Dua staf penjualan di sebuah perusahaan klien menghabiskan waktu satu jam mengejar prospek yang sama lewat WhatsApp. Alhasil, calon pelanggan merasa terganggu dan memilih diam. Kejadian itu menjadi titik awal pengembangan solusi inbox WhatsApp yang terintegrasi dengan Google Sheets dan kecerdasan buatan dalam hitungan jam.
Dikembangkan oleh konsultan teknologi Hayrullah Kar, sistem yang dibagikan melalui artikel di platform Dev.to ini hanya membutuhkan 80 baris kode Apps Script. Setiap pesan WhatsApp pelanggan yang masuk langsung tercatat di spreadsheet, otomatis dinilai intensi pembeliannya menggunakan model GPT-4o-mini dari OpenAI, lalu dikunci ke satu staf penjualan selama 15 menit. Sistem ini menjawab masalah umum tim sales kecil yang menggunakan satu nomor WhatsApp bersama, yaitu tidak adanya catatan siapa menangani apa dan risiko tumpang tindih komunikasi.
Masalah tersebut lazim terjadi di banyak bisnis kecil, tak terkecuali di Indonesia. WhatsApp sudah menjadi kanal utama komunikasi pelanggan, tetapi pengelolaannya sering dilakukan ala kadarnya. Solusi umum biasanya berujung pada langganan CRM dengan biaya sekitar 150 dolar AS per pengguna per bulan, ditambah add-on WhatsApp yang belum tentu menyertakan fitur prioritas seperti skor minat beli. Bagi tim yang hanya terdiri dari tiga orang, biaya semacam itu terlalu besar.
Alternatif yang dibangun oleh Kar justru memanfaatkan infrastruktur yang sudah dimiliki banyak perusahaan: Google Spreadsheet. Lembar kerja kolaboratif itu difungsikan sebagai database bersama yang di-backend oleh Apps Script. Melalui webhook yang dipasang di provider WhatsApp seperti Green API, Twilio, atau Meta Cloud, setiap pesan yang masuk diteruskan ke skrip dan ditambahkan sebagai baris baru di sheet.
Proses skoring dilakukan secara terpisah oleh pemicu waktu setiap satu menit. Skrip akan memanggil API OpenAI dengan model GPT-4o-mini yang harganya murah—sekitar 0,0001–0,001 dolar AS per permintaan. Dengan begitu, ribuan pesan per bulan hanya membutuhkan biaya beberapa dolar saja. Hasil skor dari 1 sampai 100 kemudian dikategorikan: Hot (≥80), Warm (≥50), Cold (≥20), atau Not a Lead.
Langkah terakhir adalah mekanisme penguncian. Setelah salah satu staf mengambil prospek—mungkin melalui tombol di sheet atau menu khusus—sistem mencatat nama dan waktu klaim. Prospek tersebut tidak bisa diakses staf lain hingga 15 menit kemudian, memberi jeda yang cukup untuk merespon tanpa terburu-buru. Inilah yang mencegah tabrakan dua staf menghubungi pelanggan yang sama.
Bagi pelaku UKM di Indonesia, pendekatan ini menawarkan titik masuk yang sangat rendah. Google Sheets sudah menjadi alat sehari-hari di banyak kantor, sementara kode yang disediakan bisa disalin dan disesuaikan tanpa perlu keahlian pemrograman tingkat tinggi. Fleksibilitas untuk mengganti provider WhatsApp juga membuat solusi ini tidak terikat pada satu vendor.
Dari sisi efisiensi, sistem ini mengotomatiskan dua hal yang biasanya memakan waktu: klasifikasi prospek dan distribusi tugas. Ketimbang staf harus membaca satu per satu pesan dan memutuskan apakah prospek itu panas, AI sudah memberikan skor secara objektif. Tim pun bisa fokus pada prospek dengan skor tinggi terlebih dahulu.
Menurut Kar, kunci dari skoring yang andal adalah parameter response_format: json_object di API OpenAI. Tanpa itu, model kadang membungkus JSON dalam kalimat biasa sehingga parsing gagal. Detail teknis seperti ini menunjukkan bahwa solusi siap pakai untuk produksi, bukan sekadar eksperimen.
Ke depan, kerangka seperti ini berpotensi dikembangkan lebih jauh. Misalnya menambahkan fitur follow-up otomatis untuk prospek hangat atau dashboard analitik yang menampilkan tren permintaan. Di tangan developer lokal, bukan tidak mungkin lahir versi yang lebih kaya fitur dengan biaya tetap rendah.
Fenomena ini juga menandai semakin dekatnya kecerdasan buatan dengan operasional sehari-hari bisnis kecil. Dengan token API yang terus turun harganya, memanfaatkan AI untuk tugas seperti skoring bukan lagi kemewahan. Inilah yang membuat solusi ala "Google Sheets + AI" menjadi relevan, terutama di pasar yang sensitif biaya seperti Indonesia.