Apa Itu Voicebot dan Cara Kerjanya di Call Center

Ringkasan artikel：Panduan ini membahas voicebot adalah apa, bagaimana teknologi tersebut bekerja, dan kapan otomatisasi panggilan lebih cocok dibanding IVR tradisional. Artikel menjelaskan proses ASR, pemahaman intent, integrasi data backend, TTS, handoff ke agen, latency, serta pengujian bahasa nyata di call center. Pembahasan juga menunjukkan bahwa IVR cerdas tidak harus menggantikan seluruh flow lama, tetapi bisa dipakai pada bagian yang paling repetitif. Cocok untuk tim contact center, CX, dan IT yang ingin memahami penggunaan voicebot untuk FAQ, tracking, tagihan, routing, dan layanan rutin tanpa menghilangkan jalur manusia untuk kasus yang lebih kompleks.

Oleh Rizki Firmansyah

Rizki Firmansyah, Spesialis Produk AI Udesk. Ia meneliti penerapan LLM di pusat kontak, termasuk chatbot AI, basis pengetahuan dan pemeriksaan kualitas percakapan berbasis AI.

Voicebot adalah sistem yang bisa menerima atau melakukan percakapan telepon secara otomatis dengan memahami ucapan pelanggan, mencari maksudnya, lalu memberikan respons lewat suara. Bedanya dengan IVR lama cukup terasa: pelanggan tidak selalu harus mendengar menu panjang dan menekan angka satu per satu.

Voicebot bukan sekadar IVR yang bisa bicara

Hampir semua orang pernah bertemu IVR tradisional.

“Tekan 1 untuk informasi tagihan. Tekan 2 untuk layanan produk. Tekan 3 untuk berbicara dengan customer service.”

Sistem seperti ini sebenarnya masih berguna. Kalau pilihannya sedikit dan proses harus sangat terkontrol, tombol DTMF mudah dipahami dan hasilnya cukup bisa diprediksi.

Masalah muncul ketika menu mulai panjang.

Pelanggan ingin mengecek status refund, tetapi harus masuk ke menu transaksi, memilih jenis produk, lalu mendengar empat opsi lagi. Kalau salah tekan, kadang harus kembali ke awal.

IVR cerdas mencoba membuat proses itu lebih pendek. Pelanggan cukup berkata, “Saya mau cek refund,” lalu sistem menentukan intent dan membawa percakapan ke alur yang sesuai.

Voicebot AI bisa melangkah lebih jauh. Selain memahami maksud, sistem dapat mengambil informasi dari backend, menjawab pertanyaan lanjutan, membuat tiket, atau meneruskan percakapan ke agen manusia.

Jadi perbedaannya bukan sekadar tombol versus suara. Yang lebih penting adalah seberapa jauh sistem dapat memahami percakapan dan menyelesaikan pekerjaan.

Apa yang sebenarnya terjadi setelah pelanggan berbicara?

Misalnya pelanggan mengatakan:

“Tagihan bulan ini kok lebih mahal ya?”

Voicebot tidak langsung “mengerti” suara seperti manusia. Ada beberapa proses di belakangnya.

Pertama, Automatic Speech Recognition atau ASR mengubah suara menjadi teks.

Kalau hasilnya menjadi “tagihan bulan ini lebih mahal”, sistem berikutnya punya bahan untuk dibaca.

Di bagian ini kualitas audio cukup penting. Kebisingan jalan, suara anak di belakang, aksen, nama produk yang aneh, atau pelanggan berbicara terlalu cepat bisa membuat transcription salah.

Setelah itu masuk ke tahap pemahaman bahasa.

NLP atau model AI mencoba membaca intent. Apakah pelanggan sedang menanyakan tagihan, meminta refund, atau hanya ingin mengecek riwayat transaksi?

Kalau intent sudah cukup jelas, sistem masuk ke workflow yang sesuai.

Baru setelah itu voicebot mencari data atau knowledge yang diperlukan.

Kalau pertanyaannya tentang tagihan, bot mungkin perlu mengambil data akun dari CRM atau billing system. Kalau pelanggan hanya menanyakan jam operasional, informasi dari knowledge base sudah cukup.

Respons tersebut kemudian diubah kembali menjadi suara melalui Text-to-Speech atau TTS.

Secara sederhana, alurnya seperti ini:

Suara pelanggan → ASR → pemahaman intent → data atau workflow → jawaban → TTS.

Kelihatannya lurus. Di operasi nyata, pelanggan sering menyela bot, berubah pikiran, atau berbicara sebelum sistem selesai. Di situlah desain percakapan mulai menjadi pekerjaan serius.

IVR biasa belum tentu perlu dibuang

Ada kecenderungan menganggap teknologi baru harus menggantikan semuanya.

Tidak selalu begitu.

Untuk pembayaran yang meminta pelanggan memasukkan PIN atau nomor tertentu, keypad masih sangat berguna. Untuk routing sederhana seperti pilihan bahasa, menu tetap juga belum tentu bermasalah.

Voicebot lebih menarik ketika pilihan mulai banyak atau pelanggan menggunakan bahasa yang sulit dipetakan ke menu tetap.

Karena itu, upgrade IVR tidak harus berarti membuang seluruh flow lama.

Perusahaan bisa mempertahankan bagian yang sudah stabil, lalu memakai voicebot pada area yang membuat pelanggan terlalu banyak menekan menu.

Mulai dari panggilan yang paling sering berulang

Otomatisasi panggilan paling mudah dimulai dari pertanyaan yang volumenya besar tetapi prosesnya tidak terlalu rumit.

Misalnya:

“Paket saya sudah sampai mana?”

“Berapa tagihan saya?”

“Cabang terdekat buka sampai jam berapa?”

“Status tiket saya bagaimana?”

Pertanyaan seperti ini sering menghabiskan waktu agen hanya untuk mengambil data lalu membacakannya kembali.

Kalau sistem bisa mengenali pelanggan dan mengambil data dari backend, voicebot dapat menyelesaikan sebagian panggilan tanpa masuk antrean agen.

Tetapi jangan langsung memasukkan semua jenis call.

Komplain yang sensitif, negosiasi pembayaran, pelanggan yang sedang sangat marah, atau kasus yang membutuhkan keputusan khusus biasanya lebih aman tetap punya jalur manusia.

Voicebot yang bagus bukan yang menolak transfer selama mungkin. Justru bot perlu tahu kapan tugasnya sudah selesai.

Handoff ke agen perlu membawa konteks

Bayangkan pelanggan sudah lima menit berbicara dengan voicebot.

Ia sudah memberikan nomor pelanggan, menjelaskan masalah, dan mencoba satu langkah troubleshooting.

Kemudian bot berkata:

“Baik, saya sambungkan ke petugas.”

Agen mengangkat telepon lalu bertanya:

“Boleh dijelaskan masalahnya dari awal?”

Secara teknis handoff berhasil. Dari sisi pelanggan, pengalamannya buruk.

Transkrip, intent, identitas yang sudah diverifikasi, data yang sempat diambil, dan alasan transfer sebaiknya ikut muncul di layar agen.

Dengan begitu, agen bisa langsung mengatakan:

“Saya lihat Anda tadi mengalami masalah pembayaran yang masih berstatus pending. Saya cek lebih lanjut ya.”

Perbedaannya kecil, tetapi pelanggan langsung merasa sistem tadi memang melakukan sesuatu.

Latency bisa merusak percakapan yang sebenarnya pintar

Dalam chat, jeda beberapa detik masih bisa diterima.

Dalam telepon, dua atau tiga detik terasa lebih panjang.

Kalau setiap jawaban voicebot diawali dengan diam, pelanggan bisa mengira telepon terputus. Sebagian orang akan mengulang kalimat, lalu bot malah menerima dua input sekaligus.

Karena itu, saat menguji voicebot jangan hanya melihat apakah jawabannya benar.

Dengarkan percakapannya.

Apakah pelanggan sempat menunggu terlalu lama? Apakah bot sering memotong ucapan? Apa yang terjadi ketika pelanggan menyela?

Voice AI yang akurat tetapi terasa lambat tetap sulit dipakai.

Bahasa telepon jauh lebih berantakan dari script demo

Demo biasanya seperti ini:

“Saya ingin mengetahui tarif perjalanan dari stasiun A menuju stasiun B.”

Pelanggan asli mungkin mengatakan:

“Kalau dari sini mau ke sana itu berapa ya, yang turun dekat stasiun itu?”

Ada jeda. Ada koreksi. Kadang nama tempat tidak jelas.

Karena itu, testing perlu memakai rekaman dan kalimat nyata, bukan hanya script buatan tim produk.

Untuk Indonesia, tambahkan variasi aksen, campur kode, bahasa informal, angka, nama produk, dan istilah daerah yang memang sering muncul.

ASR yang bagus untuk bahasa formal belum tentu sama bagusnya ketika pelanggan berbicara dari jalan sambil memakai headset murah.

Kasus Capital Metro menunjukkan tantangan voicebot yang sebenarnya

Kasus resmi Udesk untuk Capital Metro di Beijing cukup relevan karena tantangannya bukan sekadar menjawab FAQ.

Hotline 96123 digunakan untuk pertanyaan perjalanan, tarif, dan informasi stasiun. Sistem harus menghadapi volume pertanyaan tinggi, kebisingan lingkungan, nama stasiun yang mirip, variasi aksen, serta cara penumpang menyebut tujuan yang tidak selalu sama.

Udesk membangun intelligent voicebot dengan ASR untuk mengenali ucapan, NLP untuk memahami informasi seperti titik keberangkatan dan tujuan, lalu menghubungkannya dengan sistem bisnis agar jawaban bisa diambil dari data operasional. Dalam hasil yang dilaporkan Udesk, akurasi layanan suara robot tersebut berada di atas 90% untuk kebutuhan seperti pertanyaan rute dan tarif. Angka itu berasal dari kasus Capital Metro sendiri, jadi tidak cocok dijadikan target otomatis untuk call center lain.

Yang lebih menarik justru cara kerjanya. Voicebot bukan berdiri sendiri. Ia baru berguna karena pengenalan suara, pemahaman intent, dan akses ke data backend bekerja bersama.

Ukur penyelesaian, bukan hanya berapa banyak call yang masuk bot

Containment rate memang menarik.

Misalnya 70% panggilan tidak sampai ke agen.

Tapi angka itu belum menjawab apakah pelanggan benar-benar mendapat solusi.

Lihat juga repeat call. Kalau pelanggan menelepon lagi 15 menit kemudian, mungkin call pertama sebenarnya gagal.

Beberapa metrik yang cukup berguna adalah task completion, handoff rate, repeat call, average handling time setelah transfer, transcription accuracy pada sampel, serta alasan pelanggan meminta agen.

Tambahkan juga abandoned call.

Kalau banyak orang menutup telepon setelah bot berbicara 30 detik, jangan langsung menganggap otomatisasi sukses karena panggilan tidak sampai ke manusia.

Pilot kecil lebih aman daripada mengganti seluruh hotline

Ambil satu use case.

Misalnya pengecekan status pesanan.

Jalankan pada sebagian trafik selama beberapa minggu. Dengarkan sampel percakapan yang sukses dan gagal.

Coba pelanggan yang berbicara cepat. Gunakan noise. Salah sebut nomor lalu koreksi. Potong ucapan bot. Minta bicara dengan agen.

Lihat apa yang terjadi.

Setelah flow cukup stabil, baru tambah use case lain.

Pendekatan seperti ini biasanya lebih mudah daripada langsung mengubah seluruh IVR menjadi percakapan AI dalam satu proyek besar.

Untuk perusahaan yang ingin meningkatkan IVR menjadi layanan suara yang lebih fleksibel, Udesk dapat dipertimbangkan karena solusi AI Voicebot dan contact center-nya menggabungkan ASR, pemahaman bahasa, integrasi backend, otomasi workflow, serta handoff ke agen manusia. Udesk sendiri telah memakai pendekatan tersebut pada hotline Capital Metro, di mana voice AI menangani pertanyaan rutin sementara kasus yang lebih kompleks tetap dapat diarahkan ke layanan manusia. Dalam praktiknya, nilai terbesar voicebot bukan membuat semua panggilan bebas agen, tetapi mengurangi bagian percakapan yang sebenarnya hanya mengulang pekerjaan sederhana setiap hari.

FAQ

Q:Apa itu voicebot?

A:Voicebot adalah sistem berbasis suara yang dapat mendengar ucapan pelanggan, mengenali maksudnya, mengambil informasi atau menjalankan workflow, lalu memberikan respons kembali melalui suara.

Q:Apa perbedaan voicebot dan IVR?

A:IVR tradisional biasanya memakai menu dan input tombol. Voicebot dapat menerima bahasa lisan yang lebih bebas dan memahami intent pelanggan sebelum menentukan tindakan berikutnya.

Q:Apakah voicebot bisa menggantikan agen call center?

A:Untuk pertanyaan rutin dan proses sederhana, sebagian panggilan bisa diselesaikan otomatis. Kasus kompleks, sensitif, atau membutuhkan keputusan manusia tetap sebaiknya mempunyai jalur handoff.

Chatbot Suara Udesk dengan pengenalan suara akurat, layani pelanggan secara otomatis. Coba gratis dan rasakan kemudahannya!

Artikel ini merupakan karya asli Udesk. Jika akan diterbitkan ulang, wajib selalu mencantumkan sumber aslinya：https://id.udeskglobal.com/blog/apa-itu-voicebot-dan-cara-kerjanya-di-call-center