Menyiapkan Layanan Pelanggan untuk Era AI Percakapan

Adopsi AI dalam layanan pelanggan sering terjebak pada satu pertanyaan yang salah: seberapa banyak interaksi manusia bisa digantikan? Pertanyaan yang lebih berguna adalah, momen mana yang sebaiknya tetap ditangani manusia, dan momen mana yang justru lebih baik ditangani mesin.

Dalam beberapa tahun terakhir, banyak tim layanan pelanggan di Indonesia sudah mencoba chatbot berbasis aturan dengan hasil yang beragam. AI percakapan generasi baru jauh lebih luwes memahami bahasa sehari-hari, termasuk campuran bahasa Indonesia, bahasa daerah, dan istilah asing. Namun teknologi ini juga membawa tantangan baru: jawaban yang terdengar meyakinkan tetapi keliru, ekspektasi pelanggan yang makin tinggi, dan perubahan peran agen manusia di dalam tim.

Dari "berapa yang bisa digantikan" ke "momen mana yang tepat"

Langkah pertama yang kami sarankan kepada tim CX adalah memetakan momen-momen dalam perjalanan pelanggan, bukan sekadar menghitung volume tiket. Pertanyaan rutin bervolume tinggi, seperti cek status pesanan, perubahan jadwal, atau panduan mengatur ulang kata sandi, umumnya cocok ditangani AI agent karena jawabannya jelas dan pelanggan menginginkan kecepatan.

Sebaliknya, ada momen yang menuntut pertimbangan dan empati: sengketa tagihan, keluhan yang sudah berulang kali disampaikan, atau situasi ketika pelanggan sedang panik dan marah. Di momen seperti ini, pelanggan tidak hanya mencari jawaban, tetapi juga ingin merasa didengar. Memaksakan otomatisasi di titik-titik ini berisiko merusak hubungan yang sudah dibangun bertahun-tahun.

Pemetaan ini juga membantu tim menentukan prioritas. Alih-alih meluncurkan AI agent untuk semua jenis pertanyaan sekaligus, tim dapat memulai dari dua atau tiga topik yang paling sering muncul dan paling minim risiko, lalu memperluas cakupan secara bertahap berdasarkan bukti.

Tiga prinsip yang kami pegang saat mendampingi tim CX

• AI agent menangani volume dan kecepatan; manusia menangani ambiguitas dan emosi.
• Transparansi ke pelanggan bahwa mereka sedang berbicara dengan AI, bukan menyamarkannya.
• Setiap eskalasi ke manusia membawa konteks percakapan sebelumnya secara utuh, tanpa pelanggan mengulang cerita.

Volume untuk mesin, ambiguitas untuk manusia

AI agent unggul ketika pertanyaan berulang dan jawabannya bisa dirujuk ke sumber yang jelas, seperti basis pengetahuan atau data pesanan. Ketika percakapan mulai ambigu, misalnya pelanggan memberikan informasi yang saling bertentangan atau menyinggung kondisi pribadi yang sensitif, sistem sebaiknya dirancang untuk mengenali sinyal itu dan menawarkan pengalihan ke agen manusia lebih awal.

Transparansi membangun kepercayaan

Sebagian perusahaan tergoda memberi AI agent nama dan persona layaknya manusia tanpa penjelasan. Menurut pengalaman kami, pelanggan justru lebih menerima AI ketika sejak awal diberi tahu bahwa mereka sedang berbicara dengan asisten virtual, sekaligus diberi pilihan yang jelas untuk terhubung dengan petugas kapan pun dibutuhkan.

Konteks yang ikut berpindah

Salah satu sumber frustrasi terbesar pelanggan adalah harus mengulang cerita setiap kali dialihkan. Karena itu, setiap eskalasi sebaiknya membawa ringkasan percakapan, data identitas yang sudah diverifikasi, dan langkah yang sudah dicoba. Dengan begitu, agen manusia bisa langsung masuk ke inti masalah dalam hitungan detik.

Peran agen manusia ikut berubah

Adopsi AI agent tidak menghilangkan peran agen manusia, tetapi menggeser fokusnya. Ketika pertanyaan rutin ditangani mesin, kasus yang sampai ke agen cenderung lebih kompleks dan lebih emosional. Artinya, tim membutuhkan kemampuan menyelesaikan masalah, negosiasi, dan pengambilan keputusan yang lebih kuat, serta wewenang yang memadai untuk menuntaskan kasus tanpa eskalasi berlapis.

Perubahan ini perlu diiringi program pelatihan yang terencana. Agen perlu memahami cara kerja AI agent, batasannya, dan cara membaca ringkasan percakapan yang diteruskan kepada mereka. Tanpa pemahaman itu, agen bisa ragu mempercayai konteks yang diberikan sistem, atau sebaliknya terlalu bergantung padanya.

Di sejumlah tim yang kami dampingi, beberapa agen senior juga mengambil peran baru sebagai peninjau kualitas jawaban AI. Mereka membaca sampel percakapan setiap pekan, menandai jawaban yang kurang tepat, dan memperbarui basis pengetahuan. Peran ini membuat pengetahuan lapangan para agen langsung memperbaiki kualitas sistem.

Tim yang paling berhasil bukan yang paling cepat mengotomatisasi, tetapi yang paling serius menyiapkan agennya untuk menangani kasus-kasus yang memang membutuhkan manusia.

— Andini Prasetyo, Head of Customer Success Nimbus CX

Mengukur yang penting, bukan sekadar tingkat otomatisasi

Banyak proyek AI dinilai dari satu angka: berapa persen percakapan yang selesai tanpa campur tangan manusia. Angka ini mudah dibaca, tetapi bisa menyesatkan. Percakapan yang dianggap selesai belum tentu berarti masalah pelanggan benar-benar tuntas; bisa jadi pelanggan menyerah lalu menghubungi kanal lain keesokan harinya.

Kami mendorong tim CX untuk memantau metrik pendamping seperti tingkat penyelesaian pada kontak pertama, kontak ulang dalam tujuh hari, kepuasan pelanggan setelah eskalasi, serta upaya yang dirasakan pelanggan. Kombinasi metrik ini memberi gambaran yang lebih jujur tentang apakah AI agent benar-benar memperbaiki pengalaman, atau hanya memindahkan beban ke tempat lain.

Untuk tim yang baru memulai, kami menyarankan program percontohan selama enam hingga delapan pekan dengan cakupan topik terbatas dan kelompok pembanding yang tetap dilayani dengan cara lama. Pendekatan ini memungkinkan tim melihat dampak nyata terhadap metrik pelanggan, sekaligus menemukan celah di basis pengetahuan sebelum AI agent diperluas ke lebih banyak kanal dan topik.

Risiko yang perlu diantisipasi sejak awal

AI percakapan tetap memiliki keterbatasan. Model bisa menghasilkan jawaban yang tidak didukung data, terutama ketika basis pengetahuan tidak lengkap atau usang. Tim juga perlu memastikan pengelolaan data pribadi pelanggan sesuai regulasi pelindungan data yang berlaku, termasuk soal penyimpanan riwayat percakapan dan akses pihak ketiga. Di luar itu, tidak semua segmen pelanggan nyaman berinteraksi dengan mesin, sehingga kanal manusia tetap perlu mudah dijangkau.

Pada akhirnya, AI agent adalah alat, bukan strategi. Strateginya tetap sama seperti sebelumnya: memahami apa yang dibutuhkan pelanggan di setiap momen, lalu merancang layanan yang paling tepat untuk memenuhinya, entah itu dijawab oleh mesin, oleh manusia, atau oleh keduanya yang bekerja berdampingan.

Konten ini dipersembahkan oleh Nimbus CX, penyedia platform AI agent untuk tim layanan pelanggan. Pandangan dan klaim dalam artikel ini adalah milik sponsor dan tidak mencerminkan pandangan redaksi CXinsight.