Chatbot toko selama ini nyaris identik dengan pengalaman yang mengecewakan: jawaban generik, tidak paham lokasi fisik toko, dan berujung pada pelanggan yang menyerah lalu mencari staf yang kebetulan sedang sibuk di ujung lorong lain. Home Depot baru saja membalikkan reputasi itu dengan cara yang cukup berani. Pada 27 Agustus 2026, peritel perkakas terbesar di Amerika Serikat ini mengumumkan bahwa kapabilitas in-store dari asisten belanja berbasis AI miliknya, Magic Apron, kini aktif secara nasional di lebih dari 2.000 toko fisik — sebuah lompatan skala yang jarang terjadi secepat ini di industri ritel (sumber: Home Depot Investor Relations).
Yang membuat langkah ini menarik bukan semata jumlah toko yang dijangkau, melainkan klaim volume pemakaiannya: menurut perusahaan, Magic Apron sudah menjawab jutaan pertanyaan pelanggan setiap bulan. Angka sebesar itu menandakan proyek ini sudah lewat fase eksperimen kecil dan masuk ke tahap yang benar-benar dipakai sehari-hari oleh pelanggan biasa, bukan sekadar demo yang dipamerkan di acara teknologi.
Skala yang Membuat Analis Ritel Menoleh
Peluncuran fitur AI di satu atau dua toko percontohan sudah biasa terjadi di industri ritel. Yang jarang terjadi adalah lompatan langsung ke lebih dari 2.000 lokasi sekaligus, mencakup hampir seluruh jaringan toko Home Depot di Amerika Serikat. Kecepatan rollout semacam ini biasanya hanya mungkin bila fondasi teknisnya sudah matang jauh sebelum pengumuman resmi dibuat.
Bukan Proyek yang Dibangun dari Nol
Rahasianya ternyata sederhana: Home Depot tidak membangun infrastruktur baru dari awal. Perusahaan memperluas fitur Store Mode di aplikasi mobilenya yang sebenarnya sudah ada sejak 2022, lalu menambahkan lapisan kecerdasan buatan generatif di atas fondasi yang sudah teruji itu. Pendekatan bertahap semacam ini menjelaskan mengapa rollout bisa berjalan secepat itu tanpa mengorbankan stabilitas sistem (sumber: HBSDealer).
Bukan Cuma Tanya-Jawab, Tapi Penunjuk Arah dan Konsultan Proyek
Magic Apron dirancang untuk memahami tata letak fisik setiap toko secara spesifik, lalu menuntun pelanggan langsung ke lorong dan bay yang tepat, sekaligus mengecek ketersediaan barang baik di toko itu maupun di toko terdekat lainnya. Ini yang membedakannya dari chatbot layanan pelanggan generik yang hanya menjawab pertanyaan umum tanpa konteks lokasi.
Berinteraksi Lewat Teks, Suara, Foto, dan Banyak Bahasa
Cara pelanggan berinteraksi dengan asisten ini juga dibuat fleksibel. Mereka bisa mengetik pertanyaan seperti biasa, menggunakan voice-to-text, mengunggah foto barang yang sedang dicari, bahkan berkomunikasi dalam berbagai bahasa. Semua ini diakses lewat Store Mode di aplikasi Home Depot, atau cukup dengan memindai kode QR yang dipasang pada signage di dalam toko, tanpa perlu instalasi tambahan yang merepotkan.
Dari Navigasi ke Panduan Proyek Renovasi
Fungsinya juga meluas jauh melampaui sekadar “di mana letak barang ini”. Magic Apron memberi panduan proyek yang dipersonalisasi, misalnya membantu seseorang yang sedang merenovasi kamar mandi memahami urutan pembelian bahan, alat yang dibutuhkan, hingga estimasi jumlah material yang tepat. Posisinya bergeser dari sekadar mesin pencari lorong menjadi semacam konsultan proyek yang selalu siap sedia kapan pun dibutuhkan.
Yang Sebenarnya Membuat Asisten Ini Bekerja: Data, Bukan Kefasihan Bicara
Poin yang paling penting untuk dipahami peritel lain justru bukan seberapa lancar Magic Apron berbicara dengan pelanggan. Nilai sesungguhnya datang dari integrasinya ke data ketersediaan produk dan tata letak toko secara real-time. Sebuah antarmuka percakapan yang canggih tidak banyak berguna jika ia tidak tahu persis rak mana yang kosong atau gudang mana yang masih menyimpan stok cadangan. Bagi pembaca yang ingin mendalami sisi teknis semacam ini lebih jauh, AIretail.id menjadi salah satu rujukan yang secara konsisten memantau perkembangan seputar optimasi inventory, avatar AI di titik layanan, drone AI untuk audit gudang, sampai upaya menjaga on-shelf availability di berbagai peritel dunia.
Hubungan antara asisten AI dan kualitas data stok ini juga menjelaskan mengapa proyek semacam Magic Apron sulit ditiru instan oleh kompetitor. Membangun chatbot yang bisa mengobrol relatif mudah dengan teknologi generative AI yang tersedia luas saat ini. Yang jauh lebih sulit adalah memastikan chatbot tersebut selalu tahu jawaban yang benar tentang stok riil di rak, karena kesalahan informasi di sini langsung merusak kepercayaan pelanggan, bukan sekadar mengurangi kualitas obrolan.
Risiko yang Muncul Ketika Skala Membesar Secepat Ini
Perluasan ke lebih dari 2.000 toko sekaligus juga membawa tantangan operasional yang jauh lebih rumit dibanding masa uji coba di segelintir lokasi. Konsistensi kualitas jawaban di seluruh toko, akurasi data lokasi barang yang berbeda-beda per cabang, serta penanganan pertanyaan yang berada di luar cakupan pengetahuan sistem menjadi pekerjaan rumah yang tidak kecil. Peritel yang ingin mengikuti jejak ini perlu memastikan tim data dan tim operasional toko bekerja erat sejak awal, bukan menyerahkan seluruh proyek begitu saja kepada tim teknologi semata.
Apa yang Bisa Dipetik Peritel di Indonesia
Skala Home Depot memang jauh berbeda dari kebanyakan peritel di Indonesia, tetapi prinsip di baliknya tetap layak diadaptasi. Supermarket, hypermarket, hingga toko bangunan dengan variasi produk yang tinggi menghadapi masalah serupa: pelanggan kesulitan menemukan barang, sementara staf toko tidak selalu bisa menjawab cepat karena harus mengecek sistem secara manual terlebih dahulu. Asisten AI in-store, bahkan dalam bentuk yang jauh lebih sederhana seperti chatbot di aplikasi atau kios layar sentuh di sudut toko, berpotensi mengurangi friksi ini — asalkan sejak awal dibangun di atas data stok yang benar-benar akurat, bukan sekadar tampilan percakapan yang terlihat canggih di permukaan.
Penutup: Dari Fitur Pelengkap Menjadi Infrastruktur Inti
Yang membuat langkah Home Depot layak diperhatikan bukan sekadar skalanya yang besar, melainkan arah yang ditunjukkannya: asisten AI di dalam toko fisik sedang bergerak dari sekadar fitur pelengkap menjadi bagian dari infrastruktur inti operasional ritel. Ketika sebuah AI bisa menjawab “di mana barang ini” secepat dan seakurat karyawan senior yang sudah bertahun-tahun bekerja di toko tersebut, garis batas antara teknologi digital dan pengalaman belanja fisik semakin kabur.
Bagi peritel di mana pun, termasuk di Indonesia, pertanyaannya kini bukan lagi apakah asisten AI in-store akan menjadi standar industri, melainkan seberapa cepat mereka bisa membangun fondasi data yang cukup kuat agar asisten semacam itu benar-benar berguna — bukan sekadar gimmick teknologi yang cepat ditinggalkan pelanggan setelah kekecewaan pertama.