AI Suara Perusahaan Tidak Membutuhkan Lebih Banyak Kepribadian. Yang Diperlukan Adalah Empati dalam Desain

Saya telah bekerja di bidang suara sejak 2017, cukup lama untuk mengalami satu siklus hype dan menyaksikan gelombang kedua memperoleh momentum yang nyata. Meskipun gelombang kedua ini secara teknis lebih mengesankan, pembicaraan seputarnya telah menyusut menjadi angka-angka. Sangat sedikit yang membahas bagaimana orang benar‑benar berbicara dan saya rasa kita telah kehilangan koneksi penuh semangat dengan linguistik dan psikologi yang menandai banyak fase awal suara.

Lihat pengumuman‑pengumuman, Anda akan menemukan angka latensi, tingkat penyelesaian, dan klaim ambisius tentang apa yang dapat dilakukan agen. Semua itu penting, tetapi agen yang berbicara indah menjadi tidak berguna jika tidak dapat menyelesaikan tugas. Secara khusus, produk suara perusahaan semakin banyak menggunakan kumpulan model dasar yang sama, yang berarti kecepatan hanyalah standar dasar.

Perbedaannya terletak pada hal yang sama sekali berbeda. Apa yang diketahui agen? Apa yang dapat dilakukannya? Bagaimana rasa interaksi saat sedang berlangsung? Yang paling penting, apakah pelanggan harus melakukan pekerjaan tambahan karena agen tersebut adalah mesin?

Di sinilah desain suara berbasis empati dimulai. Saya tidak bermaksud menambahkan suara yang hangat atau frasa yang bersimpati. Saya maksudkan merancang sekitar niat penelepon, beban kognitif, dan kondisi emosional yang mungkin. Agen harus mengetahui apa yang sudah diketahui bisnis, menjelaskan apa yang dilakukannya, memperbaiki dengan bersih ketika terjadi kesalahan, dan berhenti berbicara saat pekerjaan selesai.

A warm synthetic voice that asks for the same account number three times has not made the call any easier and the warmth is not doing any work.

Empati Bukan Pengaturan Suara

Suara dapat terdengar bijaksana tanpa sistem di belakangnya memahami masalah atau dapat melakukan sesuatu yang berguna. Seorang pelanggan mungkin menelepon tentang gangguan, faktur yang dipersengketakan, atau hambatan implementasi yang melibatkan beberapa tim. Jika agen hanya mengetahui FAQ, nada yang hangat atau terpolish tidak akan membuat pengalaman menjadi empatik. Agen harus mengetahui siapa yang menelepon, apa yang telah mereka beli, interaksi terakhir pada akun mereka, dan apa yang diizinkannya lakukan untuk membantu pelanggan.

Agen suara perusahaan memerlukan konteks pelanggan dan produk yang tepat, dengan izin yang sesuai, sehingga dapat menjawab dan bertindak sementara orang tersebut masih berada di jalur. Penelepon tidak memerlukan hasil pencarian yang dibacakan. Mereka mungkin membutuhkan pengembalian dana, perbaikan data, atau spesialis yang tepat dihadirkan.

Saya melihat empati sebagai disiplin desain sekaligus kebutuhan sistem. Desain percakapan menentukan bagaimana agen berperilaku. Arsitektur yang mendasari menentukan apakah ia memiliki pengetahuan yang cukup untuk berguna. Saya menganggap hasil gabungan tersebut sebagai tekstur produk suara: apa yang diketahui sistem, bagaimana ia menggunakan pengetahuan itu, bagaimana ia menangani ketidakpastian, dan bagaimana perasaan orang ketika percakapan berakhir.

Suara Menciptakan Kontrak Sosial

Suara bukan antarmuka yang netral. Baru-baru ini saya berada dalam panggilan dengan seorang klien dan agen demo memiliki suara perempuan. Dalam satu menit, orang‑orang di ruangan menyebutnya “dia”. Tidak ada yang mengumumkan keputusan itu, itu hanya menjadi ekstensi alami dari percakapan.

Efek ini sudah ada sebelum AI generatif. Pada tahun 1994 penelitian tentang komputer sebagai aktor sosial, Clifford Nass, Jonathan Steuer, dan Ellen Tauber menunjukkan bahwa orang memberikan respons sosial kepada komputer bahkan ketika mereka tahu bahwa yang berinteraksi adalah mesin. Suara memperkuat respons tersebut melalui timing, keyakinan, dan nada.

Itu mengubah rasa kegagalan. Misalnya, kotak teks yang mengembalikan tautan yang salah membuat frustrasi, dan suara yang memotong pembicaraan Anda, salah mengerti poin yang sama dua kali, serta bersikeras bahwa masalah telah terpecahkan terasa kasar. Teknologi belum mengembangkan perasaan. Penelepon yang memilikinya.

Kepercayaan sudah tipis. Sebuah studi global tahun 2025 yang dipimpin oleh University of Melbourne bersama KPMG meneliti lebih dari 48.000 orang di 47 negara. Studi tersebut menemukan bahwa 66 persen secara rutin menggunakan AI, tetapi hanya 46 persen yang bersedia mempercayainya. Setiap interaksi suara baik menambah sedikit kepercayaan atau menguranginya.

Ada juga ketegangan etis. Industri sering memperlakukan agen yang terdengar paling manusiawi sebagai yang terbaik. Namun orang tidak ingin dibohongi. Ketika saya merancang agen, saya ingin ia mengidentifikasi diri, menjelaskan apa yang dapat diaksesnya, dan menyatakan apa yang akan dilakukannya sebelum melakukan sesuatu yang berdampak. Transparansi harus menjadi bagian dari percakapan.

Rancang untuk Telinga, Bukan Mata

Layar bersifat toleran. Orang dapat memindai, membaca ulang, dan menggulir kembali. Ucapan menghilang begitu didengar, sehingga beban kognitif menjadi batasan desain yang praktis, bukan sekadar catatan akademis.

Ulasan Nelson Cowan tentang memori kerja menggambarkan penyimpanan pusat yang terbatas pada kira‑kira tiga hingga lima item bermakna pada orang dewasa muda. Namun sistem suara masih membacakan menu panjang dan menumpuk beberapa pertanyaan dalam satu giliran. Kebanyakan orang tidak dapat menahan semua itu, terutama saat mereka terganggu, mengemudi, atau sudah kesal.

Chatbot teks tidak dapat sekadar diberikan text-to-speech dan disebut produk suara. Desain suara asli menggunakan giliran yang lebih singkat, menempatkan informasi penting di depan, dan memberi ruang bagi penelepon untuk menyela. Ia juga menyadari bahwa tidak setiap jeda dalam percakapan perlu diisi, jadi meskipun kecepatan penting, desain suara asli dapat “membaca” ketika percakapan selesai.

Latar belakang saya mencakup linguistik sosio‑kultural, yang mempelajari bagaimana bahasa berfungsi antar orang dan dalam konteks sosial. Hal ini berguna dalam desain suara karena memberikan istilah yang tepat untuk hal‑hal seperti tempo, prosodi, pergantian giliran, dan perbaikan. “Make it sound natural” bukanlah instruksi desain. Kemampuan menjelaskan bagaimana percakapan seharusnya berjalan memberi tim sesuatu yang dapat mereka bangun.

Seperti Apa Desain Berbasis Empati

Desain berbasis empati bukan tentang membuat agen terdengar lebih hangat atau lebih manusiawi. Ini berarti membentuk percakapan seputar situasi orang, mengurangi usaha yang diperlukan untuk menyelesaikan tugas, dan menangani kegagalan tanpa menambah frustrasi mereka. Dalam praktiknya, hal itu dimulai dengan beberapa pilihan desain dasar.

Mulailah dengan Alasan Penelepon Menghubungi

Orang tidak menelepon untuk menavigasi taksonomi perusahaan. Mereka menelepon karena ada sesuatu yang rusak, terlambat, atau membingungkan. Seorang penelepon yang berkata, “Saya perlu menghentikan pengiriman ini,” tidak seharusnya dipaksa melalui skrip status pesanan umum. Agen harus menentukan pengiriman mana dan apakah masih dapat campur tangan.

Gunakan Konteks untuk Menghilangkan Pengulangan

Empati sering paling terlihat pada apa yang tidak ditanyakan sistem. Jika bisnis sudah mengetahui siapa pelanggan, produk apa yang mereka gunakan, dan apa yang terjadi sebelumnya, agen harus menggunakan konteks yang telah disetujui itu alih‑alih meminta penelepon untuk menyusunnya kembali.

Hal yang sama berlaku di dalam bisnis. Seorang tenaga penjualan di antara pertemuan harus dapat menanyakan apa yang berubah dalam sebuah akun, memberi perintah tindak lanjut, dan memperbarui data ke sistem yang tepat. Nilainya adalah tetap bergerak tanpa kehilangan konteks atau menambah administrasi.

Rancang Perbaikan Sebelum Jalur Bahagia

Setiap sistem suara akan salah dengar seseorang. Aksen, kebisingan latar, nama yang tidak dikenal, dan interupsi membuat hal itu tak terhindarkan. Produk didefinisikan oleh apa yang terjadi selanjutnya. Pola pemulihan terburuk adalah mengulang pertanyaan yang sama dengan kata‑kata yang sama. Respons yang lebih baik menjelaskan apa yang dipahami agen dan mempersempit ketidakpastian. Jika masalah memerlukan penilaian atau akses yang tidak dimiliki agen, harus melibatkan orang sebelum penelepon harus memintanya.

Hormati Penyerahan dan Keluar

Meneruskan penelepon ke orang bukanlah kegagalan. Namun menyerahkannya tanpa konteks percakapan adalah kegagalan. Jika agen mentransfer panggilan tanpa menyampaikan apa yang dikatakan pelanggan, apa yang diidentifikasi, dan apa yang telah dicoba, pelanggan harus memulai lagi. Itulah pekerjaan yang seharusnya dihilangkan AI.

Hal yang sama berlaku ketika masalah terselesaikan. Terkadang pengalaman suara terbaik adalah satu pertanyaan, satu jawaban akurat, dan satu klik. Penelepon tidak selalu akan mengucapkan terima kasih atau mengonfirmasi bahwa pertanyaan mereka telah teratasi sebelum menutup telepon. Jika mereka mendapatkan apa yang dibutuhkan, interaksi tersebut berhasil.

Ukur Upaya, Bukan Teater Kinerja

Panggilan satu kali yang terselesaikan sempurna dapat terlihat seperti bounce karena pelanggan menutup telepon tanpa mengonfirmasi kepuasan. Jika keberhasilan diartikan sebagai menyelesaikan skrip panjang, tim akan mengoptimalkan percakapan yang lebih lama dan menyebutnya keterlibatan.

Saya lebih memilih mengukur panggilan ulang, koreksi, transfer yang dapat dihindari, dan apakah tindakan yang diminta selesai. Skor kepuasan yang lebih luas seperti NPS tetap penting, tetapi percakapan itu sendiri mengungkapkan di mana pelanggan harus bekerja lebih keras daripada seharusnya.

Pada Februari 2026, Gartner melaporkan bahwa 91 persen pemimpin layanan pelanggan dan dukungan berada di bawah tekanan eksekutif untuk mengimplementasikan AI. Tekanan itu membuat pengukuran apakah otomatisasi benar‑benar mengurangi pekerjaan menjadi lebih penting. Agen suara yang menghasilkan panggilan ulang, transfer yang tidak perlu, atau interaksi yang lebih lama mungkin tampak efisien di atas kertas sekaligus memindahkan biaya ke tempat lain. Ekonomi membaik ketika sistem menyelesaikan pekerjaan yang tepat, menghindari giliran yang tidak perlu, dan mencegah pelanggan kembali melalui saluran yang lebih mahal.

Kemampuan dan Empati Berjalan Bersama

Pasar suara perusahaan bergerak melampaui ucapan alami. Hal yang penting sekarang adalah apakah agen dapat memahami kebutuhan penelepon, mengakses konteks bisnis yang tepat, bertindak secara tepat dan aman, serta merespons dengan tepat ketika percakapan menyimpang dari skenario.

Desain berbasis empati tidak seharusnya membuat agen lebih banyak bicara. Jika dilakukan dengan benar, ia menghilangkan pengulangan, mempersingkat penjelasan, dan mencegah penelepon harus mengelola mesin. Terkadang kepuasan hanyalah perasaan bahwa sesuatu yang sulit menjadi mudah.

Pertanyaan terpenting yang saya ajukan saat membangun produk AI apa pun sangat sederhana: mengapa orang harus repot? Suara memperoleh tempatnya ketika ia membuat sesuatu menjadi jelas lebih mudah, alih‑alih memberi orang pekerjaan tambahan untuk menyelesaikan.

Sebelum meluncurkan agen suara, dengarkan percakapan yang gagal, bukan hanya demo yang dipoles. Apakah ia memahami mengapa orang tersebut menelepon? Apakah ia cukup mengetahui untuk menyelesaikan masalah? Ketika gagal, apakah ia membuat langkah selanjutnya lebih mudah atau lebih sulit?

Jika jawabannya tidak jelas, lebih banyak kepribadian, latensi lebih rendah, dan suara yang lebih manusiawi tidak akan menyelamatkannya.