Karyawan AI untuk Verifikasi Pesanan Custom Sebelum Produksi

Ditulis oleh Nugraha Labib Mujaddid, pembuat AgentBuff.

Pesanan custom sering rusak bukan karena mesin produksi atau orang produksi tidak teliti. Masalahnya muncul lebih awal: ukuran tertulis di chat, pilihan bahan ada di catatan lain, file desain dikirim ulang tanpa penanda versi, lalu pelanggan menulis “yang kemarin saja” ketika percakapan sudah bercabang. Begitu pekerjaan masuk cetak, bordir, laser, merchandise, furnitur kecil, atau katering berlabel, biaya salah tafsir berubah menjadi barang yang sulit dijual kembali.

Karyawan AI untuk verifikasi pesanan custom adalah agen kerja yang menyatukan bukti pesanan ke satu ringkasan, menguji setiap detail terhadap checklist produksi, menandai ketidakpastian, dan meminta persetujuan manusia sebelum statusnya berubah menjadi siap produksi. Ini bukan mesin yang berhak menebak kemauan pelanggan atau mengubah spesifikasi. Nilainya justru terletak pada kemampuan berkata, “data belum cukup untuk diproduksi.”

Definisi ini penting untuk toko online, percetakan, pembuat hampers, konveksi, studio merchandise, katering, dan usaha jasa yang hasilnya disesuaikan per pelanggan. Artikel ini membahas workflow operasional, bukan nasihat hukum. Dalam konteks Indonesia, perlindungan konsumen dan perdagangan melalui sistem elektronik memiliki kerangka aturan tersendiri; UU Nomor 8 Tahun 1999 dan PP Nomor 80 Tahun 2019 tercatat berstatus berlaku di basis data JDIH BPK.[1][2] Gunakan proses ini sebagai kontrol mutu kerja, lalu cek kewajiban spesifik bisnis Anda kepada pihak yang kompeten.

Tesis: yang perlu divalidasi adalah keputusan produksi, bukan sekadar pesan masuk

Banyak usaha mencoba “otomatisasi order” dengan meminta AI merangkum chat. Itu membantu, tetapi belum menyelesaikan masalah inti. Ringkasan bisa rapi dan tetap salah apabila ia menyamakan permintaan awal dengan perubahan terakhir, atau menganggap file pertama sebagai file final.

Unit kerja yang lebih aman adalah paket keputusan produksi. Paket ini hanya boleh bergerak ke tahap berikutnya jika setiap bidang penting mempunyai sumber, status, dan pemilik keputusan:

• identitas pesanan dan pelanggan;
• produk/SKU, jumlah, varian, ukuran, bahan, warna, dan finishing;
• file atau brief, lengkap dengan versi dan tautan sumber;
• harga, uang muka, ongkir atau metode pengambilan;
• tenggat produksi dan janji pengiriman;
• perubahan terakhir beserta dampaknya;
• nama orang yang berwenang menyetujui.

AI dapat membaca sumber yang diizinkan, menyusun paket ini, dan memeriksa apakah setiap kolom punya bukti. Namun “lengkap” bukan berarti “benar”. Harga atau ukuran yang bertentangan harus menjadi exception, bukan dipilih AI berdasarkan kalimat yang terdengar paling baru.

Contoh realistis: 80 tote bag untuk acara kampus

Bayangkan sebuah usaha sablon menerima pesanan 80 tote bag. Pelanggan mengirim desain lewat formulir, kemudian meminta warna tali diubah di WhatsApp. Dua jam kemudian ia mengirim file baru lewat email dan menulis, “yang ini ya, ukuran tetap.” Tim produksi membaca percakapan berbeda-beda.

Karyawan AI tidak perlu mengirim balasan final sendiri. Ia melakukan empat hal:

1. Mengumpulkan order ID, jumlah 80, ukuran yang tercantum pada brief, warna awal, tautan dua file, dan perubahan warna tali.
2. Membandingkan perubahan dengan spesifikasi terakhir yang disetujui. Frasa “ukuran tetap” tidak membuktikan ukuran apa yang dimaksud jika sumber sebelumnya berbeda.
3. Membuat daftar exception: file v2 belum ditandai final; warna tali baru belum tertulis di quotation; persetujuan biaya atau dampak jadwal belum ada.
4. Menyiapkan draf pertanyaan tunggal dan spesifik untuk pelanggan atau operator: “Konfirmasi produksi: 80 tote bag, ukuran 35 × 40 cm, tali hitam, desain file v2. Biaya dan jadwal mengikuti quotation Q-104. Setuju?”

Manusia yang mengirim atau menyetujui pertanyaan itu. Setelah jawaban jelas datang, agen memperbarui paket bukti dan memberi rekomendasi “siap diajukan untuk approval”, bukan langsung “siap produksi”. Perbedaan status kecil ini mencegah chat yang ambigu berubah menjadi instruksi mesin.

Rancang state pesanan yang tidak memberi ruang untuk tebakan

Gunakan status yang menggambarkan bukti, bukan perasaan tim. Skema sederhana berikut cukup untuk tahap awal:

1. Masuk — ada permintaan, tetapi belum tentu dapat diproduksi.
2. Dirapikan — informasi dari kanal yang diizinkan sudah dikumpulkan ke format baku.
3. Butuh klarifikasi — terdapat bidang wajib yang kosong, bertentangan, atau tidak punya sumber.
4. Menunggu persetujuan pelanggan — ringkasan produksi sudah dapat dikonfirmasi pelanggan.
5. Menunggu approval internal — pelanggan jelas, tetapi tim masih memeriksa kapasitas, harga, atau file.
6. Siap produksi — ada bukti persetujuan pelanggan dan pemilik proses.
7. Terkunci untuk produksi — perubahan berikutnya harus membuat versi baru dan membuka approval ulang.

Status tersebut bukan birokrasi tambahan. Ia mengurangi beban ingatan. Operator baru dapat melihat alasan pesanan berhenti tanpa menelusuri puluhan pesan, sementara pemilik usaha dapat menghitung exception yang paling sering muncul: ukuran, file, harga, alamat, atau deadline.

Checklist yang bisa diperiksa agen

Mulailah dari checklist kecil dan tegas. Untuk setiap pesanan, agen hanya perlu mengisi empat nilai: tersedia, tidak tersedia, bertentangan, atau perlu manusia. Jangan meminta agen memberi nilai “kemungkinan besar benar”.

Identitas dan produk

• Apakah order ID, nama produk, jumlah, dan varian mengarah ke satu sumber?
• Apakah ukuran memiliki satuan dan toleransi bila relevan?
• Apakah bahan serta finishing benar-benar disebut, bukan diasumsikan dari order lama?

Aset kreatif

• Apakah file berasal dari lokasi yang diizinkan dan memiliki penanda versi?
• Apakah ada persetujuan atas preview atau proof yang dikirim?
• Apakah perubahan desain setelah approval dicatat sebagai perubahan baru?

Komersial dan logistik

• Apakah harga, uang muka, metode pembayaran, pengiriman, dan tenggat konsisten?
• Apakah perubahan pesanan memiliki dampak yang dicatat pada biaya atau waktu?
• Apakah alamat atau detail penjemputan cukup untuk pelaksanaan?

Keputusan

• Siapa yang boleh menjawab pertanyaan pelanggan?
• Siapa yang memberi approval internal?
• Bukti apa yang membuat status “siap produksi” sah?

Checklist ini sengaja membedakan informasi dengan keputusan. AI mungkin menemukan nomor rekening dalam chat, tetapi itu tidak menjadikannya berwenang menyimpulkan uang muka telah diterima. Hubungkan status pembayaran hanya ke sumber yang memang ditetapkan pemilik proses.

Aturan bukti: satu bidang, satu sumber utama

Buat satu sumber utama untuk tiap bidang yang rawan berubah. Contohnya, quotation yang disetujui menjadi sumber utama harga dan spesifikasi komersial; file desain final di folder kerja menjadi sumber utama aset; catatan internal produksi menjadi sumber utama kesiapan kapasitas. Chat tetap dibaca sebagai sumber perubahan, tetapi tidak otomatis mengalahkan sumber utama.

Aturan praktisnya: jika agen menemukan perubahan lewat chat, ia membuat change request yang merujuk ke spesifikasi aktif. Perubahan tidak mengganti spesifikasi sebelum orang yang tepat menyetujuinya. Dengan begitu, pesan “tolong ganti jadi 100” menghasilkan exception yang jelas, bukan loncatan jumlah diam-diam.

Simpan pula jejak minimum: waktu sumber dibaca, tautan atau ID sumber, bidang yang berubah, alasan exception, dan identitas pemberi persetujuan. Ini bukan untuk mengawasi berlebihan; ini membuat koreksi dapat dilakukan tanpa menyalahkan orang berdasarkan ingatan.

Batas aman untuk karyawan AI

Untuk workflow pertama, beri akses baca ke sumber yang diperlukan dan batasi keluaran menjadi ringkasan, daftar exception, serta draf klarifikasi. Jangan beri wewenang mengubah harga, menghapus file, menandai pembayaran lunas, atau melepas pesanan ke produksi tanpa gerbang manusia.

Jangan pula menyamakan semua instruksi yang muncul di dokumen atau chat dengan perintah yang sah. File desain, pesan pelanggan, dan komentar pemasok adalah data untuk diperiksa. Agen hanya mengikuti aturan kerja dan sumber otorisasi yang sudah ditentukan pemilik usaha. Prinsip ini penting ketika ada pesan mendesak, instruksi tersembunyi, atau permintaan yang bertentangan dengan SOP.

Jika memakai AgentBuff, gunakan pendekatan peran yang sempit: satu karyawan AI untuk merapikan bukti order dan menyiapkan exception report. Tetapkan sumber yang diizinkan, format output, dan siapa penerima approval. Pelajari dulu cara menulis SOP untuk karyawan AI dan cara menguji karyawan AI sebelum dipakai rutin; keduanya membantu mengubah workflow ini dari ide menjadi proses yang dapat ditinjau.

Cara menguji sebelum dipakai pada pesanan nyata

Jangan mulai dari order aktif bernilai tinggi. Buat 12–20 contoh sintetis atau pesanan lama yang sudah dianonimkan:

• empat contoh lengkap dan konsisten;
• empat contoh dengan ukuran atau jumlah yang bertentangan;
• tiga contoh dengan file versi ganda;
• tiga contoh dengan perubahan setelah quotation;
• dua contoh dengan tenggat tidak realistis atau alamat belum lengkap.

Tentukan jawaban yang diharapkan untuk setiap contoh: status, bidang yang harus ditandai, pertanyaan klarifikasi, dan siapa approver-nya. Uji apakah agen menandai masalah tanpa mengarang detail yang tidak ada. Perbaiki checklist bila terlalu banyak false positive atau bila masalah penting lolos.

Setelah itu, jalankan mode pendamping selama satu minggu: agen mengeluarkan ringkasan, manusia tetap melakukan pengecekan normal. Bandingkan keputusan keduanya. Hanya setelah pola kesalahan jelas, jadikan ringkasan agen bagian dari pintu masuk produksi.

Metrik yang berguna: kualitas keputusan, bukan sekadar pesan yang diproses

Mengukur jumlah chat yang diringkas akan mendorong metrik yang salah. Pantau empat angka yang lebih dekat ke risiko bisnis:

• persentase pesanan yang masuk produksi dengan bidang wajib lengkap;
• jumlah perubahan yang terdeteksi sebelum produksi;
• waktu dari pesanan masuk sampai approval yang valid;
• pekerjaan ulang atau komplain yang dipicu ketidakcocokan spesifikasi.

Jangan menyimpulkan penurunan komplain semata-mata akibat AI tanpa membandingkan periode dan jenis produk yang setara. Pada tahap awal, bukti keberhasilan yang paling jujur adalah exception menjadi terlihat lebih dini dan setiap keputusan punya sumber.

FAQ

Apakah karyawan AI boleh langsung mengubah spesifikasi pesanan?

Tidak. Agen boleh menyatukan informasi dan mengusulkan status, tetapi perubahan ukuran, bahan, desain, harga, alamat, atau tanggal produksi harus menunggu konfirmasi pihak yang berwenang.

Data apa yang minimal dibutuhkan sebelum produksi?

Siapkan identitas pesanan, produk atau SKU, jumlah, varian, file atau brief versi final, ukuran, bahan, finishing, alamat atau metode pengambilan, tenggat, harga yang disetujui, dan pemilik approval.

Bagaimana jika pelanggan mengubah pesanan lewat chat?

Simpan perubahan sebagai permintaan baru, bandingkan dengan spesifikasi terakhir yang disetujui, lalu minta persetujuan ulang jika ada dampak pada biaya, waktu, atau hasil produksi.

Apakah AI dapat memutuskan pesanan siap diproduksi?

AI dapat memberi rekomendasi berdasarkan checklist dan bukti yang tersedia. Keputusan akhir sebaiknya tetap ada pada pemilik proses, terutama ketika detail belum lengkap atau perubahan berdampak pada pelanggan.

Penutup

Untuk usaha custom, pesanan siap produksi bukan pesan yang paling baru. Ia adalah keputusan yang dapat dibuktikan: spesifikasinya satu, sumbernya jelas, perubahan tercatat, dan ada manusia yang menyetujui saat risiko berpindah ke bahan, waktu, atau uang.

Mulailah dari satu produk, satu checklist, dan satu gerbang approval. Ketika agen menemukan ketidakpastian, jadikan itu sinyal untuk berhenti dan bertanya—bukan alasan untuk menebak.

Tentang penulis: Nugraha Labib Mujaddid membangun AgentBuff untuk membantu individu dan bisnis Indonesia bekerja dengan karyawan AI.

Sources

[1] https://peraturan.bpk.go.id/Details/45288/uu-no-8-tahun-1999 [2] https://peraturan.bpk.go.id/Details/126143/pp-no-80-tahun-2019 [3] https://agentbuff.id/blog