20.4 Integrasi dengan Sistem Perusahaan: Ticketing, CRM, ERP, dan sistem pengelolaan dokumen

Seorang agen support duduk di depan layar. Di satu sisi, ia membuka aplikasi ticketing yang berisi keluhan pelanggan. Di sisi lain, ia membuka basis pengetahuan yang baru saja diisi dengan dokumen-dokumen lama. Pelanggan melaporkan bahwa permintaannya ditolak, tetapi ia yakin ada pengecualian dalam kontrak yang tidak dibacakan oleh staf sebelumnya. Agen support harus mencari tahu: apakah benar ada pengecualian itu? Di mana letaknya? Apakah pernah ada kasus serupa sebelumnya?

Inilah situasi yang dihadapi banyak perusahaan saat ini. Sistem sudah ada. Ticketing berfungsi. CRM menyimpan data pelanggan. ERP mencatat transaksi. sistem pengelolaan dokumen menyimpan dokumen. Tapi semua sistem ini berjalan sendiri-sendiri. Knowledge terpisah. Seorang agen support harus membuka tiga aplikasi berbeda, mencari di masing-masing, lalu menyatukan informasinya secara manual. Ini bukan hanya lambat. Ini juga rawan kesalahan.

AI bisa mengubah situasi ini. Bukan dengan mengganti sistem yang sudah ada, tetapi dengan menjadi lapisan yang menghubungkan mereka. Bayangkan agen support cukup mengetik pertanyaan di aplikasi ticketing yang sama. Di belakang layar, AI mengambil konteks tiket, mencari data pelanggan di CRM, menarik dokumen kontrak dari sistem pengelolaan dokumen, dan merangkum jawabannya langsung di jendela tiket. Agen tidak perlu berpindah aplikasi. Ia cukup membaca jawaban, memverifikasi, lalu membalas pelanggan.

Cara kerjanya sederhana. Setiap sistem memiliki API atau setidaknya akses data yang bisa dibaca. Ketika sebuah tiket masuk, sistem mengambil parameter seperti ID pelanggan, nomor kontrak, atau kode produk. Parameter ini dikirim ke AI bersama dengan pertanyaan agen. AI kemudian melakukan pencarian berbasis konteks ke basis pengetahuan yang sudah dibangun di subbab sebelumnya, mencari dokumen relevan, dan menyusun jawaban. Jawaban itu dikembalikan ke aplikasi ticketing sebagai saran. Agen bisa menerima, mengedit, atau menolaknya.

Berikut contoh konfigurasi YAML yang mendefinisikan endpoint API dan parameter yang diekstrak untuk integrasi tersebut.

# config/integration-ai.yaml
systems:
  ticketing:
    api_url: "https://api.ticketing.internal/v2"
    endpoint: "/tickets/{ticket_id}"
    extract:
      - customer_id
      - contract_number
      - product_code
  crm:
    api_url: "https://api.crm.internal/v1"
    endpoint: "/customers/{customer_id}"
    extract:
      - name
      - segment
      - previous_complaints
  dms:
    api_url: "https://api.dms.internal/v3"
    endpoint: "/documents/search"
    params:
      query: "{contract_number} OR {product_code}"
      limit: 5
ai_prompt:
  template: "Berdasarkan data pelanggan {name} (segmen {segment}), kontrak {contract_number}, dan dokumen terkait, berikan jawaban singkat untuk tiket {ticket_id}."

Hal yang sama berlaku untuk fungsi lain. Seorang sales membuka CRM untuk melihat prospek. Ia ingin tahu apakah prospek ini pernah membeli produk serupa sebelumnya, apa keluhan yang pernah disampaikan, dan apakah ada dokumen kontrak lama yang masih berlaku. Dengan integrasi AI, ia cukup mengetik pertanyaan di kolom pencarian CRM. AI mengambil data historis dari CRM, menarik dokumen dari sistem pengelolaan dokumen, dan menyajikan ringkasan. Sales tidak perlu membuka laporan terpisah atau bertanya ke kolega.

Di finance, seorang staf memproses invoice masuk. Ia perlu mencocokkan nomor invoice dengan purchase order di ERP, memeriksa apakah barang sudah diterima, dan memastikan tidak ada duplikasi pembayaran. Integrasi AI bisa membaca invoice yang diunggah, mengekstrak nomor dan nilainya, mencocokkan dengan data ERP, dan menandai jika ada anomali. Staf finance tinggal memverifikasi hasilnya dan menekan tombol setujui.

Di operasi, seorang staf mencari dokumen spesifikasi teknis untuk proyek baru. Ia membuka sistem pengelolaan dokumen, mengetik kata kunci, dan sistem menampilkan daftar file. Tapi ia tidak tahu mana yang paling relevan. Dengan AI, ia cukup menjelaskan apa yang ia butuhkan: “Cari dokumen spesifikasi untuk pompa hidrolik yang pernah dipakai di proyek Bandung tahun lalu.” AI mencari di metadata dan isi dokumen, lalu menampilkan file yang paling cocok beserta kutipan relevannya.

Kunci dari integrasi ini bukanlah teknologi yang rumit. Kuncinya adalah kemauan untuk menghubungkan sistem yang sudah ada. Setiap sistem punya data. Setiap sistem punya pengguna yang bertanya. AI menjadi jembatan yang menerjemahkan pertanyaan manusia menjadi pencarian data di berbagai sistem, lalu menyajikan jawaban yang terpadu.

Diagram berikut memperlihatkan alur integrasi tersebut secara visual.

flowchart TD A[Tiket Masuk] --> B[AI Orchestrator] B --> C[Ambil Parameter: ID Pelanggan, No. Kontrak, Kode Produk] C --> D[Query ke CRM] C --> E[Query ke ERP] C --> F[Query ke DMS] D --> G[Data Pelanggan] E --> H[Data Transaksi] F --> I[Dokumen Kontrak] G --> J[Rangkum Jawaban] H --> J I --> J J --> K[Tampilkan di Jendela Tiket] K --> L[Agen Verifikasi & Balas]

Tentu tidak semua jawaban bisa langsung dipercaya. Di sinilah persetujuan manusia menjadi penting. Agen support, sales, staf finance, dan staf operasi tetap memverifikasi jawaban sebelum mengambil tindakan. AI membantu mereka bekerja lebih cepat, bukan mengambil alih keputusan.

Integrasi seperti ini mengubah cara perusahaan bekerja. Knowledge tidak lagi terperangkap di masing-masing sistem. Ia mengalir. Seorang agen support bisa menjawab tiket lebih cepat. Seorang sales bisa menindaklanjuti prospek dengan informasi lengkap. Seorang staf finance bisa memproses invoice tanpa bolak-balik bertanya. Dan semua ini terjadi tanpa harus membangun sistem baru dari nol.

Setelah integrasi berjalan, tantangan berikutnya muncul: bagaimana memastikan AI tidak memberikan jawaban yang salah, tidak mengakses data yang tidak seharusnya, dan tidak mengambil keputusan yang seharusnya ditangani manusia? Itu menjadi fokus subbab selanjutnya.