Apa yang Diharapkan Pelanggan dari Layanan Pelanggan AI

Oleh Linh Ngo · Diperbarui 11 Oktober 2026

Pelanggan mengharapkan layanan pelanggan AI melakukan tiga hal: menyelesaikan permintaan sederhana dengan cepat, menjaga manusia tetap dapat dijangkau saat AI tidak sanggup, dan menyatakan dengan jelas bahwa ia adalah AI. Mereka tidak mengharapkan kesempurnaan. Mereka berharap memakai bot tidak akan memakan waktu lebih banyak daripada melewatinya. Ketika AI menghalangi jalan menuju manusia, membuang satu giliran, atau menyembunyikan jati dirinya, kepercayaan turun, dan data survei menunjukkan penurunan itu sudah besar.

Artikel ini ditujukan bagi pemimpin dukungan, CX director, dan manajer dukungan yang sedang memutuskan seberapa jauh AI didorong ke garis depan. Artikel ini bagian dari koleksi AI dalam layanan pelanggan, dan berfokus pada satu pertanyaan: apa yang sebenarnya dikatakan pelanggan mereka inginkan, dan bagaimana itu seharusnya mengubah apa yang Anda bangun?

Fakta Utama

• Dalam survei Consumer Experience Trends 2026 dari Qualtrics XM Institute (lebih dari 20.000 konsumen di 14 negara, dilaksanakan pada kuartal ketiga 2025), hampir 1 dari 5 konsumen yang memakai AI untuk layanan pelanggan tidak melihat manfaat apa pun, tingkat yang hampir empat kali lebih tinggi daripada penggunaan AI secara umum (Qualtrics).
• Dalam survei Qualtrics yang sama, 50% konsumen khawatir AI akan menghalangi mereka menjangkau manusia, dan 53% menyebut penyalahgunaan data pribadi sebagai kekhawatiran utama, naik 8 poin dalam setahun (Qualtrics).
• State of the AI Connected Customer dari Salesforce (survei YouGov terhadap 15.015 konsumen di 18 negara, Juli hingga Agustus 2024) menemukan 30% akan memilih agen AI daripada manusia demi layanan yang lebih cepat, dan 45% lebih mungkin memakai agen AI jika ada jalur yang jelas menuju manusia (Salesforce).
• Dalam survei Salesforce tersebut, hampir 75% konsumen ingin tahu apakah mereka berbicara dengan agen AI (Salesforce).
• CFPB melaporkan bahwa lebih dari 98 juta pengguna, sekitar 37% populasi AS, berinteraksi dengan chatbot bank pada 2022 (CFPB).

Apa Arti "Ekspektasi Pelanggan terhadap Layanan AI"

Ekspektasi, dalam pengertian ini, adalah standar yang dipegang pelanggan untuk AI Anda sebelum mereka mengetik kata pertama. Ekspektasi itu berasal dari setiap pengalaman sebelumnya dengan menu telepon, chatbot ritel, atau "asisten virtual" yang berputar kembali ke menu yang sama. Sebagian besar pelanggan tidak menilai model Anda. Mereka menilai apakah kali ini bot akan membawa mereka ke tujuan.

Itu penting karena ekspektasinya bukan satu hal. Ekspektasi terbagi menurut tugas. Orang yang memeriksa status pesanan ingin jawaban instan dan tidak peduli siapa yang memberikannya. Orang yang menyengketakan tagihan ingin manusia yang bisa mengambil keputusan. Pelanggan yang sama memegang kedua pandangan itu pada hari yang sama.

Dalam istilah ACE Framework, sebagian besar AI yang berhadapan dengan pelanggan di sini adalah asisten RAG (membaca konten bantuan Anda dan menghasilkan jawaban) plus lapisan penilaian dan routing (memutuskan siapa yang menangani permintaan). Kedua pola ini membuat pertanyaan ekspektasi menjadi konkret: asisten harus benar, dan router harus tahu kapan berhenti. Nama pola berasal dari ACE Framework.

Apa Kata Bukti Survei

Pembacaan yang jujur atas riset ini beragam. Pelanggan tidak seragam memusuhi layanan AI, dan tidak seragam menyukainya. Beberapa temuan berulang di berbagai survei independen.

Banyak pelanggan merasa bot tidak membantu. Angka Qualtrics lugas: layanan pelanggan AI gagal memberi manfaat dengan tingkat sekitar empat kali penggunaan AI secara umum. Penulis laporan berargumen bahwa perusahaan memakai AI terutama untuk memangkas biaya, dan merekomendasikan agar AI menangani permintaan sederhana dan transaksional, lalu menyediakan latar belakang dan saran solusi kepada agen manusia pada kasus yang rumit (Qualtrics).

Menjangkau manusia adalah kekhawatiran utama. Separuh responden Qualtrics takut AI akan menghalangi mereka dari manusia. Itu ketakutan yang sama yang digambarkan regulator, seperti ditunjukkan butir CFPB di bawah.

Kecepatan adalah daya tarik yang nyata, bagi sebagian orang. Dalam survei Salesforce, 30% akan memilih agen AI daripada manusia demi layanan yang lebih cepat, naik menjadi 37% di kalangan Gen Z dan milenial. Lebih dari sepertiga akan memakai AI agar tidak perlu mengulang penjelasan. Jadi sekitar tujuh dari sepuluh tetap tidak akan memilih AI hanya demi kecepatan. Kecepatan memberi Anda percobaan, bukan loyalitas (Salesforce).

Jalan keluar yang terlihat meningkatkan kemauan mencoba. Salesforce menemukan 45% konsumen lebih mungkin memakai agen AI bila ada jalur eskalasi yang jelas menuju manusia, dan 44% lebih mungkin jika logikanya dijelaskan dengan jelas. Jalan keluar adalah bagian dari produk, bukan pengakuan kegagalan.

Pelanggan ingin tahu bahwa itu AI, dan mengapa ia memutuskan sesuatu. Hampir 75% responden Salesforce ingin tahu apakah mereka berbicara dengan agen AI. Dalam laporan CX Trends 2026 dari Zendesk (6.182 konsumen dan 5.115 responden bisnis di 22 negara, dilaksanakan Juni 2025), 95% konsumen mengharapkan penjelasan atas keputusan yang dibuat AI, dan 80% pemimpin CX memperkirakan transparansi AI akan diwajibkan untuk AI yang berhadapan dengan pelanggan dalam dua tahun. Zendesk menjual perangkat lunak dukungan, jadi baca ini sebagai survei vendor (Zendesk).

Kepercayaan menurun dan kekhawatiran data meningkat. Salesforce menemukan 72% konsumen kurang mempercayai perusahaan dibandingkan setahun sebelumnya, dan Qualtrics menemukan privasi adalah kekhawatiran utama sebesar 53%. Keduanya menunjuk arah yang sama: pelanggan akan membagikan lebih sedikit saat kepercayaan berkurang, padahal AI Anda bekerja lebih baik dengan konteks.

Regulator sudah memperhatikan. Tinjauan CFPB atas chatbot di keuangan konsumen menandai "lingkaran tanpa jalan keluar", saat pelanggan terjebak dalam respons berulang tanpa rute menuju manusia. CFPB menyatakan chatbot yang cacat dan menghalangi akses ke dukungan langsung dapat menyebabkan pelanggaran hukum, dan bahwa chatbot yang tidak bisa memahami permintaan "tidak cocok" sebagai kanal layanan utama (CFPB).

Dari Ekspektasi ke Desain: Tabel Kerja

Tabel ini memetakan setiap ekspektasi ke bukti di atas dan ke pilihan desain yang bisa Anda luncurkan.

Contoh Nyata menurut Fungsi

Ekspektasi berlaku berbeda di berbagai bagian operasi dukungan.

Status pesanan dan pertanyaan akun. Di sinilah AI membuktikan gunanya. Pelanggan yang menanyakan posisi pesanan menginginkan jawabannya, bukan percakapan. Asisten berbasis pengambilan data yang membaca data pesanan dan mengembalikan satu baris jelas, dengan tautan "bicara dengan manusia" di bawahnya, memenuhi setiap ekspektasi dalam tabel. Ini juga tempat paling rendah risikonya untuk memulai.

Sengketa penagihan dan pengembalian dana. Pelanggan mengharapkan empati dan kewenangan, dan kekhawatiran CFPB soal sengketa yang tidak terselesaikan ada di sini. Biarkan AI mengumpulkan fakta (faktur, tanggal, apa yang diharapkan pelanggan) dan menyusun ringkasan, lalu arahkan ke orang yang bisa memutuskan. Halaman agen AI manajer eskalasi membahas serah terima ini lebih rinci.

Pemecahan masalah teknis. AI bisa menuntun langkah yang terdokumentasi dengan baik, tetapi "kami sudah mencoba itu" adalah kegagalan paling umum. Berikan percobaan sebelumnya dari pelanggan kepada asisten, dan eskalasikan saat suatu langkah berulang.

Keluhan dan pembatalan. Jangan letakkan AI di antara pelanggan yang kesal dan manusia. Sinyal sentimen dapat mengarahkan kasus ini langsung ke manusia; halaman agen QA chatbot AI menunjukkan cara meninjau percakapan itu dalam skala besar.

Permintaan yang diatur regulasi atau sensitif. Di keuangan, kesehatan, dan asuransi, jawaban yang salah atau mengelak bukan sekadar pengalaman buruk; bisa menjadi masalah kepatuhan. Jaga asisten tetap sempit di sini dan baca panduan halusinasi AI sebelum memperluas cakupan.

Langkah demi Langkah: Merancang Berdasarkan Ekspektasi

1. Daftarkan 15 alasan kontak teratas Anda. Tarik tiket sebulan dan beri tag. Tandai masing-masing sebagai sederhana dan transaksional, sarat penilaian, atau sarat emosi. Hanya kelompok pertama yang menjadi kandidat otomatisasi penuh. Keputusan otomatisasi atau bantu mencakup kelompok tengah.
2. Tulis aturan serah terima sebelum membuat bot. Tentukan persis kapan manusia mengambil alih: setelah satu jawaban gagal, pada setiap penyebutan pembatalan atau sengketa, pada sentimen negatif, atau kapan pun pelanggan memintanya. Tuliskan dan bangun lebih dulu.
3. Bangun serah terima transkrip. Agen yang mengambil alih harus melihat seluruh percakapan, paket pelanggan, dan pesanan terbaru. Jika mereka harus meminta pelanggan mengulang dari awal, Anda telah melanggar ekspektasi "jangan suruh saya mengulang".
4. Ungkapkan di pesan pertama. Sesuatu seperti "Saya asisten AI. Saya bisa membantu soal pesanan dan akun, atau menghubungkan Anda dengan manusia kapan saja." Satu kalimat itu mencakup pengungkapan, cakupan, dan jalan keluar.
5. Dasarkan setiap jawaban pada sumber. Batasi asisten pada konten bantuan dan kebijakan yang disetujui, dan tunjukkan artikel mana yang menjadi asal jawaban. Panduan guardrails membahas batasan apa yang boleh dikatakan atau dilakukan model.
6. Ukur dari sisi pelanggan. Lacak penyelesaian tanpa kontak ulang, tingkat serah terima, waktu menuju manusia, dan pemeriksaan kepuasan satu pertanyaan setelah percakapan yang hanya melibatkan AI. Containment saja menghargai tindakan menjebak pelanggan.
7. Uji coba di satu kanal dan tinjau setiap minggu. Baca 30 transkrip nyata seminggu selama bulan pertama. Perbaiki tiga kegagalan paling umum sebelum menambah intent.

Kesalahan Umum

• Menyembunyikan manusia. Mengubur opsi agen di balik beberapa menu menghemat sedikit biaya dan menghasilkan persis ketakutan yang digambarkan survei.
• Mengoptimalkan containment. Angka "terselesaikan oleh bot" yang tinggi bisa berarti pelanggan menyerah. Padukan dengan tingkat kontak ulang.
• Berpura-pura bot adalah manusia. Nama yang terkesan manusia dan jeda mengetik menggerus kepercayaan saat pelanggan menyadarinya, dan hampir tiga dari empat orang tetap ingin tahu.
• Mengotomatisasi kasus emosional. Pembatalan dan keluhan adalah saat manusia paling dihargai dan saat kesalahan AI paling mahal.
• Memperlakukan satu survei sebagai universal. Survei berbeda dalam sampel, negara, dan susunan kata. Periksa perilaku pelanggan Anda sendiri: di mana mereka meninggalkan percakapan, meminta agen, atau memberi nilai buruk?
• Mengumpulkan lebih banyak data daripada yang dibutuhkan tugas. Dengan privasi sebagai kekhawatiran utama dalam data Qualtrics, pertanyaan tambahan mengorbankan kepercayaan.

Hubungannya dengan Sisa Tumpukan Dukungan AI Anda

Ekspektasi adalah masukan desain, bukan alur kerja terpisah. Ekspektasi menentukan di mana Anda menempatkan manusia dalam proses dan bagaimana Anda mengurutkan kasus penggunaan yang tercantum di agen AI untuk dukungan pelanggan. Jika suatu kasus penggunaan tidak bisa memenuhi tabel di atas, jangan luncurkan dulu.