RPA Chatbot: Cara Kerja dan Panduan Integrasi untuk Bisnis

Pelanggan menulis lewat WhatsApp untuk menanyakan status pengajuan, lalu meminta perubahan data. Chatbot dapat menyapa dan menjawab, tetapi perubahan itu baru selesai ketika seseorang mengetik ulang datanya ke sistem internal.

Pekerjaan di balik layar itu biasanya dialihkan ke RPA (robotic process automation), atau ke integrasi API bila sistemnya mendukung.

RPA chatbot menggabungkan percakapan dan eksekusi, chatbot memahami permintaan pelanggan, lalu RPA atau API menjalankan tugasnya di sistem backend.

Dalam artikel ini, Mekari Qontak Blog akan membahas seputar RPA chatbot, dari cara kerja, perbedaannya dengan chatbot dan AI agent hingga langkah mulai menggunakan RPA Chatbot.

---

Apa Itu RPA Chatbot?

RPA chatbot adalah pola automasi yang menggabungkan chatbot sebagai antarmuka percakapan dengan RPA (Robotic Process Automation) atau integrasi API sebagai pelaksana tugas di sistem backend.

Chatbot menangkap maksud pelanggan, otomasi mengerjakan tugasnya, lalu chatbot menyampaikan hasilnya.

Wewerka dan Reichert dalam arXiv meninjau 63 publikasi secara sistematis dan mendefinisikan RPA sebagai otomasi proses rutin berbasis aturan untuk menaikkan efisiensi dan menekan biaya.

Bot RPA bekerja sebagai software agent yang meniru tindakan pengguna pada sistem, sebagaimana dijelaskan Syed dkk. dalam Utrecht University.

RPA umumnya digunakan untuk pekerjaan seperti input data, pemrosesan faktur, dan penyortiran email. Karakteristiknya sama: proses berulang, memiliki aturan yang jelas, dan tidak membutuhkan interaksi percakapan.

Chatbot biasa berhenti pada tahap menjawab dari basis pengetahuan, sedangkan RPA menjalankan tugas tanpa antarmuka percakapan sehingga pelanggan tidak dapat memicunya langsung.

Namun, perlu diperhatikan bahwa chatbot yang terhubung dengan RPA tidak selalu berarti RPA merupakan pilihan terbaik.

Jika sistem tujuan sudah memiliki API yang stabil dan terdokumentasi, integrasi API secara langsung biasanya lebih tahan terhadap perubahan dibandingkan otomasi melalui antarmuka.

---

Cara Kerja RPA Chatbot dari Pesan Masuk sampai Aksi di Sistem

Untuk memahami cara kerja RPA chatbot, ada tiga aspek yang perlu diperhatikan: jenis RPA yang digunakan, cara chatbot memproses pesan, serta bagaimana sistem otomasi terhubung dengan sistem tujuan.

1. Jenis RPA: Attended, Unattended, dan Hybrid

RPA attended berjalan ketika pengguna memulainya secara manual, sedangkan RPA unattended berjalan mandiri, misalnya di mesin virtual, tanpa pengawasan langsung.

Panduan Microsoft Learn untuk Power Automate menyebut kedua mode ini pada alur desktop, dan sebagian penyedia juga menawarkan model hybrid yang menggabungkan keduanya.

Jenis yang dipilih menentukan pengalaman pelanggan. Pada mode attended, agen manusia memicu otomasi saat percakapan berlangsung sehingga hasilnya muncul seketika.

Sementara itu, pada mode unattended pelanggan dapat menerima kabar menyusul setelah sistem memproses antrean. RPA unattended pada proses berisiko tinggi tetap membutuhkan titik persetujuan manusia.

2. Alur Chatbot Memproses Pesan

Secara umum, chatbot API melewati tiga tahapan utama.

1. Pengenalan maksud (intent recognition): chatbot menganalisis kata atau frasa pengguna untuk menemukan apa yang mereka minta.
2. Pembuatan respons: sistem menyusun jawaban dari basis data, hasil perhitungan, atau respons yang sudah ditentukan.
3. Pengiriman respons: chatbot mengirim jawaban lewat kanal seperti situs, aplikasi, atau layanan pesan.

Pada RPA chatbot, proses tidak berhenti setelah intent dikenali. Jika permintaan pelanggan membutuhkan perubahan atau tindakan pada sistem, alur akan berlanjut ke tahap eksekusi.

Sebelum tindakan dijalankan, sistem perlu memastikan data yang dibutuhkan sudah lengkap dan identitas pelanggan telah diverifikasi.

3. Kapan Menggunakan RPA dan Kapan Cukup dengan API?

RPA bekerja pada lapisan antarmuka aplikasi. Karena itu, teknologi ini dapat menjadi pilihan ketika sistem tujuan tidak memiliki API yang sesuai atau biaya dan waktu untuk membangun integrasi langsung terlalu besar.

Sebaliknya, ketika sistem memiliki API yang terdokumentasi dan arsitekturnya stabil, integrasi langsung biasanya lebih mudah dipertahankan.

Bila API tersedia dan sistem stabil, integrasi langsung umumnya lebih tahan lama.

Penttinen dkk. dalam AIS Library meneliti dua proyek otomasi di perusahaan telekomunikasi menunjukkan bahwa RPA sebagai teknologi pada lapisan presentasi bergantung pada stabilitas antarmuka sistem.

Karena itu, sebelum menentukan teknologi, tim IT sebaiknya menjawab dua pertanyaan:

• Apakah sistem tujuan menyediakan API yang terdokumentasi?
• Seberapa sering tampilan atau alur sistem tersebut berubah?

Sebagai contoh, sistem lama untuk mengecek status pengajuan yang tidak memiliki API dan jarang mengalami perubahan tampilan dapat menggunakan RPA. Sebaliknya, CRM modern dengan API yang terdokumentasi lebih sesuai dihubungkan melalui integrasi API.

---

Perbedaan RPA, Chatbot, dan AI Agent

RPA, chatbot, dan AI agent sama-sama dapat digunakan dalam automasi, tetapi ketiganya memiliki fungsi serta cara kerja yang berbeda.

Gunakan tombol panah kiri/kanan untuk menggulir secara horizontal.

Aspek Perbedaan	RPA	Chatbot	AI Agent
Tugas utama	Menjalankan langkah yang telah ditentukan di sistem	Memahami, menjawab, atau mengarahkan percakapan	Mengejar tujuan dengan menentukan langkah dan alat yang digunakan
Penentu alur	Skrip dengan jalur tetap	Alur percakapan atau model dalam batas workflow	Model dalam batas alat dan izin
Cara mengakses sistem	Meniru input pada antarmuka atau menggunakan API	Melalui integrasi yang disiapkan	Menggunakan tools atau API yang tersedia
Kekuatan	Konsisten untuk proses berulang	Mendukung interaksi dan pengalaman percakapan	Lebih fleksibel menghadapi permintaan yang bervariasi
Batasan	Rentan terhadap perubahan antarmuka dan tidak memahami bahasa secara mandiri	Terbatas pada pengetahuan dan alur yang tersedia	Lebih sulit diprediksi serta dapat membutuhkan biaya dan latensi lebih tinggi
Risiko utama	Hak akses terlalu luas dan kegagalan yang tidak terlihat	Jawaban keliru atau handoff yang buruk	Excessive agency dan keputusan yang sulit dijelaskan
Contoh	Memperbarui data pelanggan di sistem lama	Mengumpulkan informasi dan memberikan status	Menangani permintaan multilangkah seperti mengecek status, membuat tiket, dan menjadwalkan tindak lanjut

---

Proses Apa yang Bisa Diserahkan ke RPA Chatbot di Tiap Fungsi Bisnis

Tidak semua proses cocok diotomatisasi menggunakan RPA chatbot. Proses yang paling sesuai umumnya memiliki volume tinggi, aturan yang jelas, dan sistem tujuan yang stabil.

1. Layanan Pelanggan

Tim layanan pelanggan dapat memakai RPA chatbot untuk menjawab pertanyaan akun dan keluhan sepanjang hari, serta memproses pengembalian barang, refund, dan rekomendasi produk.

Permintaan yang cukup dijawab berbeda dengan permintaan yang membutuhkan tindakan, dan refund yang bernilai uang perlu titik persetujuan manusia.

Customer Success Manager dapat memantau dampaknya lewat SLA dan biaya per interaksi (cost-to-serve).

2. Penjualan dan Pemasaran

Chatbot dapat mengumpulkan informasi kualifikasi calon pelanggan melalui percakapan. Setelah informasi lengkap, otomasi dapat memperbarui data lead, deal, atau tiket di CRM tanpa perlu input ulang oleh sales.

Melalui cara ini, informasi yang diperoleh dari percakapan dapat langsung masuk ke pipeline dan mengurangi pekerjaan administratif yang repetitif.

3. Operasional dan Back-Office

RPA chatbot juga relevan untuk pekerjaan seperti input data, pembuatan laporan, dan pemrosesan pesanan.

Chatbot bahkan dapat menjadi pintu masuk untuk pertukaran data antarsistem. Misalnya, tim lapangan meminta laporan melalui pesan, kemudian RPA mengambil dan menyusun data dari sistem operasional.

Namun, klaim bahwa otomasi secara otomatis mengambil alih keputusan perlu dibedakan dari kemampuan aktualnya. Dalam banyak kasus, peran bot lebih tepat digunakan untuk menyiapkan dan merangkum informasi, sementara keputusan tetap dibuat oleh manusia.

4. HR dan Administrasi Internal

Tim HR dapat menggunakan RPA chatbot untuk mendukung proses rekrutmen, onboarding, pengelolaan kontrak, hingga survei kepuasan karyawan.

Karena data karyawan dapat mengandung informasi pribadi yang sensitif, akses chatbot ke sistem HR perlu dibatasi berdasarkan kebutuhan proses.

5. Industri dengan Proses Teregulasi

Di sektor kesehatan, chatbot dapat digunakan untuk penjadwalan janji, memberikan informasi layanan, dan mendukung engagement pasien. Pada retail dan e-commerce, chatbot dapat membantu pemilihan produk dan pemrosesan pesanan.

Sementara itu, sektor keuangan memiliki aturan sektoral tambahan selain UU Pelindungan Data Pribadi. Karena itu, tim compliance sebaiknya dilibatkan sejak tahap perancangan workflow.

---

Cara Mengukur Hasil RPA Chatbot

Hasil RPA chatbot perlu diukur dengan baseline, metrik utama, dan ambang gagal yang disepakati sebelum otomasi menyala. Berikut beberapa metrik dan baseline yang perlu diukur.

Gunakan tombol panah kiri/kanan untuk menggulir secara horizontal.

Manfaat	Metrik utama	Baseline yang diukur dulu	Trade-off dan ambang gagal
Proses lebih cepat dan andal	Waktu penyelesaian per permintaan; tingkat kesalahan input	Waktu dan tingkat kesalahan proses manual	Bot yang cepat tetapi keliru lebih mahal; tetapkan batas kesalahan yang menghentikan otomasi
Penghematan biaya	Biaya per permintaan; jam kerja yang dialihkan	Total biaya proses saat ini	Lisensi, pemeliharaan, dan pemantauan ikut dihitung; manfaat menyusut bila antarmuka sering berubah
Produktivitas tim	Jam yang dialihkan ke tugas bernilai lebih tinggi; beban kasus per agen	Sebaran jam kerja tim	Kasus yang tersisa untuk manusia cenderung lebih rumit; siapkan pelatihan
Kepuasan pelanggan	CSAT; penyelesaian pada kontak pertama; kontak berulang	CSAT dan kontak berulang saat ini	Bot yang menghalangi akses ke manusia dapat menurunkan kepuasan
Fleksibilitas lintas industri	Jumlah proses yang berhasil diadopsi lintas unit	Inventaris proses yang layak	Perluasan tanpa kontrol akses menambah risiko
Pengelolaan IT	Waktu deteksi dan pemulihan insiden; tiket IT rutin yang selesai otomatis	Rata-rata waktu respons IT saat ini	Hak akses luas ke infrastruktur meningkatkan risiko, jadi batasi

1. Tetapkan Baseline Sebelum Pilot

Baseline menunjukkan kondisi proses sebelum otomasi diterapkan. Tanpa baseline, bisnis akan kesulitan membuktikan apakah RPA chatbot benar-benar menghemat waktu atau biaya.

Anda bisa menggunakan pengukuran waktu penyelesaian, tingkat kesalahan, dan biaya per permintaan selama dua hingga empat minggu sebelum pilot dimulai.

2. Pisahkan Metrik Output dan Outcome

Jumlah permintaan yang berhasil “ditangani bot” belum tentu menunjukkan keberhasilan.

Metrik output menghitung berapa banyak permintaan yang diproses bot. Sementara metrik outcome melihat apakah permintaan tersebut benar-benar selesai tanpa pelanggan harus menghubungi bisnis kembali.

Karena itu, tingkat eskalasi dan kontak berulang juga perlu dipantau. Bot yang terlihat produktif tetapi justru menyulitkan pelanggan untuk berbicara dengan manusia dapat menghasilkan metrik output tinggi dengan pengalaman pelanggan yang lebih buruk.

3. Tentukan Ambang Gagal

Ambang gagal adalah kondisi yang membuat alur dihentikan atau dikembalikan ke manusia, misalnya tingkat kesalahan input di atas batas yang disepakati.

Literatur RPA, termasuk tinjauan Syed dkk. yang disebut tadi, mencatat bahwa praktik di lapangan berjalan lebih cepat daripada landasan teorinya.

Dengan demikian, angka ROI dari studi kasus vendor sebaiknya dibaca sebagai konteks masing-masing bisnis, bukan sebagai janji.

---

Cara Memilih Platform RPA Chatbot

Pemilihan platform sebaiknya tidak hanya didasarkan pada daftar fitur. Anda perlu melihat kemampuan teknis, integrasi, keamanan, skalabilitas, hingga total biaya kepemilikan.

1. Gunakan Tujuh Kriteria untuk Menguji Vendor

Gunakan tombol panah kiri/kanan untuk menggulir secara horizontal.

Kriteria	Pertanyaan untuk Vendor
Kemudahan setup	Seberapa banyak sistem existing yang perlu diubah? Apakah tersedia environment untuk pengujian?
Kemudahan penggunaan	Siapa yang membangun workflow, tim bisnis atau developer? Berapa lama training yang dibutuhkan?
Kecepatan	Apa yang terjadi ketika sistem tujuan lambat atau tidak memberikan respons?
Integrasi	API dan webhook apa yang tersedia? Bagaimana mekanisme autentikasinya?
Persyaratan teknis	Apakah platform sesuai dengan environment IT saat ini dan tetap berjalan setelah sistem diperbarui?
Skalabilitas	Bagaimana performanya pada banyak kanal, brand, cabang, dan lonjakan volume?
Biaya	Berapa total cost of ownership, termasuk lisensi, maintenance, dan biaya percakapan?

Selain itu, tim IT dapat mempertimbangkan audit trail, role-based access control, lokasi penyimpanan data, serta sertifikasi keamanan informasi.

2. Kenali Empat Kategori Solusi

Tidak semua platform RPA chatbot memiliki kemampuan yang sama. Secara umum, solusi dapat dikelompokkan menjadi beberapa kategori:

Gunakan tombol panah kiri/kanan untuk menggulir secara horizontal.

Kategori	Kekuatan	Batasan	Cocok untuk
Platform conversational omnichannel + chatbot + API	Kanal resmi, inbox terpadu, handoff ke agen, aksi melalui API	Sistem lama tanpa API membutuhkan pendekatan lain	Bisnis yang interaksinya banyak melalui messaging
Platform RPA murni	Dapat mengotomatisasi sistem yang tidak memiliki API	Tidak menyediakan lapisan percakapan dan rentan terhadap perubahan UI	Proses back-office pada sistem lama
Platform integrasi/workflow automation	Menghubungkan API antar-aplikasi	Membutuhkan API yang stabil	Sistem modern dengan API terdokumentasi
Framework/platform agent berbasis LLM	Fleksibel untuk permintaan yang bervariasi	Membutuhkan kontrol, biaya, dan pengelolaan latensi yang lebih ketat	Kasus yang sulit dipetakan menjadi workflow tetap

RPA dan platform conversational juga dapat digunakan bersamaan. Platform percakapan menangani pelanggan, sedangkan RPA mengurus sistem lama yang belum memiliki API.

---

Langkah Memulai RPA Chatbot dan Kesalahan yang Perlu Dihindari

Memulai RPA chatbot paling aman dari satu proses kecil yang bisa diukur, lalu diperluas secara bertahap.

1. Enam Langkah Memulai

1. Mulai dari chatbot sebagai titik kontak pertama, dan latih agar memahami kebutuhan pelanggan pada proses yang dipilih.
2. Identifikasi tugas yang perlu diserahkan ke otomasi, terutama yang menyentuh sistem lama yang tidak dapat diakses chatbot secara langsung.
3. Siapkan RPA atau integrasi API untuk tugas itu, lalu uji alurnya di lingkungan preview sebelum tayang.
4. Rancang handoff dari chatbot ke otomasi, lengkap dengan data yang harus dikirim dan jalur bila gagal.
5. Biarkan RPA atau API bekerja di latar belakang, dengan pencatatan setiap tindakan.
6. Tutup alur dengan mengembalikan hasil atau konfirmasi ke pelanggan lewat chatbot.

Pada Chatbot Mekari Qontak, Exit condition pada Tree Diagram memisahkan tiga jalur keluar.

Alur berhasil menuju penutup, eskalasi menuju Assign Agent ketika pelanggan meminta manusia atau menunjukkan sentimen negatif, dan alur gagal mengirim pesan permohonan maaf saat terjadi timeout atau API error.

Anda dapat menguji seluruh jalur ini lewat Bot Preview sebelum mempublikasikan alur.

2. Kesalahan Umum implementasi RPA Chatbot

Ada beberapa kesalahan yang perlu diantisipasi sejak awal.

• Mengotomatisasi proses yang belum dipahami. Automasi justru dapat membuat masalah yang sudah ada berjalan lebih cepat.
• Menggunakan RPA ketika API sebenarnya tersedia. Pendekatan ini dapat meningkatkan biaya maintenance setiap kali tampilan sistem berubah.
• Tidak menyediakan jalur ke manusia. Pelanggan dapat terjebak ketika bot atau proses otomasi gagal.
• Memberikan akses terlalu luas. Bot sebaiknya hanya mendapatkan permission yang diperlukan untuk menjalankan tugasnya.
• Tidak melakukan monitoring setelah implementasi. Kegagalan dapat terus terjadi tanpa terdeteksi.

---

Otomatiskan Proses dari Percakapan dengan Mekari Qontak

Dengan demikian, RPA chatbot menjadi pola yang menghubungkan percakapan dengan eksekusi, dan hasilnya bergantung pada tiga keputusan.

Anda perlu memilih antara RPA dan API sesuai stabilitas sistem, menguji label AI agent sebelum membeli, dan merancang jalur gagal serta jalur ke manusia sejak awal.

Chatbot AI Mekari Qontak membantu bisnis mengotomatiskan percakapan pelanggan sekaligus menjalankan aksi melalui integrasi dengan sistem bisnis.

Melalui dukungan Agentic AI, chatbot dapat memahami kebutuhan pelanggan, menjalankan tindakan melalui API, hingga mengalihkan percakapan ke agen manusia ketika diperlukan.

Untuk sistem lama yang belum punya API, tim Mekari Qontak dapat membantu memetakan pola integrasi yang paling sesuai saat konsultasi. Konsultasi kebutuhan bisnis Anda untuk menentukan proses pertama yang bisa diotomasi, atau dapatkan uji coba gratis Mekari Qontak untuk mulai menjelajahi fiturnya.