Apa itu AI percakapan?

AI Percakapan menggabungkan pemrosesan bahasa alami (NLP) dengan machine learning. Proses NLP ini mengalir ke loop 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 sub-bidang kecerdasan buatan, yang terdiri dari sekumpulan algoritma, fitur, dan kumpulan data yang terus menerus memperbaiki diri dengan pengalaman. Seiring dengan bertambahnya input, mesin platform AI menjadi lebih baik dalam mengenali pola dan menggunakannya untuk membuat prediksi.

Pemrosesan bahasa alami adalah metode terkini untuk menganalisis bahasa dengan bantuan machine learning yang digunakan dalam AI percakapan. Sebelum machine learning, evolusi metodologi pemrosesan bahasa beralih dari linguistik ke linguistik komputasional ke pemrosesan bahasa alami statistik. Di masa mendatang, pembelajaran mendalam akan memajukan kemampuan pemrosesan bahasa alami AI percakapan lebih jauh lagi.

NLP terdiri dari empat langkah: Pembuatan input, analisis input, pembuatan output, dan pembelajaran penguatan. Data yang 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 pemahaman bahasa alami (natural language understanding atau NLU) untuk menguraikan makna input dan memperoleh maksudnya. Namun, jika input berbasis ucapan, aplikasi akan memanfaatkan kombinasi pengenalan ucapan otomatis (ASR) dan NLU untuk menganalisis data.
  
  
• Manajemen dialog: Selama tahap ini, Natural Language Generation (NLG), sebuah komponen dari NLP, 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. Pada bagian ini, kita akan membahas cara-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 sebagian 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 Anda.

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

• Bagaimana cara mengakses akun saya?
  
  
• Di mana saya menemukan rute dan nomor rekening saya?
  
  
• Kapan kartu debit saya akan tiba?
  
  
• Bagaimana cara mengaktifkan kartu debit saya?
  
  
• Bagaimana cara memesan cek?
  
  
• Bagaimana cara berbicara dengan bankir 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.

Pertanyaan Umum Anda menjadi dasar tujuan, atau maksud, yang dinyatakan dalam masukan pengguna, seperti mengakses akun. Setelah Anda menguraikan tujuan Anda, Anda dapat memasukkannya ke dalam alat AI percakapan yang kompetitif, seperti watsonx Assistant, sebagai maksud.

Dari sini, Anda perlu mengajari AI percakapan Anda cara-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 pelanggan Anda, maka Anda mungkin ingin bermitra dengan tim analitik dan dukungan Anda. Jika alat analisis chatbot Anda telah disiapkan dengan tepat, tim analisis dapat menambang data web dan menyelidiki pertanyaan 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, maka tim dukungan Anda juga dapat memberikan insight yang berharga tentang cara-cara umum yang digunakan pelanggan untuk mengajukan pertanyaan.

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 di sekitar informasi rekening bank.

Sejumlah nilai mungkin termasuk dalam kategori informasi ini, seperti "nama pengguna", "kata sandi", "nomor akun", 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 niat. 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, sasaran dan kata benda (atau maksud dan entitas sebagaimana IBM menyebutnya) bekerja untuk membangun alur percakapan yang logis berdasarkan kebutuhan pengguna. Jika Anda siap untuk mulai membangun AI percakapan Anda sendiri, Anda dapat mencoba watsonx Assistant Lite Version milik 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 omni-channel. Sebagian besar aplikasi AI percakapan memiliki analisis ekstensif yang dibangun ke dalam program backend , sehingga membantu memastikan pengalaman percakapan yang mirip dengan manusia.

Para pakar menganggap aplikasi AI percakapan saat ini sebagai AI yang lemah, karena mereka berfokus untuk melakukan bidang tugas yang sangat sempit. Strong AI, yang masih berupa 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, yang membantu bisnis mencapai keuntungan lebih besar. Sementara 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 topik, seperti pengiriman, atau memberikan saran yang dipersonalisasi, menjual silang produk, atau menyarankan ukuran untuk pengguna, mengubah cara kita berpikir tentang interaksi pelanggan di seluruh situs web dan platform media sosial. Contohnya termasuk bot pengiriman pesan di situs e-commerce dengan asisten virtual, aplikasi pengiriman pesan, seperti Slack dan Facebook Messenger, dan tugas-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 Conversation AI yang umum digunakan untuk grup ini adalah Text to Speech dan terjemahan 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 sekarang memiliki setidaknya perangkat IoT, mulai dari speaker Alexa hingga jam tangan pintar hingga ponsel mereka. 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 pelengkapan 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-ulang, sehingga membebaskan sumber daya personalia untuk fokus pada interaksi pelanggan yang lebih banyak. Secara keseluruhan, aplikasi AI percakapan telah mampu meniru pengalaman percakapan manusia dengan baik, sehingga menghasilkan tingkat kepuasan pelanggan yang lebih tinggi.

AI percakapan adalah solusi hemat biaya untuk berbagai proses bisnis. Berikut adalah contoh manfaat menggunakan AI percakapan.

Mempekerjakan staf di departemen layanan pelanggan bisa sangat mahal, terutama jika Anda ingin menjawab pertanyaan di luar jam kantor biasa. Memberikan bantuan pelanggan melalui antarmuka percakapan dapat mengurangi biaya bisnis terkait gaji dan pelatihan, terutama untuk perusahaan kecil atau menengah. Chatbot dan asisten virtual dapat merespons secara instan, menyediakan ketersediaan 24 jam bagi calon pelanggan.

Percakapan manusia juga dapat menghasilkan respons yang tidak konsisten terhadap calon pelanggan. Karena sebagian besar interaksi dengan dukungan bersifat mencari informasi dan berulang, bisnis dapat memprogram AI percakapan untuk menangani berbagai contoh penggunaan, memastikan kelengkapan dan konsistensi. Hal ini menciptakan kesinambungan dalam pengalaman pelanggan, dan memungkinkan sumber daya manusia yang berharga tersedia untuk 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, sehingga 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 inputnya berupa teks atau suara. Dialek, aksen, dan suara latar belakang dapat memengaruhi pemahaman AI tentang input mentah. Bahasa gaul dan bahasa 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 pengguna yang dimaksud dan merespons dengan tepat.

Karena AI Percakapan bergantung pada pengumpulan data untuk menjawab pertanyaan pengguna, AI 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 antara pengguna akhir, yang pada akhirnya meningkatkan penggunaan chatbot dari waktu ke waktu.

Pengguna dapat merasa khawatir untuk membagikan informasi pribadi atau sensitif, terutama ketika mereka 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 mengurangi 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.