Kategori: Programming | Perkiraan waktu baca: 10 menit 🇬🇧 [Read in English]
Di dua artikel sebelumnya, saya sudah bahas cara bikin WhatsApp bot dari nol dan cara sambungkan ke LLM supaya lebih pintar. Di artikel ini saya mau mundur sedikit dan cerita gambaran besarnya: bagaimana kedua teknik itu akhirnya jadi NEXI, bot IT helpdesk yang sekarang beneran dipakai di lingkungan kerja saya sehari-hari.
Ini bukan tutorial teknis — lebih ke cerita proses, keputusan, dan pelajaran dari membangun sesuatu yang harus benar-benar reliable, bukan sekadar demo.
Masalah Awal
Di perusahaan manufaktur tempat saya bekerja, tim IT support cuma segelintir orang untuk menangani 500+ karyawan. Pertanyaan yang masuk repetitif: WiFi bermasalah, reset password, printer nggak connect, request akses sistem. Sebagian besar bisa dijawab dengan informasi yang sama persis — tapi tetap harus dijawab manual satu-satu lewat WhatsApp.
Saya lihat ini sebagai kesempatan yang jelas untuk automasi, dan mulai dengan versi paling sederhana dulu — persis seperti yang saya jelaskan di artikel dasar WhatsApp bot.
Evolusi dari Keyword Matching ke LLM
Versi pertama NEXI cuma keyword matching sederhana. Ini cukup untuk beberapa bulan pertama, tapi ada batasnya — setiap kali ada jenis pertanyaan baru yang nggak diantisipasi, saya harus manual tambahkan rule baru. Lama-lama daftar keyword-nya jadi ratusan baris dan susah di-maintain.
Titik baliknya waktu saya mulai integrasikan LLM Groq/LLaMA — bot jadi bisa menangani variasi pertanyaan yang jauh lebih luas tanpa saya harus terus menambah rule manual. Tapi ini juga bukan solusi ajaib; saya tetap kombinasikan dengan logic terstruktur untuk hal-hal yang butuh akurasi mutlak.
Tantangan yang Nggak Kelihatan di Awal: Keamanan
Ini bagian yang menurut saya paling penting tapi paling sering diremehkan orang yang baru mulai bikin bot serupa. Begitu NEXI mulai dipakai beneran (bukan cuma demo), saya sadar ada banyak celah keamanan yang perlu ditutup:
- Validasi input — mencegah user mengirim command atau prompt yang bisa "menipu" bot untuk membocorkan informasi yang seharusnya nggak boleh diakses sembarang orang
- Rate limiting — mencegah spam yang bisa menghabiskan kuota API atau membebani sistem
- Access control — memastikan bot cuma memberikan informasi sensitif ke nomor yang terverifikasi sebagai karyawan, bukan ke sembarang nomor yang chat
- Logging yang aman — mencatat aktivitas untuk audit, tapi tanpa menyimpan data sensitif secara sembarangan
Saya melakukan review keamanan menyeluruh dalam beberapa iterasi, dan berhasil menurunkan jumlah celah kritis dari sembilan menjadi nol. Prosesnya nggak instan — tiap iterasi biasanya mengungkap masalah baru yang nggak kelihatan di iterasi sebelumnya.
Pelajaran Terbesar: Bot yang "Jalan" vs Bot yang "Reliable"
Ada perbedaan besar antara bot yang jalan waktu didemoin ke atasan, dengan bot yang benar-benar reliable dipakai ratusan karyawan setiap hari. Beberapa hal yang saya pelajari:
- Fallback itu wajib — kalau LLM API down atau lambat, bot harus punya jalur cadangan (misal jawaban default atau eskalasi ke manusia), bukan cuma diam atau error
- Monitoring itu bukan opsional — saya perlu tahu kalau bot berhenti merespon, bukan menunggu laporan dari karyawan yang komplain
- Dokumentasi progress penting untuk stakeholder — saya bikin dua presentasi PowerPoint terpisah untuk manajemen, menjelaskan progress dan hasil keamanan yang sudah dicapai, karena non-technical stakeholder butuh cara pandang yang berbeda dari sekadar "commit history"
Hasil Akhir
NEXI sekarang jadi bagian dari alur kerja sehari-hari di tempat saya bekerja — mengurangi beban repetitif tim IT support, dengan response time yang jauh lebih cepat dibanding menunggu manusia available untuk menjawab. Bukan pengganti tim IT sepenuhnya, tapi filter pertama yang efektif untuk pertanyaan-pertanyaan umum.
Penutup
Kalau kamu baru mau mulai proyek serupa, saran saya: mulai dari yang paling sederhana dulu (baca dasar-dasarnya di sini), baru lanjut ke integrasi AI setelah versi dasarnya stabil. Dan jangan skip bagian keamanan — itu yang membedakan proyek demo dengan sistem yang benar-benar bisa diandalkan.
Kalau kamu butuh bantuan membangun sistem serupa untuk perusahaan atau tim kamu — IT helpdesk bot, customer service otomatis, atau automasi internal lainnya — saya buka jasa untuk itu. Cek studi kasus lengkap NEXI dan ARES di portofolio saya, atau hubungi lewat halaman Contact.
Ada pertanyaan soal proses atau butuh diskusi soal kebutuhan spesifik kamu? Tulis di komentar.
Tidak ada komentar:
Posting Komentar