AI Agent dan Masa Depan Contact Center di Indonesia

Tiga tahun lalu, AI agent di layanan pelanggan Indonesia masih berarti chatbot berbasis kata kunci yang gampang membuat pelanggan frustrasi. Hari ini, sejumlah bank dan operator telekomunikasi besar sudah menempatkan asisten berbasis large language model sebagai lapisan pertama yang menjawab lebih dari separuh interaksi masuk.

Pergeseran ini bukan sekadar soal efisiensi biaya. Menurut sejumlah pemimpin CX yang diwawancarai CXinsight, tekanan datang dari ekspektasi pelanggan yang terbentuk oleh pengalaman memakai asisten AI di aplikasi lain — cepat, personal, dan tersedia 24 jam.

Faktor biaya tentu tetap berperan. Seiring volume interaksi digital yang terus tumbuh, menambah agen manusia secara linear tidak lagi realistis bagi banyak perusahaan. AI agent menawarkan kapasitas yang bisa membesar mengikuti lonjakan, misalnya saat tanggal gajian, gangguan layanan, atau musim belanja besar, tanpa perlu merekrut dan melatih ratusan agen musiman.

Dari penjawab pertanyaan ke penyelesai masalah

Generasi awal chatbot dirancang untuk mengurangi volume tiket dengan menjawab pertanyaan berulang. Generasi baru AI agent dirancang untuk benar-benar menyelesaikan transaksi: mengubah limit kartu, mengajukan komplain, atau menjadwalkan ulang pengiriman — tanpa eskalasi ke manusia.

Perubahan ini menuntut integrasi yang jauh lebih dalam. AI agent tidak lagi cukup terhubung ke basis pengetahuan berisi daftar pertanyaan umum. Ia harus bisa membaca data akun, memverifikasi identitas, lalu menjalankan perintah di sistem inti dengan batas otorisasi yang ketat. Di beberapa bank, setiap tindakan AI agent tercatat dalam log terpisah yang bisa diaudit tim risiko kapan saja.

Di sektor telekomunikasi, polanya serupa. Telko Nusantara, misalnya, mulai membiarkan asisten virtualnya mendiagnosis gangguan jaringan di area pelanggan, memberikan kompensasi kuota sesuai kebijakan, dan menjadwalkan kunjungan teknisi tanpa campur tangan agen manusia untuk kasus-kasus standar. Riwayat percakapan itu kemudian tersimpan di profil pelanggan yang sama dengan kanal lain.

Kanal suara pun mulai tersentuh. Jika sebelumnya AI agent hampir sepenuhnya hidup di chat dan aplikasi, kini beberapa perusahaan menguji asisten suara yang mampu memahami bahasa Indonesia sehari-hari, termasuk campuran bahasa daerah dan istilah gaul. Hasilnya masih beragam, terutama untuk pelanggan dengan logat kuat atau sambungan telepon yang kurang jernih.

Ukuran keberhasilan AI agent bukan berapa banyak sesi yang ditangani, tapi berapa banyak masalah yang benar-benar selesai tanpa pelanggan harus mengulang cerita ke orang lain.

— Praktisi CX di sebuah bank digital, diwawancarai dengan syarat anonim

Peran manusia bergeser, bukan hilang

Kekhawatiran bahwa AI agent akan menghapus pekerjaan agen contact center belum sepenuhnya terbukti. Yang terjadi di lapangan lebih mirip pergeseran. Volume interaksi sederhana memang menyusut drastis, tetapi kasus yang tersisa untuk manusia justru lebih rumit, lebih emosional, dan membutuhkan kewenangan lebih besar.

Sejumlah bank kini melatih ulang agen terbaiknya menjadi perancang percakapan, peninjau kualitas jawaban AI, atau spesialis penanganan kasus sensitif seperti dugaan penipuan dan sengketa dana. Peran-peran ini sebelumnya hampir tidak ada di struktur contact center tradisional.

Agen kami sekarang menangani lebih sedikit percakapan, tapi setiap percakapan lebih berat. Kalau kami tidak menyiapkan mereka untuk itu, AI justru akan membuat kualitas layanan manusia terlihat lebih buruk.

— Nadia Rahmawati, Kepala Contact Center Bank Semesta

Pergeseran ini membawa konsekuensi bagi kesejahteraan agen. Ketika hampir semua percakapan yang sampai ke manusia adalah kasus sulit, tekanan emosional per shift meningkat. Beberapa contact center mulai menyesuaikan target produktivitas, menambah jeda istirahat, dan menyediakan sesi pendampingan rutin agar agen tidak cepat kelelahan.

Risiko yang belum banyak dibicarakan

Kecepatan adopsi ini menyisakan pertanyaan yang jarang dijawab terbuka: apa yang terjadi ketika AI agent salah menilai konteks emosional pelanggan? Beberapa brand mulai memasang "jalur cepat" ke manusia begitu sistem mendeteksi frustrasi berulang, namun implementasinya masih tidak merata.

Risiko lain adalah jawaban yang terdengar meyakinkan tetapi keliru. AI agent berbasis large language model dapat menyusun kalimat yang lancar tentang kebijakan yang sebenarnya tidak berlaku, misalnya menjanjikan pembebasan biaya yang tidak pernah ada. Bagi pelanggan, janji itu tetap dianggap janji perusahaan, dan menariknya kembali hampir selalu memicu keluhan baru.

Ada pula persoalan serah terima. Ketika percakapan akhirnya dialihkan ke manusia, pelanggan sering harus mengulang cerita dari awal karena ringkasan dari AI tidak diteruskan dengan baik. Ironisnya, momen inilah yang paling menentukan kesan pelanggan, karena biasanya terjadi saat masalahnya paling serius.

Transparansi dan pelindungan data pribadi juga menjadi pekerjaan rumah. Tidak semua pelanggan sadar bahwa percakapan mereka diolah oleh mesin, apalagi bahwa data percakapan itu dapat digunakan untuk melatih sistem. Brand yang tidak terbuka soal ini berisiko kehilangan kepercayaan justru ketika teknologinya bekerja dengan baik.

Di tingkat industri, belum ada standar bersama tentang kapan AI agent wajib menyerahkan percakapan ke manusia atau bagaimana kesalahan AI harus dikompensasi. Sebagian pelaku menilai standar semacam itu justru akan melindungi brand, karena memberi kepastian bagi pelanggan sekaligus batas yang jelas bagi tim yang mengembangkan sistem.

Apa yang perlu disiapkan brand

Bagi brand yang baru memulai atau sedang memperluas penggunaan AI agent, pelajaran dari bank dan operator telekomunikasi yang lebih dulu bergerak dapat diringkas dalam beberapa prinsip berikut.

• Tentukan sejak awal jenis kasus yang wajib ditangani manusia, misalnya dugaan penipuan, keluhan berulang, atau pelanggan rentan.
• Ukur keberhasilan AI agent dari masalah yang benar-benar selesai dan tidak kembali dalam tujuh hari, bukan dari jumlah sesi yang ditangani.
• Pastikan ringkasan percakapan ikut berpindah saat eskalasi, sehingga pelanggan tidak perlu mengulang cerita.
• Batasi AI agent agar hanya menjawab berdasarkan kebijakan yang terverifikasi, dan audit sampel jawabannya secara rutin.
• Beri tahu pelanggan dengan jelas kapan mereka berbicara dengan AI dan bagaimana cara meminta agen manusia.

CXinsight akan terus memantau bagaimana regulator dan asosiasi konsumen merespons tren ini, termasuk soal transparansi kapan pelanggan sedang berbicara dengan mesin.