhkan kunjungan ke situs atau toko online | Penjualan bisa terjadi tanpa pengguna membuka situs bisnis |
Manfaat Agentic Commerce untuk Efisiensi Funnel dan Retensi Pelanggan
McKinsey mencatat adopsi AI agentic di level enterprise mulai mempengaruhi berbagai fungsi bisnis, termasuk penjualan dan layanan pelanggan. Dalam konteks commerce, dampaknya dapat terlihat pada beberapa bagian funnel berikut.
1. Mempercepat Siklus Keputusan Beli Pelanggan
Agent dapat membandingkan banyak opsi dalam waktu singkat berdasarkan kriteria yang telah diberikan. Pelanggan tidak perlu membuka banyak tab hanya untuk memeriksa harga atau spesifikasi.
Namun, percepatan ini bergantung pada ketersediaan informasi produk yang lengkap dan konsisten.
2. Personalisasi Rekomendasi Tanpa Menambah Beban Tim Marketing
Agent dapat menggunakan histori dan preferensi pengguna untuk menyesuaikan rekomendasi dalam percakapan berikutnya. Pendekatan ini tidak selalu memerlukan kampanye baru untuk setiap kebutuhan individual.
Bagi tim marketing, tantangannya bergeser ke kualitas data dan aturan penggunaan data tersebut.
3. Mengurangi Cart Abandonment Lewat Eksekusi Otomatis
Checkout otomatis bisa mengurangi pekerjaan berulang seperti pengisian formulir dan input data yang sama. Ketika instruksi telah ditetapkan, pengguna tidak perlu selalu memulai proses dari awal.
Meski begitu, dampaknya perlu tetap diukur secara terpisah karena otomatisasi checkout tidak dengan sendirinya menjamin peningkatan konversi.
4. Membuka Kanal Revenue Baru di Luar Website dan Aplikasi
Penjualan bisa terjadi langsung dari asisten AI pihak ketiga tanpa pengguna membuka situs bisnis sama sekali.
Kondisi ini membuat produk Anda tetap terjangkau pembeli meski mereka tidak pernah mengunjungi toko online resmi.
5. Memberikan Sinyal Preferensi yang Lebih Granular
Log interaksi agent dapat menangkap konteks kebutuhan pengguna yang tidak selalu terlihat dari data klik. Informasi tersebut dapat membantu tim product memahami pola permintaan dan memberi tim CS konteks saat pelanggan membutuhkan bantuan.
Nilai data tetap bergantung pada akses, tata kelola, dan kemampuan bisnis menghubungkan sinyal tersebut dengan sistem internal.
Perkembangan dari Chatbot Basic ke Agentic Commerce
Chatbot generasi awal umumnya bekerja berdasarkan skrip atau kata kunci. Fungsinya berhenti pada pemberian jawaban. Dengan demikian, pelanggan tetap perlu membuka situs atau aplikasi lain untuk menyelesaikan pembelian.
Generative AI kemudian meningkatkan kemampuan memahami konteks percakapan. Pada tahap awal, AI shopping lebih banyak menampilkan kartu produk dan mengarahkan pengguna ke merchant.
Perubahan berikutnya muncul ketika kemampuan memahami konteks tersebut dipadukan dengan agency, yaitu wewenang untuk mengambil tindakan dalam batas yang telah ditentukan.
Kecepatan perkembangan ini didorong oleh tersedianya protokol pembayaran dan mekanisme verifikasi identitas yang dapat digunakan merchant.
Untuk itu, Anda perlu mengevaluasi kembali apakah chatbot bisnis Anda hanya berfungsi sebagai kanal layanan atau sudah disiapkan untuk mendukung alur transaksi yang lebih lengkap.
Contoh Penerapan Agentic Commerce di Berbagai Industri untuk Pemetaan Use Case
Beberapa contoh berikut dapat digunakan untuk memetakan use case yang relevan.
1. Ritel: Amazon “Buy for Me” untuk Reorder Lintas Situs
Amazon menghadirkan fitur Buy for Me yang memungkinkan agent membelikan produk dari situs di luar Amazon atas nama pengguna, saat barang yang dicari tidak tersedia di platform sendiri.
Amazon mengenkripsi data nama, alamat, dan pembayaran pengguna sehingga transaksi tetap berjalan di situs brand tanpa Amazon melihat detail pesanan tersebut.
2. Perencanaan Kebutuhan Rumah Tangga: Walmart Sparky
Walmart Sparky dirancang untuk membantu perencanaan kebutuhan yang lebih menyeluruh. Contohnya, menyiapkan acara barbeque atau menu makan malam mingguan, bukan hanya menjawab pertanyaan tentang satu produk.
Kemampuan perencanaan multi-langkah tersebut dapat menjadi referensi bagi procurement bisnis B2B yang memiliki kebutuhan rutin dan proses penyusunan kebutuhan berulang.
3. Percakapan ke Transaksi: OpenAI Instant Checkout dan Stripe
Pengguna ChatGPT dapat membeli produk Etsy dan Shopify dari percakapan melalui Agentic Commerce Protocol tanpa berpindah ke situs merchant. Merchant tetap memegang kendali atas persetujuan pesanan, pajak, dan pengiriman.
Model ini memperlihatkan bagaimana antarmuka percakapan dapat menjadi titik transaksi tanpa menghapus peran merchant dalam pemenuhan pesanan.
4. Pembayaran Lintas Platform: Perplexity AI dan PayPal
Perplexity menggandeng PayPal agar pengguna bisa menyelesaikan pembayaran tanpa keluar dari aplikasi, sekaligus mewarisi sistem proteksi pembeli dan deteksi penipuan milik PayPal.
Integrasi ini menjangkau akun PayPal aktif di hampir 200 negara, sehingga jangkauannya langsung berskala global sejak hari pertama.
5. Verifikasi Transaksi: Mastercard Agent Pay
Mastercard memverifikasi setiap agent dengan token identitas khusus agar transaksi hanya berjalan dalam batas yang pengguna tentukan sebelumnya.
Model kontrol mandat seperti ini menjadi referensi langsung bagi framework kesiapan yang dibahas pada bagian berikutnya.
Framework Kesiapan Adopsi Agentic Commerce untuk Tim Marketing dan Sales
Lima langkah berikut membantu tim marketing dan sales Anda menutup kesenjangan itu sebelum masuk ke agentic commerce.
1. Audit Kesiapan Data Produk dan Katalog
Tim Anda perlu memastikan atribut produk terstruktur dan dapat diakses via API sebelum agent pihak ketiga bisa membacanya secara akurat. Pasalnya, katalog yang hanya berupa gambar atau PDF statis lebih sulit dibaca dan digunakan secara konsisten oleh agent.
Audit ini juga perlu memeriksa apakah informasi antar-sistem menggunakan definisi dan pembaruan yang sama.
2. Tentukan Batas Mandat dan Level Approval
Selanjutnya, tim Anda perlu menetapkan threshold nilai transaksi yang boleh dieksekusi otomatis versus yang membutuhkan eskalasi manusia. Batas ini mencegah agent mengeksekusi pembelian bernilai besar tanpa persetujuan tambahan dari pihak yang berwenang.
3. Petakan Ulang Model Atribusi untuk Non-Human Traffic
Tools analytics perlu disesuaikan agar kontribusi kanal agentic terhadap revenue dapat dikenali. Tanpa penyesuaian ini, laporan marketing dapat terlihat menurun hanya karena sebagian perjalanan pembelian tidak lagi melewati jalur website yang sama.
Pisahkan metrik discovery, agent-initiated order, dan revenue agar perubahan channel dapat dianalisis dengan lebih akurat.
4. Siapkan Playbook Eskalasi ke Tim Customer Service
Anda bisa mendefinisikan alur ketika transaksi agent bermasalah dan membutuhkan intervensi manusia secara cepat. Playbook sebaiknya menjelaskan pihak yang dihubungi, informasi yang harus tersedia, dan batas waktu respon.
5. Ukur Keberhasilan dengan KPI yang Relevan
Tim Anda dapat menambahkan metrik seperti agent-initiated conversion rate dan dispute rate ke dashboard performa yang sudah ada. Kedua metrik ini membantu tim membedakan performa kanal agentic dari kanal konvensional secara adil.
Di Indonesia, arah regulasi pembayaran digital turut mempengaruhi kecepatan adopsi agentic commerce.
Bank Indonesia melalui Blueprint Sistem Pembayaran Indonesia 2030 mendorong interoperabilitas sistem pembayaran, arah yang relevan bagi kesiapan agentic payment secara lokal.
Sementara itu, OJK melalui regulasi teknologi finansial tetap menjadi rujukan perlindungan konsumen bila transaksi dieksekusi oleh pihak non-manusia.
Dampak Agentic Commerce terhadap Peran Customer Service
World Economic Forum mencatat bahwa AI agentic mulai mengubah fungsi bisnis, termasuk penjualan dan layanan pelanggan.
Perubahan ini terasa nyata pada lima area kerja tim CS berikut.
1. CS Menjadi Titik Penanganan Awal sebelum Dispute Meluas
Ketika agent salah mengeksekusi transaksi, tim CS biasanya menjadi pihak pertama yang menerima keluhan sebelum kasus berkembang ke payment network.
Kecepatan penanganan dapat memengaruhi apakah masalah selesai secara internal atau berlanjut menjadi chargeback yang lebih kompleks.
2. Log Keputusan Agent Harus Dapat Diaudit
Untuk menyelesaikan sengketa, tim CS membutuhkan akses ke histori mandat dan keputusan yang dibuat agent. Tanpa log tersebut, investigasi hanya akan mengandalkan keterangan dari masing-masing pihak.
Untuk itu, audit trail menjadi bagian penting dari proses penyelesaian transaksi.
3. Handoff dari Agent ke Manusia Harus Menjaga Konteks
Kegagalan transisi dari AI agent ke agent manusia saat transaksi bermasalah langsung menurunkan kepercayaan pelanggan pada brand Anda.
Pelanggan yang harus mengulang penjelasan dari awal ke agent manusia biasanya merasa proses justru menjadi lebih lambat.
4. Bisnis Membutuhkan SLA untuk Sengketa Transaksi Agentic
Pola dan volume dispute dari transaksi agentic dapat berbeda dari transaksi manual. Jika agent menjalankan banyak transaksi secara serentak, masalah yang sama juga berpotensi muncul dalam waktu berdekatan.
Untuk itu, Anda perlu mengevaluasi apakah SLA yang ada sudah sesuai untuk pola eskalasi tersebut.
5. Tim CS Perlu Membaca Konteks Sistem
Ketika sebagian proses pembelian dilakukan AI, penyelesaian masalah tidak cukup hanya dilakukan dengan menanyakan ulang kronologi kepada pelanggan. Tim CS mungkin perlu menelusuri log sistem, mandat, dan status transaksi.
Kemampuan membaca konteks teknis tersebut menjadi kompetensi tambahan di luar praktik layanan pelanggan konvensional.
Optimalkan Bisnis Anda dengan Integrasi Agentic AI dan E-Commerce!
Kesiapan memasuki agentic commerce dimulai dari fondasi operasional dengan data yang dapat dibaca sistem, integrasi yang menghubungkan proses, serta handoff yang jelas ketika AI perlu menyerahkan kasus kepada manusia.
Tanpa fondasi tersebut, kanal baru justru dapat menambah dispute dan mengurangi visibilitas atas customer journey.
Mekari Qontak WhatsApp Commerce menghadirkan kapabilitas agentic AI di atas fondasi operasional Anda. Pelanggan dapat menelusuri katalog, menyusun keranjang, hingga menyelesaikan pembayaran langsung di dalam percakapan WhatsApp.
Sementara itu, tim CS tetap memegang kendali penuh melalui omnichannel inbox operasional yang terintegrasi.
Pelajari solusi Mekari Qontak untuk sales Anda agar bisnis siap menyambut era agentic commerce dengan data dan proses yang sudah terhubung.
Coba gratis Mekari Qontak sekarang atau konsultasikan kebutuhan bisnis Anda dengan tim ahli kami.
Pertanyaan yang Sering Diajukan Tentang Agentic Commerce (FAQ)
Apa perbedaan agentic commerce dan e-commerce biasa?
Apa perbedaan agentic commerce dan e-commerce biasa?
E-commerce biasa mengharuskan pengguna membuka situs, mencari produk, dan menyelesaikan checkout secara manual.
Sementara itu, Agentic commerce menggantikan seluruh proses itu dengan AI agent yang mencari, memutuskan, dan membayar atas nama pengguna dalam satu percakapan.
Bagaimana AI agent bisa melakukan pembayaran tanpa kartu kredit dipegang langsung oleh pemilik akun?
Bagaimana AI agent bisa melakukan pembayaran tanpa kartu kredit dipegang langsung oleh pemilik akun?
AI agent menggunakan mandat digital berisi kredensial terverifikasi dari protokol seperti AP2 atau ACP, bukan menyimpan nomor kartu secara langsung.
Payment network kemudian memverifikasi mandat tersebut sebelum otorisasi pembayaran diberikan ke merchant.
Apa risiko terbesar bisnis saat mengadopsi agentic commerce?
Apa risiko terbesar bisnis saat mengadopsi agentic commerce?
Sebuah penelitian memprediksi proyek agentic AI bisa dibatalkan hingga akhir akibat biaya yang membengkak, nilai bisnis yang tidak jelas, atau kontrol risiko yang belum memadai.
Risiko ini umumnya muncul karena bisnis terburu-buru mengadopsi tanpa menyiapkan data dan proses approval terlebih dahulu.
Bagaimana cara mempersiapkan katalog produk agar bisa dibaca AI agent?
Bagaimana cara mempersiapkan katalog produk agar bisa dibaca AI agent?
Anda perlu memastikan atribut produk seperti harga, stok, dan spesifikasi tersedia dalam format terstruktur yang dapat diakses via API. Katalog yang masih berbentuk gambar statis atau PDF akan sulit terbaca oleh AI agent, meski produknya sebenarnya tersedia.
Siapa yang bertanggung jawab jika AI agent salah melakukan transaksi?
Siapa yang bertanggung jawab jika AI agent salah melakukan transaksi?
Tanggung jawab umumnya mengikuti mandat yang sudah disepakati antara pengguna, penyedia agent, dan merchant sesuai protokol yang dipakai.
Karena itu, log mandat dan histori keputusan agent menjadi bukti penting untuk menentukan pihak yang harus menyelesaikan sengketa.
