Apa itu AI percakapan?

AI Percakapan menggabungkan pemrosesan bahasa alami (NLP) dengan machine learning. Proses NLP ini mengalir ke dalam siklus masukan konstan dengan proses machine learning untuk terus meningkatkan algoritma AI.

AI percakapan memiliki komponen utama yang memungkinkannya memproses, memahami, dan menghasilkan respons secara alami.

Machine Learning (ML) adalah subbidang kecerdasan buatan yang terdiri dari sekumpulan algoritma, fitur, dan kumpulan data yang terus-menerus meningkatkan dirinya sendiri melalui pengalaman. Seiring pertumbuhan input, mesin platform AI menjadi lebih baik dalam mengenali pola dan menggunakannya untuk membuat prediksi.

Pemrosesan bahasa alami adalah metode analisis bahasa saat ini dengan bantuan machine learning yang digunakan dalam AI percakapan. Sebelum machine learning, perkembangan metodologi pemrosesan bahasa beralih dari linguistik ke linguistik komputasi hingga pemrosesan bahasa alami statistik. Kelak, pembelajaran mendalam akan memajukan kemampuan pemrosesan bahasa alami dari AI percakapan lebih jauh lagi.

NLP terdiri dari empat langkah: Pembuatan input, analisis input, pembuatan output, dan pembelajaran penguatan. Data tidak terstruktur diubah menjadi format yang dapat dibaca oleh komputer, yang kemudian dianalisis untuk menghasilkan respons yang sesuai. Algoritma ML yang mendasari meningkatkan kualitas respons dari waktu ke waktu seiring dengan proses pembelajaran. Keempat langkah NLP ini dapat diuraikan lebih lanjut di bawah ini:

• Pembuatan input: Pengguna memberikan input melalui situs web atau aplikasi; format input dapat berupa suara atau teks.
  
  
• Analisis input: Jika input berbasis teks, aplikasi solusi AI percakapan akan menggunakan natural language understanding (NLU) untuk menguraikan makna input dan mendapatkan maksudnya. Namun, jika input berbasis ucapan, aplikasi akan memanfaatkan kombinasi pengenalan suara otomatis (ASR) dan NLU untuk menganalisis data.
  
  
• Manajemen dialog: Selama tahap ini, Natural Language Generation (NLG), sebuah komponen dari NLP, akan merumuskan respons.
  
  
• Pembelajaran penguatan: Terakhir, machine learning menyempurnakan respons dari waktu ke waktu untuk memastikan akurasi.

AI percakapan dimulai dengan memikirkan bagaimana calon pengguna potensial Anda ingin berinteraksi dengan produk Anda dan pertanyaan utama yang mungkin mereka miliki. Kemudian, Anda dapat menggunakan alat bantu AI percakapan untuk membantu mengarahkan mereka ke informasi yang relevan. Dalam bagian ini, kita akan membahas cara untuk mulai merencanakan dan membuat AI percakapan.

Pertanyaan yang sering diajukan adalah dasar dari proses pengembangan AI percakapan. Mereka membantu Anda menentukan kebutuhan dan masalah utama pengguna akhir Anda, yang pada gilirannya akan mengurangi sejumlah volume panggilan untuk tim dukungan Anda. Jika Anda tidak memiliki daftar Pertanyaan Umum yang tersedia untuk produk Anda, mulailah dengan tim kesuksesan pelanggan Anda untuk menentukan daftar pertanyaan yang sesuai yang dapat dibantu oleh AI percakapan Anda.

Sebagai contoh, katakanlah Anda adalah sebuah bank. Daftar pertanyaan umum awal Anda mungkin berupa:

• Bagaimana cara mengakses akun saya?
  
  
• Di mana saya menemukan nomor routing dan rekening saya?
  
  
• Kapan kartu debit saya akan tiba?
  
  
• Bagaimana cara mengaktifkan kartu debit saya?
  
  
• Bagaimana cara memesan cek?
  
  
• Bagaimana cara berbicara dengan petugas bank lokal?

Anda selalu dapat menambahkan lebih banyak pertanyaan ke dalam daftar seiring berjalannya waktu, jadi mulailah dengan segmen pertanyaan kecil untuk membuat prototipe proses pengembangan AI percakapan.

FAQ Anda menjadi dasar tujuan, atau maksud, yang diungkapkan dalam input pengguna, seperti mengakses akun. Setelah menguraikan tujuan, Anda dapat memasukkannya sebagai maksud ke alat AI percakapan yang kompetitif seperti watsonx Assistant.

Dari sini, Anda perlu mengajari AI percakapan Anda cara yang mungkin digunakan oleh pengguna untuk mengungkapkan atau meminta jenis informasi ini. Jika kita mengambil contoh "cara mengakses akun saya", Anda mungkin memikirkan frasa lain yang mungkin digunakan pengguna saat mengobrol dengan perwakilan dukungan, seperti "cara masuk", "cara mengatur ulang kata sandi", "mendaftar akun", dan sebagainya.

Jika Anda tidak yakin dengan frasa lain yang mungkin digunakan oleh pelanggan, Anda mungkin ingin bermitra dengan tim analisis dan dukungan Anda. Jika alat analitik chatbot Anda telah diatur dengan tepat, tim analitik dapat menambang data web dan menyelidiki kueri lain dari data pencarian situs. Atau, mereka juga dapat menganalisis data transkrip dari percakapan obrolan web dan pusat panggilan. Jika tim analitik Anda tidak disiapkan untuk jenis analisis ini, tim dukungan Anda juga dapat memberikan insight berharga tentang cara umum yang biasa digunakan oleh pelanggan untuk menyampaikan pertanyaan mereka.

Pikirkan kata benda, atau entitas, yang melingkupi maksud Anda. Dalam contoh ini, kita telah berfokus pada rekening bank pengguna. Hasilnya, masuk akal untuk membuat entitas seputar informasi rekening bank.

Sejumlah nilai mungkin termasuk dalam kategori informasi ini, seperti "nama pengguna", "kata sandi", "nomor rekening", dan sebagainya.

Untuk memahami entitas yang melingkupi maksud pengguna tertentu, Anda dapat menggunakan informasi yang sama yang dikumpulkan dari alat atau tim pendukung untuk mengembangkan tujuan atau maksud. Kata benda ini akan mendahului atau mengikuti permintaan utama.

Semua elemen ini bekerja beriringan untuk menciptakan percakapan dengan pengguna akhir Anda. Tujuannya adalah agar mesin dapat menguraikan apa yang diminta oleh pengguna dan entitas bertindak sebagai cara untuk memberikan respons yang relevan. Sebagai contoh, Anda dapat membayangkan dialog antara AI percakapan dan pengguna yang lupa kata sandi sebagai berikut:

Bersama-sama, tujuan dan kata benda (atau maksud dan entitas sebagaimana yang disebutkan IBM) bekerja untuk membangun aliran percakapan logis berdasarkan kebutuhan pengguna. Jika Anda siap untuk mulai membangun AI percakapan Anda sendiri, Anda dapat mencoba watsonx Assistant Versi Lite IBM secara gratis. 

Ketika orang berpikir tentang kecerdasan buatan percakapan, chatbot online dan asisten suara sering kali muncul di benak mereka untuk layanan dukungan pelanggan dan penerapan di omni-channel. Sebagian besar aplikasi AI percakapan memiliki analitik ekstensif yang dibangun ke dalam program backend, membantu memastikan pengalaman percakapan seperti manusia.

Para pakar menganggap aplikasi AI percakapan saat ini sebagai AI yang lemah, karena mereka berfokus pada pelaksanaan tugas yang sangat sempit. AI yang kuat, yang masih merupakan konsep teoretis, berfokus pada kesadaran seperti manusia yang dapat menyelesaikan berbagai tugas dan memecahkan berbagai masalah.

Kendati fokusnya sempit, AI percakapan adalah teknologi yang sangat menguntungkan bagi perusahaan, membantu bisnis mencapai keuntungan lebih besar. Meskipun chatbot AI adalah bentuk paling populer dari AI percakapan, masih ada banyak contoh penggunaan lain di seluruh perusahaan. Beberapa contoh meliputi:

• Dukungan pelanggan online: Chatbot online menggantikan agen manusia di sepanjang perjalanan pelanggan. Mereka menjawab pertanyaan yang sering diajukan (FAQ) seputar berbagai topik, seperti pengiriman, atau memberikan saran yang dipersonalisasi, produk penjualan silang, atau menyarankan ukuran untuk pengguna, mengubah cara kita berpikir tentang keterlibatan pelanggan di seluruh situs web dan platform media sosial. Contohnya termasuk bot pesan di situs e-commerce dengan agen virtual, aplikasi perpesanan, seperti Slack dan Facebook Messenger, dan tugas yang biasanya dilakukan oleh asisten virtual dan asisten suara.
  
  
• Aksesibilitas: Perusahaan dapat menjadi lebih mudah diakses dengan mengurangi hambatan masuk, terutama bagi pengguna yang menggunakan teknologi bantu. Fitur AI Percakapan yang umum digunakan untuk kelompok ini adalah pendiktean Text to Speech dan penerjemahan bahasa.
  
  
• Proses SDM: Banyak proses sumber daya manusia yang dapat dioptimalkan dengan menggunakan AI percakapan, seperti pelatihan karyawan, proses orientasi, dan memperbarui informasi karyawan.
  
  
• Perawatan kesehatan: AI percakapan dapat membuat layanan perawatan kesehatan lebih mudah diakses dan terjangkau oleh pasien, sekaligus meningkatkan efisiensi operasional dan proses administratif, seperti pemrosesan klaim menjadi lebih efisien.
  
  
• Perangkat Internet of Things (IoT): Sebagian besar rumah tangga kini memiliki setidaknya satu perangkat IoT, mulai dari pengeras suara Alexa, jam tangan pintar, hingga ponsel. Perangkat ini menggunakan pengenalan suara otomatis untuk berinteraksi dengan pengguna akhir. Aplikasi populer termasuk Amazon Alexa, Apple Siri, dan Google Home.
  
  
• Perangkat lunak komputer: Banyak tugas di lingkungan kantor yang disederhanakan oleh AI percakapan, seperti penyelesaian otomatis pencarian saat Anda mencari sesuatu di Google dan pemeriksa ejaan.

Meskipun sebagian besar chatbot dan aplikasi AI saat ini memiliki kemampuan pemecahan masalah yang belum sempurna, tetapi mereka dapat mengurangi waktu dan meningkatkan efisiensi biaya pada interaksi dukungan pelanggan yang berulang, sehingga membebaskan sumber daya personel untuk berfokus pada interaksi pelanggan yang lebih mendalam. Secara keseluruhan, aplikasi AI percakapan telah mampu meniru pengalaman percakapan manusia dengan baik, yang akan menghasilkan tingkat kepuasan pelanggan lebih tinggi.

AI Percakapan adalah solusi hemat biaya untuk banyak proses bisnis. Berikut ini adalah contoh manfaat menggunakan AI percakapan.

Mempekerjakan staf departemen layanan pelanggan bisa sangat mahal, terutama ketika Anda berusaha menjawab pertanyaan di luar jam kantor reguler. Menyediakan bantuan pelanggan melalui antarmuka percakapan dapat mengurangi biaya bisnis seputar gaji dan pelatihan, terutama untuk perusahaan kecil atau menengah. Chatbot dan asisten virtual dapat merespons secara instan, memberikan ketersediaan 24 jam kepada calon pelanggan.

Percakapan manusia juga dapat menghasilkan respons yang tidak konsisten terhadap calon pelanggan. Karena sebagian besar interaksi dengan dukungan adalah pencarian informasi dan berulang, bisnis dapat memprogram AI percakapan untuk menangani berbagai contoh penggunaan yang memastikan kelengkapan dan konsistensi. Ini menciptakan kontinuitas dalam pengalaman pelanggan dan menyediakan sumber daya manusia yang berharga untuk menangani pertanyaan yang lebih kompleks.

Dengan adopsi perangkat mobile ke dalam kehidupan sehari-hari konsumen, bisnis harus siap untuk memberikan informasi real-time kepada pengguna akhir mereka. Karena alat AI percakapan dapat diakses lebih mudah daripada tenaga kerja manusia, pelanggan dapat terlibat lebih cepat dan sering dengan merek. Dukungan langsung ini memungkinkan pelanggan untuk menghindari waktu tunggu yang lama di pusat panggilan, yang mengarah pada peningkatan pengalaman secara keseluruhan. Seiring dengan meningkatnya kepuasan pelanggan, perusahaan akan melihat dampaknya yang tercermin dalam peningkatan loyalitas pelanggan dan pendapatan tambahan dari rujukan.

Fitur personalisasi dalam AI percakapan juga membekali chatbot dengan kemampuan untuk memberikan rekomendasi kepada pengguna akhir, memungkinkan bisnis untuk melakukan penjualan silang produk yang mungkin tidak dipertimbangkan oleh pelanggan pada awalnya.

AI percakapan juga sangat dapat diskalakan karena menambahkan infrastruktur untuk mendukung AI percakapan lebih murah dan lebih cepat daripada proses perekrutan dan orientasi karyawan baru. Hal ini sangat membantu ketika produk diperluas ke pasar geografis baru atau selama lonjakan permintaan jangka pendek yang tidak terduga, seperti selama musim liburan.

AI percakapan masih berada dalam tahap awal dan adopsi bisnis secara luas dimulai dalam beberapa tahun terakhir. Seperti halnya kemajuan teknologi baru lainnya, ada beberapa tantangan dalam transisi ke aplikasi AI percakapan. Beberapa contohnya antara lain:

Input bahasa dapat menjadi masalah bagi AI percakapan, baik untuk input teks atau suara. Dialek, aksen, dan suara latar belakang dapat memengaruhi pemahaman AI tentang input mentah. Bahasa slang dan tanpa skrip juga dapat menimbulkan masalah dengan pemrosesan input.

Namun, tantangan terbesar untuk AI percakapan adalah faktor manusia dalam input bahasa. Emosi, nada, dan sarkasme menyulitkan AI percakapan untuk menafsirkan makna yang dimaksudkan pengguna dan merespons dengan tepat.

Karena AI percakapan bergantung pada pengumpulan data untuk menjawab pertanyaan pengguna, teknologi ini juga rentan terhadap pelanggaran privasi dan keamanan. Mengembangkan aplikasi AI percakapan dengan standar privasi dan keamanan yang tinggi serta sistem pemantauan akan membantu membangun kepercayaan di kalangan pengguna akhir, yang pada akhirnya meningkatkan penggunaan chatbot dari seiring waktu.

Pengguna dapat merasa khawatir untuk membagikan informasi pribadi atau sensitif, terutama ketika menyadari bahwa mereka sedang berbicara dengan mesin, bukan manusia. Karena semua pelanggan Anda tidak akan menjadi pengadopsi awal, penting untuk mendidik dan menyosialisasikan audiens target Anda seputar manfaat dan keamanan teknologi ini untuk menciptakan pengalaman pelanggan yang lebih baik. Hal ini dapat menyebabkan pengalaman pengguna yang buruk dan penurunan kinerja AI serta meniadakan efek positifnya.

Selain itu, terkadang chatbot tidak diprogram untuk menjawab berbagai macam pertanyaan pengguna. Ketika hal itu terjadi, penting untuk menyediakan saluran komunikasi alternatif untuk menangani pertanyaan yang lebih kompleks ini, karena akan membuat frustrasi pengguna akhir jika jawaban yang diberikan salah atau tidak lengkap. Dalam kasus seperti ini, pelanggan harus diberi kesempatan untuk terhubung dengan perwakilan manusia dari perusahaan.

Terakhir, AI percakapan juga dapat mengoptimalkan alur kerja di perusahaan, yang mengarah pada pengurangan tenaga kerja untuk fungsi pekerjaan tertentu. Hal ini dapat memicu aktivisme sosial-ekonomi, yang dapat mengakibatkan reaksi negatif terhadap perusahaan.