Ketika ‘Chatbot’ Menjadi Kata yang Tidak Enak Didengar: 3 Kesalahpahaman Pemimpin Bisnis tentang AI Konversasional

Proliferasi LLM seperti OpenAI’s ChatGPT, Meta’s Llama, dan Anthropic’s Claude telah menyebabkan munculnya chatbot untuk setiap kesempatan. Ada chatbot untuk saran karir, chatbot yang memungkinkan Anda untuk berbicara dengan diri Anda di masa depan, dan bahkan ada chatbot ayam yang memberikan saran memasak.

Tapi ini bukanlah chatbot dari sepuluh tahun yang lalu – saat itu, mereka terbatas pada percakapan yang telah ditentukan sebelumnya, kaku, dan sering berdasarkan pada diagram alir dengan pilihan ganda atau respon setara. Pada dasarnya, mereka hanya sedikit lebih canggih daripada menu telepon IVR sebelum internet.

Chatbot “hari ini”, di sisi lain, lebih sering merujuk pada AI konversasional, sebuah alat dengan kemampuan dan kasus penggunaan yang jauh lebih luas. Dan karena kita sekarang berada di tengah-tengah siklus hype AI generatif, ketiga istilah ini digunakan secara bergantian. Sayangnya, sebagai konsekuensinya, ada banyak kesalahpahaman seputar risiko, kasus penggunaan, dan ROI dari investasi di AI konversasional di antara pemimpin bisnis, terutama di industri yang sangat diatur seperti keuangan.

Jadi saya ingin memperbaiki catatan tentang beberapa kesalahpahaman umum seputar “chatbot”, ketika yang kita diskusikan sebenarnya adalah AI konversasional.

Mitos 1: Pelanggan Membenci Chatbot

Konsumen telah ditanya selama hampir satu dekade apakah mereka lebih suka agen manusia atau chatbot – yang seperti bertanya kepada seseorang apakah mereka lebih suka pijat profesional atau duduk di kursi pijat di mal.

Tapi debut ChatGPT pada 2022 (bersama dengan semua alat yang muncul dari itu) membalikkan persepsi kita tentang kemampuan chatbot secara keseluruhan. Seperti yang disebutkan di atas, chatbot yang lebih tua beroperasi pada skrip, sehingga setiap penyimpangan dari jalur yang telah ditentukan sering menyebabkan kebingungan dan respon yang tidak efektif. Tidak dapat memahami konteks dan niat pengguna, jawaban yang diberikan sering generik dan tidak berguna, dan mereka memiliki kapasitas terbatas untuk mengumpulkan, menyimpan, dan menyampaikan informasi.

Sebaliknya, AI konversasional terlibat dalam percakapan alami yang menyerupai bahasa manusia, memungkinkan pertukaran yang lebih fluid dan intuitif. Ini menunjukkan fleksibilitas dan adaptabilitas yang luar biasa terhadap hasil yang tidak terduga. Ini dapat memahami konteks yang mengelilingi niat pengguna, mendeteksi emosi dan merespon dengan empati.

Pemahaman yang lebih dalam ini memungkinkan AI hari ini untuk secara efektif menavigasi pengguna ke arah tujuan mereka. Ini termasuk dengan cepat memindahkan pelanggan ke asisten manusia ketika diperlukan. Selain itu, AI konversasional menggunakan filter informasi canggih, mekanisme pengambilan, dan kemampuan untuk menyimpan data yang relevan, secara signifikan meningkatkan kemampuan pemecahan masalah mereka, yang membuat pengalaman pengguna lebih baik.

Jadi, bukanlah bahwa pelanggan membenci chatbot, apa yang mereka benci adalah layanan yang buruk, yang versi chatbot sebelumnya pasti menyampaikan. Agen konversasional hari ini jauh lebih canggih sehingga lebih dari seperempat konsumen tidak merasa percaya diri dalam kemampuan mereka untuk membedakan antara agen manusia dan AI, dan beberapa bahkan menganggap AI chatbot lebih baik dalam tugas tertentu daripada rekan manusia mereka.

Dalam uji coba, perusahaan saya telah melihat agen AI meningkatkan tingkat konversi lead tiga kali lipat, yang merupakan indikasi kuat bahwa ini bukan tentang apakah itu bot atau tidak – ini tentang kualitas pekerjaan yang dilakukan.

Mitos 2: Chatbot Terlalu Berisiko

Dalam diskusi dengan pemimpin bisnis tentang AI, kekhawatiran sering muncul seputar halusinasi, perlindungan data, dan bias yang dapat menyebabkan pelanggaran regulasi. Meskipun risiko yang sah, mereka semua dapat diminimalkan melalui beberapa pendekatan: fine-tuning, Retrieval-Augmented Generation (RAG), dan teknik prompt.

Meskipun tidak tersedia pada semua LLM, fine-tuning dapat mengkhususkan model pra-dilatih untuk tugas atau domain tertentu, menghasilkan AI yang lebih sesuai dengan kebutuhan spesifik. Misalnya, perusahaan kesehatan dapat mengoptimalkan model untuk lebih baik memahami dan merespon pertanyaan medis.

RAG meningkatkan akurasi chatbot dengan mengintegrasikan pengetahuan eksternal secara dinamis. Ini memungkinkan chatbot untuk mengambil informasi terkini dari basis data eksternal. Misalnya, chatbot jasa keuangan dapat menggunakan RAG untuk memberikan jawaban waktu nyata tentang harga saham.

Terakhir, teknik prompt mengoptimalkan LLM dengan membuat prompt yang memandu chatbot untuk menghasilkan respon yang lebih akurat atau sadar konteks. Misalnya, platform e-commerce dapat menggunakan prompt yang disesuaikan untuk membantu chatbot memberikan rekomendasi produk yang dipersonalisasi berdasarkan preferensi dan riwayat pencarian pelanggan.

Selain menggunakan salah satu atau lebih pendekatan ini, Anda juga dapat mengontrol “suhu” kreativitas AI konversasional untuk membantu mencegah halusinasi. Mengatur suhu yang lebih rendah dalam panggilan API membatasi AI untuk memberikan respon yang lebih deterministik dan konsisten, terutama ketika digabungkan dengan basis pengetahuan yang memastikan AI mengambil dari dataset yang ditentukan dan dapat diandalkan. Untuk lebih meminimalkan risiko, hindari mengirimkan AI dalam peran pengambilan keputusan di mana bias atau informasi yang salah dapat menyebabkan masalah hukum.

Untuk perlindungan data, pastikan penyedia AI eksternal mematuhi regulasi, atau gunakan model open-source pada infrastruktur Anda sendiri untuk mempertahankan kontrol penuh atas data Anda, penting untuk kepatuhan GDPR.

Terakhir, selalu bijak untuk berinvestasi pada asuransi profesional yang dapat menawarkan perlindungan lebih lanjut, melindungi bisnis dalam skenario yang tidak mungkin seperti upaya litigasi. Melalui langkah-langkah ini, bisnis dapat dengan percaya diri menggunakan AI sambil mempertahankan keamanan merek dan pelanggan.

Mitos 3: Chatbot Tidak Siap untuk Tugas yang Kompleks

Setelah melihat masalah yang dihadapi perusahaan teknologi besar dalam mengirimkan alat AI, mungkin terasa naif untuk berpikir bahwa SME akan memiliki waktu yang lebih mudah. Tapi AI saat ini berada pada tahap di mana frasa “jack of all trades and master of none” tidak terlalu tidak akurat. Ini sebagian besar karena alat-alat ini diminta untuk melakukan terlalu banyak tugas yang berbeda di lingkungan yang belum dirancang untuk pengerahan AI yang efektif. Dengan kata lain, bukan karena mereka tidak mampu, tapi karena mereka diminta untuk bermain hoki di atas es yang tipis dan retak.

Misalnya, organisasi dengan data yang terisolasi dan/atau tidak terorganisir cenderung lebih rentan terhadap AI yang menampilkan informasi yang sudah ketinggalan zaman, tidak akurat, atau konflik. Ironisnya, ini adalah konsekuensi dari kompleksitas mereka! Sementara chatbot yang lebih tua hanya mengulangi informasi dasar dalam cara yang linier, AI konversasional dapat menganalisis dataset yang kuat, mempertimbangkan beberapa faktor pengaruh sekaligus untuk memetakan jalur terdepan yang paling sesuai.

Akibatnya, kesuksesan dengan AI konversasional bergantung pada parameter yang ketat dan batasan yang sangat jelas tentang sumber data dan tugas. Dengan data pelatihan yang tepat dan prompt yang dirancang dengan ahli, fungsionalitas AI konversasional dapat melampaui ruang lingkup chatbot sederhana. Misalnya, ini dapat mengumpulkan dan menyaring data dari percakapan pelanggan dan menggunakan informasi itu untuk secara otomatis memperbarui CRM. Ini tidak hanya merampingkan tugas administratif, tetapi juga memastikan bahwa informasi pelanggan akurat dan terkini. Dengan mengotomatisasi tugas tersebut, bisnis dapat fokus lebih pada kegiatan strategis daripada beban administratif.

Jika kita akan terus menggunakan istilah “chatbot”, sangat penting untuk membedakan antara platform yang mengintegrasikan AI konversasional canggih dan mereka yang masih menawarkan alat terbatas dari kemarin. Dengan cara yang sama bahwa hari ini kata “telepon” lebih sering mengingatkan gambaran tentang smartphone layar sentuh daripada telepon kabel spiral, saya percaya kita tidak jauh dari “chatbot” yang digantikan oleh gagasan tentang agen AI canggih daripada avatar pilihan ganda yang kaku.