Lebih dari 3.000 pengunjung hadir di B2B Tech Asia 2026 pada 1–2 Juli di AXA Tower Kuningan Jakarta. Di tengah ratusan booth dan demo produk, tiga sesi keynote dari AWS, SoftBank, dan Odoo justru memberikan gambaran yang jujur dan kadang mengejutkan:
Sebagian besar bisnis masih salah kaprah soal apa yang sebenarnya dibutuhkan agar AI chatbot customer service bekerja.
Artikel Mekari Qontak Blog ini merangkum 5 insight terpenting dari tiga sesi tersebut, dilengkapi data dari riset global (Gartner, IBM, Lorikeet CX Research) dan implikasi praktis untuk tim customer service Anda.
1. 87% AI Chatbot Customer Service Tidak Sampai Production dan Ini Bukan Masalah Modelnya
Eryan Ariobowo dari AWS di hadapan ratusan peserta mengungkapkan bahwa 87% implementasi AI dimulai dari Proof of Concept, tapi tidak sampai ke production.
Hal ini disebabkan bukan karena modelnya yang kurang canggih, bukan karena tim tidak punya skill. Masalahnya lebih fundamental dari itu.
“Ini bukan masalah modelnya, bukan masalah skill atau tools di organisasi tersebut, tapi masalah yang lebih krusial yaitu foundation di bawahnya.” – Eryan Ariobowo, Senior Solution Architect, AWS, B2B Tech Asia 2026
Foundation yang dimaksud bukan hardware atau GPU, melainkan empat pilar sistem yang sering diabaikan saat bisnis Anda sedang terburu-buru ingin deploy AI chatbot:
- Data Foundation: Aksesibilitas, kualitas, governance, dan data lineage dari seluruh data percakapan pelanggan
- Scalable Compute: Infrastruktur yang bisa naik-turun mengikuti volume percakapan tanpa harus beli hardware permanen
- Security & Governance: Compliance architecture dan guardrails dari awal, bukan setelah ada masalah
- Integration: bagaimana chatbot AI terhubung dengan sistem yang sudah ada (CRM, ERP, ticketing)
Temuan ini juga diperkuat dengan data dari Deloitte Customer Service Excellence Research 2025, antara 70–85% inisiatif AI secara keseluruhan gagal memenuhi hasil yang diharapkan.
Angka ini bukan soal model AI-nya, tapi soal kesiapan bisnis Anda mengelola data, integrasi sistem, dan governance yang menyokongnya.
88% contact center sudah menggunakan beberapa bentuk AI, tapi hanya 25% yang serius mengintegrasikan automation secara penuh ke operasional bisnis sehari-hari. Kesenjangan antara ‘menggunakan AI’ dan ‘mengimplementasikan AI secara maksimal’ adalah tempat di mana sebagian besar organisasi mandek. – Lorikeet CX Research, 2026
Lalu, apa yang harus dilakukan bisnis Anda?
Sebelum memilih atau mengganti platform chatbot, audit terlebih dahulu kesiapan fondasi. Apakah data percakapan historis Anda sudah terstruktur? Apakah ada integrasi dengan CRM Anda? Apakah ada tim yang bertanggung jawab atas kualitas data chatbot secara berkelanjutan?
2. 60% Waktu Kerja Admin Customer Service Habis untuk Pekerjaan Berulang, Inilah yang AI Chatbot Seharusnya Selesaikan
Dalam sesi bertemakan ‘Agentic AI Transformation as a Growth Engine’, Hiroyasu Tei dari SoftBank Corp membuka sesinya dengan data mengejutkan bahwa:
Lebih dari 60% waktu kerja harian karyawan habis untuk low-value work seperti mencari informasi, koordinasi internal, dan pengumpulan data. Bukan karena timnya malas. Ini adalah masalah struktur pekerjaan, bukan produktivitas tiap individu.
“Saya pikir tujuan dari bekerja seharusnya adalah untuk menciptakan value. Ini adalah peluang besar bagi AI. AI dapat mengurangi pekerjaan yang tidak bernilai ini dan membuat karyawan bisa lebih fokus pada pekerjaan bernilai tinggi.” – Hiroyasu Tei, Senior Director Global Business Development, SoftBank Corp., B2B Tech Asia 2026
Temuannya juga dikonfirmasi oleh data dari IBM yang menyebutkan bahwa AI dapat mengurangi biaya operasional customer service sebesar 30–50%.
Untuk tugas-tugas rutin / repetitif, IBM juga mengungkapkan bahwa AI dapat mengurangi biaya tenaga kerja bisnis Anda sampai 90%.
Bagaimana caranya?
Caranya bukan dengan menghilangkan peran admin manusia, tapi dengan mengalihkan pekerjaan repetitif ke AI sehingga admin manusia bisa fokus pada tugas yang lebih krusial yang membutuhkan human touch.
Untuk tim Customer Service (CS), coba tanyakan satu hal sederhana ini: dari total jam kerja admin Anda setiap minggunya, berapa banyak waktu yang benar-benar dipakai untuk membantu pelanggan dan berapa banyak waktu yang justru habis terbuang untuk urusan ketik-mengetik manual, memindahkan chat3 antar-channel, atau mencari-cari riwayat pesan lama?
3. ROI AI Chatbot Customer Service: Data dari SoftBank yang Jarang Dibagikan
SoftBank bukan hanya sekadar membicarakan AI, mereka menggunakannya secara internal dalam skala yang besar.
Tei memaparkan data yang jarang dibagikan perusahaan secara terbuka yaitu mengenai hasil terukur dari implementasi AI di seluruh fungsi bisnis SoftBank.
Gunakan tombol panah kiri/kanan untuk menggulir secara horizontal.
| Area Implementasi | Hasil |
|---|---|
| Otomasi proses bisnis contact center | 80% proses terotomasi |
| Akurasi otomasi kueri pelanggan korporat | 95% akurasi |
| Reduksi waktu evaluasi keamanan (audit) | 97% lebih cepat |
| Reduksi total jam kerja via AI sales tool | 51.000 jam dikurangi |
| Dukungan proposal di toko (22.000 anggota) | Digunakan oleh seluruh tim toko |
Poin pentingnya: Return On Investment (ROI) ini bukan berasal dari pemangkasan jumlah headcount tim CS.
Tei menegaskan bahwa perusahaan yang paling sukses memanfaatkan AI bukanlah yang memecat staf mereka, melainkan yang menggunakan AI untuk mempertajam akurasi keputusan dan membebaskan karyawan dari tugas-tugas repetitif agar bisa fokus ke tugas yang lebih penting.
Rata-rata perusahaan meraup keuntungan sebesar $3,50 dari setiap $1 yang diinvestasikan untuk AI customer service. Bahkan, perusahaan dengan performa terbaik bisa mencapai keuntungan hingga 8 kali lipat. Kunci perbedaan hasil ini terletak pada strategi penerapan di lapangan, bukan pada kecanggihan teknologi yang dipilih. (IBM Research & ChatMaxima Industry Report 2026)
Jika Anda mengukur kesuksesan AI chatbot hanya dari “berapa banyak agen yang bisa dirumahkan”, Anda sedang menggunakan tolok ukur yang salah.
Metrik yang benar untuk mengukur keberhasilan AI adalah:
- Containment Rate: Persentase obrolan yang sukses diselesaikan AI tanpa perlu dioper ke manusia.
- First Contact Resolution Rate: Kecepatan menyelesaikan masalah pelanggan dalam sekali hubung.
- CSAT (Kepuasan Pelanggan): Skor kepuasan konsumen setelah berinteraksi dengan AI.
4. Tiga Level AI Chatbot Customer Service dan Cara Mengetahui Bisnis Anda Ada di Level Mana
Salah satu momen menarik di B2B Tech Asia 2026 adalah ketika Tei dari SoftBank membedakan secara tegas antara Generative AI biasa dengan Agentic AI. Perbedaan ini sangat penting untuk dipahami secara praktis dalam operasional bisnis, bukan sekadar teori.
“Generative AI tradisional sering kali hanya berfungsi untuk tanya jawab biasa. Fitur ini memang berguna, tetapi masih sangat bergantung pada manusia untuk menentukan setiap langkah kecilnya. Sementara itu, Agentic AI sama sekali berbeda, ia mampu memahami tujuan, mengambil keputusan, menyusun rencana, mengeksekusi banyak tugas sekaligus, dan terus bekerja secara mandiri demi mencapai target.” – Hiroyasu Tei, SoftBank Corp., B2B Tech Asia 2026
Dalam dunia customer service (CS), perbedaan teknologi ini terbagi menjadi tiga level mendasar. Banyak pemilik bisnis mengira sistem CS mereka sudah berada di Level 2 atau 3, padahal kenyataannya masih tertahan di Level 1:
Gunakan tombol panah kiri/kanan untuk menggulir secara horizontal.
| Level | Cara Kerja | Contoh | Containment Rate Tipikal |
|---|---|---|---|
| Rule-based Bot | Menjawab berdasarkan kata kunci yang diprogram | Chatbot FAQ statis: ‘ketik 1 untuk status order’ | 15–25% |
| NLP Chatbot | Memahami variasi bahasa, tapi terbatas Q&A | Chatbot yang mengerti ‘gimana pesananku’ = cek status | 30–45% |
| AI Agent / Agentic AI | Memahami konteks, ambil keputusan, eksekusi multi-langkah | Agent yang cek order, proses refund, kirim konfirmasi — tanpa agen manusia | 55–70% |
Cara Cepat Cek Level Chatbot CS Bisnis Anda Saat Ini
Coba ajukan tiga pertanyaan ini untuk menguji sistem Anda:
- Bisakah chatbot Anda menyelesaikan keluhan pelanggan tanpa intervensi agen manusia sedikit pun, bahkan untuk kasus di luar skrip yang sudah diprogram?
- Apakah chatbot Anda bisa mengakses data pesanan atau riwayat transaksi pelanggan secara real-time dari CRM untuk menjawab pertanyaan yang spesifik?
- Apakah ada dashboard khusus yang menampilkan containment rate yang bisa dipantau oleh supervisor kapan saja?
Jika ketiga jawaban di atas adalah TIDAK, berarti sistem Anda sebenarnya masih tertahan di Level 1 atau 2, terlepas dari label keren “AI” yang tertera pada platform yang Anda gunakan saat ini.
5. Adopsi vs Implementasi AI Chatbot Customer Service: Inilah yang Membedakan Tim yang Dapat ROI dan yang Tidak
Dari ketiga sesi di B2B Tech Asia 2026, ada satu benang merah yang paling konsisten: gap antara ‘menggunakan AI’ dan ‘menjalankan bisnis dengan AI’.
Hiroyasu Tei menyebut ini sebagai perbedaan antara adopsi dan implementasi, dan menurut data, sebagian besar organisasi masih terjebak di tahap pertama.
“Sekadar menggunakan AI adalah tahap adopsi, di mana dampaknya masih sangat terbatas di level individu. Sementara itu, menjalankan bisnis dengan AI adalah tahap implementasi yang sesungguhnya. Artinya, kita menanamkan teknologi AI langsung ke dalam jantung operasi bisnis inti demi otomatisasi proses dan transformasi bisnis secara menyeluruh.” – Hiroyasu Tei, SoftBank Corp., B2B Tech Asia 2026
Natasya Halim dari Odoo juga turut menambahkan sudut pandang yang memperkuat hal tersebut bahwa lebih dari 80% organisasi gagal memanfaatkan AI secara maksimal karena mereka hanya menggunakan teknologi ini di permukaannya saja, tanpa benar-benar menyatukannya ke dalam workflow bisnis.
Data berskala global pun memvalidasi kesenjangan ini secara jelas. Gartner mencatat bahwa 80% organisasi customer service saat ini memang sudah menggunakan Generative AI dalam operasional mereka.
Namun, hanya 25% saja yang benar-benar mengintegrasikan sistem otomatisasi tersebut secara penuh ke dalam operasional harian. Artinya, tiga perempat perusahaan di luar sana baru sebatas “ikut-ikutan memakai AI” tanpa merasakan keuntungan finansial (ROI) yang nyata.
Coba periksa operasional CS Anda, apakah sudah memenuhi lima kriteria terintegrasi ini:
- Memiliki SLA Chatbot yang jelas
- Terhubung langsung dengan CRM
- Protokol handover yang Jelas
- Dashboard Supervisor real-time.
- Data percakapan menjadi bahan evaluasi
Apa Arti Ini Semua untuk Bisnis Anda? Lakukan 3 Langkah Konkret Mulai Minggu Ini
Tiga insight dari AWS, SoftBank, dan Odoo di B2B Tech Asia 2026 mengarah ke satu kesimpulan yang sama, yaitu:
Kegagalan implementasi AI chatbot customer service bukan masalah teknologinya, tapi masalah kesiapan fondasi dan kejelasan tentang apa yang sebenarnya diukur.
Tiga langkah konkret yang bisa dimulai minggu ini:
Gunakan tombol panah kiri/kanan untuk menggulir secara horizontal.
| Langkah | Yang Harus Dilakukan | Target Selesai |
|---|---|---|
| 1. Audit fondasi (Minggu 1) | Cek: apakah data percakapan historis Anda sudah terstruktur? Apakah ada integrasi CRM? Berapa containment rate chatbot saat ini? Jika tidak tahu angkanya, itu sendiri sudah jadi temuan penting. | 7 hari ke depan |
| 2. Lakukan pilot project untuk satu use case (Bulan 1) | Pilih satu alur CS paling repetitif (contoh: cek status order atau tracking pengiriman) dan otomasi penuh. Ukur: containment rate, resolution time, dan CSAT sebelum vs sesudah. | 30 hari ke depan |
| 3. Scale setelah terbukti (Bulan 2–3) | Baru ekspansi ke use case lain setelah ROI pilot terdokumentasi secara tertulis. Jangan scale sebelum ada angka ini penyebab utama POC gagal masuk production. | 60–90 hari ke depan |
Ingin tahu berapa containment rate yang realistis untuk volume percakapan dan industri bisnis Anda? Tim Mekari Qontak bisa melakukan audit chatbot CS dalam satu sesi demo gratis, tidak perlu komitmen sebelumnya. Segera konsultasikan dengan tim ahli kami.
Referensi:
Sumber primer (event langsung):
- Eryan Ariobowo, Senior Solution Architect, AWS – sesi ‘Building AI-Ready Infrastructure’, B2B Tech Asia 2026, 1 Juli 2026, AXA Tower Jakarta
- Hiroyasu Tei, Senior Director Global Business Development, SoftBank Corp. – sesi ‘Agentic AI Transformation as a Growth Engine’, B2B Tech Asia 2026, 1 Juli 2026
- Natasya Halim, Partnership Consultant, Odoo Indonesia – sesi ‘Unlocking AI Potential: How to Win in Cluttered Competition’, B2B Tech Asia 2026, 1 Juli 2026
Sumber riset eksternal:
Pertanyaan yang Sering Diajukan Tentang Implementasi AI Chatbot Customer Service (FAQ)
Apa itu containment rate dan mengapa ini metrik yang paling penting untuk AI chatbot CS?
Apa itu containment rate dan mengapa ini metrik yang paling penting untuk AI chatbot CS?
Containment rate adalah persentase percakapan yang berhasil diselesaikan AI tanpa eskalasi ke agen manusia. Ini lebih penting dari jumlah interaksi karena langsung mengukur seberapa efektif AI benar-benar ‘berhasil’, bukan sekadar ‘aktif’.
Berapa lama waktu yang dibutuhkan untuk implementasi AI chatbot CS yang benar-benar berjalan di production?
Berapa lama waktu yang dibutuhkan untuk implementasi AI chatbot CS yang benar-benar berjalan di production?
Untuk deployment vendor agent (platform yang sudah ada), time-to-first-value rata-rata 29–41 hari setelah kickoff. Untuk custom build, 89–118 hari. Namun keduanya membutuhkan 2–3 bulan setelah go-live untuk mencapai stabilitas penuh dan containment rate optimal.
Apakah AI chatbot CS cocok untuk bisnis kecil dengan volume interaksi yang tidak terlalu tinggi?
Apakah AI chatbot CS cocok untuk bisnis kecil dengan volume interaksi yang tidak terlalu tinggi?
Ya, justru bisnis kecil sering mendapat ROI lebih cepat karena proporsi waktu yang dihemat per agen lebih signifikan. Mulai dari satu use case yang paling repetitif (cek status, FAQ produk) sebelum ekspansi. Volume minimum yang membuat ROI masuk akal: sekitar 500–1.000 interaksi per bulan.
