Wayfair Tingkatkan Akurasi Katalog dan Kecepatan Support Lewat OpenAI

BOSTON, (Rabu, 11 Maret 2026)

Wayfair, salah satu retailer perlengkapan rumah tangga terbesar di dunia, telah mengintegrasikan model OpenAI ke dalam sistem internal inti mereka untuk mengoptimalkan alur kerja dukungan supplier dan kualitas katalog produk dalam skala besar. Melansir laporan resmi perusahaan, inovasi yang dimulai sebagai pengujian skala kecil pada 2024 kini telah berkembang menjadi sistem produksi penuh yang mengurangi kerja manual dan mempercepat pengambilan keputusan.

Alih-alih memperlakukan Generative AI sebagai eksperimen terpisah, Wayfair menanamkan model OpenAI langsung ke dalam operasional inti. Fokus utama perusahaan terletak pada kompleksitas tinggi: melakukan routing dan penyelesaian permintaan dukungan supplier, serta meningkatkan puluhan ribu atribut produk secara konsisten di antara sekitar 30 juta item katalog.

Skalabilitas Katalog dengan Machine Learning

Tim katalog Wayfair mengelola puluhan juta produk di hampir seribu kelas produk yang berbeda. Atribut yang akurat—seperti warna, material, dan ukuran—sangat krusial untuk fitur pencarian dan rekomendasi. Sebelum menggunakan OpenAI, Wayfair mengandalkan model kustom yang mahal untuk dibangun dan dipelihara.

"Kami mulai dengan membangun model pesanan untuk tag individu, dan secara teknis itu berhasil. Namun, ketika Anda menghadapi 47.000 tag, pendekatan itu tidak bisa berskala (scale)," ungkap Carolyn Phillips, Staff Machine Learning Scientist di Wayfair.

Untuk mengatasi kendala tersebut, Wayfair menciptakan sistem yang didukung oleh AI Agent yang mampu memahami definisi konteks setiap tag. Saat ini, tim mampu memperluas cakupan model ke atribut baru dengan kecepatan 70 kali lipat dibandingkan tahun lalu. Hasilnya, perbaikan data ini meningkatkan performa SEO secara signifikan dalam uji coba A/B testing.

Otomatisasi Dukungan Supplier melalui Wilma

Di sisi operasional, Wayfair memperkenalkan fitur agentic pada produk bernama "Wilma". Sistem ini berfungsi melakukan triage tiket dukungan yang masuk, membaca maksud supplier, mengisi konteks yang hilang dari database, dan mengarahkan tiket ke tim yang tepat.

Wayfair juga menerapkan sistem "alignment rate" untuk memantau sejauh mana rekomendasi AI sesuai dengan keputusan agen manusia. Jika tingkat keselarasan mencapai ambang batas tertentu, alur kerja dapat beralih dari mode Co-pilot (pendamping) ke Autopilot (semi-otonom). Saat ini, sistem tersebut telah mengotomatisasi 41.000 tiket per bulan dan secara drastis memangkas waktu resolusi.

Dampak bagi Indonesia

Langkah ambisius Wayfair ini memberikan pelajaran berharga bagi ekosistem e-commerce di Indonesia seperti Tokopedia, Shopee, atau Blibli. Implementasi Generative AI untuk akurasi katalog dapat menekan angka retur barang—masalah klasik di pasar Indonesia yang sering disebabkan oleh ketidaksesuaian deskripsi produk. Dengan asumsi biaya logistik retur di Indonesia berkisar antara Rp20.000 hingga Rp50.000 per paket, pengurangan retur sebesar 10% saja melalui akurasi data AI dapat menghemat miliaran Rupiah per tahun bagi platform dan seller.

Selain itu, penggunaan AI Agent untuk dukungan supplier sangat relevan bagi UMKM Indonesia. Proses triage otomatis yang lebih cepat dalam bahasa lokal dapat meningkatkan kepuasan mitra penjual, yang seringkali terkendala oleh waktu respons admin yang lambat. Adopsi ChatGPT Enterprise (yang juga dilakukan Wayfair untuk 1.200 karyawannya) menunjukkan bahwa efisiensi internal adalah kunci untuk tetap kompetitif di pasar digital yang semakin padat.

---

Artikel ini akan diperbarui seiring tersedianya informasi baru. Join Komunitas Rekayasa AI di Discord untuk diskusi lebih lanjut.