Sistem AI bisa saja merangkum kondisi pelanggan yang sudah tidak relevan.
AI juga dapat merekomendasikan tindakan yang keliru, membaca niat pelanggan secara usang, atau mengarahkan konsumen berdasarkan sinyal yang sebenarnya sudah berubah sejak hari sebelumnya.
Inilah yang kini mulai dipahami oleh banyak perusahaan besar.
Permasalahan AI ternyata lebih dekat pada persoalan orkestrasi data dibanding sekadar persoalan algoritma.
Fenomena ini terlihat jelas dalam berbagai strategi AI perusahaan modern.
Banyak organisasi menginvestasikan dana besar untuk pemilihan model AI, fine-tuning, prompt engineering, hingga eksperimen berbasis kecerdasan buatan.
Mereka membangun proyek percontohan untuk layanan pelanggan, pemasaran, analitik, penjualan, operasional, hingga pengalaman digital.
Namun ketika sistem benar-benar diterapkan di dunia nyata, konteks pelanggan sering kali tidak lengkap.
Persetujuan penggunaan data tidak tercatat secara konsisten.
Data perilaku pelanggan terlambat masuk karena masih menggunakan sistem batch processing.
Identitas pengguna juga sering terpecah di banyak kanal berbeda.
Masalah tersebut semakin terlihat ketika perusahaan mencoba menggabungkan data dari website, aplikasi mobile, CRM, pusat layanan pelanggan, sistem loyalitas, hingga data offline.
Setiap sistem memiliki format, definisi, kecepatan, dan asumsi berbeda-beda.
Padahal perilaku pelanggan berubah sangat cepat.
Saat pelanggan mengklik produk, meninggalkan keranjang belanja, melakukan pembelian, menelepon layanan pelanggan, mengisi formulir, atau menunjukkan tanda-tanda berhenti berlangganan, perusahaan hanya memiliki waktu sangat singkat untuk membaca sinyal tersebut lalu bertindak.
Discussion about this post