Bagaimana Peritel Bandung Memangkas Waktu Input Order 80% dengan AI

Pemilik peritel fashion berbasis Bandung menelepon kami dengan angka yang tidak bisa dia buat bekerja. Timnya memproses sekitar 280 order WhatsApp per hari di empat operator. Order itu sendiri menguntungkan. Biaya pemrosesannya — waktu staf, error, pengiriman terlambat — memakan sebagian besar margin.

“Kami tidak bisa hire cukup cepat untuk mengikuti,” katanya. “Tapi kami juga tidak mampu terus-terusan hire.” Jepitan UKM klasik, dan yang AI punya bentuk jelas.

Ini yang kami lakukan, apa yang bekerja, dan apa yang tidak.

Keadaan awal

Diagnostik dua minggu menghasilkan angka-angka ini:

• Waktu pemrosesan order rata-rata: 4 menit per order, 18 menit untuk order dengan kebutuhan kustom (variasi ukuran, ganti warna, koreksi alamat).
• Kapasitas operator: sekitar 80 order per hari per orang, turun di sore hari saat kelelahan masuk.
• Tingkat error: 6–8% order ada yang salah di pengiriman pertama — ukuran salah, warna salah, alamat salah. Setiap error biaya 15–30 menit rework customer service plus biaya pengiriman dan kepercayaan rusak.
• Pola bottleneck: input order dari WhatsApp ke sistem inventaris kustom mereka adalah penyita waktu tunggal terbesar. Operator menghabiskan ~70% waktu mereka mengetik order, ~30% menangani eksepsi dan pertanyaan pelanggan.

Naluri pemilik adalah hire lebih banyak operator. Kami push back: di tingkat error saat itu dan beban customer service, menggandakan staf akan menggandakan masalah customer service juga.

Intervensinya

Dua alur kerja AI, di-scope cukup sempit untuk shipping dalam total 8 minggu.

Alur kerja 1 — Parsing order WhatsApp (minggu 1–6)

Pelanggan kirim pesan seperti “Mbak, mau order kemeja batik yang putih size M satu, sama yang biru ukuran L dua, kirim ke Cibaduyut alamat biasa.” AI mengekstrak:

• Produk (dicocokkan dengan katalog 800 SKU)
• Ukuran dan jumlah
• Referensi pelanggan (dicocokkan dengan database pelanggan repeat)
• Alamat pengiriman (diisi dari riwayat saat “alamat biasa” dipakai)

Output-nya adalah draft order di sistem mereka yang ada. Operator menyetujui dengan satu klik, atau mengedit inline sebelum persetujuan. Sekitar 75% order disetujui-tanpa-edit dalam bulan pertama.

Peran operator bergeser dari “ketik order” ke “verifikasi AI benar”. Waktu per order turun dari 4 menit ke 45 detik.

Alur kerja 2 — Triage customer service (minggu 5–8)

Pesan WhatsApp masuk non-order diberi tag ke empat kategori: pertanyaan tracking, permintaan retur, pertanyaan ukuran, keluhan. Pertanyaan tracking dapat respon otomatis dengan status kurir yang ditarik dari provider logistik. Retur masuk antrian dedikasi. Pertanyaan ukuran auto-rute ke operator senior yang paling baik menangani. Keluhan langsung ke WhatsApp pemilik.

Ini bukan AI menggantikan alur kerja customer service — AI hanya menyortir inbox sehingga orang yang tepat menangani pesan yang tepat. Waktu respon keluhan turun dari rata-rata 4 jam ke di bawah 15 menit.

Apa yang kami salah

Dua hal, layak jujur.

Bulan pertama, AI kesulitan dengan satu kategori spesifik: order yang merujuk produk dengan nama kolokuial alih-alih nama SKU katalog. “Yang motif buaya” tidak dikenali sebagai cocok untuk “Kemeja Batik Mega Mendung Hijau”. Kami harus membangun tabel sinonim dari pengetahuan tim sendiri untuk menangani celah itu. Sekitar 40 jam pekerjaan yang tidak kami budget.

Masalah kedua adalah rate-limiting di WhatsApp Business API. Selama flash sale, volume order melonjak ke 80–100 order per menit dan BSP (Business Solution Provider) men-throttle. Kami harus menambah lapisan queue dan auto-respon eksplisit “kami terima order Anda, sedang proses”. Satu minggu pekerjaan lain di tengah engagement.

Tidak ada yang meledakkan proyeknya, tapi tidak ada di penawaran asli juga.

Keadaan akhir, di minggu 12

Angka empat minggu setelah go-live final:

• Waktu pemrosesan order rata-rata: 50 detik (turun dari 4 menit — pengurangan 79%).
• Kapasitas operator: ~240 order per hari per orang, tiga kali ceiling sebelumnya.
• Tingkat error: 2,1% (turun dari 6–8%). AI menangkap mismatch alamat dan inkonsistensi ukuran yang mata manusia lewatkan.
• Waktu respon customer service: di bawah 30 menit di respon pertama di semua kategori.
• Empat operator yang sama menangani 3,4x volume sebelumnya.

Pemilik memakai kapasitas yang dibebaskan untuk meluas ke kategori produk baru daripada memotong headcount. Itu panggilannya; matematikanya bekerja entah bagaimana.

Berapa biayanya

Proyek total: Rp 95 juta dalam 8 minggu. Biaya berkelanjutan Rp 2,4 juta/bulan (biaya BSP + pemakaian API AI + maintenance kecil).

Periode payback dari penghematan tenaga kerja saja: 2,7 bulan. Dari pengurangan error (retur + overhead customer service): tambahan 1,5 bulan di atas.

Apa yang akan kami lakukan berbeda

Dalam hindsight, dua hal akan membuat proyek lebih mulus:

1. Bangun tabel sinonim di awal, bukan sebagai afterthought. Setiap bisnis punya kosakata internalnya sendiri. Menangkapnya lebih awal akan menyelamatkan bulan pertama yang menyakitkan.
2. Rencanakan lonjakan traffic di awal. Flash sale, hari promo, momen produk viral semua melonjakkan volume dengan cara yang merusak design naif kami. Lapisan queue dan retry seharusnya ada di arsitektur awal.

Ini sekarang standar di setiap engagement AI WhatsApp yang kami jalankan.

Kalau Anda menjalankan WhatsApp di volume dan matematika pemrosesan order rusak untuk tim Anda, satu jam percakapan biasanya menjernihkan apakah proyek seperti ini cocok. Kami melakukannya tanpa biaya.