Conversational AI dan CX Digital: Pelajaran dari Diggia

Di lintasan MotoGP, Fabio Di Giannantonio dikenal bukan hanya karena kecepatannya, tetapi juga karena caranya membaca situasi: kapan harus menunggu, kapan harus menyalip, dan kapan cukup menjaga ritme. Pendekatan yang tenang namun adaptif ini adalah metafora yang relevan untuk perusahaan yang ingin membangun conversational AI demi meningkatkan customer experience digital.

Banyak brand berlomba-lomba mengadopsi chatbot dan AI, tetapi pelanggan tetap merasa percakapan mereka "kaku", penuh skrip, dan jauh dari konteks. Sama seperti pembalap yang hanya mengandalkan data tanpa feeling, implementasi conversational AI yang salah justru bisa memperburuk pengalaman pelanggan.

Artikel ini membahas bagaimana perusahaan Indonesia – dari bank, fintech, e-commerce hingga perusahaan layanan publik – bisa merancang conversational AI yang lebih manusiawi, responsif, dan terukur, dengan inspirasi dari cara Diggia menghadapi balapan: fokus pada ritme, konsistensi, dan komunikasi yang tepat waktu.

Apa Itu Conversational AI dalam Konteks Bisnis Indonesia

Conversational AI adalah teknologi yang memungkinkan mesin memahami, memproses, dan merespons percakapan manusia dalam berbagai kanal digital: chat, suara, hingga pesan teks. Dalam konteks perusahaan Indonesia, biasanya ini berbentuk:

• Chatbot di WhatsApp, website, dan aplikasi mobile
• Voice bot untuk call center (IVR cerdas)
• Asisten virtual di kanal omnichannel (menggabungkan SMS, WhatsApp, webchat, media sosial)

Jika diibaratkan tim MotoGP, conversational AI adalah kombinasi antara pembalap, insinyur data, dan race engineer yang bekerja sama menjawab tiga pertanyaan penting pelanggan:

1. Apa yang terjadi? (status order, pembayaran, tiket support)
2. Apa yang harus saya lakukan? (langkah selanjutnya, konfirmasi data, pilihan produk)
3. Siapa yang bisa membantu jika ini di luar standar? (escalation ke agent manusia)

Perbedaan utama antara chatbot generik dan conversational AI yang matang adalah kemampuan memahami konteks, mengingat riwayat, dan merespons secara konsisten di berbagai kanal messaging – bukan hanya menjawab FAQ statis.

Fabio Di Giannantonio: Bukan Soal Kecepatan Saja, Tapi Ritme

Namanya mungkin belum sepopuler juara dunia, tetapi Fabio Di Giannantonio (sering dipanggil Diggia) punya karakter yang menarik sebagai analogi CX digital:

• Dia bukan tipe pembalap yang nekat menyalip di setiap tikungan – dia memilih membangun ritme, menjaga konsistensi lap demi lap.
• Dia dan timnya banyak mengandalkan data telemetry untuk memahami perilaku ban, mesin, dan cuaca – lalu mengubah strategi sepanjang balapan.
• Dia sering menekankan pentingnya komunikasi dua arah dengan tim box melalui radio: umpan balik real-time untuk menyesuaikan setting motor.

Cara Diggia membalap mengajarkan tiga prinsip yang dapat diterjemahkan ke dalam desain conversational AI:

1. Ritme, bukan hanya respons cepat
   Pelanggan bukan sekadar butuh jawaban instan, tapi alur percakapan yang konsisten dan bisa diprediksi di setiap kanal – dari SMS Masking hingga WhatsApp.
2. Data sebagai panduan, bukan belenggu
   Conversational AI perlu belajar dari data interaksi pelanggan, tetapi tetap memberi ruang fleksibilitas untuk pertanyaan di luar skenario standar.
3. Komunikasi dua arah yang jujur
   Seperti radio di pitwall, pelanggan harus bisa memberikan umpan balik dengan mudah dan sistem harus mampu mengaku ketika tidak paham, lalu mengalihkan ke agent manusia.

Mengapa Conversational AI Menjadi Kunci Customer Experience Digital

Dalam tiga tahun terakhir, perilaku konsumen Indonesia bergeser signifikan:

• Pelanggan terbiasa belanja via WhatsApp dan pesan singkat, bukan hanya aplikasi.
• Ekspektasi respons bergeser dari "jam kerja" menjadi 24/7.
• Customer journey menjadi multi-kanal: mulai dari iklan Instagram, chat WhatsApp, SMS OTP, hingga voice call follow-up.

Di tengah kompleksitas ini, conversational AI menawarkan tiga nilai utama:

1. Skala Respons Tanpa Mengorbankan Kualitas

Untuk perusahaan dengan jutaan pelanggan, mustahil semua percakapan dilakukan oleh manusia. Conversational AI dapat menangani:

• Pertanyaan berulang (jam operasional, status pengiriman, cara bayar)
• Proses transaksional (top-up, bayar tagihan, perubahan paket)
• Notifikasi dan proactive messaging melalui WhatsApp API atau SMS bisnis

Agent manusia tetap penting, tetapi difokuskan pada kasus kompleks dan berisiko tinggi.

2. Konsistensi Pengalaman di Berbagai Kanal

Tanpa conversational AI yang terintegrasi, pelanggan kerap mengalami:

• Percakapan terputus antara chat, email, dan telepon
• Pengulangan data ("silakan sebutkan nomor pelanggan lagi")
• Pesan promosi yang tidak relevan dengan histori interaksi

Dengan pendekatan omnichannel, conversational AI dapat:

• Menyatukan konteks percakapan lintas kanal
• Mencatat preferensi kanal pelanggan (WhatsApp vs SMS vs voice)
• Menyesuaikan nada bahasa berdasarkan segmen dan histori interaksi

3. Data Percakapan Menjadi Sumber Insight Bisnis

Jika di paddock MotoGP, data telemetry membantu tim menyempurnakan set-up motor, di dunia CX digital, data chat membantu perusahaan memahami:

• Pertanyaan apa yang paling sering muncul sebelum pelanggan upgrade paket
• Bagian mana dari journey onboarding yang paling membingungkan
• Kata kunci apa yang sensitif untuk segmen tertentu (misalnya terkait biaya atau bunga)

Conversational AI yang baik bukan hanya menjawab, tetapi juga belajar terus menerus dari data.

Pondasi Teknologi Conversational AI yang Siap Produksi

Banyak percakapan soal AI berhenti di level konsep. Untuk implementasi nyata di perusahaan Indonesia, ada beberapa komponen teknis yang perlu diperhatikan:

1. NLP (Natural Language Processing) Berbahasa Indonesia

Bahasa sehari-hari pelanggan berbeda dengan bahasa buku. Mereka menulis:

• Singkatan: "gmn ya", "tp blm masuk"
• Campuran bahasa: "limit CC aku ke-block gara2 apa ya?"
• Emotikon dan kata tidak baku

Engine NLP harus mampu:

• Memahami Bahasa Indonesia informal dan bahasa daerah tertentu
• Mengklasifikasi maksud (intent) dengan toleransi salah ketik
• Menangani multi-bahasa (Indonesia + sedikit Inggris)

2. Integrasi dengan Kanal Messaging Utama

Conversational AI baru bermanfaat jika hadir di kanal yang digunakan pelanggan. Paling tidak, tiga kanal ini perlu diprioritaskan:

1. WhatsApp Business API
   Sebagai kanal percakapan utama di Indonesia, integrasi dengan WhatsApp Official API memungkinkan:

• Chatbot melayani pertanyaan 24/7
• Pengiriman notifikasi transaksi dan promosi yang ter-personalisasi
• Escalation mulus ke agent manusia di jam kerja

2. SMS Masking
   Masih relevan untuk notifikasi kritikal dan jangkauan luas, terutama:

• OTP dan verifikasi masuk
• Pengingat jatuh tempo, tagihan, janji temu
• Fallback jika pelanggan tidak aktif di WhatsApp

Penyedia seperti SMSMasking.id menyediakan gateway SMS lokal direct yang terhubung ke operator Indonesia, memastikan deliverability tinggi.

3. Omnichannel Platform
   Alih-alih membangun integrasi terpisah per kanal, perusahaan dapat memanfaatkan platform omnichannel messaging untuk:

• Mengelola WhatsApp, SMS, dan kanal lain dalam satu dashboard
• Menyatukan percakapan dan log pelanggan
• Men-deliver skenario chatbot yang sama lintas kanal

3. Orkestrasi Dialog dan Integrasi Backend

Tanpa integrasi ke sistem backend (CRM, core banking, OMS, billing), chatbot hanya akan menjadi FAQ canggih. Orkestrasi dialog harus mampu:

• Menarik data pelanggan secara real-time dengan aman
• Melakukan tindakan (update alamat, ubah paket, reset PIN) sesuai otorisasi
• Merekam log percakapan kembali ke sistem analitik

Arsitektur ideal: conversational AI sebagai layer di atas API backend, bukan mengakses database langsung.

Mendesain Conversational AI yang Manusiawi: Belajar dari Gaya Diggia

Diggia sering menekankan pentingnya merasakan cengkeraman ban di awal lap sebelum memaksakan kecepatan. Bagi perusahaan, ini bisa diterjemahkan sebagai:

1. Mulai dari Use Case Kritis, Bukan Semua Hal Sekaligus

Alih-alih mencoba menjawab semua pertanyaan, fokus pada beberapa use case prioritas yang berdampak besar ke CX dan biaya:

• Onboarding pelanggan baru (registrasi, aktivasi, verifikasi)
• Status transaksi & pengiriman
• Pembayaran & penagihan
• Bantuan dasar (reset password, lupa PIN, cara pakai)

Untuk setiap use case, rancang alur percakapan end-to-end: dari pesan masuk, verifikasi identitas bila perlu, hingga konfirmasi tindakan melalui SMS atau WhatsApp.

2. Nada Bahasa: Konsisten, Ringkas, dan Empatik

Conversational AI yang baik memiliki "suara" yang konsisten. Pertimbangkan:

• Persona: formal, semi-formal, atau santai? (sesuaikan dengan brand)
• Struktur kalimat: pendek, to the point, hindari istilah teknis berlebihan
• Empati: akui masalah pelanggan sebelum menawarkan solusi ("Maaf, transaksi Anda tertunda. Saya cek dulu ya." )

Tambahkan opsi "Bicara dengan Agent" yang mudah ditemukan, terutama setelah dua atau tiga percobaan gagal.

3. Ritme Interaksi: Jangan Banjiri Pelanggan dengan Pesan

Layaknya balapan, mengirim terlalu banyak pesan promosi bisa dianggap "overbraking" yang mengganggu ritme pelanggan. Atur:

• Frekuensi notifikasi (harian, mingguan, bulanan)
• Jam kirim (hindari jam tidur atau jam ibadah)
• Relevansi (hanya kirim promosi yang relevan dengan histori pelanggan)

Platform seperti SMSMasking.id memungkinkan pengaturan jadwal dan segmentasi sehingga WhatsApp API dan SMS Anda terasa seperti team radio yang membantu, bukan mengganggu.

Studi Kasus Konseptual: Bank Digital dan Ritme Percakapan

Bayangkan sebuah bank digital Indonesia yang ingin menurunkan beban call center, meningkatkan NPS, dan mempercepat onboarding. Mereka merancang strategi conversational AI dengan tiga lap utama:

Lap 1: Onboarding dan Verifikasi

• Pelanggan mengisi form di website atau aplikasi.
• Sistem mengirim OTP via SMS Masking melalui gateway langsung operator untuk verifikasi nomor.
• Setelah verifikasi, chatbot WhatsApp menyapa dan menawarkan bantuan mengisi data tambahan.
• Jika pelanggan berhenti di tengah jalan, sistem mengirim pengingat halus via WhatsApp, bukan spam.

Lap 2: Layanan Harian dan Edukasi Finansial

• Chatbot menjawab pertanyaan saldo, mutasi, dan batas kartu kredit secara instan.
• Pelanggan yang sering menanyakan topik investasi dipicu untuk menerima konten edukasi via WhatsApp dengan persetujuan.
• Semua percakapan terekam di platform omnichannel, sehingga agent manusia yang melanjutkan percakapan punya konteks penuh.

Lap 3: Penanganan Insiden dan Kegagalan Transaksi

• Jika terjadi gangguan sistem pembayaran, bank mengirim notifikasi proaktif via SMS dan WhatsApp, mengakui masalah sebelum pelanggan mengeluh.
• Conversational AI menawarkan opsi: "mau cek status transaksi terakhir? balas 1".
• Bagi pelanggan yang marah atau frustasi (dikenali dari kata kunci tertentu), sistem langsung mengalihkan ke agent manusia.

Hasil hipotetis dalam 6–12 bulan:

• Beban call center menurun 20–35%
• CSAT/Net Promoter Score naik karena respons lebih cepat dan konsisten
• Completion rate onboarding naik karena proses menjadi multi-kanal dan terarah

Metode Implementasi Bertahap: Dari Shakedown Test ke Race Weekend

Tim MotoGP tidak langsung turun balapan dengan motor baru; mereka melakukan shakedown, tes privat, dan FP1/FP2. Pendekatan serupa bisa diterapkan untuk conversational AI:

1. Discovery dan Pemilihan Use Case

• Kumpulkan 500–1.000 sampel percakapan pelanggan (chat, email, call logs).
• Kelompokkan ke dalam kategori: informasi, transaksi, komplain, edukasi.
• Pilih 2–3 kategori dengan volume tertinggi dan risiko rendah sebagai fase pertama.

2. Rapid Prototyping di Satu Kanal

• Bangun prototipe chatbot di kanal WhatsApp Official API menggunakan partner seperti SMSMasking.id.
• Gunakan dialog sederhana namun jelas, dengan fallback ke agent manusia.
• Batasi jam operasi awal, misalnya jam kerja, sebelum menerapkan 24/7.

3. Pengukuran dan Fine-Tuning

• Monitor metrik: waktu respons, resolution rate tanpa agent, CSAT, eskalasi ke agent.
• Kumpulkan contoh kalimat yang membuat chatbot bingung; latih ulang model NLP.
• Perbaiki nada bahasa, panjang kalimat, dan alur pertanyaan.

4. Ekspansi ke Kanal dan Use Case Lain

• Integrasikan SMS Masking sebagai kanal notifikasi dan fallback.
• Tambah alur untuk proses penagihan, cross-sell yang relevan, dan edukasi produk.
• Pindahkan orkestrasi ke platform omnichannel untuk mengelola semua kanal dalam satu arsitektur.

Menangani Risiko: Bias AI, Keamanan, dan Regulasi

Seperti halnya motor yang terlalu agresif bisa berujung crash, implementasi conversational AI yang gegabah bisa menimbulkan risiko:

1. Keamanan Data dan Privasi

• Batasi jenis data sensitif yang boleh disebut di chat (misalnya, jangan pernah menuliskan PIN lengkap).
• Gunakan enkripsi end-to-end di kanal seperti WhatsApp Official, dan jaga standar keamanan untuk SMS dan sistem backend.
• Patuhi regulasi lokal: POJK, UU ITE, dan aturan perlindungan data yang berlaku.

2. Kepatuhan Messaging (WhatsApp dan SMS)

• Gunakan WhatsApp Business API resmi untuk menjamin kepatuhan template pesan dan opt-in.
• Kelola frekuensi dan isi SMS promosi agar tidak dikategorikan spam oleh operator.
• Sediakan opsi berhenti berlangganan (opt-out) yang jelas di setiap kampanye.

3. Bias dan Ketidaktepatan Jawaban

• Jangan bergantung 100% pada model generatif; gunakan guardrails dan skenario terstruktur untuk transaksi kritis.
• Lakukan audit berkala terhadap contoh percakapan untuk mengidentifikasi jawaban yang berpotensi menyesatkan.
• Latih tim CS untuk memahami kapan perlu mengoreksi atau memperbarui skrip AI.

Peran Mitra Teknologi: Kapan Harus Build, Kapan Harus Buy

Tidak semua perusahaan perlu membangun engine conversational AI sendiri. Keputusan build vs buy mirip dengan pilihan tim balap antara merakit mesin sendiri atau menggunakan paket pabrikan:

• Build cocok untuk perusahaan dengan tim teknologi kuat, ingin diferensiasi tinggi, dan siap investasi jangka panjang.
• Buy/Partner cocok untuk perusahaan yang ingin time-to-market cepat dengan risiko teknis minimal.

Platform seperti SMSMasking.id menyediakan:

• Infrastruktur WhatsApp Official API dan SMS Masking direct operator yang sudah siap produksi
• Fitur omnichannel untuk menyatukan berbagai kanal percakapan
• Integrasi chatbot dan AI yang dapat disesuaikan dengan kebutuhan bisnis

Pola umum di Indonesia: perusahaan memulai dengan solusi partner, lalu secara bertahap membangun kapabilitas internal untuk domain yang sangat spesifik (misalnya scoring risiko, rekomendasi produk) di atas fondasi tersebut.

Menuju Era Customer Experience yang Lebih Dewasa

Fabio Di Giannantonio menunjukkan bahwa tidak perlu selalu menjadi nama paling besar untuk tampil mengesankan; yang penting adalah konsistensi, kemampuan membaca situasi, dan kerja sama tim. Hal yang sama berlaku untuk brand dalam membangun pengalaman pelanggan digital.

Conversational AI bukan tentang mengganti manusia sepenuhnya, tetapi tentang:

• Memberi pelanggan jalur komunikasi yang cepat dan mudah
• Memastikan nada dan kualitas layanan konsisten di semua kanal
• Memanfaatkan data percakapan untuk memperbaiki bisnis secara menyeluruh

Di tengah persaingan yang kian ketat, brand yang mampu menggabungkan ketajaman data, empati percakapan, dan orkestrasi omnichannel messaging yang rapi akan berada di posisi terbaik untuk memenangi "balapan" jangka panjang di benak pelanggan.

Dan seperti Diggia yang menemukan ritmenya di kelas para raksasa, perusahaan Anda pun bisa membangun customer experience digital yang matang – dengan conversational AI sebagai salah satu mesin penggerak utama, dan fondasi messaging yang andal melalui mitra seperti SMSMasking.id.