Perkembangan teknologi kecerdasan buatan (AI), khususnya Large Language Model (LLM), telah
mendorong peningkatan layanan pelanggan dan penjualan. Penelitian ini menganalisis perbandingan
metode Few-Shot (FS) Prompting dan Chain-of-Thought (CoT) Prompting dalam pengembangan chatbot
AI untuk customer service dan sales otomatis. Pengumpulan data dilakukan melalui wawancara dan
dokumentasi, kemudian melalui tahapan data cleaning, training AI, hingga evaluasi performa. Hasil
penelitian menunjukkan bahwa metode Few-Shot Prompting lebih cocok digunakan pada skenario sapaan
awal yang bersifat repetitif dan sederhana. Sementara itu, metode Chain-of-Thought Prompting terbukti
unggul dalam skenario yang membutuhkan penalaran logis, seperti ketentuan jumlah pembelian dan
rekomendasi produk sesuai harga tertentu. Pengujian dilakukan pada lima aspek utama, yaitu akurasi,
konsistensi, robustness, pertanyaan repetitif, dan penalaran, masing-masing dengan empat skenario
percobaan. Hasil penelitian menunjukkan bahwa pada aspek akurasi, kedua metode mencapai tingkat
keberhasilan 100%. Pada aspek konsistensi, Few-Shot Prompting memperoleh 100%, sedangkan Chain-
of-thought prompting mencapai 75% akibat variasi bahasa yang tidak sepenuhnya sesuai standar
komunikasi perusahaan. Pada aspek robustness, pertanyaan repetitif, dan penalaran, kedua metode
sama-sama mencatat hasil sempurna sebesar 100%. Penelitian ini menunjukkan bahwa CoT memberikan
hasil lebih stabil dan adaptif terhadap variasi pertanyaan, sedangkan FS unggul dalam penerapan saat
meberikan reasoning.