Apakah Agen AI Menulis Ulang Buku Pedoman Pusat Kontak?

Ada saatnya ketika pusat panggilan dibangun terutama untuk menangani volume besar pertanyaan pelanggan melalui telepon. Hari ini, pusat kontak telah sebagian besar menggantikan mereka – pusat operasional di mana bisnis mengelola interaksi pelanggan melalui beberapa saluran: telepon, email, media sosial, dan aplikasi perpesanan.

Namun, meskipun pergeseran ini dalam saluran, model dasar telah tetap sebagian besar sama.

Pertanyaan pelanggan sederhana masih melewati tumpukan yang terfragmentasi: respon suara interaktif (IVR) untuk verifikasi, platform manajemen hubungan pelanggan (CRM) untuk detail akun, alat tiket untuk pelacakan, dan sistem backend terpisah untuk menyelesaikan tugas. Platform berbasis cloud seperti Contact-Center-as-a-Service (CCaaS) telah membawa alat-alat ini lebih dekat, memungkinkan operasi yang lebih fleksibel, tetapi pengalaman masih jauh dari mulus, bergantung pada beberapa langkah, penyerahan, dan koordinasi manual.

Selama bertahun-tahun, model ini bertahan. Lalu AI memasuki gambaran.

Ketika agen AI mendapatkan momentum, perusahaan rintisan dan perusahaan mapan di seluruh papan telah mulai membangun dan menerapkan alat yang berjanji untuk membuka fase baru yang diaktifkan oleh kemampuan AI untuk membuka kecerdasan di seluruh sistem dan menggunakan data yang sebelumnya terisolasi.

Sistem yang terpisah menjadi fosil

Dengan agen AI di tempat, pusat kontak tidak lagi beroperasi dalam silo. Agen dapat menarik informasi, memicu tindakan, dan menyelesaikan tugas di seluruh platform. Jika pelanggan ingin mempertanyakan biaya, agen AI dapat memverifikasi identitas mereka, mengambil riwayat transaksi dari CRM, memeriksa kebijakan yang relevan, memulai perselisihan, dan mengkonfirmasi hasilnya – semua dalam satu interaksi yang berkelanjutan. Tidak ada penyerahan atau koordinasi manual yang diperlukan.

Tugas yang sebelumnya memerlukan orang untuk beralih antara beberapa alat sekarang terjadi di latar belakang. Sebagian besar kompleksitas dapat diabstraksikan, dan pelanggan, atau bahkan agen manusia, tidak perlu melihat bagaimana proses bekerja di balik layar.

Perubahan ini juga mengubah peran perangkat lunak itu sendiri. Perangkat lunak sekarang menyerupai sekumpulan blok bangunan, sedangkan agen AI bertindak sebagai lapisan yang menghubungkan dan mengoordinasikan sistem. Alur kerja yang kaku memberi jalan bagi interaksi yang lebih fleksibel yang dibentuk oleh situasi daripada jalur yang telah ditentukan sebelumnya: Alih-alih mengikuti opsi menu yang kaku atau aliran yang telah ditulis sebelumnya, keputusan dibuat secara real-time berdasarkan konteks.

Saatnya untuk memikirkan kembali tumpukan teknologi Anda

Pemimpin pusat kontak saat ini menghadapi pertanyaan besar: Jika perangkat lunak tidak lagi menjadi penyimpan nilai utama, ke mana investasi teknologi harus dilakukan?

Untungnya, Anda tidak perlu mengganti sistem yang ada secara keseluruhan. Mereka perlu memikirkan kembali bagaimana sistem tersebut berinteraksi.

Dalam model yang muncul ini, agen AI mengambil alih orkestrasi, mengoordinasikan tindakan di seluruh sistem alih-alih mengandalkan alur kerja yang telah ditentukan sebelumnya. Antarmuka pemrograman aplikasi (API) dan protokol konteks model (MCP) menjadi cara utama sistem berkomunikasi, memungkinkan agen untuk mengakses dan menafsirkan data, sistem, dan konteks untuk menggunakan alat di seluruh tumpukan dengan benar.

Tapi konfigurasi ulang saja tidak cukup. Untuk semua kegunaan alat AI, alat tersebut masih rentan terhadap kesalahan. Berbagai faktor dapat menyebabkan alat AI mengalami halusinasi, menyimpang dari penyelarasan, atau menyimpang dari kebijakan dan pedoman. Ketika perubahan ini terjadi, akan ada kebutuhan yang meningkat akan kemampuan pengamatan, pengukuran, dan akuntabilitas.

Agen AI tidak hanya melakukan tugas; mereka membuat keputusan seperti menyetujui pengembalian dana, memperbarui akun, dan menaikkan tingkat masalah. Dan karena alat tersebut beroperasi jauh lebih cepat daripada manusia, kesalahan apa pun dapat diulangi di seluruh ratusan atau bahkan ribuan contoh dalam waktu beberapa jam.

Oleh karena itu, organisasi perlu memasukkan kemampuan pengamatan untuk mengetahui apa yang diputuskan oleh AI mereka; alat pengujian untuk menangkap kesalahan pada waktunya; dan infrastruktur logging untuk menyelidiki kesalahan dengan cepat.

Membangun penghalang seperti itu di sekitar setiap penerapan AI akan menghasilkan arsitektur yang lebih fleksibel dan responsif yang mampu menangani kompleksitas dengan cara yang tidak dapat dilakukan oleh alur kerja tradisional. Perlu diingat bahwa arsitektur ini juga secara inheren kurang dapat diprediksi dan akan memerlukan pendekatan baru untuk pengawasan dan tata kelola.

Kompromi

Meskipun AI membuka kemungkinan dunia, pergeseran menuju otonomi memperkenalkan risiko baru bagi pusat kontak, bisnis di mana konsistensi dan kepercayaan sangat kritis.

Alur kerja yang terstruktur telah lama menjadi dasar operasi pusat kontak. Setiap langkah didefinisikan sebelumnya, setiap keputusan mengikuti jalur yang disetujui, dan setiap interaksi dapat diaudit terhadap aturan yang telah ditetapkan. Struktur ini membantu memastikan bahwa interaksi pelanggan tetap konsisten, persyaratan regulasi dipenuhi, dan kebijakan diterapkan secara seragam di setiap kasus.

Agen AI otonom beroperasi secara berbeda secara default. Tidak seperti perangkat lunak tradisional yang mengikuti algoritma yang dapat diprediksi, agen AI membuat keputusan berdasarkan model dasar, data pelatihan, dan konteks, secara real-time. Fleksibilitas ini memungkinkan mereka beradaptasi dengan setiap situasi, tetapi juga memperkenalkan variabilitas. Dua permintaan pelanggan yang serupa mungkin ditangani dengan cara yang sedikit berbeda tergantung pada bagaimana agen menafsirkan input, apa data yang tersedia, atau bagaimana model dasar menimbang sinyal yang berbeda.

Hal ini menimbulkan pertanyaan operasional yang penting bagi organisasi: Bagaimana Anda mempertahankan akuntabilitas ketika keputusan dibuat oleh sistem berbasis AI dan bukan oleh seseorang yang mengikuti skrip? Bagaimana Anda memastikan transparansi dalam keputusan tersebut, terutama ketika model kompleks dan tidak selalu mudah diinterpretasikan? Dan bagaimana Anda mempertahankan kepatuhan dalam lingkungan di mana tindakan dihasilkan secara dinamis?

Pertanyaan ini semakin penting dalam pusat kontak karena mereka berada di persimpangan efisiensi dan pengalaman. Respon yang tertunda, resolusi yang salah, atau keputusan yang tidak dapat dijelaskan dapat meninggalkan pelanggan frustrasi dan tidak yakin tentang keandalan bisnis Anda secara keseluruhan. Mereka akan meragukan Anda sebagai solusi dan mungkin bahkan beralih ke penyedia lain.

Selain itu, ada tantangan pengawasan. Ketika agen AI mengambil lebih banyak tanggung jawab, organisasi memerlukan cara untuk memantau dan menguji perilaku mereka secara real-time, mendeteksi anomali, dan campur tangan ketika diperlukan. Tanpa tingkat visibilitas ini, menjadi sulit untuk memastikan bahwa sistem beroperasi sebagaimana dimaksud, atau memahami kapan mereka tidak.

Jalan ke depan

Organisasi harus mengambil pendekatan bertahap dalam mengadopsi agen AI. Alih-alih menggantikan alur kerja yang ada sepenuhnya, organisasi harus memulai dengan meningkatkan mereka, memperkenalkan AI dalam skenario yang terkendali di mana risiko lebih rendah dan manfaatnya segera.

Pendekatan ini akan memungkinkan pusat kontak untuk bereksperimen dan beradaptasi tanpa mengorbankan keandalan. Mereka dapat menerapkan agen AI dalam situasi risiko rendah untuk mengidentifikasi bias, mendeteksi penyimpangan, dan menangani masalah lainnya seiring dengan perkembangan.

Tujuan, pada akhirnya, adalah tentang mempertahankan kualitas, dan agen AI hanyalah alat lain, tidak peduli seberapa canggih mereka. Pusat kontak yang mengadopsi teknologi ini dengan keseimbangan antara kehati-hatian dan optimisme akan suatu hari nanti membuat kita melihat pusat kontak dan pusat panggilan dalam cahaya yang sama: sebagai sesuatu yang kuno.