Bagaimana staf layanan pelanggan menggunakan AI dalam pekerjaan mereka sendiri?
Agen dukungan menggunakan AI untuk membaca dan menulis materi terkait tiket, bukan untuk mengambil keputusan atas tiket tersebut. Tugas yang berguna adalah tugas yang hasilnya dapat diperiksa dengan cepat oleh agen menggunakan sesuatu yang sudah mereka miliki: utas tiket, artikel pusat bantuan, kebijakan pengembalian dana, atau catatan pesanan.
Daftar di bawah ini secara umum diurutkan dari risiko terendah hingga tertinggi. Ringkasan tiket yang sedikit keliru menghabiskan satu menit waktu agen. Balasan yang menjanjikan pengembalian dana yang keliru merugikan perusahaan secara finansial dan mengurangi kepercayaan pelanggan. Mulailah dari bagian teratas daftar dan lanjutkan ke bawah hanya setelah tim memiliki kebiasaan pemeriksaan yang berjalan baik.
Ringkas rangkaian pesan yang panjang
Ubah tiket berisi 14 pesan menjadi ringkasan permintaan pelanggan yang sebenarnya, upaya yang sudah dilakukan, dan hal yang masih belum selesai, agar petugas berikutnya tidak mengajukan pertanyaan yang sama lagi.
Tulis catatan serah terima atau eskalasi internal
Buat draf catatan untuk ketua tim atau tim dukungan tingkat kedua: masalahnya, buktinya, kebijakan yang berlaku, dan keputusan yang diminta.
Sesuaikan nada bahasa
Buat balasan yang benar tetapi ketus menjadi lebih ramah, atau balasan yang bertele-tele menjadi lebih singkat, tanpa mengubah fakta dan komitmen apa pun.
Buat draf balasan berdasarkan kebijakan yang diberikan
Tempelkan teks kebijakan yang relevan dan pesan pelanggan, minta draf yang hanya menggunakan kebijakan tersebut, lalu periksa setiap kalimat dengan mengacu pada kebijakan itu.
Temukan artikel bantuan yang tepat
Tanyakan artikel mana dari beberapa artikel yang ditempelkan yang menjawab pertanyaan tersebut. Agen tetap membaca artikelnya sebelum memberikan tautan.
Buat draf pembaruan basis pengetahuan
Ubah kumpulan tiket yang telah diselesaikan untuk masalah yang sama menjadi draf awal artikel bantuan untuk ditinjau oleh penanggung jawab konten.
Apakah ini sama dengan membeli bot percakapan untuk layanan pelanggan?
Tidak. Penggunaan AI untuk membantu petugas layanan pelanggan, ketika seseorang membaca dan mengirim setiap balasan, merupakan persoalan keterampilan. Bot percakapan atau agen AI yang menjawab pelanggan secara langsung merupakan pembelian perangkat lunak, biasanya dari penyedia sistem layanan pelanggan, dan menimbulkan pertanyaan tentang akurasi, jalur eskalasi, pemberitahuan penggunaan AI, serta siapa yang bertanggung jawab atas jawabannya. Pertanyaan tersebut menjadi tanggung jawab pihak yang mengelola platform layanan pelanggan dan kebijakannya, bukan petugas perorangan.
Kewajiban pengungkapan adalah salah satu perbedaan yang perlu diketahui. Pasal 50 EU AI Act mewajibkan penyedia merancang sistem AI yang berinteraksi langsung dengan manusia agar orang tersebut diberi tahu bahwa mereka sedang berinteraksi dengan sistem AI, kecuali hal itu sudah jelas dari konteksnya. Teks yang diterbitkan menetapkan 2 Agustus 2026 sebagai tanggal mulai berlakunya kewajiban tersebut. Aturan di wilayah lain berbeda. Ini adalah informasi umum, bukan nasihat hukum; periksa ketentuan terkini bersama penasihat yang berkualifikasi sebelum menerapkan apa pun yang berhadapan langsung dengan pelanggan.
Ketika pelanggan bertanya 'apakah saya sedang berbicara dengan bot?', jawaban yang jujur bergantung pada pengaturan yang digunakan. Jika petugas menyusun balasan dengan AI lalu meninjau dan mengirimkannya, yang menjawab adalah manusia. Jika sistem membalas secara otomatis, sampaikan hal itu. Tim yang menggunakan bantuan AI untuk petugas sebaiknya menyepakati redaksinya terlebih dahulu, bukan membiarkan setiap petugas berimprovisasi.
Seperti apa balasan AI yang sudah diperiksa?
Balasan yang telah diperiksa hanya menggunakan fakta yang dapat ditunjukkan oleh petugas, dan meneruskan segala hal di luar kebijakan kepada orang yang berwenang memutuskannya. Berikut contoh fiktif.
Fernhill Home adalah toko perlengkapan rumah daring fiktif. Kebijakan yang diberikan menyatakan: barang rusak harus dilaporkan dengan foto dalam waktu 7 hari sejak diterima; pengembalian dana dilakukan melalui metode pembayaran semula dalam waktu 5 hari kerja setelah disetujui; pengecualian di luar batas 7 hari memerlukan persetujuan ketua tim. Seorang pelanggan menulis, 9 hari setelah barang diterima, bahwa satu set cangkir tiba dengan dua cangkir pecah. Pelanggan tersebut marah, menginginkan pengembalian dana penuh, dan meminta kompensasi atas kerepotan yang dialaminya.
Perintah petugas: 'Anda sedang menyusun draf balasan untuk ditinjau oleh petugas dukungan. Gunakan hanya kebijakan di bawah ini dan pesan pelanggan. Jangan menawarkan apa pun yang tidak diizinkan kebijakan. Jika permintaan berada di luar cakupan kebijakan, jelaskan langkah selanjutnya alih-alih mengambil keputusan. Batasi hingga kurang dari 120 kata, dengan bahasa yang ramah dan lugas.' Teks kebijakan dan pesan disertakan setelahnya.
Draf awal yang lemah, seperti yang dapat dihasilkan asisten saat instruksinya kurang terarah: 'Kami mohon maaf! Kami telah memproses pengembalian dana penuh yang akan langsung Anda terima, dan menambahkan kode diskon 20% ke akun Anda sebagai kompensasi atas ketidaknyamanan ini. Hal ini tidak akan pernah terjadi lagi.' Setiap komitmen di dalamnya dikarang. Belum ada pengembalian dana yang diproses, tidak ada dana yang diterima seketika, tidak ada kode diskon dalam kebijakan, dan tidak seorang pun dapat menjanjikan kalimat terakhir itu.
Balasan yang telah ditinjau: 'Mohon maaf, dua cangkir Anda tiba dalam keadaan pecah. Bisakah Anda membalas dengan foto cangkir yang rusak dan kotaknya? Pesan Anda kami terima 9 hari setelah pengiriman, di luar batas waktu normal kami yaitu 7 hari, jadi saya telah meminta ketua tim untuk meninjaunya sebagai pengecualian. Saya akan memberi kabar setelah ada keputusan. Jika pengembalian dana disetujui, dana akan dikembalikan melalui metode pembayaran awal Anda dalam 5 hari kerja.' Petugas kemudian menulis catatan eskalasi, yang juga disusun dengan AI dan diperiksa, sehingga ketua tim memiliki informasi tanggal dan permintaan foto di satu tempat.
| Kalimat dalam draf yang lemah | Periksa kesesuaian dengan kebijakan | Apa yang dilakukan agen |
|---|---|---|
| Pengembalian dana penuh telah diproses | Belum ada pengembalian dana yang disetujui; pengajuan sudah melewati batas 7 hari | Diganti dengan eskalasi kepada ketua tim |
| Langsung diterima | Kebijakan menetapkan 5 hari kerja setelah persetujuan | Menyatakan waktu sebenarnya beserta syaratnya |
| Kode diskon 20% | Tidak ada ketentuan kompensasi dalam kebijakan | Dihapus; kompensasi ditentukan oleh ketua tim |
| Tidak akan pernah terjadi lagi | Bukan janji yang bisa ditepati siapa pun | Dihapus |
Siapa yang bertanggung jawab atas isi balasan yang drafnya disusun oleh AI?
Perusahaan yang bertanggung jawab, dan dalam praktiknya juga petugas yang mengirimkannya. Pelanggan tidak dapat mengetahui kalimat mana yang berasal dari model, dan mereka berhak mengandalkan informasi yang disampaikan perusahaan.
Putusan gugatan sederhana di Kanada yang banyak dikutip menggambarkan hal ini dari sisi chatbot. Dalam perkara Moffatt v Air Canada (2024 BCCRT 149, diputus pada 14 Februari 2024), chatbot situs web maskapai memberi tahu pelanggan bahwa ia dapat mengajukan tarif khusus kedukaan setelah bepergian, bertentangan dengan halaman kebijakan maskapai itu sendiri. Tribunal Penyelesaian Sengketa Perdata British Columbia menolak argumen bahwa maskapai tidak bertanggung jawab atas chatbot-nya, menyatakan bahwa maskapai tetap bertanggung jawab atas seluruh informasi di situs webnya, dan menetapkan adanya penyampaian informasi keliru akibat kelalaian. Perkara itu menyangkut chatbot otomatis, bukan draf petugas, dan merupakan satu putusan tribunal dalam satu yurisdiksi. Pelajaran praktis bagi petugas lebih sederhana: jika dikirim atas nama perusahaan, perlakukan sebagai pernyataan perusahaan.
Itulah sebabnya langkah pemeriksaan tidak boleh dilewatkan. Teks yang terdengar yakin dan lancar justru membuat kesalahan paling mudah luput. Profil AI Generatif NIST menyebut risiko ini sebagai konfabulasi: konten keliru atau palsu yang disampaikan dengan yakin dan dapat menyesatkan pembaca.
Ingin melihat kaitannya dengan suatu peran?
Jelajahi rencana uji coba tim ↗Informasi pelanggan apa yang tidak boleh dimasukkan ke alat AI?
Apa pun yang belum disetujui perusahaan Anda untuk alat tertentu tersebut. Sebagai aturan dasar, jangan masukkan nomor kartu pembayaran, kata sandi dan jawaban pertanyaan keamanan, informasi kesehatan atau informasi sensitif lainnya, serta catatan pelanggan lengkap yang tidak diperlukan untuk tugas tersebut. Gunakan ruang kerja yang disetujui perusahaan, bukan akun pribadi.
Sebagian besar tugas bantuan untuk petugas layanan sama sekali tidak memerlukan identitas pelanggan. 'Pelanggan melaporkan dua mug pecah, 9 hari setelah pengiriman' sudah cukup untuk membuat draf; nama dan nomor pesanan dapat ditambahkan setelah tahap penggunaan AI. Jika data pribadi diproses, organisasi tetap memiliki kewajiban perlindungan data; panduan ICO Inggris tentang AI dan perlindungan data membahas transparansi, akurasi, dan keadilan untuk penggunaan seperti ini.
Apakah AI akan menggantikan petugas layanan pelanggan?
Tidak ada yang dapat menjawabnya secara andal untuk tim Anda, dan kami tidak akan berpura-pura bisa. Yang jelas adalah bagaimana pekerjaan berubah ketika AI digunakan dengan baik: penyusunan draf rutin menjadi lebih cepat, sehingga petugas layanan dapat mencurahkan lebih banyak waktu untuk tiket yang memerlukan pertimbangan, seperti pengecualian, keluhan, pelanggan yang kesal, dan masalah yang tidak tercakup dalam kebijakan.
Keterampilan yang makin penting, bukan makin berkurang, adalah memahami kebijakan dengan cukup baik untuk mengenali draf yang melanggarnya, menulis eskalasi yang memungkinkan pemimpin tim mengambil keputusan setelah sekali membaca, dan mengenali saat pelanggan membutuhkan bantuan manusia, bukan templat yang lebih cepat. Keterampilan-keterampilan tersebut dapat dilatih.
Bagaimana sebaiknya tim dukungan pelanggan berlatih menggunakan AI?
Berlatihlah menggunakan tiket fiktif terlebih dahulu, dengan panduan penilaian yang dapat dilihat seluruh tim. Rutinitas singkat yang dapat diulang lebih efektif daripada lokakarya satu kali.
Pilih tiga jenis tiket
Pilih kategori umum yang berisiko rendah seperti keterlambatan pengiriman, barang rusak, dan pengaturan ulang kata sandi. Hindari keluhan yang melibatkan ancaman hukum atau pelanggan rentan sebagai bahan latihan.
Tulis versi fiktif
Buat kutipan kebijakan dan pesan untuk pelanggan untuk setiap kasus, termasuk satu kasus yang sedikit di luar cakupan kebijakan, karena di situlah janji yang dibuat-buat muncul.
Sepakati panduan penilaian
Nilai balasan berdasarkan empat poin: setiap fakta dapat ditelusuri ke kebijakan, tidak ada komitmen yang dibuat-buat, eskalasi yang tepat, dan nada yang sesuai dengan pesan pelanggan.
Bandingkan draf
Minta dua atau tiga petugas menangani tiket yang sama, lalu membandingkan bagian yang mereka hapus. Perbedaannya memberi lebih banyak pelajaran daripada drafnya.
Beralih ke tiket nyata secara bertahap
Gunakan AI untuk tiket nyata hanya pada kategori yang sudah dilatih oleh tim, di dalam alat yang telah disetujui, dengan tetap mengacu pada panduan penilaian yang sama.
Kapan AI, atau panduan ini, bukan jawaban yang tepat?
Sebagian tiket harus ditangani tanpa draf AI sama sekali: kedukaan, masalah keselamatan, keluhan resmi, ancaman hukum, permintaan subjek data, dan apa pun yang melibatkan pelanggan rentan. Waktu yang dihemat sedikit, sedangkan dampak dari nada atau komitmen yang keliru sangat besar.
Panduan ini juga tidak membantu Anda memilih, mengonfigurasi, atau mengevaluasi perangkat lunak bot percakapan, menulis alur bot, atau menyiapkan fitur AI bawaan layanan bantuan. Dokumentasi dan tim dukungan penyedia layanan bantuan Anda adalah sumber yang tepat untuk itu. Tosheo.ai sedang dikembangkan untuk melatih orang: jalur pembelajaran peran dukungan yang direncanakan, dengan pelajaran singkat dan tugas latihan yang dinilai seperti contoh di atas. Produk ini tidak menerapkan atau mengelola AI yang berinteraksi langsung dengan pelanggan.
Sumber dan cakupan
NIST AI 600-1, Profil Kecerdasan Buatan Generatif, Juli 2024 ↗