Voicebot AI untuk Call Center: Use Case dan Cara Mengukur Akurasi Bahasa Indonesia

Ringkasan artikel：Panduan ini membahas cara mengevaluasi voicebot AI untuk call center dengan fokus pada penggunaan nyata, bukan sekadar kualitas suara saat demo. Artikel menjelaskan contoh penggunaan seperti status pesanan, konfirmasi, pengingat, reservasi, serta collection yang membutuhkan batas eskalasi ke agen. Pembahasan juga mencakup cara menguji voicebot Bahasa Indonesia terhadap aksen, campur bahasa, nama lokal, kebisingan, latency, Word Error Rate, task completion, containment, dan transfer rate. Cocok untuk Manajer Call Center, Tim AI, dan Arsitek Solusi yang ingin menilai AI voice untuk call center secara lebih realistis sebelum menjalankan pilot atau implementasi penuh.

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 AI sering terdengar bagus saat demo. Masalahnya, pelanggan tidak menelepon dari ruang yang tenang dan tidak selalu berbicara dengan Bahasa Indonesia baku. Ada yang menelepon dari jalan, menyebut nama daerah dengan cepat, memakai slang, atau mencampur Bahasa Indonesia dengan Inggris. Karena itu, AI voice untuk call center sebaiknya diuji dari satu pertanyaan sederhana, apakah pelanggan benar-benar berhasil menyelesaikan urusannya.

Jangan mulai dari use case yang terlalu rumit

Untuk pilot pertama, pilih pekerjaan telepon yang alurnya pendek dan datanya jelas.

Status pesanan adalah contoh yang masuk akal. Pelanggan menyebut nomor order, sistem mengecek data, lalu membacakan status. Jika nomor tidak ditemukan, bot cukup mencoba sekali lagi sebelum mengalihkan panggilan.

Konfirmasi jadwal juga relatif mudah. Begitu pula pengingat pembayaran atau appointment, selama perusahaan sudah memastikan dasar persetujuan dan aturan internalnya.

Reservasi sedikit lebih sulit. Pelanggan jarang bicara dengan format yang rapi. “Besok sore”, “habis jam enam”, atau “kalau Jumat malam masih ada?” harus diterjemahkan menjadi data yang bisa diproses sistem.

Untuk collection, batasnya harus lebih jelas. Bot masih dapat menyampaikan pengingat. Tetapi ketika pelanggan mulai memperdebatkan jumlah tagihan, meminta keringanan, atau menjelaskan situasi pribadi, percakapan sebaiknya berpindah ke agen.

Voicebot bekerja sebagai rangkaian, bukan satu model AI

Satu percakapan sebenarnya melewati beberapa tahap.

Telephony menerima panggilan. ASR mengubah suara menjadi teks. NLU atau LLM membaca maksud pelanggan. Sistem kemudian mengambil data dari CRM, OMS, billing, atau aplikasi lain. Setelah itu TTS mengubah jawaban menjadi suara.

Karena itu, hasil buruk tidak selalu berarti model bahasanya gagal.

Bot bisa memahami pelanggan dengan benar, tetapi OMS lambat. ASR bisa cukup akurat, tetapi salah satu digit nomor pesanan terbaca keliru. Suara TTS juga bisa terdengar natural, tetapi sistem gagal menarik histori pelanggan.

Saat menguji voicebot Bahasa Indonesia, seluruh alur ini harus diuji bersama.

Bahasa sehari-hari lebih penting daripada kalimat demo

Kalimat seperti “saya ingin mengetahui status pesanan saya” terlalu bersih untuk menjadi data uji utama.

Pelanggan lebih mungkin berkata “paket saya kok belum datang”, “order kemarin masih di mana ya”, atau “payment saya udah sukses tapi statusnya belum update”.

Nama lokal juga sering menjadi masalah. Nama orang, nama jalan, kecamatan, merek, serta singkatan tertentu perlu masuk test set. Untuk call center dengan basis pelanggan yang terkonsentrasi di beberapa wilayah, aksen dari wilayah tersebut sebaiknya mendapat porsi lebih besar.

Noise perlu dimasukkan juga. Coba suara kendaraan, kantor ramai, televisi, koneksi yang tidak stabil, pelanggan yang berbicara terlalu cepat, serta pelanggan yang memotong suara bot.

Kalau sistem hanya bagus pada rekaman studio, hasil itu belum banyak berarti untuk operasi nyata.

Jangan terlalu terpaku pada WER

Word Error Rate tetap berguna untuk melihat kualitas ASR. Tetapi WER rendah tidak otomatis berarti voicebot berhasil.

Misalnya, transkripsi hampir sempurna tetapi nomor pelanggan terbaca salah. Secara teknis hasilnya terlihat bagus, tetapi tugas gagal.

Sebaliknya, ada beberapa kata yang salah ditranskripsikan, namun intent tetap dikenali dan pelanggan berhasil mendapatkan status pesanan. Dalam kasus seperti ini, hasil bisnis justru lebih baik.

Karena itu, lihat task completion. Apakah pelanggan benar-benar menyelesaikan tujuannya.

Perhatikan juga latency. Jeda yang terlalu lama membuat orang mengira sambungan terputus.

Containment rate berguna, tetapi jangan mengejar angka tinggi secara buta. Bot yang menahan pelanggan terlalu lama tanpa menyelesaikan masalah bukan keberhasilan.

Transfer rate juga perlu dibaca bersama alasannya. Transfer karena pelanggan memang meminta agen berbeda dengan transfer karena sistem berkali-kali gagal memahami ucapan.

Handoff ke agen harus membawa konteks

Bagian ini sering terasa lebih penting daripada kualitas suara bot.

Kalau pelanggan sudah menyebut nomor pesanan, agen seharusnya tidak menanyakannya lagi. Kalau bot gagal mengenali nama pelanggan, agen perlu tahu bahwa itulah alasan transfer.

Transkrip, intent, data yang sudah dikumpulkan, dan alasan handoff sebaiknya ikut terbawa.

Aturan transfer juga perlu sederhana. Misalnya, pindahkan ketika bot gagal memahami dua kali, pelanggan meminta manusia, atau kasus masuk ke kategori yang memang membutuhkan keputusan agen.

Voicebot yang tahu kapan harus berhenti sering lebih berguna daripada bot yang mencoba menjawab semuanya.

Pilot kecil biasanya memberi jawaban lebih cepat

Tidak perlu langsung mengarahkan seluruh hotline ke voicebot.

Ambil satu use case. Jalankan pada sebagian trafik selama beberapa minggu. Dengarkan sampel rekaman, bukan hanya melihat dashboard.

Perhatikan bagian ketika pelanggan mengulang ucapan, diam terlalu lama, memotong bot, atau meminta agen. Dari situ biasanya terlihat masalah yang tidak muncul saat demo.

Salah satu kasus resmi Udesk yang cukup relevan adalah Capital Metro di Beijing. Sistem suara di sana harus menghadapi kebisingan, nama stasiun yang mirip, dan variasi aksen. Udesk melaporkan akurasi layanan robot suara di atas 90 persen setelah implementasi. Angka tersebut tidak bisa dipakai sebagai target langsung untuk Bahasa Indonesia karena kondisi bahasa dan datanya berbeda, tetapi kasusnya menunjukkan bahwa pengujian voicebot perlu dilakukan dalam lingkungan yang memang penuh gangguan. Kasus resmi Udesk dapat dilihat di

Untuk tim yang sedang menguji voicebot Bahasa Indonesia, Udesk dapat dipertimbangkan karena AI Voice Bot berada di dalam lingkungan call center yang sama dengan human transfer, ticketing, ringkasan panggilan, dan pelaporan. Nilainya bukan hanya pada kemampuan bot berbicara, tetapi pada bagaimana percakapan diteruskan ke sistem dan agen ketika otomatisasi tidak lagi cukup. Dalam proyek voicebot AI, integrasi seperti ini sering lebih berguna daripada sekadar mengejar suara yang terdengar sangat natural.

FAQ

Q:Apakah WER rendah berarti voicebot sudah siap digunakan?

A:Belum tentu. WER hanya mengukur kesalahan transkripsi. Task completion, latency, containment, dan transfer tetap harus diperiksa.

Q:Apa yang perlu diuji untuk voicebot Bahasa Indonesia?

A:Gunakan bahasa informal, campur bahasa, aksen pelanggan yang relevan, nama lokal, angka, noise, dan kualitas koneksi yang berbeda.

Q:Kapan voicebot harus mengalihkan panggilan?

A:Saat pelanggan meminta agen, intent tidak jelas, informasi penting gagal dikonfirmasi, atau kasus memang membutuhkan keputusan manusia.

Q:Use case apa yang cocok untuk pilot pertama?

A:Status pesanan, konfirmasi jadwal, dan pengingat biasanya lebih mudah karena alurnya pendek dan sumber datanya jelas.
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/voicebot-ai-untuk-call-center-use-case-dan-cara-mengukur-akurasi-bahasa-indonesia