Kami memberikan tiket dukungan kepada AI. AI tersebut membangun kembali integrasi dan menutup siklusnya.

Bagaimana Claude Code dan APIANT mengubah bug sinkronisasi multi-pembayaran yang rumit menjadi perbaikan yang terverifikasi, dengan persetujuan manusia hanya di tahap akhir.

Yang ini berasal dari CRMConnectAPIANT adalah integrasi siap pakai yang menjaga Mindbody dan HubSpot tetap sinkron. Integrasi ini menangani data klien, penghapusan duplikasi, dan pemetaan kolom sehingga tim pemasaran dapat bekerja berdasarkan aktivitas nyata, bukan ekspor data yang sudah usang. Bagian spesifik yang kita bahas di sini adalah bagian yang mengubah penjualan Mindbody menjadi transaksi HubSpot, sehingga pendapatan masuk ke CRM secara otomatis, dengan jumlah yang tepat terlampir pada klien yang tepat.

Seorang pelanggan membayar sekitar $8.400 di meja resepsionis. Transaksi di CRM menunjukkan $400. Tidak ada kesalahan yang muncul, tidak ada yang tampak rusak, dan sebagian besar penjualan tersinkronisasi dengan baik. Namun, transaksi ini tiba-tiba kehilangan sebagian besar nilainya di suatu tempat antara Mindbody dan HubSpot.

Itulah jenis bug terburuk: bug yang tersembunyi di 2% transaksi yang sedikit tidak biasa. Kami menyerahkan bug ini kepada AI dan membiarkannya menangani semuanya, mulai dari diagnosis hingga perbaikan yang telah diuji dan balasan kepada pelanggan. Beginilah hasilnya.

Tiket

Sebuah studio kebugaran butik mengirimkan pesan dengan sebuah misteri kecil yang menjengkelkan. Sebagian besar penjualan mereka mengalir dari Mindbody ke HubSpot tanpa hambatan. Namun, kesepakatan yang satu ini tidak.

Penyebabnya ternyata adalah penjualan yang dibayar dengan lebih dari satu cara. Jika pembayaran dibagi antara kartu dan saldo rekening, sinkronisasi lama membaca dari laporan yang tidak mencakup setiap transaksi. Akibatnya, transaksi tercatat hanya dengan sebagian kecil dari jumlah yang sebenarnya dibayarkan pelanggan.

Mengapa ini biasanya merupakan perbaikan yang lambat dan menyakitkan?

Bug seperti ini biasanya menghabiskan waktu berhari-hari bagi tim teknik. Seseorang harus merekonstruksi cara kerja integrasi, mencari tahu jalur sinkronisasi mana yang bermasalah, mengubah logika tanpa merusak jalur yang sudah berfungsi, lalu mengujinya pada sistem langsung yang benar-benar sulit untuk diutak-atik. Perangkat lunak point of sale tidak serta merta memberi Anda lingkungan uji coba dengan tombol "lakukan penjualan pembayaran terpisah yang aneh".

Jadi, biasanya dibiarkan saja. Pelanggan menunggu. Perbaikannya berisiko. Semua orang sedikit khawatir untuk menyentuh integrasi yang sedang berjalan.

Kami menyerahkannya kepada AI sebagai gantinya.

Kami memberikan tiket tersebut kepada Claude Code yang berjalan di APIANT dan membiarkannya bekerja. Bukan "menyarankan cuplikan kode." Melainkan benar-benar bekerja: membaca integrasi, memahaminya, mengubahnya, mengujinya terhadap akun Mindbody yang sebenarnya, dan melaporkan hasilnya. Berikut adalah apa yang dilakukannya, tanpa campur tangan manusia dalam menulis satu baris kode pun.

Penyebab sebenarnya telah ditemukan. Masalah tersebut ditelusuri ke tiga isu terpisah yang tersembunyi di balik satu gejala: sinkronisasi membaca dari laporan yang menghilangkan beberapa jenis pembayaran, penjualan multi-item dihitung secara tidak tepat, dan beberapa penjualan dapat bertabrakan pada pengidentifikasi yang sama.

Integrasi tersebut dibangun kembali dengan benar. Alih-alih perbaikan sementara, mereka merefaktor logika transaksi menjadi satu komponen bersama yang digunakan oleh sinkronisasi instan (dipicu saat penjualan terjadi) dan sinkronisasi harian. Logika yang sama, dua pemicu, tidak ada lagi perbedaan waktu di antara keduanya. Mereka memindahkan keduanya ke sumber data yang lebih kaya yang benar-benar mencakup setiap pembayaran, termasuk saldo akun dan keanggotaan.

Hal itu membuatnya berkembang pesat dalam skala besar. Sistem ini menambahkan cache sehingga pekerjaan harian tidak menjalankan kembali pencarian yang lambat atas ribuan penjualan sebelumnya. Proses pertama membangun cache; setiap proses selanjutnya melewati pencarian yang memakan biaya tersebut.

Hal itu menambahkan detail yang diinginkan pelanggan. Setiap transaksi kini mencatat metode pembayaran yang digunakan, sehingga studio dapat melihat sekilas bagaimana penjualan tersebut dibayar.

Kemudian diuji pada sistem yang sebenarnya.

Inilah bagian yang masih terasa sedikit seperti fiksi ilmiah.

AI tersebut membuka situs penjualan Mindbody yang sebenarnya di peramban dan melakukan uji penjualan sendiri. Satu barang dibayar satu kali. Satu barang dibagi menjadi dua pembayaran. Beberapa barang dibayar satu kali. Beberapa barang dibagi menjadi beberapa pembayaran. Seorang pelanggan yang datang tanpa catatan klien. AI tersebut mengoperasikan mesin kasir seperti layaknya seorang staf.

Kemudian, sistem tersebut memantau setiap alur penjualan melalui integrasi dan membaca hasilnya baris demi baris. Apakah jumlah transaksi yang dibuat sudah tepat? Apakah jumlahnya sesuai dengan total penjualan? Apakah metode pembayaran muncul? Apakah menjalankan sinkronisasi dua kali menghasilkan duplikat, atau apakah sistem tersebut mengenali dengan benar bahwa penjualan telah ditangani sebelumnya?

Semua cabang terverifikasi. Jumlahnya sesuai. Tidak ada duplikasi. Metode pembayaran berhasil.

Mereka menyadari kesalahan mereka sendiri.

Di tengah proses, salah satu perubahan yang dilakukan justru menimbulkan sedikit kemunduran. Sebuah bidang baru tidak terhubung dengan benar, dan secara diam-diam merusak proses pembuatan kesepakatan baru.

AI tersebut menyadarinya, karena ia membaca data eksekusi secara langsung alih-alih berasumsi bahwa pekerjaannya sudah benar. Ia menemukan penyebab pastinya, memperbaiki kabel, menjalankan kembali penjualan yang gagal sebenarnya, dan mengkonfirmasi bahwa perbaikan tersebut menghasilkan hasil yang tepat, mendokumentasikan seluruh proses tersebut.

Itulah perbedaan antara menghasilkan kode dan memiliki hasil akhir.

Hal ini menutup siklus dengan pelanggan.

Setelah perbaikan diverifikasi, AI menulis balasan kepada pelanggan dalam bahasa yang mudah dipahami: apa yang terjadi, mengapa jumlahnya tampak salah, apa yang berubah sekarang, dan jaminan bahwa penjualan sebelumnya akan terkoreksi sendiri pada sinkronisasi berikutnya. AI kemudian menyiapkan pesan tersebut pada tiket, siap untuk dikirim.

Manusia membacanya, menyetujuinya, dan mengirimkannya. Manusia juga memberikan persetujuan akhir untuk mempublikasikan perubahan tersebut ke lingkungan produksi. Itu memang disengaja. AI melakukan pekerjaan berat, tepat, dan tanpa lelah. Manusia tetap memegang kendali atas dua keputusan yang seharusnya selalu dibuat oleh manusia: apa yang kita katakan kepada pelanggan, dan apa yang dipublikasikan.

Satu solusi, untuk setiap pelanggan.

Inilah bagian yang penting jika Anda membangun integrasi sebagai pekerjaan sehari-hari. Ini bukan skrip sekali pakai yang dipasang pada satu akun. Sinkronisasi Mindbody ke HubSpot adalah produk yang sudah jadi. Aplikasi API: satu integrasi, dibangun dan dipelihara di satu tempat, berjalan di setiap pelanggan yang menggunakannya. Jadi, ketika AI membangun kembali logika kesepakatan, itu tidak hanya memperbaiki satu studio ini. AI menutup celah pembayaran terpisah yang sama untuk semua orang pada integrasi tersebut, dan setiap pelanggan baru mewarisi versi yang telah diperbaiki sejak hari pertama.

Itulah model yang selalu diminta oleh integrator sistem. Bangun solusi sekali, jual berkali-kali, dan tingkatkan di satu tempat. Perbaikan seperti ini meningkatkan kualitas produk untuk seluruh basis instalasi sekaligus, yang justru mengubah integrasi yang terproduk menjadi aset pendapatan berulang yang nyata, bukan tumpukan pekerjaan kustom per klien yang semakin rapuh seiring pertumbuhannya.

Mengapa APIANT memungkinkan hal ini?

AI hanya dapat mengoperasikan apa yang dapat dilihat dan disentuhnya. Sebagian besar platform integrasi adalah kotak hitam, sehingga AI hanya dapat memberikan saran dari luar.

APIANT dibangun dengan cara yang berbeda. Setiap integrasi terdiri dari bagian-bagian yang dapat diperiksa, diedit, dan dijalankan oleh AI: otomatisasi, subrutin bersama, pemetaan bidang, riwayat eksekusi langsung, dan nilai yang di-cache. AI dapat mengubah satu bagian, menjalankannya, membaca dengan tepat apa yang terjadi di setiap langkah, dan menyesuaikannya. Gabungkan itu dengan kontrol browser terhadap sistem sumber, dan AI dapat menguji terhadap kenyataan alih-alih menebak.

Kombinasi itulah yang memungkinkan satu tiket dunia nyata yang berantakan berubah menjadi refactoring lengkap dan terverifikasi.

Kesimpulannya

Ini bukan masalah sepele. Ini adalah bug yang rumit dan memiliki banyak penyebab dalam integrasi langsung antara dua sistem serius, jenis bug yang biasanya berarti seorang insinyur yang gugup dan minggu yang lambat.

Sebuah AI menangani seluruh proses dari awal hingga akhir. AI tersebut mendiagnosis penyebab sebenarnya, membangun kembali integrasi dengan benar, menguji setiap jalur terhadap titik penjualan sebenarnya, mendeteksi dan memperbaiki kesalahannya sendiri, serta menyusun respons pelanggan. Manusia hanya perlu turun tangan untuk menyetujui pesan dan pengirimannya.

Ke sanalah arahnya. Bukan AI yang menulis sedikit kode untuk Anda, tetapi AI yang mengambil masalah yang sulit dan spesifik dan mendorongnya hingga menghasilkan solusi yang berfungsi dan teruji pada platform yang dibangun khusus untuk itu. Jika Anda memiliki integrasi yang hampir sempurna, atau bug yang hanya muncul dalam 2% kasus yang aneh, inilah gambaran bagaimana solusi untuk masalah tersebut mulai terlihat.

Bicaralah dengan kami tentang APIANT.