JAKARTA, INDONESIA — Teknologi kecerdasan buatan berbasis suara atau voice AI terus berkembang dan menarik investasi besar. Berbagai perusahaan berlomba menciptakan asisten digital yang mampu berbicara secara alami, menjawab pertanyaan, mencatat rapat, hingga membantu menangani layanan pelanggan.
Namun, para eksekutif di industri tersebut menilai teknologi ini belum mencapai momen terobosan seperti ChatGPT ketika mulai menarik perhatian masyarakat luas. Tantangan utamanya bukan sekadar menghasilkan suara yang terdengar seperti manusia, melainkan membuat AI mampu memahami konteks, berpikir dengan cepat, dan memberikan jawaban yang dapat dipercaya.
Pandangan tersebut disampaikan Shawn Wen, Chief Technology Officer (CTO) perusahaan AI layanan pelanggan PolyAI, serta Alex Gay, Chief Marketing Officer (CMO) perusahaan pencatat rapat Otter, dalam diskusi di konferensi HumanX.
Mengapa Voice AI Belum Mencapai Momen ChatGPT?
Popularitas ChatGPT menunjukkan bagaimana teknologi AI dapat menjadi produk yang mudah digunakan dan dipahami oleh masyarakat umum. Sementara itu, meskipun sistem AI suara semakin realistis, pengalaman berbicara dengan mesin masih belum selalu terasa alami atau konsisten.
Menurut Wen, industri telah mencapai kemajuan penting melalui pengembangan model full-duplex. Teknologi ini memungkinkan AI mendengarkan dan berbicara secara bersamaan, sehingga percakapan tidak harus berlangsung dalam pola bergantian yang kaku.
Meski demikian, kemampuan tersebut baru merupakan satu bagian dari tantangan yang lebih besar. AI juga harus dapat memproses informasi, menyusun penalaran, dan memberikan respons dengan latensi rendah agar percakapan tidak terasa lambat.
Kecepatan Penalaran Menjadi Kunci
Dalam percakapan manusia, jeda yang terlalu panjang dapat membuat interaksi terasa canggung. Masalah serupa muncul ketika AI memerlukan waktu terlalu lama untuk mencari informasi atau menentukan jawaban.
Wen menilai tahap berikutnya dalam pengembangan voice AI adalah mempercepat proses penalaran dan pengambilan informasi. Dengan respons yang lebih cepat, sistem dapat mempertahankan alur percakapan dan memberikan pengalaman yang lebih meyakinkan kepada pengguna.
Bagi perusahaan yang mengembangkan layanan pelanggan otomatis, hal ini sangat penting. Pelanggan tidak hanya mengharapkan suara yang ramah, tetapi juga jawaban yang tepat dan penyelesaian masalah yang efektif.
PolyAI Ingin Membuat Layanan Pelanggan AI Lebih Alami
PolyAI mengembangkan teknologi suara AI untuk kebutuhan perusahaan, termasuk interaksi layanan pelanggan melalui telepon. Dalam penerapan seperti ini, kualitas suara saja tidak cukup untuk menentukan keberhasilan.
Sistem perlu memahami maksud penelepon, mengidentifikasi masalah, serta merespons dengan cara yang relevan. Jika percakapan terdengar alami tetapi tidak menghasilkan solusi, pengguna kemungkinan akan kehilangan kepercayaan.
Wen menilai kepercayaan pelanggan dapat tumbuh setelah beberapa putaran percakapan apabila sistem mampu menunjukkan bahwa ia benar-benar memahami kebutuhan mereka dan dapat menyelesaikan persoalan.
Kepercayaan Pengguna Tidak Bisa Dibangun dari Suara Saja
Asisten suara yang baik perlu menggabungkan respons cepat, pemahaman konteks, dan kemampuan menangani masalah secara konsisten. Pengguna juga harus mengetahui kapan mereka sedang berinteraksi dengan AI, bukan manusia.
Bagi perusahaan, otomatisasi layanan pelanggan berpotensi membantu menangani permintaan rutin dan meningkatkan efisiensi. Namun, sistem tetap harus mampu mengenali situasi yang membutuhkan bantuan manusia, terutama ketika masalah bersifat kompleks atau sensitif.
Otter Menilai Akurasi Transkripsi Masih Menjadi Tantangan
Alex Gay dari Otter menyoroti aspek lain dalam pengembangan AI suara, yakni pengenalan pembicara, pemahaman maksud percakapan, serta kemampuan menghubungkan hasil rapat dengan pengetahuan dan informasi organisasi.
Otter dikenal melalui teknologi pencatatan dan transkripsi rapat. Perusahaan tersebut memandang transkripsi bukan sebagai tujuan akhir, melainkan sebagai fondasi bagi berbagai fitur produktivitas yang dapat dibangun di atasnya.
Jika transkrip awal mengandung kesalahan, ringkasan, daftar tugas, dan tindakan lanjutan yang dihasilkan AI juga berisiko tidak akurat.
Kesalahan Kecil Bisa Menurunkan Kepercayaan
Teknologi automatic speech recognition (ASR) bertugas mengubah ucapan menjadi teks. Sistem ini dapat mengalami kesulitan mengenali istilah khusus, nama, aksen, atau kata-kata yang diucapkan dalam situasi percakapan yang kompleks.
Kesalahan tersebut dapat menimbulkan dampak berantai. Misalnya, jika AI salah menangkap instruksi dalam rapat, sistem mungkin menyusun ringkasan yang keliru atau memberikan tugas kepada orang yang salah.
Karena itu, peningkatan akurasi pengenalan suara menjadi prioritas penting. Semakin banyak proses bisnis yang diserahkan kepada AI, semakin besar pula dampak kesalahan pada tahap awal pemrosesan informasi.
Digital Twin dan AI dalam Rapat Kerja
Otter juga mengeksplorasi konsep digital twin, yakni representasi digital seseorang yang dapat digunakan dalam konteks tertentu, termasuk interaksi dan rapat.
Gay menilai teknologi semacam ini harus mampu mempertahankan unsur komunikasi yang membuat percakapan manusia bernilai, seperti kemampuan berdiskusi, berdebat, dan membangun hubungan profesional.
Jika avatar digital hanya dapat menjawab pertanyaan secara mekanis, pengalaman yang dihasilkan tidak akan jauh berbeda dari chatbot biasa.
AI Harus Memahami Konteks dan Dinamika Percakapan
Percakapan di tempat kerja tidak selalu berupa pertanyaan dan jawaban singkat. Diskusi strategis membutuhkan kemampuan menangkap maksud tersirat, memahami tanggapan peserta lain, dan mempertahankan konteks dari awal hingga akhir pembicaraan.
Untuk membuat digital twin yang berguna, perusahaan perlu mengembangkan kemampuan komunikasi yang lebih kaya. Namun, penerapannya juga memunculkan pertanyaan tentang izin penggunaan identitas, representasi suara, dan transparansi kepada peserta rapat.
Transparansi Menjadi Syarat Penting Penggunaan Voice AI
Selain masalah teknis, penggunaan AI suara juga membawa tantangan terkait privasi dan kepercayaan. Orang yang berbicara melalui telepon atau mengikuti rapat perlu mengetahui apakah percakapan mereka direkam atau diproses oleh sistem AI.
Otter menyatakan pentingnya memberi tahu peserta ketika rapat direkam. PolyAI juga menekankan perlunya menjelaskan kepada pelanggan bahwa mereka sedang berbicara dengan agen AI dalam layanan perusahaan.
Pemberitahuan dan Pengawasan Manusia
Pemberitahuan yang jelas dapat membantu pengguna memahami bagaimana suara dan percakapan mereka diproses. Perusahaan juga perlu menetapkan kebijakan tentang penyimpanan rekaman, akses terhadap transkrip, serta penggunaan data untuk meningkatkan sistem.
Transparansi tidak hanya berkaitan dengan kepatuhan terhadap aturan. Hal ini juga menentukan apakah pengguna bersedia mengandalkan AI untuk percakapan yang penting.
Masa Depan Voice AI Masih Bergantung pada Keandalan
Kemajuan model suara membuka peluang penggunaan AI dalam layanan pelanggan, pencatatan rapat, dikte, dan berbagai aktivitas profesional. Namun, agar teknologi tersebut digunakan secara luas, perusahaan perlu melampaui kemampuan meniru suara manusia.
AI harus mampu memahami bahasa secara lebih akurat, merespons dengan cepat, menjaga konteks, serta menjelaskan dengan transparan ketika interaksi melibatkan sistem otomatis.
Pandangan para eksekutif PolyAI dan Otter memperlihatkan bahwa terobosan berikutnya mungkin tidak ditentukan oleh suara yang paling realistis, melainkan oleh sistem yang benar-benar dapat membantu menyelesaikan pekerjaan.
Dengan kata lain, voice AI masih berada dalam tahap pengembangan menuju pengalaman yang lebih alami dan dapat dipercaya. Momen terobosannya akan bergantung pada kemampuan teknologi tersebut mengubah percakapan menjadi hasil nyata, bukan sekadar terdengar seperti manusia.
Comment