Wawancara
Zack Peng, Salah Satu Pendiri dan CEO Seel – Seri Wawancara

Poin utamaSeel menyelesaikan lebih dari 99% kasus dukungan dengan membiarkan AI menyelesaikan…
Lihat selengkapnya
- Seel menyelesaikan lebih dari 99% kasus dukungan dengan membiarkan AI menyelesaikan penyelesaian masalah alih-alih mengalihkan tiket.
- Kepercayaan pada dukungan AI bergantung pada jalur keluar yang terlihat menuju manusia, bukan pada akurasi bot.
- Pedagang harus menuntut bukti tingkat penyelesaian menyeluruh dan tanggung jawab, bukan demo yang mengesankan.
Zack Peng adalah Salah Satu Pendiri dan CEO Seel. Ia berfokus pada masalah yang dihadapi pembeli dan pedagang setelah transaksi selesai. Kiprahnya berawal dari upaya memprediksi pengembalian barang dan pengembalian dana, lalu berkembang hingga mencakup sistem AI yang menangani permintaan pelanggan di berbagai alur kerja perdagangan. Ia mendorong penggunaan agen yang dapat bertindak dengan batas operasional yang jelas, eskalasi kepada manusia, dan pertanggungjawaban atas hasil yang diterima pelanggan.
Seel menyediakan layanan pascapembelian dan agensi AI untuk perdagangan elektronik, termasuk perlindungan pembelian dan pengiriman, dukungan pelanggan, serta penjualan kembali. Platformnya menghubungkan sistem pedagang, informasi pesanan, dan alur kerja layanan untuk membantu menyelesaikan masalah pembeli. Sementara itu, LLM Gateway mendukung akses ke model dan perutean berbasis tugas. Dalam wawancara ini, Peng membahas peralihan dari sekadar menjawab pertanyaan menjadi bertanggung jawab atas hasil, kendali yang dibutuhkan agar agen dapat bertindak di berbagai sistem, serta cara pedagang menilai keandalan layanan AI.
Apa yang mendorong Anda untuk ikut mendirikan Seel, dan bagaimana upaya mengatasi masalah yang dihadapi pembeli setelah transaksi selesai membawa Anda pada gagasan membangun tenaga kerja AI untuk perdagangan elektronik?
Semuanya bermula dari sebuah marketplace. Kami bertemu dengan seorang pendiri yang menjalankan marketplace dan melihat betapa besar upaya industri untuk memprediksi transaksi balik (chargeback), yang biayanya mencapai sekitar 0,5% dari GMV. Pengembalian barang dan pengembalian dana mencapai 10 hingga 20%, tetapi tak seorang pun memprediksinya. Jadi, kami membuat model yang mampu melakukannya, lalu menggunakannya agar pembeli dapat membayar sejumlah kecil biaya untuk membuat barang yang dijual dengan ketentuan tidak dapat dikembalikan menjadi bisa dikembalikan. Saya memperkirakan 3 hingga 5% pembeli akan memilihnya. Kenyataannya, angkanya 10 hingga 20%. Dari situ kami memahami bahwa pembeli bersedia membayar demi rasa tenang setelah bertransaksi, sama seperti alasan orang membeli AppleCare atau perlindungan saat menyewa mobil.
Tenaga kerja AI ini berawal dari kotak masuk dukungan pelanggan kami sendiri. Lebih dari 70% tiket dukungan pelanggan kami tidak ada kaitannya dengan pengembalian barang. Pembeli ingin mengetahui keberadaan pesanannya atau apakah mereka bisa menukar suatu barang. Alih-alih mengarahkan mereka kembali ke pedagang, kami mulai menangani tiket-tiket itu sendiri. Kami menyadari bahwa nilai sesungguhnya AI dalam perdagangan bukanlah menghemat uang. Nilainya terletak pada kemampuannya melakukan berbagai hal secara instan dalam skala besar, bahkan saat volume mencapai puncaknya. Ini mencakup sistem AI yang dapat menilai dan menyetujui pengembalian dana yang memenuhi syarat sebelum barang retur diterima, serta agen AI yang tersedia 24/7 dan dapat bertindak untuk menyelesaikan permintaan pelanggan.
Anda menggambarkan perkembangan dari chatbot yang menjawab pertanyaan, ke agen yang mengambil tindakan, hingga agensi AI yang bertanggung jawab atas keseluruhan hasil. Apa saja perubahan teknis dan operasional di antara tahap-tahap tersebut, dan dapatkah Anda memberikan contoh masalah pelanggan yang nyata?
Perbedaannya terletak pada siapa yang bertanggung jawab atas hasilnya. Chatbot menjawab, “Di mana pesanan saya?” Agen menyelesaikan satu tugas, seperti mengajukan klaim. Agensi bertanggung jawab atas hasil akhirnya: pelanggan mendapatkan apa yang telah dibayarnya.
Dari sisi teknis, agensi bekerja di berbagai sistem, termasuk toko pedagang, perusahaan pengiriman, dan sistem pembayaran, bukan hanya di satu sistem. Agensi melacak suatu kasus selama beberapa hari, bukan hanya dalam satu percakapan, dan harus mengetahui kapan masalah benar-benar telah selesai. Dari sisi operasional, Anda tak lagi mengatur jumlah staf berdasarkan volume tiket, melainkan berdasarkan kasus-kasus pengecualian.
Bayangkan sebuah paket yang ditandai telah terkirim, padahal tak pernah sampai. Chatbot menyuruh pembeli menunggu. Agen mengajukan klaim. Seel Agencies memeriksa pemindaian perusahaan pengiriman dan riwayat pesanan, menentukan apakah kasus memenuhi syarat, memberikan pengembalian dana atau mengirim barang pengganti, memperbarui catatan pedagang, lalu memberi tahu pembeli bahwa masalahnya telah selesai. Sebagai mitra yang menangani tiket pascapembelian pedagang dari awal hingga akhir, kami lebih dulu menguji infrastruktur AI ini pada tiket kami sendiri. Pendekatan yang berfokus pada penyelesaian masalah ini membantu kami mencapai tingkat penyelesaian di atas 90%, sekaligus memungkinkan kami menandai permintaan yang memenuhi syarat dan segera mengembalikan dananya.
Bayangkan agen belanja yang membeli ukuran yang salah atas nama seseorang. Apa yang perlu dilakukan agen tersebut, pedagang, dan Seel untuk memperbaiki kesalahan itu, dan siapa yang seharusnya bertanggung jawab atas hasilnya?
Pembeli tidak seharusnya harus menjadi penengah. Siapa pun yang melakukan kesalahan, solusinya tetap sama: penukaran atau pengembalian dana dengan cepat.
Ada tiga hal yang memungkinkan hal itu. Pertama, catatan pesanan harus mencantumkan siapa yang membuat pesanan dan berdasarkan instruksi apa, sehingga keputusan agen dapat ditelusuri. Kedua, kebijakan pengembalian pedagang harus dapat dibaca oleh mesin agar agen dapat menindaklanjutinya. Ketiga, seseorang harus menjamin hasilnya sebelum pihak yang bersalah ditentukan.
Di sinilah Seel berperan. Kami menanggung kewajiban finansialnya. Jika pesanan dilindungi, pembeli terlebih dahulu mendapat penggantian penuh, sedangkan penentuan pihak yang bertanggung jawab dilakukan setelahnya. Jika agen belanja AI memesan ukuran yang salah atas nama seseorang, pembeli seharusnya mendapatkan jalur penyelesaian yang sama seperti jika ia memesan sendiri—selama perlindungan yang tepat ditambahkan saat pembayaran dan masalah tersebut termasuk dalam cakupan perlindungan. Kami menjamin secara finansial hasil yang kami lindungi. Pembeli tidak seharusnya harus menjadi penengah untuk menentukan apakah dirinya atau agennya yang melakukan kesalahan.
Tim Anda mengatakan AI mempercepat penanganan 80% volume tiket dukungan Seel. Apa arti “mempercepat” dalam praktik, berapa banyak tiket yang diselesaikan tanpa campur tangan manusia, dan metrik apa yang menunjukkan apakah pelanggan benar-benar menerima layanan yang lebih baik?
Artinya, AI mengerjakan hal-hal yang sebelumnya memperlambat seseorang: membaca kasus, mengambil data pesanan dan pengiriman, memeriksa kebijakan pedagang, dan, dalam kebanyakan kasus, menyelesaikan masalah. AI menangani 80% dari seluruh tiket kami. Secara keseluruhan, kami menyelesaikan lebih dari 99% kasus dukungan, sementara angka yang biasa disebut di industri berkisar antara 60% hingga 70%.
Namun, tingkat penyelesaian saja bisa menutupi buruknya layanan, karena bot yang mengalihkan pelanggan tampak sangat efektif di dasbor. Karena itu, kami memantau metrik seperti tingkat tiket yang dibuka kembali, tingkat eskalasi ke staf manusia, dan kepuasan pelanggan. Kecepatan penting saat pelanggan merasa frustrasi. Mengubah alamat pengiriman biasanya memerlukan rangkaian email yang melibatkan sistem pesanan dan pemenuhan pesanan yang terpisah. Staf kami menyelesaikannya dalam hitungan menit.
Ukuran yang paling saya pedulikan adalah apakah pelanggan kembali berbelanja. Di seluruh jaringan kami, 69% pembeli yang kembali melindungi pesanan pertama mereka.
Anda menggambarkan diri sebagai “mendukung penggunaan agen, hanya bukan autopilot.” Keputusan apa yang sengaja tetap Anda serahkan kepada manusia, dan bagaimana sistem Anda mengenali bahwa kasus yang tampaknya rutin ternyata memerlukan pertimbangan manusia?
Autopilot berarti tak ada yang mengawasi. Kami ingin agen menangani sebagian besar pekerjaan dan manusia mengambil keputusan ketika pertimbangan diperlukan.
Ada tiga jenis keputusan yang tetap kami serahkan kepada manusia: segala hal yang menetapkan kebijakan, kasus ketika keputusan yang keliru akan mahal untuk diperbaiki, dan kasus yang cukup tidak biasa sehingga jawaban berdasarkan aturan mungkin bukan jawaban yang adil. AI menangani kasus rutin dalam batas-batas tersebut dan tidak dapat memperluas kewenangannya sendiri. Jika suatu tindakan belum diizinkan, atau suatu kasus memerlukan persetujuan tambahan atau penanganan khusus, kasus itu langsung dieskalasikan kepada manusia.
Sistem ini tidak hanya melihat jenis permintaan, tetapi juga konteks di sekitarnya: risiko, urgensi, frustrasi pelanggan, dan sensitivitas kebijakan. Kasus berisiko tinggi dialihkan kepada manusia, sedangkan kasus yang sensitif terhadap kebijakan mungkin memerlukan verifikasi tambahan sebelum tindakan dilakukan. Ambang batas tersebut dikonfigurasi sesuai dengan pedagang dan alur kerja, bukan dinyatakan sebagai satu nilai uang atau skor keyakinan yang berlaku universal. Misalnya, permintaan untuk mempercepat proses atau menaikkan jumlah pembayaran dapat berada di luar kewenangan AI untuk bertindak secara mandiri.
Riset Anda tentang pelanggan menunjukkan bahwa banyak konsumen Gen Z masih ingin manusia terlibat dalam penyelesaian masalah mereka. Apa yang Anda pelajari tentang merancang dukungan berbasis AI yang membangun kepercayaan, terutama ketika pelanggan ingin menggugat keputusan atau menghubungi manusia?
Gen Z adalah generasi yang paling nyaman menggunakan AI sekaligus paling cepat menyadari ketika perusahaan memanfaatkannya untuk menghindari mereka. Dalam laporan belanja Gen Z 2026 kami, 49% Gen Z mengatakan bahwa mereka lebih memilih menyelesaikan masalah dengan bantuan seseorang. Mereka tetap menginginkan penyelesaian yang cepat: 87% pembeli mengharapkan masalah mereka diselesaikan dalam dua hingga tiga hari.
Yang kami pelajari, kepercayaan muncul dari adanya jalan keluar, bukan dari bot. Ketika pelanggan tahu bahwa mereka bisa menghubungi seseorang, mereka senang membiarkan AI menangani berbagai hal. Namun, ketika AI menjadi penghalang, kepercayaan runtuh, sekalipun jawabannya benar.
Karena itu, kami merancang layanan dengan memperhatikan tiga hal:
- Kecepatan, agar masalah terselesaikan sebelum pelanggan mulai frustrasi
- Alasan yang jelas dan mudah dipahami setiap kali AI menolak permintaan
- Eskalasi satu langkah kepada seseorang yang langsung dapat melihat riwayat lengkap, sehingga pelanggan tidak perlu mengulang penjelasan.
Ketika agen dapat memberikan pengembalian dana, mengubah pesanan, atau melakukan tindakan di berbagai sistem pedagang, kesalahan dapat menimbulkan konsekuensi finansial. Bagaimana Anda menegakkan batas izin, mencegah tindakan ganda atau tanpa wewenang, dan merekonstruksi kejadian ketika terjadi masalah?
Setiap agen hanya mendapat akses yang diperlukan untuk pekerjaannya, tanpa akses tambahan. Kami membatasi akses tersebut pada alur kerja spesifik yang telah disepakati pedagang. Kami menggunakan akun khusus atau token API yang terpisah dari identitas karyawan, sehingga pedagang dapat menyesuaikan, menangguhkan, atau mencabut akses kapan saja.
Untuk tindakan berisiko lebih tinggi, seperti pengembalian dana dalam jumlah besar, kami dapat mengatur peninjauan oleh manusia atau ambang batas berdasarkan jumlah dan aturan sesuai persyaratan pedagang. Memberi agen akses ke suatu sistem tidak seharusnya berarti memberinya mandat tanpa batas.
Setiap tindakan di sistem dicatat, termasuk kapan tindakan itu dilakukan, apa yang dilakukan, dan apa pemicunya. Jika terjadi masalah, catatan tersebut dapat kami gunakan untuk menyelidikinya bersama pedagang, membantu membatalkan tindakan, dan memperketat aturan setelahnya.
Dengan 1-Click Resale, agen membuat iklan, menetapkan harga, dan mengoordinasikan penjualan di beberapa pasar daring. Bagaimana Anda memvalidasi deskripsi dan harga produk, serta mencegah barang terjual dua kali ketika pembaruan dari pasar daring tertunda?
Layanan penjualan kembali kami menangani pekerjaan yang biasanya ingin dihindari penjual. Layanan ini memeriksa foto dari pelanggan untuk menilai kondisi barang, menetapkan harga berdasarkan kondisi pasar, membuat iklan, lalu menghapus iklan setelah barang terjual.
Deskripsi dibuat berdasarkan data yang sudah kami miliki. Karena barang berasal dari pesanan pedagang, layanan ini menggunakan data produk asli. Penetapan harga dimulai dari harga jual aktual barang sejenis, lalu disesuaikan dengan kondisi barang. Pelanggan mengonfirmasi penawaran sebelum kami melanjutkan, dan tim kami menangani pembuatan iklan serta melengkapi informasi yang masih kurang.
Tujuannya adalah mempermudah penjualan kembali, sehingga pelanggan dapat memperoleh kembali nilai dari barang yang tak lagi mereka inginkan, bahkan setelah masa pengembalian berakhir.
Tantangan operasional apa yang mendorong Anda membuka LLM Gateway milik Seel, dan bagaimana Anda memilih model untuk berbagai tugas berdasarkan keandalan, latensi, dan biaya? Apakah Anda mengevaluasi keekonomian per panggilan model atau per hasil yang berhasil dicapai pelanggan?
Awalnya, kami membangunnya untuk kebutuhan kami sendiri. Mengembangkan Seel Agencies untuk menjalankan alur kerja kami mengajarkan bahwa AI dalam skala besar menuntut kedisiplinan dalam menentukan sumber model. Kami membutuhkan skala, keandalan, akses ke model terbaik, dan keekonomian unit yang dapat diprediksi, jadi kami membangun infrastrukturnya. Para pedagang menghadapi kenaikan biaya yang sama, dari satu model ke model lain dan dari satu permintaan ke permintaan berikutnya, jadi kami membuka aksesnya.
Kami memilih rute berdasarkan tugas. Mengambil nomor pesanan dari email tidak memerlukan model yang sama dengan model untuk menangani masalah rumit yang terdiri atas beberapa langkah. LLM Router menilai kompleksitas permintaan dan mengarahkannya ke salah satu model yang diizinkan pelanggan. Pelanggan dapat memilih kinerja, penghematan, atau keseimbangan antara keduanya. Dengan begitu, mereka dapat menentukan seberapa besar penghematan yang ingin dicapai untuk tugas yang lebih sederhana.
Keandalan dan latensi tetap harus memadai untuk beban kerja yang sebenarnya. Kami menyarankan pengujian kualitas, waktu respons, dan biaya sebelum menerapkan perutean yang lebih agresif. Untuk alur kerja yang rumit atau tugas yang memerlukan konsistensi ketat, pelanggan dapat tetap menggunakan model tertentu alih-alih perutean otomatis.
LLM Router mengenakan biaya berdasarkan penggunaan model, bukan per hasil yang berhasil dicapai pelanggan. Dengan perutean cerdas, tagihan dihitung berdasarkan tarif model yang benar-benar digunakan. Seel menanggung biaya untuk menilai kompleksitas permintaan dan menentukan rute tersebut.
Bagi para pendiri yang membangun bisnis AI, apa yang diajarkan Seel kepada Anda tentang perbedaan antara demonstrasi yang mengesankan dan layanan yang dapat diandalkan pelanggan? Bukti apa yang seharusnya diminta pedagang sebelum menyerahkan seluruh fungsi bisnis kepada agen AI?
Demo menunjukkan sistem bekerja sekali. Layanan menunjukkan sistem tetap bekerja pada kasus ke-10.000, pukul 02.00, saat API perusahaan pengangkut sedang tidak berfungsi dan pelanggan marah. Bagian tersulit bukanlah modelnya. Yang sulit adalah menangani data yang buruk, sistem yang tidak selaras, dan mengetahui kapan AI seharusnya tidak bertindak.
Pedagang seharusnya meminta bukti, bukan demo. Berapa bagian kasus yang ditangani agen dari awal hingga akhir? Berapa lama waktu penyelesaiannya dan berapa tingkat pembelian ulangnya, selain tingkat pengalihan tiket? Jika agen melakukan kesalahan, siapa yang menanggung akibatnya, seberapa cepat, dan apakah Anda dapat melihat dengan tepat apa yang dilakukannya? Berapa banyak orang yang dibutuhkan untuk menjalankannya?
Terima kasih atas wawancara yang luar biasa ini. Pembaca yang ingin mempelajari lebih lanjut tentang agen AI, layanan pascapembelian, dan otomatisasi untuk e-commerce dapat mengunjungi Seel.












