Studi Kasus: Otomasi Lead WhatsApp dengan n8n dan AI di Clovertechno

Sebelum menawarkan AI automation ke klien, kami memakainya sendiri. Artikel ini membedah workflow yang setiap hari menangani calon pelanggan Clovertechno yang masuk lewat WhatsApp: masalah yang mendorong kami membangunnya, arsitekturnya, apa yang berubah setelah jalan, dan, sama pentingnya, bagian mana yang sengaja tidak kami otomasi.

Kami menulisnya sebagai studi kasus karena inilah pertanyaan yang paling sering muncul saat konsultasi: "bentuk konkretnya seperti apa?" Lebih jujur menunjukkan dapur sendiri daripada memakai contoh rekaan.

Masalah yang mau kami selesaikan

Lead kami datang dari beberapa pintu sekaligus: formulir website, iklan, dan marketplace, dan hampir semuanya berujung ke WhatsApp. Di situ masalahnya mulai. Setiap chat harus dicatat manual: siapa yang menghubungi, dari kanal mana, butuh apa, software, website, atau CCTV, dan sudah dibalas atau belum.

Selama chat masih sedikit, pencatatan manual terasa baik-baik saja. Begitu ramai, polanya selalu sama: ada chat yang terlewat, ada yang baru terbalas keesokan harinya, dan ada calon klien yang ditanya ulang hal yang sudah pernah dia jelaskan karena catatannya tidak ketemu. Untuk bisnis yang menjual jasa, respons yang lambat bukan sekadar tidak sopan, ia menggugurkan lead sebelum percakapan sempat dimulai.

Arsitektur workflow-nya

Tulang punggungnya adalah n8n, orkestrator workflow open source yang kami jalankan di server sendiri. Alurnya, dari chat masuk sampai tim bergerak:

1. Chat masuk ke WhatsApp dan diteruskan ke n8n lewat webhook.
2. n8n mencatatnya ke database: nomor, waktu, isi pesan, dan kanal asalnya. Tidak ada lagi langkah "jangan lupa dicatat", pencatatan bukan lagi pekerjaan, melainkan efek samping.
3. Model AI membaca isi chat dan mengklasifikasi kebutuhannya: pembuatan software, website, CCTV, atau pertanyaan lain.
4. AI menyiapkan draft balasan pertama berdasarkan klasifikasi itu, draft, bukan balasan otomatis, alasannya di bagian bawah.
5. Tim menerima notifikasi berisi konteks lengkap: siapa, butuh apa, draft balasannya. Tinggal periksa, sunting seperlunya, kirim.

Tidak ada satu pun sistem yang diganti untuk membangun ini. WhatsApp tetap WhatsApp, database tetap database yang sama. n8n dan model AI hanya lapisan penghubung di atasnya, pola yang sama persis dengan yang kami pasang untuk klien di layanan AI automation.

Bagaimana AI mengklasifikasi chat yang masuk

Bagian ini yang membedakan otomasi berbasis AI dari otomasi berbasis aturan. Versi berbasis aturan, "kalau ada kata CCTV, masukkan kategori CCTV", cepat dibuat tapi rapuh: orang menulis "kamera buat rumah", "cctv", "camera wifi yg bisa hp", dan seribu variasi lain yang tidak akan pernah selesai didaftar.

Model bahasa membaca maksud, bukan kata kunci. Chat "mau tanya, bikin sistem kasir buat kafe bisa?" terklasifikasi sebagai kebutuhan software walau tidak ada kata "software" atau "aplikasi" di dalamnya. Prompt klasifikasinya sendiri pendek: daftar kategori, definisi singkat tiap kategori, dan perintah memilih satu. Yang butuh iterasi justru definisi kategorinya, batas antara "pertanyaan produk" dan "minta penawaran" perlu beberapa kali revisi sampai hasilnya konsisten.

Satu keputusan desain yang terbukti penting: model boleh menjawab "tidak yakin". Chat yang ambigu tidak dipaksa masuk kategori, melainkan ditandai untuk diperiksa manusia. Klasifikasi yang salah tapi percaya diri lebih merusak daripada pengakuan tidak tahu.

Yang berubah setelah otomasi jalan

Kami sengaja tidak menghiasi bagian ini dengan persentase, karena perubahan yang paling terasa memang bukan angka tunggal:

• Tidak ada lead yang tidak tercatat. Sebelumnya pencatatan bergantung pada ingatan orang di jam sibuk. Sekarang chat tercatat sebelum ada manusia yang menyentuhnya.
• Balasan pertama jauh lebih cepat disiapkan. Yang tadinya "baca, pikirkan, ketik dari nol" menjadi "periksa draft, sunting, kirim". Hitungannya menit, bukan jam.
• Riwayat kebutuhan tersimpan rapi. Saat calon klien kembali sebulan kemudian, konteksnya sudah ada. Tidak ada lagi menanyakan ulang hal yang sudah dijelaskan.
• Follow-up berhenti bergantung pada ingatan. Daftar siapa yang belum dibalas kini fakta di database, bukan perasaan di kepala.

Yang tidak kami otomasi, dan alasannya

Godaan terbesar sistem seperti ini adalah melangkah satu tahap lagi: biarkan AI membalas langsung tanpa manusia. Kami memutuskan tidak, untuk percakapan penjualan.

Alasannya sederhana. Kesalahan klasifikasi internal murah, salah kategori tinggal dipindahkan. Kesalahan di depan calon klien mahal: janji yang keliru atau jawaban yang meleset merusak kepercayaan justru di kontak pertama. Maka garisnya kami tarik di sini: AI mengerjakan semua yang terjadi sebelum manusia menekan kirim, mencatat, mengklasifikasi, menyiapkan draft, dan manusia tetap memegang tombol kirimnya.

Garis itu tidak universal. Untuk pertanyaan berulang yang jawabannya pasti, jam buka, status pesanan, balasan penuh otomatis masuk akal. Pertimbangan kapan chatbot menguntungkan dan kapan justru buang uang kami tulis terpisah di artikel chatbot WhatsApp untuk toko.

Kalau Anda mau membangun yang serupa

Beberapa pelajaran dari membangun dan menjalankannya sendiri:

• Mulai dari proses yang paling sakit, bukan yang paling canggih. Kami tidak mulai dari "AI agent penjualan", kami mulai dari pencatatan yang sering terlewat. Membosankan, tapi dampaknya langsung terasa.
• Otomasi pencatatannya dulu, kecerdasannya belakangan. Workflow yang hanya mencatat chat ke database saja sudah menghapus masalah lead hilang. Klasifikasi AI adalah lapisan kedua, bukan fondasi.
• Beri AI izin untuk tidak yakin. Jalur "tandai untuk manusia" membuat sistem tetap dipercaya ketika modelnya ragu.
• Tentukan sejak awal apa yang tidak diotomasi. Keputusan ini menentukan arsitektur, dan jauh lebih murah dibuat di awal daripada setelah ada insiden.

Kalau proses serupa ada di bisnis Anda, lead yang tercecer, pencatatan manual, follow-up yang bergantung ingatan, pola workflow ini bisa dipasang ke sistem yang sudah Anda pakai tanpa menggantinya. Penjelasan layanannya ada di halaman jasa AI automation, dan Anda bisa mulai dari konsultasi gratis: ceritakan prosesnya, kami petakan bagian mana yang layak diotomasi lebih dulu.