RASA AI: Mengubah Suara Pelanggan Menjadi Aksi Nyata untuk UMKM

Ulasan pelanggan adalah salah satu sumber informasi paling jujur bagi sebuah usaha. Di dalam satu komentar sederhana dapat tersimpan pujian terhadap kualitas produk, kekecewaan karena pengiriman terlambat, keluhan mengenai pelayanan, masalah kemasan, hingga harapan pelanggan terhadap bisnis. Bagi UMKM, informasi tersebut sangat berharga karena berasal langsung dari pengalaman pelanggan.

Masalah muncul ketika jumlah ulasan semakin banyak dan tersebar di berbagai kanal seperti Google Maps, marketplace, media sosial, maupun survei. Membaca setiap ulasan secara manual membutuhkan waktu. Lebih sulit lagi ketika pemilik usaha harus mencari pola: masalah apa yang paling sering terjadi, keluhan mana yang harus didahulukan, dan tindakan apa yang sebaiknya dilakukan.

Dari permasalahan tersebut saya membangun RASA AI, singkatan dari Review Analysis, Sentiment, and Action, sebagai project untuk AI Hackfest 2026. RASA AI dirancang sebagai AI Agent yang membantu UMKM memahami suara pelanggan dan mengubahnya menjadi rekomendasi yang lebih mudah ditindaklanjuti.

Dari Sentiment Analysis Menuju Actionable Insight

Banyak sistem analisis ulasan berhenti setelah memberi label positif, negatif, atau netral. Bagi pemilik usaha, label tersebut memang berguna, tetapi belum menjawab pertanyaan berikutnya: mengapa pelanggan kecewa? Seberapa penting masalah itu? Apa yang harus dilakukan kepada pelanggan? Apa yang harus diperbaiki secara internal? Bagaimana mencegah masalah yang sama terulang?

Karena itu, RASA AI menggunakan alur yang lebih berorientasi pada tindakan:

Ketika sebuah ulasan masuk, agent menganalisis sentimen dan emosi, mengidentifikasi satu atau beberapa isu, menentukan tingkat prioritas, merangkum temuan, lalu memberikan rekomendasi tindakan kepada pelanggan dan tindakan internal bagi UMKM. Agent juga memberikan saran pencegahan serta draft respons yang tetap harus ditinjau manusia.

Contoh Cara RASA AI Memahami Pelanggan

Bayangkan pelanggan menulis: “Makanannya enak, tetapi pengiriman sangat lama dan minumannya tumpah.” Kalimat tersebut tidak tepat jika hanya dianggap negatif. Ada pengalaman positif pada kualitas makanan, tetapi sekaligus terdapat masalah pada pengiriman dan kemasan.

RASA AI dirancang untuk menangkap konteks campuran seperti ini. Agent dapat mengenali beberapa isu dalam satu ulasan, menentukan tingkat urgensi berdasarkan dampaknya, kemudian menyusun rekomendasi yang relevan. Dengan pendekatan tersebut, ulasan tidak hanya menjadi data historis, tetapi menjadi masukan untuk proses perbaikan.

Fitur Utama RASA AI

Executive Insight: Melihat Pola, Bukan Hanya Satu Komentar

Sebuah keluhan individual perlu ditangani, tetapi keputusan bisnis juga membutuhkan gambaran yang lebih luas. Jika masalah pengiriman, pelayanan, atau kemasan muncul berulang kali pada banyak pelanggan, pola tersebut seharusnya terlihat oleh pengelola usaha.

Executive Insight menggunakan kumpulan hasil analisis untuk membantu menjawab pertanyaan seperti: isu apa yang paling dominan, risiko apa yang mungkin muncul bagi bisnis, tindakan apa yang sebaiknya diprioritaskan, dan perbaikan apa yang dapat dilakukan agar masalah serupa tidak terus berulang. Dengan begitu, AI berperan bukan hanya sebagai pengklasifikasi teks, tetapi sebagai asisten analisis yang membantu menghubungkan customer voice dengan keputusan operasional.

Arsitektur: Web Application, OpenClaw, dan AI Agent

RASA AI dibangun sebagai aplikasi web yang terhubung dengan agent khusus bernama rasa-ai. Agent tersebut dijalankan menggunakan OpenClaw dan memiliki instruksi serta identitas sebagai Customer Review Analyst untuk UMKM. Ulasan yang masuk dari web application diteruskan kepada agent, diproses oleh model AI, kemudian dikembalikan dalam struktur data yang dapat disimpan dan ditampilkan kembali oleh aplikasi.

Project ini dijalankan pada environment AI Hosting dari IDwebhost. Infrastruktur server memungkinkan aplikasi, backend, penyimpanan data, serta OpenClaw agent berjalan dalam satu environment yang dapat didemonstrasikan secara end-to-end. Pengembangan project ini juga memperlihatkan pentingnya fleksibilitas infrastruktur seperti Cloud VPS untuk deployment aplikasi dan workload berbasis AI.

Pada sisi aplikasi, hasil analisis disimpan sebagai riwayat dan digunakan untuk membentuk statistik dashboard. Pemisahan antara antarmuka aplikasi dan agent membuat fungsi masing-masing lebih jelas: web application menangani pengalaman pengguna dan penyajian data, sedangkan agent menangani proses pemahaman serta penyusunan rekomendasi.

Human-in-the-Loop: AI Membantu, Manusia Tetap Memutuskan

RASA AI tidak dirancang untuk mengambil alih keputusan bisnis sepenuhnya. Draft balasan yang dihasilkan AI harus ditinjau terlebih dahulu oleh manusia. Begitu pula rekomendasi kompensasi, perubahan kebijakan, atau tindakan operasional tetap harus mengikuti kondisi dan kebijakan masing-masing UMKM.

Pendekatan human-in-the-loop penting karena AI hanya bekerja berdasarkan informasi yang tersedia. Agent tidak seharusnya mengarang fakta tentang transaksi atau menjanjikan sesuatu yang tidak diketahui. Dengan menempatkan manusia sebagai pengambil keputusan akhir, RASA AI dapat berfungsi sebagai alat bantu analisis tanpa menghilangkan kontrol pemilik usaha.

Mengapa RASA AI Relevan untuk UMKM?

Bagi usaha kecil, sumber daya untuk melakukan analisis customer experience sering kali terbatas. Pemilik usaha bisa sekaligus menangani operasional, pemasaran, stok, pelayanan, dan administrasi. Ketika ulasan pelanggan bertambah, proses analisis mendalam mudah terabaikan.

RASA AI mencoba menyederhanakan proses tersebut. Tujuannya bukan menggantikan kedekatan UMKM dengan pelanggan, tetapi membantu pemilik usaha menemukan sinyal penting lebih cepat. Ketika keluhan berulang dapat terlihat sebagai pola, UMKM memiliki dasar yang lebih baik untuk mengevaluasi SOP, pelayanan, pengiriman, kemasan, maupun aspek lain yang memengaruhi pengalaman pelanggan.

Nilai utama RASA AI bukan terletak pada banyaknya label yang dapat dihasilkan, melainkan pada kemampuan mengubah teks pelanggan menjadi rangkaian informasi yang lebih actionable. Dari satu ulasan, pengguna memperoleh konteks. Dari banyak ulasan, pengguna memperoleh pola. Dari pola tersebut, pengguna dapat menentukan tindakan.

Pengalaman Membangun RASA AI di AI Hackfest 2026

AI Hackfest 2026 menjadi kesempatan untuk membangun agent yang tidak hanya dapat menjawab prompt, tetapi memiliki tujuan penggunaan yang jelas. Dalam proses pengembangan RASA AI, saya berfokus pada satu pertanyaan: bagaimana AI Agent dapat memberikan dampak yang nyata dan mudah dipahami oleh UMKM?

Jawabannya adalah dengan membuat alur yang dekat dengan masalah sehari-hari. Ulasan pelanggan sudah tersedia; tantangannya adalah mengubahnya menjadi pengetahuan yang dapat digunakan. Dari sinilah RASA AI berkembang dari analisis satu ulasan, menjadi bulk analysis, riwayat, dashboard, isu prioritas, hingga Executive Insight.

Implementasi pada server juga menjadi bagian penting dari proses tersebut. Agent harus benar-benar dapat dipanggil oleh aplikasi, hasilnya harus dapat diproses secara terstruktur, data harus dapat disimpan, dan layanan harus tetap berjalan ketika diakses melalui web. Dengan demikian, project tidak berhenti pada konsep atau mockup, tetapi menjadi prototype yang dapat didemonstrasikan secara end-to-end.

Penutup

Suara pelanggan sering kali sudah menjelaskan apa yang harus diperbaiki sebuah bisnis. Tantangannya adalah bagaimana mendengarkan suara tersebut ketika jumlahnya semakin banyak. RASA AI mencoba menjembatani kebutuhan itu dengan memanfaatkan AI Agent untuk memahami ulasan, menemukan isu, menentukan prioritas, dan mengubah hasil analisis menjadi rekomendasi tindakan.

Ke depan, konsep ini dapat dikembangkan melalui integrasi langsung dengan kanal ulasan, visualisasi tren berdasarkan periode, mekanisme eskalasi untuk isu kritis, serta evaluasi hasil tindakan setelah keluhan ditangani. Namun prinsip utamanya tetap sama: AI harus membantu bisnis memahami pelanggan dan mengambil keputusan yang lebih baik.