Di awal bereksperimen dengan kecerdasan buatan, saya—dan mungkin banyak rekan pemilik UMKM lainnya—langsung mencoba AI untuk berbagai pekerjaan operasional. Mulai dari membuat caption media sosial, membalas pertanyaan pelanggan, menyusun ide konten mingguan, hingga membantu membuat draft penawaran penjualan.
Namun setelah beberapa kali mencoba dan mengevaluasi hasilnya, saya menemukan satu masalah mendasar: AI yang saya gunakan belum tentu benar-benar memahami bisnis yang sedang dibantunya.
Teknologi ini memang mampu menghasilkan jawaban yang terlihat rapi dan meyakinkan. Masalahnya, hasil tersebut bisa meleset karena tidak sesuai dengan detail produk, harga terbaru, kebijakan internal, profil pelanggan, atau gaya komunikasi yang ingin saya bangun.
Saya kemudian menyadari bahwa masalahnya bukan semata-mata pada tools. Jika konteks yang kita berikan tidak lengkap, tersebar di banyak tempat, atau bahkan saling bertentangan, AI juga tidak memiliki dasar yang cukup untuk menghasilkan respons yang benar-benar relevan.
Dari pengalaman tersebut, saya mulai melihat kebutuhan akan satu pusat informasi bisnis yang lebih terstruktur—atau yang biasa disebut knowledge base.
Secara sederhana, saya mengartikan knowledge base sebagai kumpulan pengetahuan bisnis yang disusun agar mudah dicari, diperiksa, diperbarui, dan digunakan kembali. Di bisnis saya, isinya tidak hanya FAQ, tetapi juga informasi produk, kebijakan retur dan pengiriman, SOP tim, profil pelanggan, hingga panduan tone of voice.
Ketika informasi tersebut mulai lebih rapi, AI yang digunakan tim juga memiliki konteks yang lebih jelas untuk membantu pekerjaan marketing, sales, maupun customer service. Bukan karena AI tiba-tiba menjadi lebih pintar, tetapi karena bahan yang diberikan kepadanya memang lebih terstruktur dan relevan.
Melalui catatan belajar ini, saya ingin membagikan 7 cara praktis membuat knowledge base UMKM dengan AI berdasarkan alur kerja yang sudah saya coba dan gunakan di balik layar.
Namun, knowledge base yang berguna tidak dimulai dengan meminta AI membuat seluruh isi bisnis dari nol. Langkah pertama justru lebih sederhana: mencari informasi yang sebenarnya sudah kita miliki, mengetahui di mana informasi tersebut tersimpan, lalu menentukan mana yang masih layak digunakan sebagai sumber resmi.
1. Kumpulkan Sumber Informasi Bisnis yang Sudah Ada
Sebelum membuat struktur baru, saya lebih dulu melihat informasi yang sebenarnya sudah dimiliki bisnis.
Biasanya informasi tersebut tersebar di banyak tempat:
- katalog produk;
- price list;
- FAQ;
- SOP;
- chat customer service;
- dokumen penawaran;
- catatan penjualan;
- materi marketing;
- dan file internal lain yang digunakan tim.
Tujuan tahap ini bukan langsung merapikan semuanya. Saya hanya ingin mengetahui informasi apa yang tersedia, di mana letaknya, dan siapa yang biasanya menggunakannya.
Dari inventory sederhana seperti ini, biasanya mulai terlihat masalah: ada data yang sama di beberapa tempat, ada file lama yang masih digunakan, atau ada kebijakan penting yang ternyata hanya tersimpan di percakapan WhatsApp.
Prompt 1: Inventory dan Klasifikasi Informasi Bisnis
Saya ingin memetakan informasi bisnis yang sudah tersedia sebelum menyusun knowledge base.
Daftar sumber:
[tempel daftar file, FAQ, katalog, price list, SOP, catatan, atau informasi bisnis yang tersedia]
Tugas:
Kelompokkan informasi tersebut ke dalam kategori:
1. Profil bisnis;
2. Produk/jasa;
3. Harga;
4. Target pelanggan;
5. FAQ;
6. Kebijakan;
7. SOP;
8. Sales;
9. Customer service;
10. Brand voice;
11. Kategori lain jika memang diperlukan.
Untuk setiap item, tandai:
- sumber asal;
- siapa yang menggunakan;
- apakah informasinya terlihat lengkap;
- apakah ada kemungkinan duplikasi;
- apakah informasi berpotensi sudah kedaluwarsa.
Batasan:
Jangan mengisi informasi yang belum tersedia. Jangan menganggap satu sumber sebagai sumber resmi tanpa keputusan saya. Jika ada bagian yang belum jelas, tandai sebagai perlu verifikasi.
2. Tentukan Kategori dan Scope Knowledge Base
Setelah bahan terkumpul, langkah berikutnya adalah menentukan informasi apa yang memang layak masuk ke knowledge base.
Saya tidak memasukkan semua file hanya karena file tersebut tersedia.
Untuk UMKM, struktur awal bisa dibuat sederhana:
- Profil bisnis — positioning, layanan, area operasional;
- Produk/jasa — spesifikasi, manfaat, batasan;
- Pelanggan — persona, kebutuhan, pain points;
- FAQ — pertanyaan yang sering muncul;
- Kebijakan — pembayaran, pengiriman, retur, refund;
- SOP — prosedur kerja tim;
- Sales — penawaran, qualification, batas kewenangan;
- Customer service — standar pelayanan dan eskalasi;
- Brand voice — gaya komunikasi bisnis.
Scope yang jelas membuat knowledge base lebih mudah dirawat.
Jika informasi tersebut nantinya digunakan untuk mendukung pelayanan pelanggan, knowledge base dapat menjadi sumber fakta untuk SOP customer service maupun pekerjaan operasional tim.
3. Tentukan Source of Truth untuk Informasi yang Bertentangan
Ini salah satu bagian yang menurut saya paling penting.
Knowledge base tidak akan banyak membantu jika informasi di dalamnya masih saling bertentangan.
Misalnya:
Katalog lama: harga Rp250.000
Price list terbaru: harga Rp275.000
Chat lama: masih menggunakan Rp250.000
AI tidak seharusnya menentukan sendiri mana yang benar.
Manusia harus menetapkan:
Price list terbaru = Current Approved Source of Truth.
Prinsip yang sama berlaku untuk kebijakan retur, ongkir, jam operasional, spesifikasi produk, promo, atau aturan internal.
Jika dua sumber berbeda, jangan meminta AI “memilih yang paling masuk akal”. Tandai konflik tersebut dan selesaikan berdasarkan keputusan bisnis.
Prompt 2: Audit Konflik, Gap, dan Source of Truth
Saya ingin mengaudit bahan knowledge base berikut.
Data:
[tempel informasi dari beberapa sumber]
Tugas:
Identifikasi:
1. informasi yang duplikat;
2. informasi yang saling bertentangan;
3. informasi yang kemungkinan kedaluwarsa;
4. bagian yang belum lengkap;
5. bagian yang membutuhkan keputusan pemilik/PIC;
6. informasi yang sudah memiliki satu sumber yang konsisten.
Untuk setiap konflik, tampilkan sumber A, sumber B, dan bagian yang berbeda.
Penting:
Jangan menentukan sendiri sumber mana yang benar. Jangan membuat data baru untuk menyelesaikan konflik. Tandai sebagai Perlu Keputusan Manusia sampai saya menetapkan source of truth.
4. Pisahkan Informasi Stabil, Dinamis, dan Sensitif
Tidak semua informasi memiliki umur yang sama.
Ada informasi yang relatif stabil, seperti:
- profil bisnis;
- positioning;
- brand voice;
- struktur layanan;
- prinsip pelayanan.
Ada juga informasi yang berubah lebih sering:
- harga;
- stok;
- promo;
- ongkir;
- jam operasional;
- kebijakan tertentu.
Informasi dinamis sebaiknya memiliki metadata sederhana seperti:
Status: Aktif
Terakhir diperbarui: [tanggal]
Owner: [nama/PIC]
Sumber resmi: [file/sistem]
Ada satu kategori lagi yang perlu diperhatikan: informasi sensitif.
Password, data kartu pembayaran, data pribadi pelanggan, informasi rahasia bisnis, atau kredensial akun tidak seharusnya dimasukkan sembarangan ke tool AI.
Masukkan hanya data yang memang dibutuhkan untuk menyelesaikan tugas, dan anonimisasi informasi pelanggan jika identitasnya tidak relevan.
5. Gunakan AI untuk Merapikan, Bukan Menciptakan Pengetahuan
Setelah struktur dan source of truth mulai jelas, AI baru menjadi jauh lebih berguna.
Saya memanfaatkannya untuk:
- mengelompokkan informasi;
- merapikan format;
- menemukan duplikasi;
- membandingkan versi;
- mencari bagian yang masih kosong;
- dan membantu membuat informasi lebih mudah digunakan kembali.
Tetapi AI tidak boleh diberi tugas seperti:
“Lengkapi saja informasi bisnis yang belum ada.”
Jika data belum tersedia, jawaban yang benar adalah belum ada, bukan perkiraan.
Panduan prompting OpenAI juga menekankan pentingnya memberikan konteks dan instruksi yang jelas agar model memahami tugas yang diminta. Namun kualitas output tetap bergantung pada informasi yang tersedia dan bagaimana manusia memeriksanya kembali.
6. Uji Knowledge Base dengan Pertanyaan Nyata
Knowledge base yang terlihat rapi belum tentu berguna ketika dipakai tim.
Saya lebih suka mengujinya menggunakan pertanyaan yang memang pernah muncul dalam operasional.
Contohnya:
- Berapa harga produk A sekarang?
- Apa perbedaan produk A dan B?
- Bagaimana prosedur retur?
- Apakah barang tersedia?
- Apa yang harus dilakukan jika pelanggan meminta kompensasi?
- Kapan customer service harus melakukan eskalasi?
Jika jawabannya masih harus dicari ke banyak tempat, berarti knowledge base belum cukup matang.
Prompt 3: QA Knowledge Base
Saya ingin menguji knowledge base berikut menggunakan pertanyaan operasional nyata.
Knowledge base:
[tempel bagian yang ingin diuji]
Pertanyaan nyata:
[tempel daftar pertanyaan pelanggan/tim]
Tugas:
Untuk setiap pertanyaan:
1. cari apakah jawabannya tersedia;
2. tunjukkan sumber atau bagian yang digunakan;
3. tandai jika jawabannya lengkap, sebagian, atau tidak tersedia;
4. identifikasi informasi tambahan yang masih diperlukan;
5. tandai jika terdapat konflik dengan bagian lain.
Setelah itu, buat daftar prioritas perbaikan knowledge base.
Batasan:
Jangan menjawab menggunakan pengetahuan di luar data yang saya berikan. Jika jawabannya tidak tersedia, tulis Informasi Belum Tersedia.
7. Tentukan Owner dan Jadwal Pembaruan
Knowledge base yang akurat hari ini belum tentu akurat tiga bulan lagi.
Harga berubah. Produk bertambah. Kebijakan diperbarui. Tim menemukan kasus baru.
Karena itu, setiap bagian penting sebaiknya memiliki owner.
Minimal tentukan:
- siapa yang boleh memperbarui;
- siapa yang menyetujui perubahan;
- versi mana yang aktif;
- kapan terakhir diperbarui;
- dan sumber asli yang menjadi acuan.
Saya lebih memilih knowledge base kecil yang benar-benar diperbarui daripada dokumen besar yang terlihat lengkap tetapi sudah tidak dipercaya tim.
Knowledge Base sebagai Source of Truth Bisnis
Jika disederhanakan, workflow-nya menjadi:
Inventory → kategori → source of truth → klasifikasi data → rapikan → QA → update.
Ketika pondasinya cukup rapi, informasi yang sama dapat digunakan untuk berbagai kebutuhan.
Tim marketing tidak perlu menebak detail produk. Sales tidak perlu mencari harga dari chat lama. Customer service memiliki sumber informasi yang sama ketika menjawab pelanggan.
Pendekatan AI Customer Service juga menjadi lebih aman ketika draft respons berasal dari informasi bisnis yang sudah memiliki acuan jelas.
Namun knowledge base tetap bukan pengganti keputusan manusia. Ia adalah tempat kita menyimpan apa yang sudah diketahui dan disetujui bisnis agar manusia maupun AI bekerja dari konteks yang sama.
Pertanyaan yang Sering Diajukan
Apakah UMKM kecil membutuhkan knowledge base?
Menurut saya, knowledge base mulai terasa berguna ketika informasi bisnis sudah tersebar di banyak tempat, pertanyaan yang sama terus berulang, atau lebih dari satu orang mulai menggunakan informasi yang sama untuk bekerja.
Apakah knowledge base harus menggunakan software khusus?
Tidak. UMKM bisa memulai dari dokumen, spreadsheet, folder terstruktur, atau sistem sederhana lain yang mudah dipelihara. Struktur dan akurasi informasi lebih penting daripada tools yang terlihat canggih.
Apakah semua informasi bisnis aman dimasukkan ke AI?
Tidak. Hindari memasukkan password, kredensial akun, data pembayaran sensitif, atau data pribadi pelanggan yang tidak diperlukan. Gunakan prinsip minimum necessary: hanya berikan informasi yang memang dibutuhkan untuk tugas tersebut.
AI Bekerja Lebih Baik Ketika Bisnisnya Lebih Terstruktur
Ketika pertama kali menggunakan AI, saya sempat berharap teknologi ini dapat langsung memahami bisnis hanya dari beberapa instruksi.
Setelah berkali-kali mencoba, saya justru belajar bahwa hasil AI sangat dipengaruhi oleh kualitas konteks yang kita berikan.
Knowledge base membantu saya mengurangi informasi yang tercecer, konflik antarversi, dan pekerjaan berulang dalam menjelaskan bisnis kepada tim maupun AI.
Bagi saya, manfaat terbesarnya bukan membuat AI terlihat lebih pintar.
Manfaat terbesarnya adalah membuat pengetahuan bisnis menjadi lebih rapi dan dapat dipercaya.
Kalau informasi di bisnis Anda sekarang masih tersebar di WhatsApp, spreadsheet, file lama, dan kepala masing-masing anggota tim, bagian mana yang paling ingin Anda rapikan terlebih dahulu?
Ceritakan pengalaman Anda di kolom komentar. Bisa jadi masalah yang terlihat kecil hari ini justru menjadi titik awal membangun source of truth yang jauh lebih berguna untuk bisnis.