Apa yang dimaksud dengan chatbot? Chatbot adalah perangkat lunak yang dapat melakukan percakapan layaknya manusia dengan pengguna. Seorang pengguna dapat berbicara dengannya atau mengirim pesan melalui aplikasi obrolan, dan ia akan merespons sebagaimana mestinya dengan berbicara, mengetik sesuatu, atau menampilkan sesuatu secara grafis. Kasus penggunaan utama untuk chatbots saat ini adalah dalam dukungan pelanggan di mana mereka digunakan untuk menjawab pertanyaan sederhana dan berulang dan mengeskalasi pertanyaan yang lebih kompleks kepada agen manusia.
Meskipun ada beberapa masalah yang harus diselesaikan sebelum digunakan secara luas untuk pemberdayaan pelanggan (di luar Amazon Alexa yang memesan produk dan beberapa contoh lainnya), antarmuka percakapan sedang diadopsi dengan cepat untuk fungsi dukungan pelanggan.
Dari sudut pandang bisnis, proyek chatbot, seperti proyek lainnya, perlu dinilai dari segi risiko dan keuntungan.
Dalam tulisan ini, kami akan membahas tantangan implementasi chatbot yang mungkin terjadi dan cara menghindarinya.
Banyak risiko yang disoroti di sini dapat dihindari karena banyak masalah yang dihadapi oleh para pengguna awal yang sudah diketahui dengan baik.
Tidak dapat dipungkiri bahwa chatbots dan suara akan segera diadopsi secara luas untuk dukungan pelanggan karena ROI untuk chatbot dalam banyak kasus di atas 1.000% yang tidak hanya karena penghematan biaya, tetapi juga karena peningkatan keterlibatan dan kepuasan pelanggan serta peluang pendapatan yang dihasilkan dari hal tersebut.
Platform bot di luar sana telah matang sampai pada titik di mana hal ini sekarang menjadi buah yang menggantung untuk perusahaan. Tidak hanya chatbots akan digunakan secara luas untuk dukungan pelanggan, tetapi kasus penggunaan akan dengan cepat berkembang menjadi pemberdayaan pelanggan yang pada akhirnya akan mendominasi dukungan pelanggan sebagai kasus penggunaan utama.
Di luar hype
Sering kali sulit untuk mengevaluasi sebuah teknologi baru karena Anda tahu bahwa beberapa hype seputar produk tersebut hanyalah hype. Perusahaan teknologi membuat berbagai macam janji yang berani tentang apa yang akan terjadi ketika Anda mengimplementasikan teknologi mereka, tetapi tentu saja Anda tahu bahwa itu tidak semudah itu, tidak ada yang dijamin dan mereka tentu saja tidak menekankan sisi negatifnya. Hal yang sama berlaku untuk chatbots.
Chatbots telah melalui banyak tahap hype. Banyak dari hype ini berkaitan dengan melebih-lebihkan apa yang dapat dilakukan chatbots .
Memang benar bahwa ada beberapa terobosan nyata dalam AI terkait chatbot dalam beberapa tahun terakhir, bahwa terobosan ini perlu dipahami untuk mendapatkan gambaran yang benar tentang apa yang diharapkan dari chatbots.
Terobosan utama ada pada tiga teknologi utama, yaitu pemrosesan bahasa alami (NLP), pengenalan suara dalam skala besar (untuk asisten suara), dan generasi bahasa alami.
NLP memungkinkan chatbot untuk mengidentifikasi maksud umum di balik frasa bahasa alami yang berbeda yang memiliki arti yang sama. Misalnya "pesan penerbangan" atau "Saya ingin terbang ke Paris" memiliki maksud yang sama dengan "memesan penerbangan". Pengembang perangkat lunak dapat membuat kode apa yang harus dilakukan setelah maksud tersebut diidentifikasi.
Pengenalan suara menggunakan teknologi yang menerjemahkan kata-kata yang diucapkan menjadi teks. Meskipun pengenalan suara sudah ada sejak lama, hanya kemajuan dalam kinerja komputer dan kemampuan untuk mendelegasikan pekerjaan ke cloud yang memungkinkan sistem ini dapat mengidentifikasi jutaan kata karena algoritmanya sangat intensif.
Pembuatan bahasa alami mengambil satu set parameter dan menghasilkan kalimat yang benar secara tata bahasa dalam bahasa alami.
Semua teknologi ini sampai batas tertentu telah maju karena kemajuan yang cukup pesat dalam daya komputasi.
Hype yang paling ekstrem adalah bahwa chatbots akan segera menggantikan agen manusia sepenuhnya. Kenyataannya adalah bahwa chatbots bekerja dengan sangat baik dalam domain yang sempit di mana konteksnya terbatas dan berkinerja paling baik ketika menjawab satu pertanyaan yang tidak memiliki konteks.
Bukan berarti teknologi yang mendasarinya tidak kuat dan berguna. Memang benar. Itu tidak berarti bahwa chatbots tidak dapat menghasilkan laba atas investasi (ROI) yang besar. Mereka bisa.
Ini berarti, bagaimanapun juga, pengalaman chatbot harus dibuat dengan mempertimbangkan keterbatasan yang ada.
Kesalahan umum dari proyek chatbot
Tujuan yang salah
Ada banyak cara agar tujuan yang dipilih saat mengimplementasikan chatbot bisa salah. Ada banyak masalah dalam menetapkan tujuan, seperti memecahkan masalah yang tidak ada, misalnya menggunakan chatbot untuk melakukan sesuatu yang lebih baik dilakukan oleh antarmuka grafis.
Kesalahan terbesar yang bisa Anda lakukan adalah membeli hype dan mencoba menerapkan chatbot seperti manusia yang terlibat dalam percakapan dengan pelanggan hampir seperti manusia. Banyak perusahaan telah mencoba ini dan gagal. Mencoba membangun chatbot di luar cakupan hal-hal yang dilakukannya dengan sangat baik selalu menjadi masalah.
Pengalaman chatbot terbaik adalah pengalaman percakapan yang dipandu, bukan pengalaman percakapan terbuka. Perangkat lunak Botpress , misalnya, mendefinisikan jalur bahagia yang merupakan jalur terpandu yang dibutuhkan perangkat lunak untuk membuat pengguna tetap berada di jalur tersebut. Jika pengguna menyimpang dari jalur ini, perangkat lunak akan mencoba membawa mereka kembali ke jalur bahagia atau menawarkan mereka kesempatan untuk memulai jalur lain, tetapi tidak akan membiarkan mereka keluar dari jalur tersebut.
Masalah desain dan pengembangan yang buruk
Chatbot yang dirancang dengan buruk menyebabkan pengguna menggunakannya dengan cara yang tidak dimaksudkan. Hal ini jelas menyebabkan frustrasi dan memiliki berbagai dampak negatif.
Chatbots perlu dirancang secara konservatif, ruang lingkupnya perlu dibuat sangat jelas dan percakapan perlu dieskalasi ke manusia terlalu sering daripada tidak cukup sering (atau strategi yang setara perlu digunakan untuk kasus penggunaan yang dimaksud).
Tak perlu dikatakan lagi bahwa pengembang yang bekerja pada bot harus kompeten dan terbiasa dengan praktik terbaik di bidang ini.
Pendekatan teknologi yang salah
Chatbots yang ada saat ini merupakan perpaduan antara NLP dan pohon keputusan. NLP memungkinkan pengguna untuk mengajukan pertanyaan terbuka dalam domain yang sangat sempit dan pohon keputusan membawa pengguna melalui pohon keputusan (jalur bahagia) untuk menyelesaikan masalah atau menyelesaikan tugas. Seperti yang telah disebutkan di atas mengenai jalan memutar, ada ruang lingkup terbatas bagi pengguna untuk menyimpang dari jalur bahagia.
Adalah sebuah kesalahan untuk memilih pendekatan kotak hitam untuk percakapan. Solusi kotak hitam adalah solusi berbasis data di mana logika pada dasarnya disimpan dalam algoritme AI. Masalahnya adalah tidak ada yang tahu pasti apa yang akan dilakukan oleh solusi AI, sangat sulit untuk di-debug, tidak dapat diuji secara komprehensif, dan informasi baru dapat mengubah perilakunya.
Meskipun Botpress menggunakan beberapa teknologi ini, ia membatasi domain di mana AI "kotak hitam" ini dapat beroperasi pada lingkup sempit di sekitar jalur bahagia. Oleh karena itu, tujuan AI adalah untuk selalu membawa pengguna kembali ke jalur bahagia atau memungkinkan mereka untuk bertransisi ke jalur yang baru. Hal ini jauh lebih mudah untuk dipahami dan di-debug.
Saya harus menyebutkan bahwa AI "Kotak hitam" ini bekerja sangat baik dalam domain yang terbatas dan di mana ada sejumlah besar data yang relevan seputar tugas yang sedang dikerjakan. Inilah sebabnya mengapa AI dapat bermain game dengan sangat baik. Masalah dengan bahasa adalah bahwa bahasa memiliki dimensi yang tidak terbatas karena setiap pernyataan memiliki arti yang berbeda tergantung pada konteksnya, termasuk pernyataan yang telah dibuat sebelumnya dan informasi relevan lainnya yang harus diketahui oleh agen percakapan.
Menerapkan AI kotak hitam untuk percakapan menggunakan teknologi saat ini mirip dengan kesalahan saat mencoba menerapkan chatbot terbuka.
Selain itu, terlepas dari kekurangan yang disebutkan di atas, pendekatan kotak hitam semacam ini sangat intensif data dan oleh karena itu membutuhkan biaya yang besar untuk diimplementasikan. Dan fakta bahwa ini adalah kotak hitam berarti sangat sulit untuk beralih vendor yang berarti biaya peralihan yang sangat tinggi dan oleh karena itu terkunci.
Lebih baik menggunakan teknologi NLP dan pohon keputusan sederhana untuk membangun bot dan kemudian menggunakan AI dengan ruang lingkup terbatas untuk mengembalikan pengguna menyelesaikan tugas yang ada. Kami telah menemukan bahwa perusahaan-perusahaan sebenarnya terkejut dengan betapa mudahnya teknologi ini digunakan. Seorang pengembang yang kompeten dapat mempelajari cara membuat bot yang menggunakan NLP dan pohon keputusan hanya dalam beberapa jam.
Penting juga untuk memahami bahwa percakapan dengan chatbots tidak boleh meniru percakapan dengan manusia. Antarmuka grafis, misalnya, jauh lebih efisien untuk digunakan dalam banyak kasus daripada teks atau suara. Tombol opsi lebih cepat diklik daripada mengetik atau mengucapkan respons. Hal ini akan berlaku bahkan jika memungkinkan untuk membuat chatbot setingkat manusia. Kenyataan ini sering diabaikan dalam menggunakan kotak hitam atau pendekatan AI berbasis kata.
Platform yang salah
Masalah dalam memilih framework bot yang salah mungkin tidak langsung terlihat, tetapi akan terlihat jelas seiring berjalannya waktu.
Cara tercepat untuk membuat chatbot adalah dengan menggunakan platform seret dan lepas. Masalahnya adalah dalam banyak kasus, pengembang akan segera mengalami keterbatasan. Selain itu, pendekatan umum yang digunakan berarti bahwa apa yang seharusnya merupakan fitur sederhana diretas ke dalam sistem sehingga kikuk dan sulit bagi administrator untuk menggunakan bot.
Sisi lain dari spektrum ini adalah platform eksklusif berbasis kode yang memungkinkan pengembang untuk membuat kode bot dari awal. Masalah dengan pendekatan ini adalah dibutuhkan waktu yang sangat lama untuk membangun bot yang sederhana sekalipun.
Pendekatan terbaik adalah kerangka kerja yang menyediakan semua komponen yang diperlukan dan antarmuka visual, termasuk antarmuka seret dan lepas, di luar kotak, tetapi pada saat yang sama memungkinkan semua komponen dan antarmuka ini dapat dengan mudah disesuaikan untuk tugas yang sedang dikerjakan.
Hal ini sangat penting karena sponsor bot biasanya memfokuskan sebagian besar perhatian mereka pada bagaimana bot akan bekerja untuk pengguna akhir. Masalahnya adalah bahwa ada banyak komponen dan antarmuka lain yang penting bagi pengguna bot lainnya seperti administrator (yang ingin memantau analitik chatbot dan mengelola akses backend), kreator teknis dan non-teknis (yang ingin memodifikasi perilaku dan konten bot) dan agen manusia (yang merespons percakapan yang dieskalasi oleh bot).
Membangun komponen-komponen ini dari awal adalah latihan yang sangat memakan waktu. Tentu saja, kerangka kerja seret dan lepas yang sederhana memiliki versi yang sangat umum dan terbatas dari fungsionalitas ini dan tidak dapat dengan mudah dikustomisasi.
Kemampuan untuk menyesuaikan sangat penting untuk bot pengguna akhir itu sendiri, bahkan jika tidak terlihat jelas di awal. Misalnya, ketika membuat alur menggunakan pembuat alur seret dan lepas, mungkin ada beberapa tugas yang perlu diulang berulang kali dalam alur yang berbeda, seperti mengautentikasi pengguna dengan sistem perusahaan atau memproses pembayaran.
Kerangka kerja harus memungkinkan Anda untuk menambahkan komponen-komponen ini sebagai komponen visual ke pembangun alur sehingga pembuat konten yang tidak terlalu teknis dapat dengan mudah menambahkan fungsi-fungsi ini ke dalam proses.
Platform yang tidak mudah dikustomisasi akan menyulitkan pengguna non-teknis untuk menawarkan cara memperbarui konten karena metode untuk melakukannya perlu "diretas" ke dalam kerangka kerja. Kerangka kerja yang memungkinkan kustomisasi segala sesuatu harus memudahkan untuk membuat layar yang dibuat untuk tujuan tertentu bagi pengguna non-teknis yang mudah dan intuitif untuk digunakan.
Selain itu, juga sangat bermanfaat bagi pengembang Anda untuk memiliki akses ke kode sumber yang mendasari sistem. Hal ini akan membuat mereka lebih cepat memahami cara melakukan sesuatu dan memungkinkan mereka mengidentifikasi masalah dengan cepat jika muncul.
Sesuatu yang sangat penting untuk sebuah framework adalah kemampuan untuk mengontrol dan memigrasikan data Anda. Platform ini harus memungkinkan perusahaan untuk menggunakan bot di mana saja yang mereka inginkan, baik di cloud pribadi atau on-prem (di server internal).
ROI juga merupakan pertimbangan penting dalam hal platform. Platform harus memungkinkan untuk menggunakan kembali pekerjaan dari satu bot untuk bot lain, misalnya dengan membangun fungsionalitas untuk satu bot membuatnya lebih mudah untuk membangun bot berikutnya. Hal ini membuat penskalaan dari satu bot ke banyak bot menjadi lebih murah secara bertahap yang berdampak pada peningkatan ROI secara keseluruhan.
Salah satu contohnya adalah platform yang dirancang dengan buruk akan membuat Anda membuat bot baru untuk setiap bahasa baru yang Anda tambahkan, alih-alih memungkinkan Anda untuk menyediakan konten yang sama dalam bahasa yang berbeda. Bahkan tidak memisahkan desain alur dari konten membuat pengelolaan konten menjadi lebih sulit dan rentan terhadap kesalahan karena staf non-teknis perlu mengedit alur yang sebenarnya daripada sekadar memperbarui konten.
Memungkinkan admin dan pengguna backend lainnya untuk melakukan pekerjaan mereka dengan cara yang efisien dan mudah juga menghemat waktu dan mengurangi kesalahan sehingga meningkatkan ROI.
Penguncian Vendor
Penguncian vendor adalah masalah dalam beberapa hal.
Jika Anda terpaksa menggunakan teknologi mereka, misalnya platform tidak mengizinkan Anda menggunakan komponen pihak ketiga, Anda bertaruh bahwa semua komponen mereka akan menjadi yang terbaik di kelasnya selamanya. Jika tidak, Anda akan dipaksa untuk menggunakan teknologi yang sudah ketinggalan zaman sementara pasar lainnya terus berjalan atau mengalami peralihan yang sangat mahal.
Jika ada komponen yang hilang, atau jika Anda perlu mengubah cara kerja sesuatu, Anda harus mengandalkan mereka untuk melakukan pengembangan kustom yang tidak hanya menyebabkan penundaan tetapi juga bisa menjadi latihan yang mahal.
Terakhir, jika Anda adalah pelanggan tetap, mereka dapat menetapkan harga yang bisa sangat mahal. Mereka tahu bahwa biaya peralihan penuh bisa sangat tinggi, terutama jika mereka menyulitkan migrasi data dan kode ke platform lain.
Menggunakan sistem berpemilik dan bukan sistem terbuka membuat lock-in lebih mungkin terjadi dan biaya peralihan menjadi lebih tinggi. Selain itu, memilih pendekatan yang rumit untuk chatbots yang hanya dapat diimplementasikan oleh spesialis data berarti penguncian akan lebih sulit untuk dilepaskan dan biaya penguncian lebih tinggi.
Tidak melibatkan para pemangku kepentingan
Ini adalah kesalahan yang umum dan jelas untuk setiap proyek perangkat lunak yang memerlukan perubahan perilaku yang ada dan solusinya sudah diketahui dengan baik. Tentu saja, agen layanan pelanggan sangat penting dalam dunia bot karena mereka dapat merasa terancam oleh teknologi ini. Mereka perlu dilatih ulang untuk menawarkan serangkaian layanan yang melengkapi layanan yang ditawarkan bot, terutama untuk menawarkan layanan yang lebih dalam kepada pelanggan yang memiliki kebutuhan yang lebih kompleks yang tidak dapat diselesaikan oleh bot.
Mengabaikan ROI
Ada dua cara mengabaikan ROI dapat menyebabkan kegagalan. Yang pertama adalah bahwa tanpa angka ROI yang menarik, proyek tidak akan disponsori, bahkan jika ada sponsor untuk POC untuk membuktikan teknologinya. Yang kedua adalah para pemangku kepentingan dalam proyek menyadari bahwa tidak ada ROI setelah proyek berjalan.
Tidak ada alasan untuk tidak menghitung ROI yang diharapkan [menghitung ROI] di awal dan kemudian memperbarui angka ini ketika Anda mendapatkan lebih banyak informasi tentang kasus penggunaan dan konteksnya. Ada banyak kasus penggunaan yang memiliki ROI yang sangat tinggi sehingga menemukan kasus penggunaan seharusnya tidak sulit.
Tidak membangun bot secara bertahap
Tentu saja, banyak risiko di atas dapat dihindari dengan mengikuti pendekatan penerapan bot secara bertahap.
Sangat mudah untuk membangun solusi yang dapat diuji secara bertahap. Mulailah dengan satu kasus penggunaan POC dan arahkan beberapa pengguna akhir ke bot untuk menilai kinerjanya. Dengan cara ini, efektivitas solusi, termasuk respons pengguna, dapat diuji dan disempurnakan secara murah pada setiap langkah.
Tentu saja penting untuk memilih kasus penggunaan yang menantang asumsi yang paling "berisiko" ketika memilih kasus penggunaan untuk latihan ini sehingga asumsi yang paling tidak pasti dan kritis diuji di awal.
Banyak vendor yang ingin membuat Anda terlibat dalam pendekatan big bang di mana banyak pekerjaan dan upaya yang dilakukan di muka sebelum bot yang berfungsi, bahkan POC, disajikan kepada pengguna. Tidak hanya itu, vendor bersikeras bahwa hanya konsultan dengan harga tinggi yang dapat mengelola dan memantau bot untuk Anda. Ini seharusnya menjadi tanda bahaya besar.
Kesimpulan
Ada banyak pertimbangan yang perlu diingat saat membangun chatbot. Selama Anda menyadari risiko utama dan mengambil pendekatan bertahap untuk implementasi, Anda memiliki peluang besar untuk membangun chatbot yang sukses dan mencapai ROI fenomenal yang datang dengan melakukan hal itu.
Bagikan ini:
Buat chatbot AI pribadi Anda sendiri secara gratis
Mulailah membuat bot GPT yang dipersonalisasi dengan antarmuka seret & lepas yang intuitif.
Mulailah - gratis! 🤖Tidak diperlukan kartu kredit
Terus ikuti perkembangan terbaru tentang AI chatbots