Dalam pusat panggilan operasi, operator memiliki peran penting dalam mewakili perusahaan dan sebagai titik kontak pertama dengan pelanggan. Namun, mereka menghadapi kesulitan bisnis seperti perekrutan, pelatihan, dan mempertahankan operator, karena adanya tuntutan kenaikan upah bagi para pekerja baru-baru ini dan kekurangan tenaga kerja yang disebabkan oleh penurunan jumlah tenaga kerja.
Operasi pusat panggilan perlu meningkatkan produktivitas operator, menghilangkan ketergantungan pada individu untuk pengetahuan dan memastikan ada efisiensi proses standar hanya dengan beberapa operator.
Dengan latar belakang ini, DI Square telah mengembangkan dan menyediakan "EasyAnswer Series" untuk mendukung operasi pusat panggilan perusahaan, membantu menyelesaikan berbagai masalah yang dihadapi.
Kini, untuk lebih meningkatkan produktivitas operasi pusat panggilan, DI Square telah mengembangkan "EasyAnswer JINN/RAG-Opt", sebuah fungsi opsional dari "EasyAnswer Series" yang menghubungkan data-data perusahaan seperti informasi pelanggan, riwayat pertanyaan, buku panduan, berbagai peraturan, serta data produk yang dimiliki oleh perusahaan yang mengoperasikan pusat panggilan, dengan teknologi AI terbaru yang disediakan oleh IBM dan tertanam di dalam arsitektur RAG yang unik dari solusi tersebut.
DI Square membandingkan dan memverifikasi sejumlah model bahasa besar (LLM) selama proses pengembangan layanan. Sebagai hasilnya, DI Square mengevaluasi bahwa versi Jepang dari IBM Granite dapat digunakan pada tingkat bisnis praktis dalam hal keakuratan jawaban dalam bahasa Jepang.
"EasyAnswer JINN/RAG-Opt", dengan arsitektur RAG yang unik, memungkinkan hasil pencarian berdasarkan data perusahaan untuk pertanyaan yang dimasukkan oleh operator dan menyajikan kepada mereka kandidat jawaban yang tepat. Fungsi ini membantu operator melakukan pencarian yang efisien dan menggunakan riwayat percakapan masa lalu untuk segera memberikan tanggapan efektif kepada pelanggan mereka.
"EasyAnswer JINN/RAG-Opt" menyematkan serangkaian layanan AI IBM untuk memberikan pengalaman terbaik bagi operator pusat panggilan dan pelanggan mereka:
Seiring dengan meningkatnya frekuensi penggunaan "EasyAnswer JINN/RAG-Opt", temuan-temuan baru dan pengetahuan yang benar akan terakumulasi dan diperbarui, yang berarti kualitas jawaban yang diberikan oleh AI dapat ditingkatkan dan distandarisasi. Hal ini diharapkan dapat meningkatkan efisiensi proses bisnis, seperti mempersingkat waktu respons per operator, meningkatkan produktivitas dengan meningkatkan jumlah respons per jam kerja operator, serta menghilangkan personalisasi pengetahuan.
DI Square adalah perusahaan layanan solusi TI yang didirikan pada tahun 2007, melalui penggabungan Divisi Sistem Informasi Daizo, yang memiliki sejarah lebih dari 20 tahun sebagai penyedia solusi IBM, dan Intelligent Square, dengan pengalaman dalam integrasi sistem selama lebih dari 30 tahun.
Selama lebih dari 50 tahun sejak didirikan, DI Square telah berkontribusi dalam meningkatkan kualitas dan efisiensi TI pelanggannya dengan kemampuan manajemen proyek yang memungkinkan perusahaan untuk menyediakan berbagai layanan dalam pengembangan kontrak sistem-mulai dari konsultasi bisnis hingga definisi persyaratan, desain, pengembangan, operasi, dan pemeliharaan, apa pun jenis industri atau bisnisnya.
DI Square juga telah menerima pujian yang tinggi dari para pelanggan untuk berbagai solusi cloud-nya, serta penjualan, konstruksi sistem, implementasi, operasi dan pemeliharaan produk PLM dan ALM untuk industri manufaktur.
© Hak Cipta IBM Corporation 2025. IBM, logo IBM, Granite, watsonx Assistant, watsonx.ai, dan IBM Watson, adalah merek dagang atau merek dagang terdaftar dari IBM Corp., di AS dan/atau negara lain. Ini adalah dokumen terbaru pada tanggal awal publikasi dan dapat diubah oleh IBM kapan saja. Tidak semua penawaran tersedia di setiap negara tempat IBM beroperasi.
Contoh klien disajikan sebagai ilustrasi tentang cara klien tersebut menggunakan produk IBM dan hasil yang mungkin telah mereka capai. Kinerja aktual, biaya, penghematan atau hasil lainnya di lingkungan operasi lain mungkin berbeda.