Lewati ke konten
AI-SNS.IO — CHAT SUPPORTAI-SNS.IO — CHAT SUPPORT
Suara & Avatar

Dasar Agen AI Suara: Cara Kerja Layanan Pelanggan via Telepon

Redaksi AI SNS CHATTerbit 6 menit baca

Pelajari cara kerja agen AI suara, dua arsitekturnya, kapan suara berguna, dan cara meluncurkannya dengan aman untuk bisnis Anda di Indonesia.

Banyak pelanggan di Indonesia masih memilih menelepon ketika masalahnya mendesak, misalnya paket tertahan, reservasi berubah, atau tagihan yang tidak dikenali. Di sisi lain, tim kecil tidak mungkin menjaga telepon sepanjang hari sementara WhatsApp dan Instagram juga terus berdering. Artikel ini menjelaskan cara kerja agen AI suara, kapan ia layak dipakai, dan bagaimana meluncurkannya tanpa membuat pelanggan kesal.

Apa sebenarnya agen AI suara itu

Agen AI suara adalah program yang menerima ucapan pelanggan, memahami maksudnya, mencari jawaban dari sumber yang Anda berikan, lalu menjawab dengan suara. Bedanya dengan IVR lama ("tekan 1 untuk penjualan, tekan 2 untuk pengaduan") adalah pelanggan boleh berbicara bebas. Pelanggan cukup berkata, "Pesanan saya belum sampai, sudah tiga hari," tanpa menelusuri menu.

Perlu diingat bahwa agen suara bukan sekadar chatbot yang diberi pengeras suara. Percakapan lisan punya aturan sendiri: jeda, potongan kalimat, kebisingan latar, dan kesabaran pendengar yang jauh lebih tipis daripada pembaca teks. Orang bisa menggulir ulang jawaban panjang di layar, tetapi tidak bisa "menggulir ulang" kalimat yang sudah terucap.

Karena itu, memahami komponen dasarnya akan membantu Anda memutuskan apa yang perlu disiapkan sebelum agen mengangkat telepon pertama.

Tiga komponen dasar

Hampir semua sistem suara tersusun dari tiga bagian.

1. Pengenalan ucapan (speech-to-text)

Bagian ini mengubah suara pelanggan menjadi teks. Mutu hasilnya dipengaruhi aksen, kecepatan bicara, kualitas sinyal, dan campuran bahasa. Pelanggan Indonesia sering menyisipkan istilah Inggris atau bahasa daerah di tengah kalimat, dan hal itu patut diuji secara khusus.

2. Otak percakapan (model bahasa)

Teks tadi dibaca oleh model AI yang mengikuti persona, aturan, dan basis pengetahuan agen. Di sinilah keputusan diambil: menjawab, bertanya balik, atau menyerahkan ke manusia. Mutu jawaban bergantung pada seberapa baik materi pengetahuan Anda disiapkan, sama seperti pada chat.

3. Sintesis suara (text-to-speech)

Jawaban teks diubah kembali menjadi suara. Pilihan suara memengaruhi kesan merek. Suara yang terlalu kaku terasa dingin, sedangkan suara yang terlalu dibuat-buat terasa tidak tulus. Pilih yang tenang, jelas, dan sesuai karakter bisnis Anda.

Dua arsitektur: pipeline dan speech-to-speech

Ada dua cara merangkai komponen di atas.

  1. 01Pelanggan berbicara
  2. 02Ucapan menjadi teks
  3. 03Model AI menyusun jawaban
  4. 04Teks menjadi suara
Alur pipeline suara klasikContoh ilustrasi

Pada pipeline, setiap tahap dikerjakan terpisah. Keuntungannya, Anda bisa memilih dan mengganti tiap komponen, serta memeriksa teks di setiap tahap untuk keperluan audit. Kekurangannya, tiap tahap menambah jeda sehingga percakapan bisa terasa agak lambat.

Pada speech-to-speech, satu model menerima suara dan langsung menghasilkan suara. Percakapan terasa lebih alami dan lebih responsif terhadap sela-sela bicara, tetapi Anda punya lebih sedikit kendali atas tiap tahap.

Pipeline
Speech-to-speech
Tiga tahap terpisah, mudah diganti satu per satu
Satu model dari suara ke suara
Jeda cenderung lebih terasa
Percakapan lebih mengalir
Teks tiap tahap mudah diperiksa
Pemeriksaan lebih terbatas
Fleksibel memilih penyedia suara
Bergantung pada satu penyedia
Pipeline dibandingkan speech-to-speechContoh ilustrasi

Tidak ada yang selalu lebih baik. Untuk layanan dengan aturan ketat dan kebutuhan jejak audit, pipeline sering lebih nyaman. Untuk percakapan santai yang mengutamakan kesan natural, speech-to-speech patut dicoba.

Kapan suara membantu, dan kapan tidak

Suara tidak cocok untuk semua hal. Pertimbangkan dua daftar berikut.

Suara biasanya membantu ketika:

  • Pelanggan sedang di perjalanan atau sedang menyetir dan tidak bisa mengetik.
  • Pertanyaannya singkat dan berulang, seperti jam buka, status pesanan, atau alamat cabang.
  • Pelanggan kurang nyaman mengetik, misalnya pelanggan lanjut usia.
  • Anda ingin menjangkau telepon di luar jam kerja dengan jawaban dasar.

Suara kurang cocok ketika:

  • Jawabannya panjang atau berisi banyak angka, seperti nomor rekening, daftar harga, atau tautan.
  • Pelanggan perlu mengirim bukti, foto kerusakan, atau dokumen. Untuk ini chat jauh lebih praktis.
  • Topiknya sensitif secara emosional, misalnya keluhan serius atau sengketa pembayaran.
  • Lingkungan pelanggan sangat bising sehingga pengenalan ucapan sering salah.

Strategi yang sehat adalah memakai suara untuk hal yang cepat dan jelas, lalu mengalihkan sisanya. Misalnya, agen menjawab pertanyaan jam operasional, lalu menawarkan untuk melanjutkan di WhatsApp ketika pelanggan perlu mengirim foto.

Prinsip merancang percakapan lisan

Naskah yang bagus di chat belum tentu enak didengar. Pegang prinsip berikut.

  1. Singkat. Satu giliran bicara sebaiknya satu sampai dua kalimat. Beri ruang bagi pelanggan untuk menyela.
  2. Satu pertanyaan sekali waktu. "Boleh saya tahu nomor pesanan dan nama Anda?" sering membuat pelanggan lupa separuhnya. Tanyakan satu per satu.
  3. Konfirmasi hal penting. Ulangi nama, tanggal, dan nomor sebelum bertindak: "Saya catat reservasi untuk Jumat, pukul tujuh malam, atas nama Ibu Rina. Benar?"
  4. Hindari daftar panjang. Sebut maksimal tiga pilihan, lalu tanyakan mana yang diinginkan.
  5. Jujur tentang identitas. Perkenalkan diri sebagai asisten virtual sejak awal agar tidak ada kesan menipu.
  6. Selalu sediakan jalan keluar. Jika pelanggan meminta manusia, atau agen dua kali gagal memahami, segera alihkan.

Rencana peluncuran yang aman

Jangan langsung membuka nomor utama bisnis untuk semua pelanggan. Tempuh tahapan ini.

  1. Uji internal. Biarkan tim Anda menelepon dengan berbagai aksen, kecepatan, dan tingkat kebisingan. Catat kalimat yang sering salah dipahami.
  2. Pilot terbatas. Pakai nomor khusus untuk satu kebutuhan sempit, misalnya status pesanan atau jam layanan.
  3. Tinjau percakapan. Dengarkan dan baca transkrip setiap hari pada minggu pertama. Perbaiki materi pengetahuan dan persona berdasarkan temuan.
  4. Perluas bertahap. Tambahkan topik satu per satu setelah topik sebelumnya stabil.
  5. Siapkan serah terima. Pastikan ada orang yang menerima pengalihan dan tahu apa yang sudah dibicarakan.

Untuk panggilan keluar seperti pengingat, mulailah dengan panggilan uji ke nomor milik tim sendiri. Pastikan penerima memang sudah setuju dihubungi, dan pastikan Anda bisa menghentikan kampanye di tengah jalan jika ada yang tidak beres. Soal persetujuan dan aturan yang berlaku, konsultasikan dengan penasihat hukum Anda.

Mengukur apakah suara berhasil

Angka yang berguna bukan sekadar jumlah panggilan. Pantau hal berikut.

  • Tingkat penyelesaian tanpa manusia: berapa panggilan tuntas tanpa pengalihan.
  • Alasan pengalihan: apakah karena topik di luar cakupan, ucapan tidak terbaca, atau permintaan pelanggan.
  • Durasi panggilan: durasi yang terlalu panjang sering menandakan agen berputar-putar.
  • Sentimen dan ulasan manual: nada pelanggan di akhir panggilan.

Sebagai gambaran, bayangkan sebuah pilot dengan 100 panggilan yang Anda tinjau satu per satu. Angka di bawah hanya contoh hipotetis untuk menunjukkan cara memilah temuan, bukan hasil nyata.

Selesai tanpa manusia
60
Dialihkan ke manusia
20
Ucapan salah dipahami
12
Pelanggan menutup telepon
8
Contoh hipotetis: hasil tinjauan 100 panggilan pilotContoh ilustrasi

Dari contoh seperti ini, Anda akan tahu bahwa 12 panggilan yang salah paham adalah prioritas perbaikan. Mungkin perlu sapaan yang lebih jelas, kalimat konfirmasi tambahan, atau pengecualian untuk topik tertentu.

Menjalankannya di AI SNS CHAT

Semua fitur suara berada di menu Voice pada sidebar AI SNS CHAT. Isinya antara lain Overview, Analytics, Voice agent, Avatar, Voice Playground, Inbound calls, Call history, Outbound calls, Voice / SIP, Users, dan Developers.

Suara dan model. Untuk sintesis suara tersedia Grok/xAI (bawaan), OpenAI (gpt-4o-mini-tts), ElevenLabs, dan suara peramban. Dengan ElevenLabs Anda bisa memakai pustaka suara, merancang suara, atau melakukan kloning. Untuk pendekatan speech-to-speech, Synthia memakai OpenAI Realtime API tanpa cadangan penyedia lain. Grok voice-to-voice juga ditawarkan, tetapi secara bawaan hanya menjawab pemilik akun. Tumpukan suara mendukung 22 bahasa; beberapa di antaranya memakai suara telepon berbahasa Inggris sebagai cadangan. Karena itu, uji bahasa yang Anda butuhkan lebih dulu.

Mencoba tanpa risiko. Gunakan Voice Playground untuk mendengar persona agen dan suaranya sebelum ada pelanggan yang menelepon.

Panggilan masuk. Di Inbound calls, Anda menghubungkan nomor Twilio ke setiap agen. Ada uji webhook mandiri dan perbaikan otomatis bila koneksi bermasalah. Setelah berjalan, Call history dan Analytics membantu Anda meninjau panggilan seperti pada contoh pilot di atas.

Panggilan keluar. Di Outbound calls, Anda bisa membuat kampanye batch. Syaratnya ada nomor Twilio, Anda wajib melakukan panggilan uji lebih dulu, dan kampanye dapat dihentikan di tengah jalan.

Serah terima ke manusia. Jadwal giliran diatur di Helpdesk → Scheduling, dan penyerahan otomatis diarahkan ke orang yang sedang bertugas. Notifikasi dapat dikirim ke Slack, Teams, LINE WORKS, WhatsApp, email, atau webhook. Fitur Helpdesk memerlukan paket Standard atau lebih tinggi.

Avatar. Jika ingin tampilan bicara, menu Avatar menyediakan avatar bicara dengan sinkronisasi bibir Simli atau klip avatar unggahan Anda.

Biaya. Kredit per menit suara ditetapkan oleh admin; pada penawaran Private AI, satu menit suara setara 4 kredit. Lihat rincian paket di /pricing.

Batasan yang perlu diketahui. Pengaturan SIP trunk bisa disimpan, tetapi belum ada jalur panggilan yang memakainya. Suara lewat WhatsApp dan nomor telepon terkelola baru berupa daftar tunggu ("Coming soon"). Untuk chat WhatsApp, Instagram, dan widget situs web, lihat /connections.

Daftar fitur lengkap ada di /features, dan Anda dapat memulai dari paket gratis lewat /signup.

Pertanyaan umum

Apakah saya perlu nomor telepon untuk mencoba agen suara?

Untuk mencoba, tidak. Voice Playground memungkinkan Anda mendengar dan menguji agen tanpa nomor. Untuk menerima panggilan sungguhan, Anda perlu nomor Twilio yang dihubungkan ke agen di menu Inbound calls.

Bisakah satu agen menangani chat dan suara?

Nomor telepon dihubungkan per agen, jadi Anda menentukan agen mana yang menjawab panggilan. Agar hasilnya konsisten, uji agen yang sama di chat dan di Voice Playground sebelum dipublikasikan. Gaya jawaban untuk telepon sebaiknya tetap dibuat lebih singkat daripada untuk chat.

Bahasa apa saja yang didukung tumpukan suara?

Ada 22 bahasa, dan beberapa di antaranya memakai suara telepon berbahasa Inggris sebagai cadangan. Karena kualitas bisa berbeda antarbahasa, uji bahasa dan aksen pelanggan Anda di Voice Playground sebelum peluncuran.

Bisakah saya memakai SIP trunk sendiri atau menerima panggilan lewat suara WhatsApp?

Belum. Pengaturan SIP trunk dapat disimpan, tetapi belum ada jalur panggilan yang memakainya. Suara WhatsApp masih berupa daftar tunggu. Untuk saat ini, panggilan masuk dan keluar berjalan lewat nomor Twilio.

Amankah suara untuk pengingat keluar?

Bisa, asalkan dijalankan dengan hati-hati. Kampanye keluar mewajibkan panggilan uji lebih dulu dan dapat dihentikan di tengah jalan. Pastikan penerima sudah setuju dihubungi, mulai dari kelompok kecil, dan konsultasikan aturan yang berlaku dengan penasihat hukum Anda.

#agen suara#AI telepon#layanan pelanggan#voice AI#UMKM

Praktikkan dengan AI SNS CHAT

Buat agen AI yang dilatih dengan konten Anda sendiri dan hubungkan ke situs web, WhatsApp, LINE, dan lainnya. Gratis untuk memulai, tanpa kartu kredit.