Chief Customer Officer NadaKita: "AI Harus Membuat Agen Kami Lebih Manusiawi, Bukan Menggantikannya"

Di lantai sebelas kantor pusat NadaKita di Jakarta, sebuah layar lebar menampilkan peta percakapan yang terus bergerak: titik hijau untuk pertanyaan yang diselesaikan asisten AI, titik kuning untuk percakapan yang sedang berlangsung, dan titik merah untuk percakapan yang baru saja diserahkan ke agen manusia. Laras Kusumawardhani justru lebih lama memperhatikan titik-titik merah. "Di situ cerita sebenarnya," katanya.

Setiap bulan, layanan pelanggan NadaKita menerima lebih dari empat juta interaksi lewat aplikasi, pesan instan, telepon, dan gerai. Sejak awal tahun, sebagian besar pertanyaan rutin seperti cek kuota, aktivasi paket, dan status tagihan sudah dijawab asisten AI. Namun sebagai Chief Customer Officer, Laras menolak menyebut proyek ini sebagai upaya efisiensi semata.

Laras memulai kariernya sebagai agen di sebuah pusat kontak hampir dua dekade lalu, sebelum menapaki berbagai posisi di bidang operasional dan pengalaman pelanggan. Pengalaman menerima telepon dari pelanggan yang marah, katanya, masih membentuk cara ia mengambil keputusan hingga hari ini. CXinsight menemuinya untuk membahas bagaimana operator seluler itu menjaga sisi manusia di tengah otomatisasi.

Mengapa memulai dari empati, bukan dari biaya

Saya selalu mulai dari data keluhan. Tahun lalu kami menganalisis rekaman percakapan dan menemukan bahwa pelanggan paling kecewa bukan karena masalahnya lambat selesai, melainkan karena merasa harus menjelaskan hal yang sama berulang kali kepada orang yang berbeda. Dari aplikasi ke telepon, dari telepon ke gerai, ceritanya diulang dari awal setiap kali.

Kalau AI hanya kami pakai untuk memangkas jumlah agen, kami akan mengulang kesalahan yang sama dengan cara yang lebih cepat. Karena itu, target pertama proyek AI di NadaKita bukan penurunan biaya per kontak, melainkan penurunan jumlah pelanggan yang harus mengulang cerita.

Tentu, dan efisiensi itu tetap datang. Tapi saya meyakinkan direksi bahwa efisiensi adalah hasil, bukan tujuan. Pelanggan yang tidak perlu mengulang cerita akan lebih jarang menghubungi kami lagi untuk masalah yang sama. Dengan sendirinya beban kerja turun, tanpa harus mengorbankan pengalaman pelanggan.

AI yang membaca suasana hati pelanggan

Salah satu fitur yang paling dibanggakan Laras adalah penanda emosi. Asisten AI NadaKita tidak hanya memahami maksud pertanyaan, tetapi juga menilai nada pesan: apakah pelanggan sedang santai, bingung, atau marah. Pesan dengan tanda frustrasi tinggi, misalnya ditulis dengan huruf kapital atau menyebut kata "darurat", langsung dialihkan ke agen manusia tanpa melewati menu tambahan.

Karena permintaan maaf dari mesin itu terasa kosong. Pelanggan bisa membedakan kalimat template dari perhatian yang tulus. Begitu emosi naik, tugas AI adalah menyerahkan percakapan secepat mungkin, lengkap dengan ringkasannya, supaya agen bisa langsung masuk ke inti masalah tanpa harus bertanya ulang dari awal.

Kami tidak pernah menganggapnya sempurna. Setiap pekan, supervisor mengambil sampel percakapan yang ditandai marah dan yang ditandai santai, lalu mengecek apakah penilaiannya masuk akal. Kalau ragu, kami sengaja membuat sistem condong ke arah serah terima. Lebih baik seorang pelanggan yang sebenarnya santai dilayani manusia, daripada pelanggan yang sedang panik dibiarkan berputar-putar dengan mesin.

Agen manusia mendapat peran baru

Saya tidak mau berpura-pura kekhawatiran itu tidak ada. Dengan berkurangnya pertanyaan rutin, wajar kalau agen bertanya-tanya. Jawaban kami adalah mengubah struktur tim. Sebagian agen kini menjadi spesialis kasus rumit yang menangani gangguan jaringan berulang, sengketa tagihan, dan pelanggan lanjut usia yang kesulitan memakai aplikasi. Itu pekerjaan yang membutuhkan kesabaran dan penilaian manusia, dan tidak akan diserahkan ke mesin.

Perubahan itu juga mengubah cara agen dinilai. Rata-rata durasi panggilan tidak lagi menjadi indikator utama. Agen kini diukur dari tingkat penyelesaian pada kontak pertama dan dari umpan balik pelanggan setelah kasus ditutup. "Kami ingin agen punya waktu untuk benar-benar menyelesaikan, bukan sekadar menutup tiket," ujar Laras.

Tim pelatihan internal juga menyiapkan modul baru tentang komunikasi empatik dan cara membaca ringkasan percakapan yang disusun AI. Agen dilibatkan dalam menguji setiap pembaruan asisten AI sebelum dirilis, karena merekalah yang paling cepat menangkap jawaban yang terdengar janggal di telinga pelanggan.

Batas yang sengaja dipasang

Bahasa. Pelanggan kami menulis dengan cara yang sangat beragam, mencampur bahasa Indonesia dengan bahasa daerah atau singkatan khas anak muda. Asisten AI masih sering salah memahami pesan seperti itu. Untuk kasus seperti ini, kami memilih mengalihkan percakapan ke manusia ketimbang membiarkan AI menebak. Jawaban yang salah dengan nada yakin jauh lebih merusak daripada sedikit waktu tunggu.

Ada beberapa yang kami kunci sejak awal: pemblokiran nomor, pengembalian dana dalam jumlah besar, dan penanganan laporan penipuan. Untuk hal yang menyangkut uang dan rasa aman pelanggan, harus ada manusia yang bertanggung jawab dan bisa dihubungi kembali. Kami juga selalu memberi tahu pelanggan di awal percakapan bahwa mereka sedang dilayani asisten AI, dengan opsi untuk meminta agen manusia kapan saja.

Ketika ditanya soal hasil, Laras hanya bersedia menyebut bahwa jumlah keluhan yang dibuka ulang turun cukup signifikan sejak aturan serah terima diterapkan. Ia menolak membagikan angka spesifik dengan alasan evaluasi tahunan belum rampung.

Apa selanjutnya

NadaKita sedang melatih asisten AI-nya agar lebih memahami beberapa bahasa daerah yang paling banyak dipakai pelanggan, dimulai dari wilayah dengan volume interaksi tertinggi. Laras juga ingin memperluas penanda emosi ke kanal telepon, sehingga agen bisa melihat sinyal frustrasi pelanggan bahkan sebelum mengangkat panggilan. Hasil evaluasi tahunan, termasuk angka keluhan yang dibuka ulang, dijanjikan akan dibagikan setelah rampung.

"Ukuran keberhasilan saya bukan berapa persen percakapan yang diselesaikan mesin," katanya. "Ukurannya adalah apakah pelanggan yang paling kesulitan tetap merasa didengar oleh manusia ketika mereka paling membutuhkannya."