Apa yang dimaksud dengan chatbot?

Chatbot tersedia di situs web, aplikasi perpesanan, SMS, WhatsApp, portal layanan pelanggan, dan banyak saluran digital lainnya.

Tidak semua chatbot menggunakan kecerdasan buatan (AI). Chatbot tradisional mengikuti aturan yang telah ditentukan sebelumnya, struktur keputusan, dan naskah alur percakapan. Chatbot AI menggunakan teknologi seperti pemrosesan bahasa alami (NLP), AI generatif, dan model bahasa besar (LLM) untuk memahami maksud pengguna, menghasilkan respons yang lebih alami, dan beradaptasi dengan jangkauan percakapan yang lebih luas.

Chatbot tradisional bekerja dengan baik untuk permintaan yang dapat diprediksi tetapi mengalami kesulitan dengan pertanyaan yang berada di luar tanggapan mereka yang terprogram. Chatbot AI saat ini dapat melakukan lebih dari sekadar memberikan jawaban. Banyak yang terhubung dengan aplikasi bisnis, basis data, dan basis pengetahuan sehingga mereka dapat mengambil informasi, menyelesaikan transaksi, atau memandu pengguna melalui suatu proses. Mereka juga dapat mendukung agen manusia dengan menyelesaikan permintaan rutin dan mentransfer percakapan yang lebih kompleks kepada manusia ketika diperlukan lebih banyak bantuan.

Organisasi menggunakan chatbot untuk mendukung pelanggan, karyawan, dan mitra di seluruh industri. Mereka dapat membantu dengan layanan pelanggan, penjualan, dukungan teknis, berbagi pengetahuan internal, penjadwalan janji temu, dan banyak tugas sehari-hari lainnya.

Meskipun setiap chatbot memiliki kemampuan yang berbeda, tujuannya sama: untuk memudahkan orang mendapatkan informasi dan menyelesaikan tugas melalui percakapan manusia ketimbang menavigasi menu atau mencari melalui konten.

Chatbot penting karena membantu organisasi memberikan dukungan yang lebih cepat, meningkatkan akses ke informasi, dan meningkatkan layanan di seluruh saluran digital. Mereka mencerminkan perubahan luas seputar bagaimana pengalaman digital disampaikan.

Pelanggan saat ini mengharapkan interaksi omnichannel yang lebih cepat dan lebih personal. Karyawan juga menginginkan akses cepat ke pengetahuan perusahaan dan sumber daya internal. Chatbot membantu memenuhi harapan ini dengan membuat informasi dan layanan tersedia melalui antarmuka percakapan yang akrab.

Gagasan tentang komputer yang melakukan percakapan dengan manusia sudah ada sejak puluhan tahun yang lalu. Pada tahun 1950, Alan Turing mengusulkan apa yang kemudian dikenal sebagai Tes Turing untuk mengevaluasi apakah sebuah mesin dapat menunjukkan kecerdasan seperti manusia. Pada 1960-an, ELIZA menjadi salah satu chatbot terkenal pertama dengan menyimulasikan percakapan dengan pengguna melalui pencocokan pola sederhana, mengidentifikasi kata kunci dan merespons dengan balasan yang telah ditentukan, tidak memahami makna.

Chatbot sekarang jauh lebih maju, tetapi mereka dibangun dengan tujuan yang sama untuk memungkinkan komputer berkomunikasi melalui bahasa alami. Mereka memainkan peran sentral dalam bagaimana organisasi berinteraksi dengan manusia. Alih-alih hanya mengandalkan panggilan telepon, email, atau halaman web statis, bisnis dapat memberikan pengalaman percakapan yang membantu orang menemukan informasi dan menyelesaikan tugas secara lebih langsung. Bahkan, percakapan telah menjadi cara umum bagi orang untuk berinteraksi dengan teknologi.

Organisasi menemukan cara baru untuk menggunakan chatbot saat mereka berkembang. Mereka telah menjadi bagian penting dari interaksi pelanggan, dukungan karyawan, pengalaman pelanggan, dan transformasi digital.

Banyak orang berasumsi bahwa kata chatbot selalu mengacu pada chatbot yang didukung AI, padahal chatbot telah ada jauh sebelum AI generatif.

AI Percakapan juga terkadang digunakan sebagai pengganti chatbot, tetapi keduanya tidak sama. AI Percakapan adalah kategori teknologi yang luas, yang memungkinkan sistem untuk memahami dan merespons bahasa manusia, sementara chatbot adalah salah satu aplikasi dari teknologi itu. Dengan kata lain, AI percakapan mendukung banyak chatbot, tetapi juga dapat mendukung asisten AI, agen AI, asisten virtual, dan sistem percakapan lainnya.

Beberapa organisasi sering kali menggunakan agen virtual secara bergantian dengan chatbot dalam layanan pelanggan. Organisasi lainnya menggunakan agen virtual untuk menggambarkan sistem chatbot yang lebih canggih yang dapat mengakses aplikasi bisnis, menyelesaikan tugas, atau mendukung interaksi yang lebih kompleks. Karena tidak ada definisi universal tentang agen virtual, istilah berbeda dapat digunakan oleh vendor atau produk.

Setiap chatbot AI adalah chatbot, tetapi tidak setiap chatbot adalah chatbot AI. Baik chatbot tradisional maupun AI berkomunikasi melalui percakapan, tetapi perbedaan terdapat dalam cara mereka memahami dan merespons pengguna.

• Chatbot tradisional, disebut juga chatbot berbasis aturan, mengikuti aturan yang telah ditentukan, struktur keputusan, atau naskah tanggapan. Mereka bekerja dengan baik untuk interaksi yang dapat diprediksi tetapi memiliki fleksibilitas terbatas. Banyak bisnis menggunakan chatbot tradisional di situs web mereka untuk menjawab pertanyaan umum (FAQ) atau membimbing pengguna melalui berbagai tugas umum.
  
  
• Chatbot AI menggunakan model AI untuk menafsirkan bahasa alami, mempertahankan konteks, dan menghasilkan respons. Mereka dapat menangani berbagai pertanyaan dan percakapan yang lebih luas. Contoh terkenal termasuk ChatGPT dan Claude, yang memungkinkan pengguna untuk mengajukan pertanyaan terbuka dan menerima tanggapan percakapan.

Banyak asisten AI menyertakan kemampuan chatbot, tetapi tidak setiap chatbot AI berfungsi sebagai asisten AI penuh. Keduanya menggunakan AI percakapan, tetapi mereka memiliki tujuan yang berbeda.

• Chatbot AI dirancang terutama sebagai chatbot percakapan yang berinteraksi dengan pengguna melalui percakapan alami. Mereka menjawab pertanyaan, memberikan informasi, dan membantu pengguna menyelesaikan berbagai tugas tertentu.
  
  
• Asisten AI memiliki peran yang lebih luas. Selain menjawab pertanyaan, mereka dapat membantu pengguna mengelola kalender, mengatur pengingat, membuat konten, mencari informasi, dan bekerja di banyak aplikasi. Contohnya termasuk Amazon Alexa, Siri dari Apple, Google Assistant, Google Gemini, dan asisten di tempat kerja seperti Microsoft Copilot.

Chatbot AI dan agen AI keduanya dapat berkomunikasi melalui bahasa alami, tetapi agen AI dirancang untuk mengambil peran yang lebih aktif dalam menyelesaikan pekerjaan.

Beberapa agen AI menyertakan antarmuka chatbot, tetapi percakapan hanya merupakan satu bagian dari fungsinya.

• Chatbot AI menanggapi permintaan pengguna dan memandu percakapan. Mereka biasanya menjawab pertanyaan atau membantu pengguna menyelesaikan tugas tertentu dalam satu langkah pada satu waktu.
  
  
• Agen AI dapat merencanakan, membuat keputusan khusus tugas, dan melaksanakan alur kerja yang terdiri dari banyak langkah dengan keterlibatan manusia yang terbatas. Mereka sering menggunakan alat, berinteraksi dengan perangkat lunak lain, dan menyesuaikan tindakan mereka berdasarkan perubahan kondisi.

Misalnya, chatbot AI dapat membantu pelanggan bertukar produk atau menjawab pertanyaan tentang manfaat karyawan. Agen AI mungkin menyelesaikan tujuan yang lebih luas dengan mengoordinasikan pertukaran, memperbarui inventaris, memberi tahu sistem bisnis lain, dan mengonfirmasi transaksi dengan input pengguna minimal.

Perbedaan antara chatbot, asisten AI, dan agen AI menjadi semakin halus. Banyak platform sekarang menggabungkan elemen dari ketiganya, meskipun tujuan utamanya tetap menentukan bagaimana mereka diklasifikasikan.

Chatbot tradisional bergantung pada aturan yang telah ditentukan sebelumnya, sementara chatbot AI menggabungkan banyak teknologi AI untuk memahami permintaan, menghasilkan respons alami, dan menyelesaikan tugas yang lebih kompleks.

Teknologi berikut biasanya saling melengkapi selama percakapan ketimbang bekerja secara mandiri. Misalnya, chatbot AI mungkin menggunakan NLP dan Natural Language Understanding (NLU) untuk menafsirkan permintaan pengguna dan mengambil informasi yang relevan, kemudian menggunakan LLM dengan AI generatif untuk menghasilkan respons percakapan.

Algoritma: Setiap chatbot bergantung pada algoritma untuk memproses informasi dan menentukan cara merespons. Chatbot tradisional biasanya mengikuti algoritma yang telah ditentukan berdasarkan aturan dan struktur keputusan, sementara chatbot AI menggabungkan algoritma dengan machine learning dan model bahasa untuk menghasilkan respons yang lebih fleksibel.

AI generatif: AI generatif memungkinkan chatbot modern untuk membuat respons asli alih-alih hanya memilih dari jawaban yang telah ditentukan. Teknologi ini memungkinkan chatbot AI untuk merespons secara lebih alami dan beradaptasi dengan rentang pertanyaan yang lebih luas.

Model bahasa besar (LLM): LLM adalah model AI yang mendukung banyak chatbot. Mereka dilatih pada sejumlah besar teks sehingga dapat mengenali pola dalam bahasa, memahami prompt, dan menghasilkan respons yang mendukung percakapan yang lebih menyerupai manusia.

Machine learning: Machine learning memungkinkan sistem AI untuk mengenali pola selama pelatihan dan meningkatkan kinerja mereka. Banyak chatbot AI modern juga mengandalkan pembelajaran mendalam, jenis machine learning yang membantu model bahasa mengenali pola kompleks dalam teks dan menghasilkan respons yang lebih alami.

Pemrosesan bahasa alami (NLP): NLP membantu chatbot menafsirkan bahasa tulisan atau lisan. Hal ini memungkinkan chatbot untuk mengidentifikasi arti permintaan pengguna, bahkan ketika pertanyaan diungkapkan dalam cara yang berbeda.

Natural Language Understanding (NLU): NLU adalah bidang khusus NLP yang berfokus pada interpretasi maksud dan konteks pengguna. Alih-alih hanya mengenali kata kunci, NLU membantu chatbot AI memahami apa yang ingin dicapai pengguna.

Baik chatbot mengikuti aturan yang telah ditentukan atau menggunakan AI, setiap percakapan mengikuti proses dasar yang sama. Program komputer menerima pesan atau perintah suara pengguna, menafsirkan permintaan, memilih respons yang sesuai, kemudian membalas atau melakukan tindakan. Perbedaannya terletak pada bagaimana setiap jenis chatbot memahami permintaan dan memutuskan apa yang harus dilakukan selanjutnya.

Chatbot tradisional membandingkan input pengguna dengan aturan, kata kunci, atau aliran percakapan yang telah ditentukan sebelumnya. Jika mengenali permintaan, AI akan memberikan respons terprogram atau memandu pengguna ke langkah selanjutnya. Misalnya, pelanggan dapat memilih “Lacak pesanan” dari menu atau menjawab “ya” untuk melanjutkan melalui naskah percakapan. Jika permintaan berada di luar tanggapan chatbot yang terprogram, AI sering kali tidak dapat melanjutkan tanpa mengalihkan pengguna atau mentransfernya ke perwakilan manusia.

Chatbot AI mengikuti proses yang lebih fleksibel. Mereka dapat memahami maksud dan konteks di balik permintaan pengguna. Mereka juga dapat mengingat informasi dari percakapan sebelumnya, memungkinkan pengguna untuk mengajukan pertanyaan tindak lanjut atau mengubah topik secara alami.

Misalnya, pelanggan mungkin mengetik atau berkata, “Saya memesan jaket minggu lalu, tetapi ingin menukarnya dengan ukuran yang berbeda.” Alih-alih meminta pelanggan untuk memilih dari menu opsi, chatbot AI dapat memahami permintaan, meminta nomor pesanan, mengambil detail pembelian, dan memandu pelanggan melalui proses pertukaran.

Banyak chatbot AI juga terintegrasi dengan berbagai sumber data seperti basis pengetahuan dan aplikasi bisnis. Koneksi ini memungkinkan mereka untuk menjawab pertanyaan, menyelesaikan tugas, dan mengambil tindakan. Mereka mungkin membuat tiket dukungan, menjadwalkan janji temu, memperbarui catatan pelanggan, atau mengambil informasi pesanan, semuanya dalam percakapan yang sama.

Organisasi dapat menerapkan chatbot di banyak departemen untuk meningkatkan interaksi dengan pelanggan dan karyawan. Sebagian besar contoh penggunaan ini berlaku untuk chatbot tradisional dan AI, meskipun chatbot AI lebih cocok untuk percakapan yang lebih kompleks.

Chatbot AI yang lebih canggih dapat mengotomatiskan bagian dari alur kerja ini. Agen AI sering kali dapat menyelesaikan seluruh alur kerja dengan lebih sedikit keterlibatan pengguna.

Layanan pelanggan tetap menjadi salah satu penggunaan paling umum untuk chatbot. Chatbot menjawab pertanyaan, memberikan panduan, dan membantu pelanggan menyelesaikan masalah tanpa harus selalu menghubungi perwakilan dukungan. Tugas umum meliputi:

• Menjawab pertanyaan tentang produk, layanan, atau kebijakan
• Membantu pelanggan melacak pesanan, memproses pengembalian, atau mengelola akun
• Memberikan panduan pemecahan masalah
• Mengarahkan permintaan kompleks ke tim dukungan yang tepat

Misalnya, peritel mungkin menggunakan chatbot untuk membantu pelanggan memeriksa status pesanan, sementara perusahaan perangkat lunak mungkin menggunakan chatbot untuk menjawab pertanyaan teknis dasar sebelum menghubungkan pengguna dengan perwakilan dukungan.

Dalam organisasi, chatbot dapat berfungsi sebagai titik pusat untuk sumber daya dan dukungan perusahaan. Chatbot ini membantu karyawan mengakses informasi dan menyelesaikan berbagai tugas umum di tempat kerja. Penggunaan umum meliputi:

• Menjawab pertanyaan tentang kebijakan dan manfaat perusahaan
• Mendukung orientasi karyawan
• Membantu menangani permintaan TI umum
• Menghubungkan karyawan dengan sumber daya internal

Seorang karyawan mungkin menggunakan chatbot untuk menemukan informasi tentang kebijakan liburan, atau karyawan baru mungkin menggunakannya untuk menerima panduan tentang menyiapkan perangkat lunak perusahaan.

Chatbot dapat memudahkan orang untuk menemukan informasi yang disimpan di seluruh situs web, dokumen, dan sistem internal. Contoh penggunaan ini menjadi lebih umum karena pemahaman chatbot AI tentang pertanyaan bahasa alami telah meningkat. Penggunaan umum meliputi:

• Mencari jawaban dalam dokumentasi perusahaan
• Mencari dokumentasi produk, sumber daya teknis, atau basis pengetahuan
• Menemukan kebijakan dan prosedur internal
• Meringkas informasi dari dokumen

Pelanggan mungkin menggunakan chatbot untuk menemukan informasi spesifik dalam panduan produk, sementara seorang karyawan mungkin memintanya untuk menemukan kebijakan perusahaan.

Chatbot dapat mendukung tim penjualan dengan membantu pelanggan mempelajari produk dan layanan, memberikan rekomendasi, dan membimbing mereka melalui proses pembelian. Chatbot membantu dengan:

• Menjawab pertanyaan tentang produk
• Merekomendasikan produk atau layanan
• Mengualifikasi prospek dan mengumpulkan informasi pelanggan
• Menjadwalkan rapat atau demonstrasi produk

Perusahaan e-commerce mungkin menggunakan chatbot untuk membantu pembeli memilih produk. Penyedia perangkat lunak mungkin menggunakan chatbot untuk menjawab pertanyaan dari pelanggan potensial.

Alih-alih hanya memberikan jawaban, beberapa chatbot membantu pengguna menyelesaikan tindakan rutin. Chatbot ini sering terhubung dengan sistem bisnis untuk membantu permintaan umum. Tugas mungkin termasuk:

• Menjadwalkan janji temu
• Membuat reservasi
• Memperbarui informasi akun
• Mengisi formulir atau mengirimkan permintaan

Misalnya, penyedia layanan kesehatan mungkin menggunakan chatbot untuk menjadwalkan janji temu, sementara bank mungkin menggunakannya untuk membantu pelanggan memperbarui informasi rekening.

Perangkat lunak chatbot yang lebih canggih dapat mengotomatiskan bagian dari proses bisnis dengan mengumpulkan informasi, menghubungkan dengan sistem lain, dan menyelesaikan berbagai tugas tertentu. Ini mungkin termasuk:

• Membuat tiket dukungan
• Mengarahkan permintaan ke tim yang sesuai
• Memperbarui catatan bisnis
• Memulai proses persetujuan

Chatbot SDM mungkin mengumpulkan informasi dari karyawan baru dan memulai proses orientasi, sementara chatbot TI dapat secara otomatis membuat tiket dukungan dan mengarahkannya ke tim yang sesuai.

Beberapa chatbot AI mengotomatiskan bagian dari alur kerja ini, sementara agen AI sering kali dapat menanganinya secara lebih mandiri.

Baik chatbot tradisional maupun AI meningkatkan cara organisasi berinteraksi dengan pengguna. Terlepas dari teknologi di belakangnya, chatbot menawarkan beberapa keuntungan umum.

Informasi yang konsisten: Chatbot merespons menggunakan konten dan business rules yang disetujui, yang membantu memberikan jawaban yang lebih konsisten di seluruh percakapan.

Tanggapan yang lebih cepat: Chatbot dapat memberikan jawaban langsung pada pertanyaan umum, mengurangi waktu yang dihabiskan orang untuk mencari informasi atau menunggu bantuan.

Ketersediaan yang lebih besar: Tidak seperti tim dengan jam kerja terbatas, chatbot dapat merespons kapan saja sepanjang hari. Fleksibilitas ini memungkinkan organisasi untuk mendukung pengguna di berbagai zona waktu dan jadwal.

Peningkatan produktivitas karyawan: Karyawan dapat dengan cepat menemukan kebijakan, prosedur, dan sumber daya internal lainnya tanpa mencari melalui banyak sistem atau menghubungi rekan kerja untuk pertanyaan rutin.

Dukungan pelanggan yang lebih efisien: Chatbot menangani permintaan rutin yang membebaskan tim dukungan untuk berfokus pada masalah yang membutuhkan lebih banyak waktu, keahlian, atau perhatian pribadi.

Dukungan untuk pertumbuhan bisnis: Chatbot memungkinkan organisasi untuk menangani permintaan pelanggan yang terus meningkat dan permintaan karyawan tanpa meningkatkan staf pendukung secara proporsional, sehingga meningkatkan efisiensi operasional.

Kemampuan percakapan dan konektivitas chatbot AI dapat memberikan lebih banyak manfaat, termasuk:

Insight yang dapat ditindaklanjuti: Percakapan chatbot AI dapat mengungkapkan pertanyaan umum, masalah berulang, dan kesenjangan informasi. Insight ini dapat digunakan untuk meningkatkan produk, layanan, dan sumber daya dukungan.

Otomatisasi tugas rutin: Banyak chatbot AI dapat terhubung dengan sistem bisnis untuk menyelesaikan berbagai tindakan seperti menjadwalkan janji temu, memperbarui catatan, atau membuat tiket dukungan. Kemampuan ini mengurangi pekerjaan manual dan membantu merampingkan proses umum.

Interaksi yang lebih dipersonalisasi: Chatbot AI dapat menyesuaikan respons berdasarkan preferensi pengguna, percakapan sebelumnya, atau informasi akun yang tersedia. Kustomisasi ini menciptakan interaksi yang lebih relevan tanpa mengharuskan pengguna untuk mengulangi informasi berulang kali.

Chatbot dapat memberikan nilai yang signifikan, tetapi mereka juga memerlukan pertimbangan penting. Organisasi harus berpikir melampaui teknologi itu sendiri dan menetapkan proses untuk tata kelola, pemeliharaan, dan pengawasan manusia. Dengan perencanaan yang tepat, banyak tantangan umum dapat dikurangi atau dihindari.

Bias dan keadilan: Chatbot AI dapat mencerminkan bias yang ditemukan dalam data pelatihan atau informasi yang mereka akses. Pengujian, pemantauan, dan pembaruan rutin membantu mengidentifikasi potensi masalah dan meningkatkan kualitas respons chatbot dari waktu ke waktu.

Permintaan kompleks: Chatbot tidak dapat menangani setiap percakapan. Beberapa situasi memerlukan penilaian manusia, empati, atau keahlian khusus. Chatbot yang dirancang dengan baik harus mengenali keterbatasannya dan memberikan jalur yang jelas ke perwakilan manusia saat dibutuhkan.

Tanggapan yang salah atau menyesatkan: Chatbot AI terkadang dapat menghasilkan tanggapan yang tidak akurat, tidak lengkap, atau menyesatkan. Tanggapan ini terkadang disebut sebagai halusinasi dalam AI dan lebih mungkin terjadi ketika chatbot tidak memiliki akses ke informasi yang dapat dipercaya atau mendapatkan pertanyaan yang berada di luar bidang pengetahuannya. Menghubungkan chatbot ke sumber data tepercaya dan meninjau kinerja mereka secara teratur dapat meningkatkan akurasi.

Pemeliharaan berkelanjutan: Chatbot memerlukan pembaruan rutin karena informasi bisnis, kebijakan, dan kebutuhan pelanggan berubah. Chatbot AI juga mendapat manfaat dari pemantauan dan penyempurnaan berkelanjutan untuk menjaga akurasi, meningkatkan kinerja, dan mendukung contoh penggunaan baru.

Privasi dan keamanan: Chatbot sering memproses informasi pelanggan, karyawan, atau bisnis. Organisasi harus menetapkan kebijakan untuk melindungi data sensitif, mengendalikan akses ke sistem bisnis dan mematuhi peraturan privasi yang berlaku.

Kepercayaan dan transparansi pengguna: Orang harus tahu kapan mereka berinteraksi dengan chatbot dan memahami data apa yang dapat diaksesnya. Menetapkan ekspektasi yang jelas membantu membangun kepercayaan dan menciptakan pengalaman pengguna yang lebih baik.