Upaya perdana McDonald’s mengotomatisasi layanan drive-thru gagal bukan karena sistemnya terlalu sering keliru. Masalah utamanya jauh lebih mendasar yaitu sistem kecerdasan buatan (AI) tidak menyadari bahwa dirinya sedang berbuat salah.
Perbedaan sudut pandang inilah yang kini mengubah cara industri menempatkan sistem otomatis di hadapan konsumen.
Dalam konvensi global di Las Vegas pada Juni lalu, McDonald’s memaparkan strategi AI masa depannya melalui platform ArchIQ dan asisten suara Archy yang diuji terbatas di sejumlah gerai di Amerika Serikat (AS).
Langkah itu mengingatkan publik pada musim panas 2024, ketika sistem McDonald’s serupa dihentikan operasionalnya setelah berjalan tiga tahun di sekitar seratus gerai.
Kendati demikian, masalah itu sebenarnya sudah terdokumentasikan jauh sebelum viral di media sosial. Secara bisnis, kalkulasinya pun tidak seimbang karena gagal menekan biaya operasional.
Dua tahun berselang, tantangan seperti variasi dialek dan kebisingan latar masih tetap ada. Pertanyaannya bukan lagi apa yang baru dari Archy, melainkan mengapa McDonald’s kembali melirik inisiatif ini.
Akar Masalah Sebenarnya
Usai mencatatkan kinerja di bawah target di AS, CEO McDonald’s Chris Kempczinski meminta para analis memahami kondisi manajer restoran yang kewalahan menghadapi berbagai peluncuran produk dalam waktu berdekatan.
”Tim bekerja dalam keterbatasan, waktu pelayanan melambat, dan tingkat kepuasan pelanggan merosot tajam,” katanya.
Mengingat layanan drive-thru menyumbang sekitar 70 persen dari total bisnis di AS, tekanan di lini depan kian menumpuk. Untuk kembali ke bidang yang pernah gagal menuntut pemahaman kesalahan yang utuh, meski penjelasan logis sering kali mengecoh.
Dulu, para analis menganggap akurasi AI sebagai tantangan utama. Padahal, masalah sebenarnya ada di tempat lain.
Dalam laporan audit QSR Drive-Thru Report, ketika AI memproses pesanan secara penuh, tingkat akurasinya mencapai 81 persen.
Namun, ketika dialihkan ke staf manusia, akurasinya melonjak hingga 95 persen. Kesimpulannya, perbedaan krusial bukan terletak pada seberapa baik sistem mendengarkan, melainkan apa yang ia lakukan ketika tidak memahami pelanggan.
Berbeda dari kasus 2024 saat sistem terus berjalan meski keliru, uji coba tiga tahun terakhir gagal dicegah staf karena sistem tidak melakukan panggilan darurat meski mereka berada di dekat pengeras suara.
Mengelola Kesalahan dan Tanggung Jawab
Masalah ini tak hanya dialami restoran cepat saji. Organisasi apa pun yang menyerahkan interaksi pelanggan sepenuhnya pada mesin tanpa pengawasan akan menghadapi titik yang sama.
Momen kritis itu luput dari metrik performa, padahal justru menjadi penentu utama saat terjadi kesalahan. Untungnya, hampir semua skenario di titik tersebut bisa diantisipasi sejak awal.
Kesenjangan ini tak bisa diatasi sekadar dengan menempatkan satu orang pengawas, karena mustahil memantau setiap pesanan atau percakapan pelanggan sekaligus. Yang dibutuhkan adalah sistem yang mampu berjeda di tengah interaksi dan mengalirkannya kepada pengguna lain.
Metrik yang perlu dievaluasi adalah seberapa banyak insiden dapat diselesaikan secara real-time tanpa membuat pelanggan mengulang proses dari awal. Hal itu mensyaratkan agar staf yang mengambil alih dapat melihat rekam jejak interaksi sebelumnya serta memiliki otonomi penuh untuk menyelesaikannya.
Menjangkau Pelanggan Lewat Keputusan Bisnis
Kesalahan-kesalahan lalu bukanlah hal acak. Pada anjungan suara otomatis, sebagian besar pesanan keliru bersumber dari permintaan kustomisasi yang dilakukan oleh sekelompok kecil pelanggan.
Di sinilah letak jebakannya, sistem tampak akurat secara statistik tetapi kelompok tertentu justru sering menerima pesanan yang tidak sesuai. Justru kasus-kasus seperti inilah yang sering terabaikan oleh rata-rata statistik. Padahal bisa menjatuhkan program percontohan.
Pertanyaan esensialnya adalah siapa pelanggan yang paling terdampak, seberapa besar nilai mereka bagi bisnis, dan apa konsekuensinya jika mereka pergi.
Sebelum sistem diterapkan, harus ada kesepakatan tertulis mengenai jenis kesalahan spesifik yang dapat ditoleransi. Ini bukan sekadar soal angka persentase atau keputusan teknis yang bisa disetujui tim teknologi saja. Di sinilah dimensi bisnis yang lebih luas ikut menentukan.
Kasus ini seharusnya tidak membuat organisasi lantas mundur dan bermain aman di ranah internal. Jika AI hanya diterapkan di area yang bebas dari risiko, nilai yang dihasilkannya pun akan tak terlihat. Itulah alasan mengapa McDonald’s kembali melangkah maju.
Keberhasilan tim justru ditentukan oleh tindakan nyata yang diambil ketika sistem tersebut keliru dan tahu kapan saatnya harus berhenti.
