- AI knowledge base adalah repositori digital yang menggunakan kecerdasan buatan untuk memahami pertanyaan pelanggan dan menyusun jawaban dari data yang tersimpan.
- Konsistensi jawaban di WhatsApp, email, dan call center meningkat karena seluruh kanal mengambil jawaban dari sumber data yang sama dari AI Knowledge Base.
- AI knowledge base Mekari Qontak fleksibel untuk disesuaikan dengan kebijakan dan alur persetujuan tim Customer Success skala menengah-besar.
AI knowledge base kini masuk rencana kerja tim Customer Success di perusahaan skala menengah-besar, bukan lagi proyek uji coba chatbot yang berjalan terpisah dari sistem utama.
Kondisi tersebut menunjukkan bahwa adopsi AI belum otomatis menghasilkan dampak finansial. Hal serupa dapat terjadi pada AI knowledge base jika teknologi diterapkan tanpa memperhatikan kualitas data, alur kerja, dan tata kelolanya.
Artikel Mekari Qontak Blog ini akan membahas seputar AI knowledge base, dari cara kerja, manfaat, biaya tersembunyi hingga kerangka tata kelola AI knowledge base agar penerapannya lebih efektif.
Apa Itu AI Knowledge Base?
AI knowledge base adalah repositori digital terpusat yang menggunakan teknologi seperti Natural Language Processing (NLP) dan Retrieval-Augmented Generation (RAG) untuk memahami pertanyaan pengguna dan menghasilkan jawaban berdasarkan informasi yang tersimpan di dalamnya.
Berbeda dari knowledge base biasa yang biasanya bekerja dengan mencocokkan kata kunci dan menampilkan artikel yang relevan, AI knowledge base bisa menggabungkan informasi dari beberapa sumber untuk menyusun jawaban sesuai konteks pertanyaan.
Teknologi pencarian semantik dan vector embedding memungkinkan sistem memahami hubungan makna antar-kalimat.
Dengan begitu, pelanggan tetap dapat memperoleh informasi yang relevan meskipun menggunakan istilah atau susunan kalimat yang berbeda dari dokumen sumber.
Kemampuan tersebut membuat AI knowledge base lebih fleksibel dibandingkan chatbot berbasis skrip yang hanya dapat merespons pola pertanyaan yang sudah ditentukan sebelumnya.
Cara Kerja AI Knowledge Base
Sebelum dapat memberikan jawaban kepada pelanggan, AI knowledge base perlu melalui beberapa proses untuk mengolah dan memahami data yang menjadi sumber pengetahuan.
Secara umum, proses tersebut terdiri dari empat tahap berikut.
1. Pengumpulan Data (Data Ingestion)
Tahap pertama adalah mengumpulkan informasi dari berbagai sumber yang digunakan perusahaan. Sumber tersebut dapat berupa artikel FAQ, dokumen SOP, riwayat tiket, hingga database transaksi.
Data dapat berasal dari berbagai format, seperti dokumen teks, PDF, maupun spreadsheet. Seluruh informasi kemudian dikumpulkan dan diproses agar siap digunakan oleh sistem.
2. Pembersihan dan Pemecahan Data (Chunking)
Data yang sudah terkumpul perlu dibersihkan dan dipecah menjadi bagian-bagian yang lebih kecil. Proses ini disebut chunking.
Dengan membagi dokumen menjadi potongan informasi yang lebih spesifik, mesin retrieval dapat mengambil bagian yang paling relevan tanpa harus memproses seluruh dokumen.
Tahap ini juga membantu mengurangi duplikasi dan ketidakkonsistenan format yang dapat mempengaruhi kualitas jawaban.
3. Pengindeksan Vektor (Vector Embedding)
Pada tahap ini, setiap potongan data diubah menjadi representasi numerik atau vector embedding. Representasi tersebut memungkinkan sistem mengukur kedekatan makna antara pertanyaan pelanggan dan informasi yang tersimpan.
Penelitian Gurevych dalam ArXiv menunjukkan bahwa sentence embedding memungkinkan sistem mencocokkan makna kalimat, bukan sekadar kata yang sama.
Dengan demikian, sistem tetap bisa menemukan informasi yang relevan ketika pelanggan menggunakan istilah yang berbeda dari dokumen sumber.
4. Pencarian dan Pembuatan Jawaban (RAG)
RAG atau Retrieval-Augmented Generation menggabungkan hasil pencarian informasi dengan kemampuan model bahasa untuk menghasilkan jawaban berdasarkan dokumen sumber.
Pendekatan ini membantu memastikan respons AI memiliki dasar informasi yang dapat ditelusuri, bukan semata-mata hasil generasi model.
Menariknya, Shuster, dkk. dalam arXiv menunjukkan bahwa retrieval grounding dapat mengurangi risiko halusinasi dalam percakapan AI, meskipun belum dapat menghilangkannya sepenuhnya.
Manfaat AI Knowledge Base untuk Kecepatan dan Konsistensi Respons
Berikut beberapa manfaat AI knowledge base untuk bisnis.
1. Memangkas Waktu Respons dari Jam Menjadi Detik
Waktu respons turun tajam karena AI knowledge base langsung mengambil jawaban terverifikasi tanpa menunggu agen mencari referensi manual.
Manfaat ini makin terasa ketika jumlah tiket meningkat secara signifikan di berbagai kanal. Dalam situasi tersebut, kemampuan memberikan jawaban dengan cepat dapat membantu tim mempertahankan target manajemen SLA.
2. Menjaga Konsistensi Jawaban di Berbagai Kanal
Pelanggan dapat menerima informasi yang lebih konsisten di WhatsApp, email, maupun call center karena setiap kanal mengacu pada sumber pengetahuan yang sama.
Pendekatan ini juga membantu mengurangi complaint yang muncul akibat perbedaan jawaban antar-agent.
3. Membantu Agent Baru Bekerja Lebih Cepat
AI customer service agent baru dapat menemukan informasi yang dibutuhkan tanpa harus selalu menunggu bantuan dari agent senior. AI dapat menyajikan referensi yang sudah tersedia ketika agent mulai menangani interaksi pelanggan.
Pola kerja tersebut membantu proses onboarding dapat berlangsung lebih cepat sekaligus membantu menjaga akurasi respons.
4. Membantu Tim Product Menemukan Celah Informasi
Tim Product menangkap gap kebutuhan dari pertanyaan yang gagal dijawab AI karena pola pertanyaan berulang tanpa jawaban menunjukkan celah produk yang belum terlihat lewat laporan tiket biasa.
Data dari unresolved queries ini menjadi sinyal awal untuk menentukan fitur atau dokumentasi apa yang perlu dibuat berikutnya.
5. Mendukung Efisiensi Operasional dan Dampak ke EBIT
Penggunaan AI knowledge base akan lebih berdampak ketika perusahaan menyesuaikan alur kerja layanan, bukan sekadar menambahkan AI ke proses yang sudah ada.
Deloitte AI Institute menempatkan knowledge management sebagai salah satu area dengan potensi tinggi untuk penerapan agentic AI, bersama customer support.
Dengan demikian, redesain proses menjadi bagian penting agar manfaat AI dapat diterjemahkan menjadi dampak finansial yang terukur.
Jenis Konten yang Wajib Disiapkan Sebelum AI Menjawab Otomatis
Kualitas respons AI knowledge base sangat bergantung pada kualitas informasi yang digunakan sebagai sumber referensi.
Sebelum sistem digunakan untuk menjawab pelanggan, Anda perlu memastikan beberapa jenis konten berikut sudah tersedia dan terkelola dengan baik.
1. Konten Terstruktur: FAQ, SOP, dan Kebijakan yang Sudah Disetujui
FAQ, SOP, dan kebijakan perusahaan yang sudah mendapatkan persetujuan dapat menjadi fondasi awal AI knowledge base. Format konten yang terstruktur memudahkan sistem menemukan dan mengambil informasi yang relevan.
Tim Customer Success sebaiknya memprioritaskan konten jenis ini sebelum memasukkan sumber data yang lebih kompleks.
2. Konten Tidak Terstruktur: Riwayat Tiket dan Transkrip Lama
Riwayat tiket dan transkrip percakapan dapat memperkaya knowledge base karena menunjukkan bagaimana pelanggan menyampaikan pertanyaan dalam situasi nyata.
Bahasa pelanggan sering berbeda dari istilah formal yang digunakan dalam SOP atau FAQ. Data historis ini membantu sistem mengenali variasi pertanyaan yang mungkin belum tercakup dalam dokumentasi resmi.
3. Data Langsung: Status Pesanan, Saldo, dan Riwayat Langganan
Data real-time seperti status pesanan, saldo, dan riwayat langganan memungkinkan AI memberikan jawaban yang lebih relevan dengan kondisi pelanggan saat itu.
Melalui integrasi dengan CRM atau sistem bisnis lainnya, AI knowledge base dapat mengambil informasi tersebut tanpa mengharuskan agent berpindah aplikasi.
4. Dokumen Internal untuk Agent
Dokumen internal seperti panduan eskalasi atau kebijakan yang bersifat sensitif perlu memiliki pengaturan akses berbeda dari informasi yang diberikan kepada pelanggan.
Pemisahan akses membantu mencegah informasi internal atau rahasia ikut muncul dalam respons otomatis. Hierarki akses juga bisa digunakan untuk memastikan dokumen tertentu hanya tersedia bagi agent yang memiliki kewenangan.
5. Gabungkan Berbagai Sumber untuk Organisasi Multi-Tim dan Sistem
Perusahaan dengan banyak tim dan sistem membutuhkan sumber pengetahuan yang lebih beragam. Mengandalkan satu jenis sumber saja dapat membatasi cakupan informasi yang mampu diberikan AI.
Anda bisa mengelompokkan software knowledge management ke dalam beberapa kategori, seperti general knowledge base, Q&A software, dan SOP software.
Untuk itu, Anda perlu memastikan platform yang dipilih mampu mengelola berbagai jenis sumber dalam satu sistem retrieval.
Kesalahan Umum AI Knowledge Base di Perusahaan dengan Volume Chat Tinggi
Berikut beberapa kesalahan yang perlu dihindari saat menerapkan AI knowledge base.
1. Menyatukan Terlalu Banyak Topik dalam Satu Artikel
Artikel yang membahas terlalu banyak topik dapat menyulitkan mesin retrieval menentukan bagian informasi yang paling relevan untuk sebuah pertanyaan.
Konten sebaiknya dibuat lebih fokus agar sistem dapat mengambil informasi yang tepat sesuai konteks pertanyaan pelanggan.
2. Tidak Menetapkan Pemilik Konten
Ketika tidak ada pihak yang bertanggung jawab terhadap konten tertentu, informasi lama dapat terus digunakan AI meskipun kebijakan perusahaan sudah berubah.
Setiap perubahan kebijakan sebaiknya diikuti dengan proses pembaruan konten agar informasi yang diberikan kepada pelanggan tetap sesuai kondisi terbaru.
3. Menggunakan Bahasa yang Berbeda dari Cara Pelanggan Bertanya
Istilah internal perusahaan belum tentu sama dengan bahasa yang digunakan pelanggan. Perbedaan ini dapat membuat sistem kesulitan menemukan informasi yang paling sesuai.
Dengan demikian, konten knowledge base perlu menggunakan bahasa yang dekat dengan cara pelanggan menyampaikan pertanyaan, sambil tetap mempertahankan ketepatan informasi.
4. Tidak Mencatat Pertanyaan yang Gagal Dijawab AI
Pertanyaan yang tidak dapat dijawab AI seharusnya menjadi bahan evaluasi. Tanpa mekanisme untuk mencatat dan menganalisisnya, celah informasi yang sama dapat terus muncul.
Forrester menempatkan kesiapan organisasi dan penggunaan metrik dasar sebagai bagian penting dalam penerapan knowledge management berbasis AI.
Hal ini termasuk kemampuan memantau pertanyaan yang belum terjawab.
5. Menerapkan AI ke Semua Kanal Sekaligus
Peluncuran AI knowledge base secara serentak di seluruh kanal dapat menyulitkan tim ketika perlu mencari sumber masalah.
Uji coba secara bertahap pada satu kanal memberikan kesempatan bagi tim untuk mengevaluasi akurasi, menemukan kendala, dan memperbaiki sistem sebelum memperluas penerapannya.
Biaya Tersembunyi AI Knowledge Base yang Tak Terkelola
Perhitungan biaya AI knowledge base perlu mempertimbangkan lebih dari sekadar biaya platform atau teknologi. Ada beberapa komponen lain yang dapat memengaruhi cost-to-serve secara keseluruhan.
1. Penghematan Biaya per Kontak yang Belum Tentu Maksimal
Perbedaan biaya tersebut memang menunjukkan potensi penghematan dari self-service, tetapi hasilnya sangat bergantung pada kemampuan AI memberikan jawaban yang tepat sejak interaksi pertama.
Ketika pelanggan harus kembali menghubungi agent karena jawaban AI tidak menyelesaikan masalah, sebagian potensi penghematan tersebut ikut berkurang.
2. Biaya Eskalasi karena Jawaban AI Kurang Tepat
Jawaban yang terlihat benar tetapi sebenarnya kurang lengkap dapat menciptakan pekerjaan tambahan bagi agent. Pelanggan mungkin tetap perlu menghubungi tim CS untuk mendapatkan klarifikasi atau memperbaiki masalah.
Biaya seperti ini sering tidak dimasukkan dalam perhitungan awal ketika perusahaan membuat proyeksi penghematan AI knowledge base.
3. Biaya GenAI yang Berpotensi Meningkat
Artinya, perusahaan perlu memperhitungkan kebutuhan komputasi dan kompleksitas kasus ketika membuat proyeksi biaya jangka panjang. Penggunaan AI tidak otomatis membuat biaya layanan semakin rendah dari waktu ke waktu.
4. Realisasi Penghematan yang Sering Meleset dari Target
Proyeksi penghematan yang terlalu optimistis dapat membuat hasil implementasi AI knowledge base terlihat kurang sesuai dengan harapan.
Efisiensi biaya sangat bergantung pada seberapa baik AI menyelesaikan kebutuhan pelanggan, seberapa sering kasus perlu dialihkan ke agent, serta biaya yang muncul untuk pengelolaan sistem dan konten.
5. Hitung Cost-to-Serve Sebelum dan Sesudah Implementasi
Perbandingan cost-to-serve sebelum dan setelah penerapan AI knowledge base dapat membantu tim Finance menilai manfaat investasi secara lebih objektif.
Perhitungan sebaiknya memisahkan biaya infrastruktur AI, biaya eskalasi tiket ke agent, serta biaya pengelolaan konten. Melalui cara ini, perusahaan dapat melihat komponen biaya secara lebih jelas daripada hanya menggunakan satu angka penghematan.
Kerangka Tata Kelola AI Knowledge Base untuk Kepatuhan dan Risiko
Penerapan AI untuk berinteraksi langsung dengan pelanggan membutuhkan tata kelola yang jelas. Anda perlu memastikan sumber informasi, akses data, proses persetujuan, dan jejak penggunaan AI dapat dipertanggungjawabkan.
1. Gunakan Prinsip Akuntabilitas sebagai Acuan
OECD AI Principles menekankan beberapa prinsip penting dalam pengembangan dan penggunaan AI, termasuk akuntabilitas, transparansi, dan keamanan data.
Prinsip tersebut dapat menjadi salah satu referensi awal bagi perusahaan ketika menyusun tata kelola AI knowledge base.
2. Perhatikan Ketentuan Etika AI di Indonesia
Surat Edaran Menteri Komunikasi dan Informatika Nomor 9 Tahun 2023 menjadi salah satu rujukan terkait etika kecerdasan artifisial bagi pelaku usaha dan penyelenggara sistem elektronik berbasis AI.
Bagi perusahaan yang menggunakan AI knowledge base untuk memberikan respons otomatis kepada pelanggan, aspek kepatuhan perlu dipertimbangkan sejak tahap perancangan dan implementasi.
3. Jadikan Tata Kelola AI Perbankan sebagai Referensi
Kerangka tata kelola AI yang diterapkan Otoritas Jasa Keuangan di sektor perbankan dapat menjadi referensi praktik bagi sektor lain.
Prinsip kehati-hatian, pengawasan, dan audit relevan untuk perusahaan yang menggunakan AI dalam proses yang berhubungan langsung dengan pelanggan.
4. Tentukan Pihak yang Menyetujui Konten
Konten yang akan digunakan AI sebaiknya melewati proses review dan persetujuan lintas fungsi. Tim Legal, Product, dan Customer Success dapat dilibatkan sesuai jenis informasi yang akan digunakan.
Proses ini membantu mencegah konten yang belum final atau belum memenuhi aspek kepatuhan digunakan AI untuk menjawab pelanggan.
5. Pastikan Ada Jejak Audit untuk Setiap Jawaban
Anda perlu mengetahui sumber informasi yang digunakan AI ketika menghasilkan jawaban. Jejak audit membantu tim IT dan Procurement melakukan verifikasi sekaligus memudahkan penelusuran ketika terjadi masalah.
Penelitian Béchard dan Marquez Ayala dalam arXiv juga menunjukkan bahwa penerapan RAG pada sistem enterprise dapat membantu mengurangi halusinasi secara terukur.
Melalui sumber jawaban yang dapat ditelusuri, perusahaan memiliki dasar yang lebih kuat untuk memeriksa akurasi respons AI.
Bangun AI Knowledge Base yang Andal Bersama Mekari Qontak!
Dengan demikian, AI knowledge base dapat membantu mempercepat layanan pelanggan, tetapi hasilnya sangat bergantung pada kualitas konten, alur persetujuan, serta tata kelola yang diterapkan perusahaan.
AI knowledge base Mekari Qontak bisa Anda sesuaikan dengan kebijakan dan hierarki akses untuk tim Customer Success skala menengah hingga besar.
Sistem ini terintegrasi dengan chatbot AI di WhatsApp, email, dan call center dalam satu dashboard. Basis pengetahuan juga dapat diatur berdasarkan kanal, tim, maupun tingkat otorisasi sehingga perusahaan tetap memiliki kendali atas informasi yang diberikan kepada pelanggan.
Pelajari AI Knowledge Mekari Qontak untuk merancang knowledge base berbasis AI yang sesuai dengan volume dan kompleksitas layanan pelanggan Anda.
Dapatkan uji coba gratis Mekari Qontak dan konsultasikan kebutuhan bisnis Anda dengan tim ahli kami sekarang.
Referensi
Pertanyaan yang Sering Diajukan Tentang AI Knowledge Base (FAQ)
Apakah AI knowledge base bisa dipakai untuk WhatsApp Business tanpa help center terpisah?
Apakah AI knowledge base bisa dipakai untuk WhatsApp Business tanpa help center terpisah?
Bisa. AI knowledge base dapat terhubung langsung ke WhatsApp Business API sehingga jawaban tetap konsisten meski pelanggan tidak pernah membuka help center terpisah.
Berapa lama proses audit konten sebelum AI knowledge base siap dipakai tim Customer Success?
Berapa lama proses audit konten sebelum AI knowledge base siap dipakai tim Customer Success?
Lamanya bergantung pada jumlah dan kerapian konten yang sudah ada, tetapi tim dengan FAQ dan SOP yang sudah terstruktur biasanya bisa menyelesaikan audit dalam hitungan minggu, bukan bulan.
Bagaimana cara mengukur ROI AI knowledge base selain dari jumlah tiket yang berkurang?
Bagaimana cara mengukur ROI AI knowledge base selain dari jumlah tiket yang berkurang?
Selain jumlah tiket, tim finance bisa membandingkan biaya per kontak sebelum dan sesudah implementasi, tingkat eskalasi ke agen manusia, serta waktu onboarding agent baru. Kombinasi metrik ini memberi gambaran yang lebih realistis dibanding hanya mengandalkan satu angka.
Apa bedanya AI knowledge base dengan chatbot berbasis skrip biasa?
Apa bedanya AI knowledge base dengan chatbot berbasis skrip biasa?
Chatbot skrip hanya menjawab pola pertanyaan yang sudah diprogram sebelumnya, sedangkan AI knowledge base memakai pencarian semantik untuk memahami maksud pertanyaan meski kalimatnya berbeda dari skrip yang tersedia.
Siapa yang harus bertanggung jawab memperbarui konten saat kebijakan perusahaan berubah?
Siapa yang harus bertanggung jawab memperbarui konten saat kebijakan perusahaan berubah?
Idealnya satu pemilik konten per topik bertanggung jawab memperbarui artikel begitu ada perubahan kebijakan, bukan dibiarkan tersebar tanpa penanggung jawab yang jelas.
