Penerapan agentic AI di contact center membawa AI dari sekadar membantu menjawab pertanyaan menuju kemampuan menjalankan serangkaian tindakan untuk menyelesaikan kebutuhan customer.
Kemampuan ini membuka peluang untuk meningkatkan efisiensi operasional, terutama pada proses yang membutuhkan beberapa tahapan atau akses ke berbagai sistem. Namun, semakin besar tingkat otonomi yang diberikan, semakin penting pula perusahaan menetapkan batas kewenangan, guardrails, dan mekanisme human oversight.
Hal ini menjadi penting karena contact center menangani berbagai informasi dan proses sensitif, mulai dari data pribadi hingga transaksi finansial.
Pergeseran Peran AI dalam Operasional Contact Center
Penerapan AI (Artificial Intelligence) pada contact center telah melalui beberapa fase perkembangan.
Fase awal ditandai oleh sistem berbasis aturan seperti IVR (Interactive Voice Response) yang mengarahkan customer melalui menu bertingkat. Sistem ini efektif untuk penyaringan awal, namun kerap membuat customer frustrasi ketika kebutuhannya tidak tersedia dalam pilihan menu.
Fase berikutnya menghadirkan chatbot berbasis pemrosesan bahasa alami yang mampu memahami pertanyaan dalam bentuk percakapan. Kapabilitasnya tetap terbatas pada pemberian informasi, sehingga tindakan yang diperlukan customer masih harus dijalankan agent manusia.
Agentic AI menempati fase terkini. Sistem ini tidak berhenti pada pemahaman maupun penjelasan, melainkan melanjutkan hingga tindakan yang diperlukan benar-benar terlaksana. Perbedaan inilah yang mengubah posisinya dari alat bantu menjadi pelaksana tugas operasional.
Cara Kerja Agentic AI
Pemahaman terhadap mekanisme kerjanya membantu perusahaan menentukan cakupan penerapan yang tepat. Agentic AI umumnya menjalankan empat tahapan berikut.
Tahap 1: Memahami Tujuan Customer
Sistem menafsirkan permintaan customer untuk mengidentifikasi tujuan yang sebenarnya ingin dicapai, bukan sekadar mencocokkan kata kunci. Permintaan berupa keluhan pengiriman terlambat, misalnya, diterjemahkan menjadi kebutuhan akan kepastian status serta solusi penggantian jadwal.
Tahap 2: Menyusun Rencana Tindakan
Setelah tujuan teridentifikasi, sistem menyusun urutan langkah yang diperlukan. Rencana ini mencakup sistem mana yang perlu diakses, informasi apa yang harus diambil, serta tindakan apa yang akan dijalankan.
Tahap 3: Menjalankan Tindakan
Sistem mengeksekusi rencana melalui integrasi dengan berbagai sistem internal, mencakup CRM (Customer Relationship Management), basis data operasional, maupun platform terkait lainnya. Tindakan dijalankan sesuai kewenangan yang telah ditetapkan.
Tahap 4: Memverifikasi Hasil
Tahap terakhir memastikan tindakan berhasil dijalankan serta tujuan customer benar-benar tercapai. Kegagalan pada tahap mana pun memicu penyesuaian rencana maupun eskalasi kepada agent manusia.
Lima Use Case Agentic AI di Contact Center
Penerapan agentic AI memberikan dampak paling nyata pada beberapa area berikut.
1. Penyelesaian Tiket Berulang secara Otomatis
Permintaan seperti pembaruan alamat pengiriman, perubahan metode pembayaran, maupun pengaktifan kembali layanan dapat diselesaikan tanpa keterlibatan agent. Sistem mengakses data terkait, menjalankan perubahan, lalu mengonfirmasi hasilnya kepada customer.
2. Penjadwalan Ulang Layanan
Permintaan penggantian jadwal melibatkan beberapa langkah, mulai dari pengecekan ketersediaan slot, penyesuaian data, hingga pengiriman konfirmasi. Agentic AI menangani keseluruhan rangkaian tersebut dalam satu percakapan.
3. Penanganan Pertanyaan Status yang Kompleks
Pertanyaan mengenai status pengajuan yang melibatkan beberapa sistem sekaligus dapat dijawab secara menyeluruh. Sistem mengumpulkan informasi dari berbagai sumber, lalu menyajikannya dalam penjelasan yang utuh.
4. Eskalasi Cerdas kepada Agent
Kasus yang berada di luar kewenangan sistem diteruskan kepada agent yang paling sesuai, lengkap dengan ringkasan konteks serta langkah yang telah dijalankan. Agent tidak perlu memulai dari nol, sehingga penanganan menjadi lebih cepat.
5. Tindak Lanjut Proaktif
Sistem dapat menghubungi customer secara proaktif ketika mendeteksi potensi masalah, misalnya keterlambatan pengiriman yang belum disadari customer. Pendekatan ini mengurangi volume keluhan masuk.
Batas Kewenangan yang Perlu Ditetapkan
Kemampuan bertindak mandiri menuntut penetapan batasan yang jelas. Beberapa prinsip berikut membantu menyusun kerangka kewenangan yang aman.
Batasan nilai finansial. Tetapkan nominal maksimum untuk tindakan yang berdampak finansial, misalnya pengembalian dana maupun pemberian kompensasi. Nilai di atas ambang tersebut memerlukan persetujuan agent maupun supervisor.
Batasan akses data sensitif. Sistem sebaiknya tidak memiliki kewenangan mengubah data identitas utama, informasi rekening, maupun kredensial keamanan. Perubahan semacam ini menuntut verifikasi berlapis yang melibatkan manusia.
Batasan pada keputusan bernilai tinggi. Persetujuan pengajuan kredit, penilaian klaim, maupun keputusan yang berimplikasi hukum sebaiknya tetap berada pada kewenangan manusia, meski sistem dapat menyiapkan analisis pendukung.
Batasan berdasarkan tingkat kepercayaan. Sistem sebaiknya memiliki ambang kepercayaan minimum sebelum menjalankan tindakan. Situasi yang tingkat kepastiannya rendah otomatis dieskalasi, bukan dipaksakan diselesaikan.
Batasan pada situasi sensitif. Interaksi yang melibatkan keluhan serius, indikasi ketidakpuasan tinggi, maupun customer yang menunjukkan tekanan emosional sebaiknya langsung diarahkan kepada agent manusia.
Kewajiban pencatatan. Setiap tindakan yang dijalankan sistem harus tercatat lengkap, mencakup alasan pengambilan keputusan serta data yang menjadi dasarnya. Jejak audit ini penting untuk keperluan investigasi maupun pemeriksaan regulator.
Ingin menerapkan agentic AI di contact center Anda secara aman dan terkendali? Hubungi tim KPSG untuk mendiskusikan bagaimana solusi CXaaS kami mendukung kebutuhan operasional perusahaan Anda. Konsultasi tanpa biaya. [Jadwalkan Konsultasi Gratis]
Prasyarat Sebelum Implementasi
Beberapa kondisi berikut perlu dipenuhi agar penerapan memberikan hasil yang diharapkan.
Integrasi sistem melalui API. Kemampuan menjalankan tindakan bergantung sepenuhnya pada akses terhadap sistem internal. Perusahaan yang sistemnya masih terpisah perlu menyelesaikan integrasi terlebih dahulu.
Kualitas data yang memadai. Keputusan sistem hanya sebaik data yang tersedia. Basis data yang tidak konsisten maupun mengandung duplikasi berpotensi menghasilkan tindakan yang keliru.
Dokumentasi proses yang jelas. Sistem memerlukan acuan mengenai prosedur yang berlaku, mencakup langkah standar, pengecualian, serta kondisi yang memicu eskalasi.
Kebijakan tata kelola AI. Tetapkan kerangka pengawasan yang mencakup siapa bertanggung jawab atas keputusan sistem, bagaimana kinerjanya dipantau, serta prosedur penanganan apabila terjadi kesalahan.
Kesiapan tim operasional. Peran agent bergeser dari menangani permintaan rutin menuju penanganan kasus kompleks serta pengawasan sistem. Pelatihan diperlukan agar transisi berjalan lancar.
Cara Mengukur Keberhasilan
Pemantauan yang tepat memastikan penerapan berjalan sesuai harapan.
Tingkat penyelesaian tanpa eskalasi menunjukkan seberapa besar porsi permintaan yang benar-benar tuntas ditangani sistem. Angka yang terlalu rendah menandakan cakupan kewenangan maupun kualitas integrasi perlu ditinjau.
Akurasi tindakan mengukur persentase tindakan yang dijalankan secara tepat tanpa memerlukan koreksi. Metrik ini paling kritis, sebab kesalahan tindakan berdampak langsung pada customer.
Durasi penanganan membandingkan waktu penyelesaian sebelum dan sesudah penerapan. Penurunan yang signifikan menunjukkan efisiensi yang nyata.
Tingkat kepuasan customer memberikan validasi dari sisi penerima layanan. Efisiensi yang tidak diikuti kepuasan menandakan ada aspek pengalaman yang terabaikan.
Frekuensi intervensi manual mencatat seberapa sering agent perlu mengoreksi maupun mengambil alih penanganan. Angka tinggi mengindikasikan sistem belum siap beroperasi pada cakupan tersebut.
Kesimpulan
Agentic AI menghadirkan kapabilitas yang secara nyata mengubah cara contact center beroperasi, terutama melalui kemampuannya menyelesaikan permintaan tanpa keterlibatan agent pada kasus rutin maupun multi-langkah. Use case seperti penyelesaian tiket otomatis, penjadwalan ulang, serta eskalasi cerdas memberikan dampak efisiensi yang terukur.
Manfaat tersebut hanya diperoleh apabila disertai penetapan batas kewenangan yang jelas. Pembatasan nilai finansial, akses data sensitif, keputusan bernilai tinggi, serta situasi emosional menjadi rambu yang menjaga sistem tetap beroperasi dalam koridor risiko yang dapat diterima perusahaan.
KPSG, dengan pengalaman lebih dari 35 tahun mengelola operasional contact center, membantu perusahaan menerapkan agentic AI dalam ekosistem CXaaS yang terintegrasi. Kami memastikan setiap penerapan teknologi disertai tata kelola yang memadai, sehingga efisiensi tercapai tanpa mengorbankan kendali maupun kepercayaan customer.
Tertarik mengetahui bagaimana solusi CXaaS dan BPaaS dapat membantu bisnis meningkatkan efisiensi dan kualitas layanan pelanggan? Hubungi kami di sini. Tonton pembahasan dan insight menarik lainnya seputar customer experience, teknologi, dan transformasi bisnis di sini.
FAQ (Pertanyaan yang Sering Diajukan)
Bagaimana cara kerja agentic AI di contact center?
Agentic AI bekerja melalui empat tahapan, meliputi pemahaman tujuan customer, penyusunan rencana tindakan, eksekusi melalui integrasi sistem, serta verifikasi hasil sebelum percakapan diakhiri.
Use case apa yang paling sesuai untuk agentic AI?
Use case paling relevan mencakup penyelesaian tiket berulang, penjadwalan ulang layanan, penanganan pertanyaan status kompleks, eskalasi cerdas kepada agent, serta tindak lanjut proaktif kepada customer.
Mengapa batas kewenangan perlu ditetapkan?
Batas kewenangan mencegah sistem mengambil keputusan yang melampaui toleransi risiko perusahaan, terutama pada tindakan berdampak finansial, perubahan data sensitif, maupun keputusan berimplikasi hukum.
Apa prasyarat utama sebelum menerapkan agentic AI?
Prasyaratnya meliputi integrasi sistem melalui API, kualitas data yang memadai, dokumentasi proses yang jelas, kebijakan tata kelola AI, serta kesiapan tim operasional menghadapi perubahan peran.
Bagaimana mengukur keberhasilan penerapan agentic AI?
Indikator utamanya meliputi tingkat penyelesaian tanpa eskalasi, akurasi tindakan, durasi penanganan, tingkat kepuasan customer, serta frekuensi intervensi manual oleh agent.
