Apa yang Salah dari AI Saat Merancang Checkout (dan Cara Memperbaikinya)

AI melakukan satu kesalahan yang dapat diprediksi saat merancang checkout: ia merancang untuk demo, bukan untuk transaksi ke-sepuluh ribu. Ask an AI app builder untuk sebuah checkout dan Anda akan mendapatkan sesuatu yang meyakinkan dalam hitungan menit. Keranjang belanja yang bersih, tombol-tombol yang rapi, layar pembayaran yang meyakinkan. Kegagalan tersebut ada pada semua hal yang tidak dapat ditunjukkan oleh tangkapan layar: bagaimana alur tersebut menangani pengembalian dana (refund), pembayaran terpisah, aturan pajak, atau antrean pelanggan pada hari Sabtu siang.

Solusinya bukanlah perintah (prompt) yang lebih baik. Melainkan memutuskan bagian mana dari checkout yang boleh dimiliki oleh AI, dan bagian mana yang tidak boleh diimprovisasi oleh AI. Di sinilah checkout buatan AI sebenarnya bermasalah, dan apa yang harus dilakukan untuk mengatasinya.

Mengapa checkout yang dirancang AI terlihat tepat tetapi gagal saat digunakan?

Dua alasan. Pertama, AI mempelajari desain checkout dari checkout yang sudah ada, dan checkout yang sudah ada tersebut biasa-biasa saja. Baymard Institute mencatat rata-rata tingkat pengabaian keranjang belanja daring yang terdokumentasi sebesar 70,22%¹, dan menemukan bahwa rata-rata checkout di AS menampilkan 23,48 elemen formulir padahal alur yang ideal hanya membutuhkan 12 hingga 14¹. Model yang dilatih pada rata-rata tersebut akan mereproduksi rata-rata tersebut, termasuk kesalahan-kesalahannya.

Kedua, bias skenario ideal (happy-path bias). Perangkat lunak yang dihasilkan dinilai seperti cara demo dinilai: apakah kasus normalnya berfungsi? Sebuah checkout dinilai seperti cara mesin kasir dinilai: apakah setiap kasus berfungsi, setiap saat, dengan pelanggan yang sedang memperhatikan? Itu adalah standar yang berbeda, dan kesenjangan di antara keduanya tetap tidak terlihat sampai uang sungguhan mengalir melaluinya.

Apa yang sebenarnya salah dari AI dalam sebuah checkout?

Lima kegagalan muncul berulang kali. (Untuk kesenjangan infrastruktur yang lebih dalam di baliknya, lihat Bisakah Anda Membangun POS dengan Lovable atau Replit? Daftar ini adalah tentang checkout itu sendiri.)

• Perhitungan uang. Kode yang dihasilkan secara rutin melakukan aritmatika mata uang dalam floating point (matematika desimal yang membulat secara tidak terduga), sehingga nilai sen bergeser pada diskon, pajak, dan pembayaran terpisah. Gejalanya muncul saat penutupan: total yang tidak akan terekonsiliasi (cocok hingga ke pecahan terkecil) dengan laporan akhir hari Anda.

• Pajak. AI menetapkan satu tarif secara kaku (hard-code). Pajak penjualan yang sebenarnya bergantung pada yurisdiksi, jenis barang, pengecualian, dan tanggal, serta berubah tanpa memberi tahu kode Anda. Checkout yang menebak-nebak pajak bukanlah checkout; itu adalah liabilitas dengan antarmuka yang bagus.

• Skenario bermasalah (unhappy path). Pengembalian dana (refund), pembatalan (void), pembayaran sebagian, pengabaian harga (price override), terputusnya koneksi di tengah transaksi. Demo tidak pernah mengujinya; meja kasir menghadapinya setiap hari. Sebagian besar checkout buatan AI sama sekali tidak memilikinya.

• Kecepatan kasir. AI menyalin pola e-commerce yang dibuat untuk pembeli yang melakukan checkout sekali saja. Seorang kasir menjalankan alur yang sama ratusan kali dalam satu giliran kerja, sehingga setiap ketukan ekstra akan menumpuk menjadi waktu antrean. Bahkan pilihan kecil pun mengubah dinamika meja kasir; di mana perintah tip berada adalah keputusan tersendiri.

• Pembayaran. Tombol bayar bukanlah sebuah pembayaran. Menerima kartu secara langsung memerlukan pemroses pembayaran, kepatuhan PCI (aturan keamanan data industri kartu), dan perangkat keras pembaca kartu bersertifikat. Semua itu tidak dapat dihasilkan dari sebuah perintah; itu harus ada. Apa yang sebenarnya termasuk dalam infrastruktur pembayaran lebih panjang dari yang diperkirakan kebanyakan orang.

Bagaimana cara memperbaiki checkout yang dirancang AI?

Bagi pekerjaan menjadi dua. AI sangat bagus dalam bagian desain: tata letak, urutan alur, pilihan kata, dan pembentukan layar sesuai dengan cara toko Anda menjual. Biarkan AI menguasai bagian itu. Bagian keuangan (aritmatika, pajak, pemrosesan pembayaran, catatan transaksi) harus berasal dari infrastruktur perdagangan yang deterministik (memberikan jawaban benar yang sama setiap saat), bukan dari kode yang dibuat berdasarkan perintah.

"Cukup perintahkan AI untuk menangani pajak dengan benar" tidak menyelesaikan masalah ini, karena Anda tidak dapat mengetahui apakah itu berhasil hanya dengan melihatnya. Sebuah checkout bisa salah beberapa sen per transaksi selama berbulan-bulan sebelum ada yang menyadarinya. Jadi, solusinya bersifat struktural:

• Batasi alih-alih memerintah. Gunakan platform di mana total, pajak, dan metode pembayaran sudah terintegrasi dan AI hanya dapat mengaturnya, bukan menciptakannya kembali.

• Uji skenario bermasalah sebelum peluncuran. Lakukan pengembalian dana (refund), pembatalan (void), pembayaran terpisah, dan pembatalan di tengah transaksi. Jika salah satu dari hal tersebut tidak ada, Anda hanya memiliki demo, bukan checkout.

• Lakukan rekonsiliasi pada hari pertama. Bandingkan total checkout Anda dengan catatan pemroses pembayaran Anda setelah hari pertama penjualan yang sebenarnya. Pergeseran nilai sen akan langsung terlihat atau tidak sama sekali.

• Perhatikan solusi alternatif (workaround). Jika staf membuat langkah alternatif di luar alur pada minggu pertama, desain tersebut gagal. Perbaiki sebelum solusi alternatif tersebut menjadi sistem yang permanen.

Jadi, apa yang salah dari AI saat merancang checkout?

Ia membuat tampilannya benar tetapi sistem di belakangnya salah: alur skenario ideal, perhitungan uang yang diimprovisasi, pajak yang ditebak-nebak, dan tidak ada solusi untuk pengembalian dana, pembayaran terpisah, atau pembayaran dengan kartu fisik (card-present). Semua itu tidak dapat diperbaiki dengan perintah yang lebih baik; melainkan dengan menempatkan AI di atas infrastruktur yang sudah menangani keuangan. Aturan praktisnya: biarkan AI merancang alurnya, jangan pernah biarkan ia mengimprovisasi keuangannya.

Pemisinan itulah yang menjadi ide di balik pembuat berbasis perintah seperti Build dari Final, di mana Anda mendeskripsikan checkout yang Anda inginkan dan total, pajak, serta transaksi Final Pay di bawahnya berasal dari sistem yang selalu akurat. Untuk melihatnya secara langsung, buat alur pertama Anda dalam waktu sekitar sepuluh menit, atau pelajari lebih lanjut dengan AI untuk Bisnis: Apa yang Bisa (dan Tidak Bisa) Dilakukannya.