Hal Terpenting tentang AI Suara Bukanlah Suaranya

Hal terpenting tentang AI suara bukanlah suaranya, melainkan pengalaman yang dapat diwujudkan melalui suara.

Bayangkan pengalaman layanan terbaik yang pernah Anda rasakan. Anda merasa dipahami. Anda tidak perlu mengulang penjelasan, mempelajari cara kerja organisasi, atau menavigasi kerumitan internalnya. Anda menjelaskan kebutuhan Anda, lalu seseorang menggunakan konteks, pertimbangan, dan pengetahuan tentang organisasi itu untuk membantu Anda mencapai hasil yang diinginkan.

Bagaimana jika perusahaan dapat menghadirkan lebih banyak pengalaman seperti itu secara lebih konsisten dan dalam skala yang lebih besar?

Itulah janji nyata agen suara, bukan sekadar mengganti mengetik dengan berbicara atau mengotomatiskan setiap interaksi manusia. Agen suara mengubah pengalaman, dari menavigasi sistem menjadi menyampaikan maksud. Pelanggan atau karyawan menjelaskan dengan kata-kata mereka sendiri apa yang ingin mereka capai. Agen memahami konteks, mengoordinasikan pengetahuan dan sistem yang sesuai di balik layar, mengambil tindakan yang diizinkan, serta melibatkan orang sungguhan ketika diperlukan pertimbangan, empati, atau wewenang.

Selama puluhan tahun, manusia menyesuaikan diri dengan teknologi. Kita belajar di mana harus mengeklik, menu mana yang harus dibuka, dan cara mengubah maksud sederhana menjadi serangkaian perintah. AI generatif mulai mengubah keadaan itu dengan memungkinkan kita bercakap-cakap menggunakan bahasa sehari-hari. Suara melangkah lebih jauh dan mulai membalikkan hubungan tersebut sepenuhnya: teknologi menyesuaikan diri dengan cara manusia berkomunikasi secara alami, sementara kerumitan perusahaan tersisih ke latar belakang.

Mengapa Suara Mengubah Pengalaman di Perusahaan

Suara penting karena mengurangi hambatan bagi karyawan, pelanggan, dan pegawai baru. Karyawan yang menghubungi meja layanan seharusnya tidak perlu tahu sistem mana yang menangani suatu masalah atau menyimpan solusinya. Pelanggan seharusnya tidak perlu mengulang informasi yang sama saat berpindah kanal. Pegawai baru seharusnya tidak terbatas pada materi pelatihan statis jika mereka dapat berlatih melakukan percakapan realistis dan menerima umpan balik saat itu juga.

Suara juga memperluas akses bagi orang-orang yang jauh dari papan ketik, bekerja di lapangan, atau sekadar lebih nyaman berbicara daripada mengetik. Kemampuan multibahasa membantu organisasi berkomunikasi secara konsisten di berbagai wilayah tanpa harus menjadikan setiap interaksi sebagai proyek produksi tersendiri.

Meski demikian, suara bukan pengganti untuk setiap layar atau setiap percakapan antarmanusia. Media visual dan tulisan tetap lebih baik untuk membandingkan informasi yang padat dan meninjau detail secara saksama, sementara pertimbangan manusia tetap penting ketika situasi bersifat ambigu, sensitif, atau berdampak besar. Peluangnya adalah menggunakan suara ketika percakapan merupakan cara paling alami untuk mencapai hasil, lalu merancang proses pengalihan yang jelas ketika suara bukan pilihan yang tepat.

Antarmuka Suara Saja Tidak Cukup

Suara yang terdengar alami saja tidak cukup. Nilai sebenarnya bergantung pada kemampuan agen untuk meningkatkan pengalaman secara berarti: mengurangi hambatan, mempertahankan konteks, mempercepat penyelesaian, dan membantu seseorang mencapai hasil yang tepat. Itu membutuhkan lebih dari sekadar antarmuka yang menarik. Dibutuhkan data dan alur kerja yang saling terhubung, batasan yang jelas, pengalihan yang tepercaya, serta akuntabilitas atas langkah selanjutnya.

Penting untuk membedakan antara skrip dan maksud. Alur kerja tradisional menetapkan skrip untuk setiap langkah sejak awal. Sebaliknya, agen suara yang dirancang untuk mencapai hasil menerima maksud, memahami aturan dan konteks, lalu menyesuaikan pendekatannya hingga tujuan tercapai atau pertimbangan manusia diperlukan.

Kita perlu memahami posisi pembeli saat ini, karena dalam waktu singkat perusahaan telah melewati tiga fase. Selama beberapa waktu, kita berada dalam hiruk pikuk adopsi—adopsi yang sebagian besar dilakukan demi adopsi itu sendiri. Kemudian, para pemimpin harus mempertanggungjawabkan hasil investasi tersebut, padahal mereka sering kali tidak mampu menjelaskan nilai yang telah diperoleh. Hal itu mendorong penyesuaian kembali dengan berfokus pada hasil. Pertanyaannya bukan lagi sekadar apakah penerapan teknologi menghasilkan suatu hasil, tetapi juga apakah pencapaiannya mengorbankan sesuatu yang penting. Kini muncul sikap skeptis yang tetap terbuka—kesediaan nyata untuk berinvestasi, disertai harapan agar kedua pertanyaan itu terjawab.

Prakiraannya menunjukkan arah yang sama. Gartner memperkirakan AI agen akan secara mandiri menyelesaikan 80% masalah umum layanan pelanggan pada 2029. Tidak masalah apakah angka pastinya 80%. Kata yang penting di sini adalah menyelesaikan. Percakapan dimulai dengan akses, dan hasil yang ditawarkan adalah penyelesaian.

Penerapan Internal di Tengah Sorotan Publik

Di DXC, salah satu penerapan AI suara pertama kami berlangsung di lingkungan yang sangat terbuka: panggilan laporan keuangan kami. Selama tiga kuartal berturut-turut, CEO Raul Fernandez menulis naskah yang telah disiapkannya, sementara model suara AI khusus yang dibuat dengan ElevenLabs membacakannya menggunakan suaranya.

Panggilan pertama menunjukkan kemampuan intinya. Pada panggilan kedua, pernyataannya dapat disampaikan dalam bahasa Spanyol, Prancis, Jerman, Portugis, dan Arab. Pada panggilan ketiga, naskah tersebut disampaikan secara serentak dalam enam bahasa. Setiap kali, Raul memberi tahu para pendengar bahwa ia menulis naskah itu dan model AI yang menyampaikannya.

Panggilan konferensi untuk membahas kinerja keuangan bukanlah forum yang mudah: acara ini mendapat sorotan ketat, diatur, dan tidak memberi toleransi pada hal apa pun yang terdengar sedikit saja keliru. Ada empat pelajaran dari menjalankan eksperimen ini di sana, alih-alih di tempat yang lebih aman.

• Kepengarangan lebih penting daripada penyampaian. Pernyataan itu adalah tulisannya; model hanya membacakannya. Organisasi dapat memperluas komunikasi ke berbagai bahasa tanpa mengubah siapa yang menulis pesan tersebut atau siapa yang tetap bertanggung jawab atasnya.
• Keterbukaan justru memperkuat hasil, bukan merusaknya. Awalnya, belum jelas apakah mengumumkan penggunaan suara AI akan mengurangi kredibilitas kami. Yang terjadi justru sebaliknya, dan pilihan lain—berharap tak seorang pun menyadarinya—keliru, baik dari segi etika maupun praktik.
• Penyampaian multibahasa memberikan manfaat nyata. Pemegang saham yang biasanya harus menunggu terjemahan kini dapat mendengar pernyataan yang sama, dengan suara yang sama, pada waktu yang sama. Ini mengubah siapa yang memperoleh akses setara terhadap informasi, bukan sekadar meningkatkan efisiensi produksi.
• Kepercayaan bertumpu pada akuntabilitas, bukan kemulusan. Orang menerima pesan yang disampaikan AI ketika mereka tahu siapa yang menulisnya, siapa yang bertanggung jawab atasnya, dan upaya apa yang dapat mereka tempuh jika terjadi masalah. Tak satu pun dari hal itu terdengar dari suara itu sendiri.

Hal ini mencerminkan prinsip yang kami terapkan di LabX, inkubator produk DXC yang sejak awal dibangun dengan AI: sebelum meminta pelanggan memercayai teknologi baru, kami harus bersedia mengujinya di lingkungan kami sendiri. Menjadi Customer Zero mengungkap masalah yang tak terlihat dalam demo yang dipoles—di mana orang merasa ragu, di mana kepercayaan runtuh, dan perlindungan apa yang diperlukan agar teknologi dapat dioperasikan secara bertanggung jawab dalam skala besar. Tantangan AI perusahaan yang paling sulit biasanya bersifat manusiawi, bukan teknis.

Dari Demonstrasi Menuju Pengalaman yang Bertransformasi

Kemitraan strategis kami dengan ElevenLabs, perusahaan AI yang berfokus pada model audio dan agen suara, bertolak dari pengalaman Customer Zero tersebut dan menerapkan teknologi suara di tiga bidang praktis. Dalam setiap kasus, titik awalnya adalah hasil yang jelas, bukan sekadar penerapan teknologi.

• Di meja layanan, agen suara dapat membantu karyawan menjelaskan masalah dengan bahasa yang alami, menemukan informasi yang relevan, menyelesaikan langkah-langkah rutin, dan meneruskan konteks secara lengkap kepada spesialis ketika masalah perlu dieskalasikan. Ukurannya bukan berapa banyak panggilan yang berhasil dialihkan. Yang penting adalah apakah orang yang menelepon mendapatkan penyelesaian dalam satu interaksi, tanpa harus menjelaskan masalahnya tiga kali.
• Di platform pengalaman pelanggan, antarmuka multibahasa dengan suara alami menghadirkan interaksi yang lebih konsisten di kanal telepon maupun digital. Di sebagian besar organisasi layanan, kualitas layanan bergantung pada siapa yang menjawab dan kapan mereka menjawab. Ada peluang untuk melakukan perbaikan nyata: setiap interaksi dapat berbekal konteks yang sama, sementara kasus yang paling sulit tetap dialihkan kepada orang yang paling siap menanganinya.
• Dalam pelatihan, suara mengubah materi pasif menjadi latihan praktik. Karyawan dapat berlatih melakukan percakapan dengan pelanggan, menghadapi skenario keselamatan, atau menjalani diskusi manajemen yang sulit, lalu menerima bimbingan yang disesuaikan. Orang menjadi terampil lebih cepat dengan mempraktikkan percakapan yang sebenarnya daripada sekadar membacanya.

Penerapan khusus industri mungkin membawa dampak paling besar. Perusahaan asuransi dapat menjajaki proses penerimaan klaim rutin dengan panduan; produsen dapat memberikan akses tanpa menggunakan tangan ke prosedur bagi teknisi lapangan; dan organisasi sektor publik dapat mempermudah akses informasi dalam berbagai bahasa. Ini bukan agen serbaguna yang ditambahkan begitu saja ke dalam organisasi. Agen tersebut harus dirancang sesuai kosakata, aturan, data, dan profil risiko setiap industri.

Perluas Kualitas Layanan Terbaik, Bukan Interaksi yang Terpaku pada Skrip

Risikonya, tentu saja, skala yang lebih besar justru menghasilkan keseragaman. Perusahaan pernah melakukan kesalahan itu: menerapkan pohon keputusan yang sama kepada semua orang, sehingga kebutuhan rata-rata terpenuhi sementara kebutuhan orang lain terabaikan. Yang semestinya diperluas adalah kualitas interaksi layanan yang baik—berbekal informasi, tanggap, dan berorientasi pada hasil—sementara interaksi itu sendiri menyesuaikan diri dengan bahasa, konteks, dan kebutuhan setiap orang. Konsistensi seharusnya berarti selalu memberikan layanan yang baik, bukan layanan yang seragam.

Kepercayaan Adalah Bagian dari Pengalaman

Semakin mirip suara agen dengan suara manusia, semakin penting pula transparansi. Orang harus tahu kapan mereka berinteraksi dengan AI. Organisasi perlu memperoleh izin yang jelas untuk membuat atau menggunakan suara sintetis seseorang, menerapkan kontrol atas siapa yang dapat mengaksesnya, menggunakan autentikasi kuat untuk tindakan sensitif, mencatat tindakan yang dilakukan agen, serta menyediakan jalur yang jelas untuk menghubungi manusia sungguhan.

Hal-hal ini sering dianggap sebagai urusan kepatuhan yang ditambahkan setelah pengalaman dirancang, padahal harus menjadi bagian dari pengalaman itu sendiri. Pengalaman seseorang tidak bisa disebut baik jika ia tak dapat mengetahui apakah sedang berbicara dengan manusia, tak dapat mengetahui tindakan apa yang boleh dilakukan agen, atau tak dapat menghubungi seseorang ketika membutuhkannya—sealami apa pun percakapan itu terdengar.

Kita perlu menjelaskan dengan tepat dari mana kepercayaan itu berasal, karena hal ini berjalan dua arah. Model harus dikalibrasi dengan benar oleh orang-orang yang membangunnya. Penerapan sistem di sekitarnya—pengelolaan data, kontrol akses, pencatatan tindakan, dan penentuan titik-titik saat seseorang mengambil alih—merupakan persoalan terpisah yang menjadi tanggung jawab pihak yang menerapkan sistem ke lingkungan produksi. Yang satu tidak dapat menggantikan yang lain. Keduanya lebih penting dalam interaksi suara karena interaksi berlangsung langsung, agen mungkin bertindak sambil berbicara, dan tidak ada layar yang menunjukkan kepada seseorang apa yang baru saja dilakukan atas nama mereka.

Panduan eksternal dapat membantu dalam hal ini. Federal Trade Commission telah menyoroti potensi bahaya kloning suara untuk tujuan jahat, sementara Kerangka Manajemen Risiko AI NIST menawarkan kerangka praktis untuk mengidentifikasi dan mengelola risiko AI. Jadikan persetujuan, keterbukaan informasi, keamanan, pengujian, dan pemantauan berkelanjutan sebagai persyaratan inti produk.

Membangun Jalur Terbuka dari Eksperimen hingga Skala Besar

Peran saya yang semakin luas sebagai Presiden Inovasi dan Strategi AI & LabX menyatukan dua sisi dari tantangan yang sama: menginkubasi produk berbasis AI dan mengembangkan aspek komersial strategi platform mitra AI DXC. LabX tetap menjadi tempat untuk menguji teknologi mutakhir terhadap persoalan nyata pelanggan, tetapi kini mandatnya juga mencakup membantu pelanggan menjelajahi ekosistem mitra terbuka, seperti Anthropic dan ElevenLabs.

Pendekatan terbuka itu penting karena tidak ada satu model, platform, atau antarmuka yang tepat untuk setiap perusahaan dan setiap kasus penggunaan. Tugas kami adalah memadukan teknologi yang tepat dengan keahlian bidang terkait, perancangan alur kerja, tata kelola, dan kemampuan pelaksanaan, lalu memvalidasi bahwa semua itu menghasilkan dampak yang terukur. Terkadang, antarmuka yang tepat berupa teks. Terkadang, antarmuka itu berupa visual. Semakin sering, antarmuka itu berupa suara—dan sering kali, kombinasi ketiganya yang dirancang dengan cermat.

Pertanyaannya bukan di mana perusahaan dapat menambahkan fitur suara. Pertanyaannya adalah di mana percakapan dapat menghasilkan pengalaman dan dampak yang lebih baik, serta apakah organisasi siap merancang ulang pekerjaan di sekitarnya.