- Asisten suara AI mengubah ucapan menjadi teks, menafsirkan maksud, mengambil info, dan merespons melalui text-to-speech.
- Teknologi utama termasuk ASR, NLP, RAG, dan integrasi API untuk menjalankan tugas dan percakapan dinamis.
- Bot suara menawarkan kecepatan, aksesibilitas, personalisasi, dan antarmuka hands-free di seluruh industri.
- Kasus penggunaan mencakup perawatan kesehatan, perbankan, dukungan pelanggan, dan ritel, yang meningkatkan efisiensi dan pengalaman pengguna.
Saya harus mengubah ChatGPT suara kepada pria Inggris yang kesal. Saya takut jika suaranya terlalu ramah, saya akan jatuh cinta padanya.
Seperti orang itu. Dalam film itu.
Mari kita bicara tentang asisten suara.
Siri dulunya menjadi bahan tertawaan. Namun, saat kita sibuk bertanya kepada Siri cara menyembunyikan tubuh, AI suara diam-diam merambah ke seluruh sudut pasar. Pada tahun 2025, 67% organisasi menganggap AI suara sebagai inti bisnis mereka .
Organisasi-organisasi tersebut menyadari bahwa agen AI lebih baik dalam kemampuan berbicara.
Oh, dan film yang saya rujuk? Tidak jauh beda. Akuisisi Open AI baru-baru ini terhadap io diharapkan dengan tujuan membangun asisten suara yang non-invasif dan selalu waspada.
Kau tahu, seorang teman kecil di telingamu setiap saat.
Jadi di sinilah kita: Alexa lebih dikenal sebagai produk daripada nama seseorang, CEO perusahaan AI mengambil foto pertunangan bersama, dan dua pertiga bisnis telah menyimpan tanggalnya .
Dan jika kau tidak menguasainya, maka saudariku, kau tertinggal .
Yang dapat dimengerti. Teknologi ini misterius, dan tidak banyak orang yang menjelaskan cara kerjanya . Namun, coba tebak siapa yang memiliki dua jempol dan gelar sarjana dalam teknologi wicara?
(Anda tidak dapat melihatnya, tapi saya mengacungkan jempol saya.)
(...Anda tahu siapa lagi yang tidak bisa melihat? Asisten suara.)
(Saya ngelantur.)
Saya menulis artikel ini untuk memberi Anda informasi terkini. Kita akan membahas Asisten Suara AI: cara kerjanya, apa yang dapat Anda lakukan dengannya, dan alasan mengapa banyak perusahaan memilih untuk mengintegrasikannya ke dalam operasi mereka.
Apa itu Asisten Suara AI?
Asisten suara AI adalah perangkat lunak bertenaga AI yang memproses masukan ucapan, memahaminya, menjalankan tugas, dan memberikan respons kepada pengguna. Asisten ini digunakan di berbagai industri dan kasus penggunaan, menambahkan sentuhan pribadi pada manajemen tugas dan dukungan pelanggan.
Bagaimana Asisten Suara AI Bekerja?
Asisten suara AI merupakan orkestrasi kompleks dari teknologi AI . Dalam beberapa detik antara menangkap masukan ucapan pengguna dan menghasilkan respons, sejumlah proses dipicu untuk memberikan interaksi yang lancar.
Pengenalan Ucapan Otomatis (ASR)
Pengenalan ucapan otomatis terkadang disebut ucapan ke teks, karena memang begitulah adanya.
Saat pengguna berbicara ke perangkat mereka, baik itu telepon, asisten rumah, atau dasbor mobil, ucapan mereka diubah menjadi teks. Untuk melakukan ini, jaringan saraf dalam dilatih untuk memprediksi transkripsi klip audio .
Setelah berlatih pada 1.000-an jam data ucapan di jutaan klip berbeda yang melibatkan berbagai penutur, aksen, dan kondisi kebisingan, model AI ini menjadi cukup baik dalam mentranskripsi.
Dan itu penting– langkah pertama dalam sistem berlapis-lapis haruslah kuat.
Pemrosesan Bahasa Alami (NLP)
Setelah masukan ucapan ditranskripsi, model beralih ke penafsiran.
NLP adalah konsep umum untuk semua teknik yang digunakan untuk mengurai pertanyaan pengguna (sebagai teks yang ditranskripsi) menjadi unit yang dimaksudkan dan bermakna.
Pengenalan Maksud
Teks tidak terstruktur, dan tugas untuk mencari makna bukanlah hal yang mudah. Ambil beberapa kueri berikut:
- “Jadwalkan panggilan dengan Aniqa pada hari Selasa pukul 1.”
- “Bisakah kamu memainkan peran Cher?”
- “Apa yang cocok dengan keju kambing?”
Asisten AI akan memiliki serangkaian maksud yang terbatas. Untuk bot kami, maksud tersebut akan mencakup:
- pemesanan janji temu
- memutar media
- mungkin mencari di web , dan
- ngobrol santai
Pengenalan maksud bertanggung jawab untuk mengklasifikasikan setiap pertanyaan pengguna ke dalam salah satu kategori ini.
Jadi, termasuk yang manakah masing-masing contoh kita?
“Jadwalkan panggilan telepon…” diutarakan sebagai perintah. Relatif mudah. “Bisakah Anda…?” diutarakan sebagai pertanyaan. Namun, ini juga perintah, seperti pertanyaan sebelumnya. Dalam kedua kasus, Anda secara intuitif memahami tindakan yang diinginkan, tetapi tidak mudah untuk memformalkannya.
“Apa yang cocok dengan…?” adalah sederhana–semacam itu.
Kita tahu jawaban seperti apa yang kita inginkan: makanan. Namun, tidak terlalu jelas dari mana jawaban itu seharusnya berasal.
Haruskah ia mencari di web? Jika ya, berapa banyak respons yang harus diberikan? Hasil pertama tidak akan terlalu menyeluruh, tetapi memberikan banyak respons dapat memperumit tugas yang sederhana.
Di sisi lain, mungkin ia dapat menggali dari pengetahuan internalnya saja– tetapi kita sudah terlalu jauh melampaui diri kita sendiri.
Inti sarinya adalah: pilihannya tidak selalu sederhana, dan kompleksitas tugas ini lebih banyak berkaitan dengan desain– atau kepribadian– bot daripada dengan permintaan pengguna.
Pengenalan Entitas Bernama
Selain mengetahui tugas mana yang harus dilakukan, bot perlu mengenali informasi yang diberikan.
Pengenalan entitas bernama berkaitan dengan pengambilan unit yang bermakna – atau entitas bernama – dari teks yang tidak terstruktur . Misalnya, mengidentifikasi nama orang, artis musik, atau tanggal dalam kueri pengguna.
Mari kita lihat lagi pertanyaan pertama:
- “Jadwalkan panggilan dengan Aniqa pada hari Selasa pukul 1.”
Aniqa adalah seorang manusia, dan dari kueri tersebut tersirat bahwa pengguna mengenalnya . Itu membuatnya–kemungkinan besar– menjadi kontak.
Dalam kasus ini, “kontak” akan diprogram sebelumnya sebagai suatu entitas, dan bot akan memiliki akses ke kontak pengguna.
Ini berlaku untuk waktu, lokasi, dan informasi penting lainnya yang mungkin tersembunyi dalam permintaan pengguna.
Mengambil Informasi
Setelah memahami apa yang Anda inginkan, asisten suara harus mencari informasi yang relevan untuk membantunya merespons. Bot yang bagus akan dilengkapi dengan serangkaian ekstensi lengkap untuk membantu memenuhi kebutuhan Anda.
Kami telah membahas tentang pengetahuan internal sebelumnya. Saya yakin Anda pernah terpesona pada suatu titik oleh model bahasa yang besar ( LLM ) dan pengetahuan mereka yang luas. Dan itu mengesankan, tetapi seiring dengan semakin terspesialisasinya pertanyaan Anda, celah mulai terlihat.
Generasi Pengambilan-Penambahan (RAG)
Asisten yang baik memiliki akses ke sumber pengetahuan eksternal – ia tidak hanya bergantung pada pengetahuan yang diperolehnya selama pelatihan . RAG mengondisikan respons AI berdasarkan pengetahuan tersebut.
Pengetahuan, dalam hal ini, mengacu pada dokumen, tabel, gambar, atau pada dasarnya apa pun yang dapat diproses secara digital.
Ia mencari melalui dokumentasi, menarik item yang paling relevan dengan pertanyaan pengguna dan menggunakannya untuk menginformasikan respons model .
- Kadang-kadang hal ini dilakukan untuk mempertajam informasi LLMs , seperti menjadikannya sebagai referensi literatur akademis saat melakukan penelitian.
- Di waktu lain, ini tentang memberikan akses ke informasi yang tidak dimiliki model , seperti data pelanggan.
Apa pun kasusnya, ia mempunyai keuntungan tambahan karena mengutip sumbernya, membuat tanggapan lebih dapat diandalkan dan dapat diverifikasi.
API dan Integrasi
Dengan cara yang sama seperti sebuah LLM dapat berinteraksi dengan informasi eksternal, API dan integrasi memungkinkannya untuk berinteraksi dengan teknologi eksternal.
Ingin memesan janji temu Google Meets melalui Calendly untuk menindaklanjuti prospek HubSpot yang dievaluasi dengan pengayaan Clearbit? Kecuali Anda membuat kalender, teknologi konferensi video, CRM, dan alat analitik (yang sangat tidak disarankan), Anda perlu 🔌mengintegrasikannya⚡️.
Alat pihak ketiga ini biasanya memiliki API yang mengekspos operasi sehingga operasi tersebut dapat dilakukan oleh teknologi otomatis lainnya– seperti agen Anda.
Integrasi membuat bot lebih mudah berinteraksi dengan teknologi pihak ketiga. Bot ini dibangun di atas API, yang mencakup hal-hal yang tidak penting sehingga Anda dapat menghubungkan agen dengan sedikit kerja.
Respons dan Text-to-Speech (TTS)
Jadi, masukan pengguna telah ditranskripsi, maksud mereka diurai, informasi relevan diambil, dan tugas telah dieksekusi.
Sekarang saatnya untuk menanggapi.
Baik itu menjawab pertanyaan pengguna atau mengonfirmasi bahwa pengguna telah melakukan tugas yang diminta, bot suara hampir selalu memberikan respons.
Teks ke Ucapan (TTS)
Setara dan berlawanan dengan pengenalan suara adalah sintesis suara, atau teks-ke-suara .
Ini adalah model yang juga dilatih pada pasangan ucapan-teks, yang sering kali dikondisikan pada pembicara, intonasi, dan emosi untuk menyampaikan ucapan seperti manusia.
TTS menutup lingkaran yang dimulai dan diakhiri dengan ucapan manusia(-oid).
Manfaat Asisten Suara
Lapisan suara di atas fungsionalitas AI meningkatkan pengalaman secara menyeluruh. Tentu, ini bersifat personal dan intuitif, tetapi juga memiliki keuntungan di sisi bisnis.
Suara Lebih Cepat dari Teks
Dengan menjamurnya chatbot, pengguna sudah terbiasa dengan respons yang cepat. Dengan asisten AI suara, kami juga berhasil meningkatkan waktu input.
Agen AI suara mencegah kita merumuskan kalimat yang tepat. Sebagai gantinya, Anda dapat mengucapkannya secara spontan, dan biarkan bot memahaminya.
Hal yang sama berlaku untuk tanggapan. Saya akan menjadi orang pertama yang mengakui bahwa membaca bisa jadi membosankan– tetapi tidak menjadi masalah jika tanggapan tersebut diceritakan kepada Anda.
Respons 24/7
Kecepatan yang lain lagi. Dengan orang-orang yang bekerja dari jarak jauh, dan transaksi bisnis yang terjadi lintas benua, mustahil untuk memperhitungkan semua zona waktu dan jam kerja yang perlu Anda lalui.
Interaksi lisan harus tersedia untuk semua orang, bukan hanya pelanggan yang memiliki jam kerja tertentu. Dan dengan asisten AI suara, hal itu bisa menjadi kenyataan.
Interaksi yang Lebih Personal
Berbicara bukan hanya tentang kata-kata. Memiliki bot suara menciptakan pengalaman yang lebih personal yang menanamkan rasa percaya diri pada pengguna. Ditambah dengan kualitas chatbot AI yang mirip manusia, lapisan suara menciptakan koneksi yang lebih kuat.
Integrasi yang mudah
Fakta bahwa asisten suara bersifat hands-free berarti mereka juga bebas UI. Mereka tidak memerlukan layar, atau penggunaan mata Anda– itulah sebabnya mereka sangat populer di mobil.
Bahkan, mikrofon dapat diintegrasikan di mana saja yang memungkinkan mikrofon dihubungkan. Itu standar yang sangat rendah untuk dipenuhi, bukan hanya karena mikrofon sangat kecil, tetapi karena mikrofon sudah ada di mana-mana: komputer, telepon pintar, dan bahkan telepon rumah.
Sebutkan teknologi canggih lainnya yang dapat diakses melalui telepon putar.
Lebih Mudah Diakses
"Hands-free" bukan hanya soal kenyamanan. Bagi orang-orang dengan beragam kebutuhan, ini bisa jadi suatu keharusan.
Asisten suara tersedia bagi orang-orang dengan keragaman mobilitas, penglihatan, dan literasi yang mungkin kesulitan dengan antarmuka AI tradisional.
Kasus Penggunaan Voice Bot di Berbagai Industri
Jadi, Anda tertarik dengan robot suara. Bagus. Namun, bagaimana cara menggunakannya?
Nah, kabar baiknya adalah hampir setiap industri dapat ditingkatkan dengan AI suara.
Kesehatan
Prosedur perawatan kesehatan terkenal membosankan. Dan ada alasannya: pekerjaan ini berisiko tinggi, dan harus dilakukan dengan benar. Bidang ini membutuhkan otomatisasi AI, asalkan dapat diandalkan dan efektif.
Kita sudah melihat penerapan AI dalam perawatan kesehatan , dan suara menambahkan banyak peluang baru untuk ditingkatkan.
Contoh yang bagus adalah kuesioner medis: informasi pribadi, riwayat medis, dll.
Itu memang membosankan. Tapi itu penting.
Peningkatan dalam kecepatan dan produktivitas meringankan beban kerja profesional perawatan kesehatan yang kewalahan, dan alur percakapan seperti manusia memecah kebosanan dalam menjawab pertanyaan demi pertanyaan.
Aksesibilitas diperhitungkan, dan berdasarkan jaringan yang kuat dan berlapis-lapis yang telah kita bahas sebelumnya, saya dapat meyakinkan Anda bahwa teknologinya dapat diandalkan.
Perbankan
Berbicara mengenai taruhan tinggi dan membosankan.
Hal-hal seperti memeriksa saldo rekening dan memperbarui informasi adalah transaksi yang relatif sederhana, tetapi memiliki beberapa lapisan perlindungan untuk mengurangi kesalahan dan penipuan.
Agen suara NatWest menangani transaksi rutin, membebaskan agen manusia untuk menghabiskan lebih banyak waktu pada interaksi yang sensitif atau kompleks, meningkatkan kepuasan pelanggan hingga 150% tanpa mengorbankan keamanan.
Dukungan Pelanggan
Mengenai topik otomatisasi panggilan rutin, SuperTOBI milik Vodafone, asisten AI suara, telah meningkatkan skor promotor bersih (NPS) mereka dari 14 menjadi 64 .
Hal ini karena interaksi layanan pelanggan bersifat repetitif, dan pertanyaan pelanggan dijawab secara sama, baik oleh seseorang maupun agen. Pendekatan ini tidak mengabaikan kasus-kasus yang bersifat khusus– kasus-kasus tersebut diserahkan kepada agen manusia.
Pengecer
Saya agak merindukan saat-saat berbicara dengan seorang penjual.
Masalahnya, mereka terlalu sibuk untuk memahami katalog dan kebijakan toko, belum lagi waktu yang dibutuhkan untuk menangani setiap klien individu.
Hadirlah asisten penjualan suara seperti MyLow milik Lowe: seorang rekanan penjualan virtual dengan informasi tentang rincian produk, inventaris, dan kebijakan.
LLMs 'pengetahuan umum benar-benar bersinar di sini: selain memberikan informasi khusus Lowe, ia menggunakan pengetahuan desain interior untuk memberi saran kepada pelanggan tentang dekorasi rumah.
Beberapa pelanggan masih mencari interaksi manusia. Untungnya, MyLow juga tersedia untuk staf penjualan. Karyawan dapat memperoleh informasi yang mereka butuhkan dari MyLow dan membantu pelanggan sendiri.
Mulai Menawarkan Asisten Suara AI
Asisten AI suara adalah pilihan yang tepat. Efisiensi dan kepribadian, tanpa mengorbankan sisi kemanusiaan– ini adalah solusi yang menguntungkan semua pihak.
Botpress menawarkan pembangun drag-and-drop yang dapat disesuaikan, pengawasan manusia dalam lingkaran, sejumlah integrasi pra-pembuatan, dan yang terpenting, pembungkus suara yang berada secara mulus di atas agen Anda.
Bot kami bersih dan intuitif, tetapi sama sekali tidak mendasar.
Mulai membangun hari ini. Gratis.
Hal-hal yang sering ditanyakan
Seberapa akuratkah asisten suara AI dalam memahami berbagai aksen atau gangguan bicara?
Asisten suara AI semakin akurat dengan aksen yang beragam, berkat pelatihan pada kumpulan data global, tetapi akurasinya masih menurun untuk aksen regional yang kuat, pengucapan yang tidak biasa, atau gangguan bicara. Beberapa sistem seperti Google dan Microsoft menawarkan model khusus aksen, tetapi pengguna dengan tantangan bicara yang signifikan mungkin mengalami tingkat kesalahan yang lebih tinggi dan memerlukan penyetelan khusus atau solusi khusus.
Dapatkah asisten suara AI bekerja secara offline atau apakah selalu membutuhkan koneksi internet?
Asisten suara AI dapat bekerja secara offline jika menggunakan pengenalan suara dan model bahasa di perangkat, tetapi ini biasanya membatasinya pada tugas-tugas yang lebih sederhana dan tidak ada akses data eksternal secara real-time. Sebagian besar asisten yang paling canggih mengandalkan internet untuk pemrosesan berbasis cloud dan pencarian informasi terkini.
Seberapa amankah data yang dibagikan dengan asisten suara AI, terutama untuk industri yang sensitif seperti perawatan kesehatan dan perbankan?
Data yang dibagikan dengan asisten suara AI di industri sensitif seperti perawatan kesehatan dan perbankan diamankan melalui enkripsi dan kepatuhan terhadap peraturan seperti HIPAA, GDPR, atau PCI DSS. Namun, perusahaan harus hati-hati memilih vendor dengan sertifikasi keamanan yang kuat dan harus menghindari pengiriman informasi yang dapat diidentifikasi secara pribadi.
Apakah mahal untuk menambahkan antarmuka suara ke chatbot yang sudah ada?
Menambahkan antarmuka suara ke chatbot yang sudah ada dapat berkisar dari yang relatif murah (menggunakan API cloud seperti Google Text-to-Speech atau pembungkus suara Botpress ) hingga yang lebih mahal jika memerlukan pengembangan khusus atau integrasi ke dalam sistem berpemilik. Banyak platform sekarang menawarkan integrasi suara sebagai fitur, mengurangi biaya hingga beberapa ratus dollars per bulan untuk penggunaan sedang, tetapi penerapan skala besar dengan suara khusus atau kebutuhan keamanan dapat mencapai tingkat harga perusahaan hingga puluhan ribu dollars.
Seberapa cepat bisnis dapat menerapkan asisten suara AI dari awal?
Bisnis dapat menggunakan asisten suara AI dasar hanya dalam beberapa jam menggunakan platform tanpa kode atau templat yang sudah dibuat sebelumnya, terutama untuk tugas-tugas sederhana seperti FAQ atau merutekan panggilan. Asisten suara yang lebih kompleks yang terintegrasi dengan sistem backend dan mendukung dialog alami biasanya membutuhkan waktu beberapa minggu hingga beberapa bulan untuk pengembangan.
.png)
