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

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

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

“Chatbot” hari ini, di sisi lain, lebih sering mengacu 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 konsekuensi, ada banyak kesalahpahaman sekitar 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 kesalahpahaman umum tentang “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 menanyakan 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 ditetapkan sebelumnya 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 sekitar niat pengguna, mendeteksi emosi dan merespons dengan empati.

Tingkat pemahaman yang lebih dalam ini memungkinkan AI hari ini untuk secara efektif menavigasi pengguna ke arah tujuan mereka. Ini termasuk mengalihkan pelanggan ke asisten manusia dengan cepat 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, bukan karena pelanggan membenci chatbot, apa yang mereka benci adalah layanan yang buruk, yang versi chatbot sebelumnya pasti bersalah menyediakannya. 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 sekitar halusinasi, perlindungan data, dan bias yang dapat menyebabkan pelanggaran peraturan. Meskipun risiko yang sah, mereka semua dapat diminimalkan melalui beberapa pendekatan: fine-tuning, Retrieval-Augmented Generation (RAG), dan teknik prompt. 

Meskipun tidak tersedia di 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 merespons pertanyaan medis. 

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

Terakhir, teknik prompt mengoptimalkan LLM dengan membuat prompt yang membimbing chatbot untuk menghasilkan respon yang lebih akurat atau kontekstual. 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 spesifik dan dapat diandalkan. Untuk lebih meminimalkan risiko, hindari menggelar AI dalam peran pengambilan keputusan di mana bias atau informasi yang salah dapat menyebabkan masalah hukum. 

Untuk perlindungan data, pastikan penyedia AI eksternal mematuhi peraturan, atau gelar model sumber terbuka di infrastruktur Anda sendiri untuk mempertahankan kontrol penuh atas data Anda, yang penting untuk kepatuhan GDPR. 

Akhirnya, selalu bijak untuk berinvestasi dalam 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 menggelar 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 ini diminta untuk melakukan terlalu banyak tugas yang berbeda di lingkungan yang belum dirancang untuk penerapan AI yang efektif. Dengan kata lain, bukan karena mereka tidak mampu, tapi karena mereka diminta untuk bermain di atas es yang tipis dan pecah. 

Misalnya, organisasi yang penuh dengan data yang terisolasi dan/atau tidak terorganisir akan lebih rentan terhadap AI yang menampilkan informasi yang usang, tidak akurat, atau kontradiktif. 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 yang paling tepat ke depan. 

Dengan demikian, kesuksesan dengan AI konversasional bergantung pada parameter yang ketat dan batasan yang sangat jelas sehubungan dengan sumber data dan tugas. Dengan data pelatihan yang tepat dan prompt yang dirancang dengan ahli, fungsionalitas AI konversasional dapat meluas jauh melampaui cakupan chatbot sederhana. Misalnya, ini dapat mengumpulkan dan menyaring data dari percakapan pelanggan dan menggunakan informasi itu untuk secara otomatis memperbarui CRM. Ini tidak hanya menyederhanakan tugas administratif, tetapi juga memastikan bahwa informasi pelanggan konsisten akurat dan mutakhir. Dengan mengotomatisasi tugas tersebut, bisnis dapat fokus lebih pada aktivitas strategis daripada beban administratif.

Jika kita akan terus menggunakan istilah “chatbot,” itu sangat penting bahwa kita 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 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.