9 Jenis Chatbot dan Cara Memilih yang Sesuai Kebutuhan Bisnis

Artinya, jenis chatbot yang Anda pilih menentukan apakah konteks pelanggan sampai ke agen atau hilang di tengah jalan.

Pilihan jenis kini melebar dari menu tombol sederhana sampai agen AI yang menjalankan tugas sendiri.

Bisnis yang memilih jenis paling canggih dapat menghadapi bot yang keliru menjawab, sedangkan tim yang memilih jenis paling sederhana dapat menjebak pelanggan dalam alur yang buntu.

Dalam artikel ini, Mekari Qontak Blog akan membahas berbagai jenis chatbot, perbandingan rule-based dan berbasis AI hingga langkah memilih jenis chatbot yang sesuai kebutuhan bisnis Anda.

---

Empat Aspek yang Membedakan Jenis Chatbot

Sebelum membahas satu per satu, Anda perlu memahami bahwa jenis chatbot tidak membentuk satu tangga dari sederhana ke canggih.

Setiap pesan pelanggan melewati proses yang sama: pesan masuk, bot menafsirkan maksud, bot memilih respon, dan sebagian bot menjalankan tindakan di sistem perusahaan. Jenis chatbot berbeda karena cara bot mengerjakan tiap tahap itu.

Empat aspek berikut membantu Anda membedakan jenis chatbot:

• Cara memahami input: melalui tombol, aturan dan kata kunci, klasifikasi maksud menggunakan natural language processing (NLP), atau model bahasa.
• Memori: mulai dari bot yang tidak menyimpan konteks, mengingat percakapan dalam satu sesi, hingga membaca riwayat pelanggan dari CRM.
• Cara menghasilkan jawaban: menggunakan skrip tetap, memilih jawaban dari basis pengetahuan, atau menghasilkan respons baru menggunakan model AI.
• Otonomi: bot dapat sebatas memberikan jawaban atau memiliki kemampuan menjalankan tindakan di sistem perusahaan.

Suara sendiri merupakan medium komunikasi, bukan kategori yang berdiri sendiri dalam empat aspek tersebut. Artinya, kanal suara dapat dipadukan dengan berbagai jenis chatbot.

Adamopoulou dan Moussiades dalam jurnal Machine Learning with Applications mengklasifikasikan chatbot menggunakan tujuh kriteria, antara lain domain pengetahuan, metode pembuatan respons, keterlibatan manusia, dan kanal komunikasi.

Satu chatbot dapat masuk ke lebih dari satu kategori sekaligus, sehingga sebuah bot bisa berbasis aturan dalam memahami pesan tetapi kontekstual dalam hal memori.

Bot berbasis AI umumnya memakai tiga komponen: pengklasifikasi maksud, alur solusi yang mengajukan pertanyaan lanjutan untuk mempersempit masalah, dan integrasi API ke sistem belakang. Integrasi itu memungkinkan bot menjalankan tugas di sistem perusahaan.

Karena itu, sembilan jenis berikut bukan tangga yang harus Anda naiki satu per satu. Bot menu tidak kalah dari bot generatif; keduanya melayani tujuan yang berbeda.

---

Jenis-Jenis Chatbot Berdasarkan Cara Memahami dan Menjawab Pesan

Berikut sembilan jenis chatbot yang diurutkan dari yang paling terstruktur sampai yang paling otonom.

1. Chatbot Berbasis Menu atau Tombol

Chatbot berbasis menu atau tombol meminta pengguna memilih opsi dari daftar yang sudah disiapkan, dan alurnya bekerja seperti pohon keputusan. Jenis ini cocok untuk tugas transaksional dengan pilihan terbatas, misalnya konfirmasi janji atau pengecekan status pesanan.

Keterbatasannya terlihat ketika kebutuhan pelanggan tidak tersedia dalam pilihan menu. Pelanggan juga harus melewati beberapa tingkat menu jika informasi yang dicari berada di bagian yang lebih dalam.

Di WhatsApp, dokumentasi Meta membatasi reply button sampai 3 opsi dan list message sampai 10 opsi, dan keduanya hanya dapat dikirim dalam 24 jam sejak pesan terakhir pelanggan.

Tim Anda perlu memadatkan menu ke pilihan yang paling sering dipakai.

2. Chatbot Berbasis Aturan (Rule-Based)

Chatbot berbasis aturan menggunakan logika “jika-maka” sehingga bot berperan seperti FAQ interaktif dengan skenario buatan perancang percakapan. Hasilnya terprediksi dan mudah dikontrol, tetapi bot macet ketika pesan pelanggan keluar dari skenario.

Berbeda dari bot menu, bot berbasis aturan menerima teks bebas lalu menafsirkannya lewat aturan dan deteksi kata kunci dasar. Bot jenis ini sering memiliki jalur penjualan untuk menangkap kontak dan menjadwalkan panggilan, serta jalur dukungan untuk jawaban umum.

Consumer Financial Protection Bureau (CFPB) menilai chatbot berbasis aturan cenderung menjadi jalan satu arah, dan menyebut kegagalannya “doom loop” ketika pelanggan berputar tanpa jalur ke agen manusia.

Masalahnya ada pada jalur keluar yang tidak tersedia sehingga bot jenis ini tetap layak dipakai selama pelanggan bisa meminta agen kapan saja.

3. Chatbot Pengenal Kata Kunci (Keyword Recognition)

Chatbot pengenal kata kunci mencari kata atau frasa tertentu dalam pesan pelanggan, kemudian menjalankan respons atau alur yang telah dipetakan. Jenis ini relatif cepat diterapkan dan efektif untuk kebutuhan yang memiliki maksud sempit, seperti permintaan reset kata sandi.

Masalah muncul ketika pelanggan menggunakan salah ketik, singkatan, atau sinonim yang tidak tercantum dalam aturan. Kondisi ini makin terasa ketika pelanggan menggunakan bahasa informal atau mencampur bahasa Indonesia dan Inggris dalam satu pesan.

Makalah NusaX mencatat bahwa Indonesia merupakan negara dengan keragaman bahasa terbesar kedua di dunia (“second most linguistically diverse country”). Namun, teknologi NLP baru tersedia secara luas untuk bahasa berdaya-sumber-tinggi (“high-resource languages”).

Karena itu, bot yang andal di bahasa Indonesia baku belum tentu andal di semua bahasa pelanggan Anda.

4. Chatbot Berbasis AI dan NLP

Chatbot berbasis AI dan NLP memahami maksud pesan pelanggan apa pun cara pelanggan mengungkapkannya. Bot menangkap informasi kontekstual dari kalimat, lalu bertanya klarifikasi ketika ragu atau menampilkan daftar tindakan yang mungkin.

Sebagai contoh, pelanggan multifinance dapat menanyakan sisa tagihan dengan berbagai cara. Chatbot dapat mengenali bahwa seluruh pertanyaan tersebut memiliki maksud yang sama, kemudian mengambil informasi dari sistem yang terintegrasi.

Jika pelanggan meminta bantuan agen, riwayat percakapan dapat diteruskan agar agen tidak perlu meminta informasi yang sama dari awal.

Bot jenis ini dapat ditingkatkan lewat data percakapan, tetapi peningkatannya umumnya berjalan lewat pelatihan ulang, dan tim meninjau datanya lebih dulu.

Waktu pembuatannya bergantung pada teknologi, kompleksitas, ketersediaan data, dan integrasi ke sistem lain, sedangkan platform no-code atau low-code dapat mempercepatnya.

5. Chatbot Kontekstual

Chatbot kontekstual mengingat interaksi sebelumnya dan menyesuaikan responsnya, misalnya bot perbankan yang memberi saran sesuai riwayat nasabah.

Pelanggan tidak perlu mengulang cerita, sehingga percakapan berlanjut dari titik terakhir.

Memori bot hanya sebaik data di belakangnya. Tanpa integrasi ke CRM atau Customer Data Platform, bot hanya mengingat satu sesi percakapan.

Karena bot membaca data pribadi pelanggan, Anda juga perlu memastikan dasar persetujuannya. Bagian cara memilih jenis chatbot membahasnya.

6. Chatbot Suara (Voice)

Chatbot suara memungkinkan pelanggan berbicara tanpa mengetik. Bot mengubah ucapan menjadi teks (speech-to-text), memprosesnya dengan NLP, lalu menjawab dengan suara (text-to-speech).

Berbeda dari interactive voice response (IVR) lama yang mengharuskan pelanggan menekan tombol menu, bot suara berbasis AI memahami ujaran bebas. Pusat kontak dengan volume panggilan tinggi biasanya memakai jenis ini untuk memperpendek waktu tunggu.

Aksen dan bahasa daerah membuat pengenalan ujaran lebih sulit, jadi Anda perlu mengujinya pada suara pelanggan sendiri. Keterbatasan bahasa daerah yang dibahas pada bot pengenal kata kunci berlaku juga di sini.

7. Chatbot AI Generatif

Chatbot AI generatif menggunakan large language model (LLM) untuk menyusun jawaban baru, merangkum, menerjemahkan, dan menyesuaikan gaya percakapan.

Bot NLP memilih dari jawaban yang sudah ditulis, sedangkan bot generatif menulis jawabannya sendiri.

Fleksibilitas ini membawa risiko konfabulasi, yaitu jawaban yang terdengar yakin tetapi salah. NIST dalam profil AI generatifnya (AI 600-1) memasukkan konfabulasi sebagai risiko khas AI generatif dan menyusun pengelolaannya lewat empat fungsi: Govern, Map, Measure, dan Manage.

Membatasi jawaban pada basis pengetahuan resmi perusahaan Anda dapat mengurangi risiko tersebut, tetapi tidak menghilangkannya.

Nilai sengketanya kecil, tetapi prinsipnya jelas: perusahaan menanggung jawaban chatbot di situsnya.

8. Chatbot Hybrid

Chatbot suara memungkinkan pelanggan berinteraksi tanpa mengetik. Sistem mengubah suara menjadi teks melalui speech-to-text, memprosesnya menggunakan NLP, kemudian mengubah respons kembali menjadi suara melalui text-to-speech.

Kerangka dari Anthropic dalam artikel Building effective agents membantu menjelaskannya: workflow menjalankan model bahasa dan alat lewat jalur yang sudah ditentukan, sedangkan agen mengarahkan prosesnya sendiri.

Hybrid berada di sisi workflow dan umumnya menjadi bentuk yang paling realistis untuk alur produksi.

9. Chatbot Agentik (Agentic AI)

Chatbot agentik atau agentic AI memakai model bahasa yang mengarahkan prosesnya sendiri dan memanfaatkan alat atau API untuk mencapai tujuan bertahap.

Misalnya, menjadwalkan ulang janji atau memeriksa status pesanan lalu memutuskan tindak lanjut.

Perbedaannya dengan chatbot hybrid adalah Anda tidak perlu menentukan seluruh jalur percakapan sebelumnya.

Otonomi ini menambah risiko izin berlebih. OWASP dalam Top 10 for LLM Applications mencantumkan Excessive Agency sebagai risiko tersendiri, yaitu ketika bot memiliki akses atau kewenangan lebih luas daripada yang dibutuhkan tugasnya.

Anda perlu menetapkan batas kewenangan, catat log audit, dan minta persetujuan manusia untuk aksi bernilai tinggi. Prinsip memulai dari solusi paling sederhana tetap berlaku karena sistem agentik menukar latensi dan biaya dengan kinerja.

Tabel berikut merangkum sembilan jenis chatbot tersebut.

Gunakan tombol panah kiri/kanan untuk menggulir secara horizontal.

Jenis	Cara memahami pesan	Kekuatan	Batasan	Cocok untuk
Menu atau tombol	Pilihan berskrip, tanpa teks bebas	Cepat untuk alur transaksional, mudah diaudit	Buntu bila kebutuhan tidak ada di menu	Konfirmasi janji, status pesanan
Rule-based	Logika jika-maka dan skrip percakapan	Terprediksi, mudah dikontrol	Gagal pada pertanyaan di luar skenario	FAQ tetap: kebijakan, jam layanan
Kata kunci	Mendeteksi kata atau frasa kunci	Cepat dipasang, presisi untuk maksud sempit	Rentan salah ketik, singkatan, sinonim	Perutean awal, reset kata sandi
AI dan NLP	Klasifikasi maksud dan entitas	Memahami variasi bahasa, bertanya klarifikasi	Perlu data latih dan pemantauan akurasi	Layanan pelanggan multi-kanal
Kontekstual	Maksud ditambah memori percakapan dan data pelanggan	Personal, pelanggan tidak mengulang cerita	Bergantung kualitas data CRM atau CDP, isu persetujuan data	Layanan akun, retensi
Suara	Speech-to-text ditambah NLP	Tanpa mengetik, sesuai kanal telepon	Aksen, bahasa daerah, desain pengungkapan bot	Pusat kontak volume tinggi
Generatif	LLM menyusun jawaban baru	Fleksibel, dapat merangkum dan menerjemahkan	Konfabulasi, sulit diaudit, kebijakan platform	Basis pengetahuan besar
Hybrid	Aturan untuk struktur, AI untuk variasi	Kontrol dan fleksibilitas sekaligus	Desain alur dan handoff lebih kompleks	Hampir semua alur produksi
Agentik	LLM memilih langkah dan alat sendiri	Menyelesaikan tugas bertahap	Risiko izin berlebih, perlu guardrail dan audit	Tugas dengan batas kewenangan jelas

---

Menyusun Beberapa Jenis Chatbot dalam Satu Alur Percakapan

Berikut ini cara menyusun beberapa jenis chatbot dalam satu alur percakapan.

Gunakan tombol panah kiri/kanan untuk menggulir secara horizontal.

Tahap percakapan	Jenis yang cocok	Alasan	Batas Aman	Pemicu handoff
Sapaan dan perutean	Menu atau tombol	Pilihan terbatas, terprediksi, murah dijalankan	Patuhi batas tombol dan list di WhatsApp, sediakan opsi bicara dengan agen	Pelanggan memilih agen
Mengenali kebutuhan dari pesan bebas	Kata kunci atau NLP	Memahami variasi bahasa tanpa menebak jawaban	Ambang keyakinan, pertanyaan klarifikasi sebelum menjawab	Gagal memahami dua kali berturut-turut
Menjawab pertanyaan kebijakan dan produk	Generatif terikat basis pengetahuan	Jawaban fleksibel yang bersumber dari dokumen resmi	Hanya menjawab dari sumber, menolak di luar cakupan, uji konfabulasi sebelum tayang	Pertanyaan tidak ada di sumber
Mengumpulkan data pribadi dan verifikasi	Alur aturan atau formulir terstruktur, misalnya WhatsApp Flows	Deterministik, mudah diaudit, persetujuan tercatat	Validasi format, tampilkan tujuan penggunaan data	Verifikasi gagal
Menjalankan tugas seperti jadwal ulang dan cek status	Agentik dengan batas kewenangan, atau alur aturan	Menyelesaikan tugas bertahap	Izin minimal, konfirmasi sebelum aksi, log audit	Nilai atau risiko aksi melewati batas
Keluhan dan kasus sensitif	Agen manusia langsung	Butuh empati dan kewenangan, menghindari doom loop	Ringkasan konteks otomatis untuk agen	Sentimen negatif, topik teregulasi
Penutup dan umpan balik	Menu atau tombol	Survei singkat mudah diisi	Tidak ada	Tidak ada

Handoff ke agen adalah fitur yang perlu Anda rancang sejak awal. Aturan yang jelas mencegah pelanggan terjebak dalam doom loop, dan ringkasan konteks yang ikut terkirim memenuhi kebutuhan pelanggan yang tidak mau mengulang cerita.

Batas kanal juga membentuk desain. Ketentuan tombol, list, jendela 24 jam, dan kebijakan AI di WhatsApp menentukan lapisan mana yang praktis Anda pakai.

Lima trigger (pemicu) berikut dapat menjadi titik awal aturan handoff Anda:

• Bot gagal memahami pesan dua kali berturut-turut.
• Pelanggan menunjukkan sentimen negatif.
• Percakapan menyentuh topik sensitif atau teregulasi.
• Nilai transaksi melewati batas yang Anda tetapkan.
• Pelanggan meminta agen manusia secara eksplisit.

---

Cara Memilih Jenis Chatbot: dari Tujuan Percakapan sampai Tata Kelola

Keputusan memilih jenis chatbot menjadi lebih mudah ketika tim customer experience, produk, dan IT menjawab sembilan pertanyaan berikut secara berurutan.

Berikut tabel yang akan memetakan profil percakapan ke jenis yang layak Anda pertimbangkan.

Gunakan tombol panah kiri/kanan untuk menggulir secara horizontal.

Profil percakapan	Jenis yang layak dipertimbangkan	Catatan risiko
Terprediksi, volume tinggi, jawaban harus konsisten	Menu, rule-based	Pastikan jalur ke agen agar tidak terjadi doom loop
Bervariasi, risiko rendah	Kata kunci, NLP	Uji pada bahasa pelanggan sebenarnya
Berbasis pengetahuan luas yang sering berubah	Generatif terikat basis pengetahuan	Uji konfabulasi, batasi pada sumber resmi, cek ketentuan kanal
Butuh personalisasi dari riwayat pelanggan	Kontekstual (NLP ditambah CRM atau CDP)	Persetujuan data dan kualitas data
Butuh menjalankan tugas di sistem	Hybrid, agentik dengan batas kewenangan	Izin minimal, log audit, persetujuan manusia untuk aksi bernilai tinggi
Kanal telepon	Suara (dengan NLP)	Uji aksen dan desain pengungkapan bot
Topik teregulasi atau sensitif	Rule-based atau hybrid dengan handoff cepat	Tinjauan legal dan kepatuhan sebelum tayang

1. Mulai dari Tujuan dan Jenis Percakapan

Tujuan dan jenis percakapan menentukan pilihan jenis chatbot lebih awal daripada teknologinya.

Tentukan dulu apakah bot melayani perolehan prospek, e-commerce, layanan pelanggan, atau layanan karyawan, lalu petakan percakapan berdasarkan variasi dan risikonya memakai tabel di atas.

Tanyakan juga apakah percakapan yang kreatif memberi nilai pada tujuan itu atau hanya menambah risiko.

2. Tempatkan Pelanggan di Pusat Keputusan

Kebutuhan pelanggan perlu menjadi titik awal penilaian. Cek dengan data percakapan nyata apakah pelanggan selesai lebih cepat lewat tombol atau lewat kalimat bebas, dan pastikan pelanggan selalu dapat meminta agen manusia.

Rancang juga pengungkapan bahwa pelanggan sedang berbicara dengan bot, karena waktu dan redaksinya mempengaruhi respons pelanggan.

3. Periksa Integrasi dengan Sistem dan Kanal

Integrasi menentukan apakah bot hanya mengirim tautan atau benar-benar menyelesaikan tugas. Periksa ketersediaan API untuk CRM, ERP, dan helpdesk, kanal yang dipakai pelanggan, serta apakah riwayat dan konteks ikut terbawa ke inbox agen saat handoff.

4. Uji Bahasa dan Nada Merek

Buktikan dukungan bahasa dan kesesuaian nada dengan merek pada pesan pelanggan Anda sendiri.

Uji bahasa Indonesia informal, campur kode, dan bahasa daerah bila relevan dengan skenario pada bagian uji di atas, lalu sesuaikan persona chatbot dengan nada brand Anda.

5. Hitung Kapasitas Belajar, Skala, dan Pemeliharaan

Pemeliharaan menentukan beban tim setelah bot tayang. Pastikan Anda menentukan penanggung jawab, siapa yang menulis dan memperbarui skenario, siapa yang mengevaluasi model, dan apa yang terjadi saat volume pesan melonjak.

Jenis yang lebih fleksibel mengurangi penulisan skenario, tetapi menambah pekerjaan evaluasi. Minta estimasi tertulis waktu pembuatan untuk tiap jenis.

6. Libatkan IT, Legal, dan CX Sejak Awal

Keamanan dan tata kelola perlu punya pemilik keputusan sebelum Anda memilih jenis.

Dari sisi hukum, Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi mengatur persetujuan dan batasan tujuan penggunaan data pribadi. Chatbot kontekstual dan agentik yang membaca data pelanggan karena itu memerlukan dasar pemrosesan yang jelas.

Surat Edaran Menkominfo Nomor 9 Tahun 2023 tentang Etika Kecerdasan Artifisial mendorong pelaku usaha dan penyelenggara sistem elektronik membuat kebijakan internal tentang data dan etika AI. Surat edaran ini berupa panduan.

Untuk praktik tata kelola, OJK meluncurkan panduan Tata Kelola Kecerdasan Artifisial Perbankan Indonesia pada April 2025. Saat peluncuran, OJK menyampaikan bahwa bank perlu membentuk komite AI yang melibatkan fungsi hukum, kepatuhan, risiko, data science, keamanan siber, dan layanan nasabah.

Panduan itu berlaku untuk perbankan, tetapi susunan lintas fungsinya dapat Anda tiru di sektor lain. Tim IT juga dapat memakai kerangka NIST dan daftar risiko OWASP di atas sebagai daftar periksa teknis.

7. Tetapkan Ukuran Keberhasilan

Ukuran keberhasilan perlu mencerminkan hasil percakapan. Pantau tingkat penyelesaian tanpa agen, tingkat eskalasi, skor kepuasan, waktu ke jawaban pertama, jumlah jawaban keliru per 100 percakapan, dan biaya per penyelesaian.

Tingkat eskalasi yang terlalu tinggi dapat berarti bot kurang mampu, sedangkan tingkat yang terlalu rendah dapat berarti pelanggan tidak diberi jalan ke agen. Bot yang menahan pelanggan di dalam percakapan bisa tampak baik di laporan tetapi buruk di pengalaman.

8. Hitung Total Biaya dan Kualitas Dukungan Vendor

Total biaya mencakup lisensi, konfigurasi, pemeliharaan, biaya percakapan di kanal, dan biaya inferensi untuk bot generatif.

Nilai juga kualitas dukungan vendor, termasuk onboarding, SLA, dan kemampuan membantu ketika bot menjawab keliru.

9. Jalankan Uji Coba Terbatas

Uji coba terbatas pada satu alur menurunkan risiko sebelum Anda berkomitmen. Anda bisa menggunakan protokol 12 pesan tadi, tetapkan kriteria lolos sebelum pilot dimulai, lalu perluas bertahap dengan menentukan lapisan berikutnya.

---

Susun Lapisan Chatbot Anda dengan Mekari Qontak

Jenis chatbot yang keliru menghasilkan dua masalah yang berlawanan: bot yang terlalu kaku memerangkap pelanggan, dan bot yang terlalu bebas memberi informasi yang harus Anda pertanggungjawabkan.

Solusinya adalah menyusun lapisan bot per tahap percakapan, lalu menguji sebelum memperluas.

Chatbot AI Mekari Qontak membantu Anda menyusun lapisan tersebut. Chatbot AI menjawab pertanyaan umum dan mengarahkan pelanggan, Agentic AI menjalankan proses dalam batas yang Anda tentukan, dan WhatsApp Business API resmi menjadi kanal percakapan.

Di sisi lain, Aplikasi Omnichannel dan Aplikasi CRM menyatukan riwayat percakapan dan data pelanggan lintas kanal, sehingga agen menerima konteks saat handoff.

Pelajari solusi chatbot Mekari Qontak untuk melihat bagaimana lapisan bot dapat diterapkan pada alur layanan Anda.

Dapatkan uji coba gratis sekarang atau konsultasikan kebutuhan chatbot Anda dengan tim ahli Mekari Qontak.

Referensi

• Interactive Messages — WhatsApp Business Platform Documentation