Artikel ini adalah bagian dari edisi khusus VentureBeat, “AI dalam Skala Besar: Dari Visi hingga Viabilitas.” Baca lebih lanjut dari edisi khusus ini di sini.
Artikel ini adalah bagian dari edisi khusus VentureBeat, “AI dalam Skala Besar: Dari Visi hingga Viabilitas.” Baca lebih lanjut dari masalah ini di sini.
Tujuh atau delapan bulan yang lalu, ketika pelanggan menelepon atau mengirim email ke Baca Systems dengan pertanyaan layanan, agen manusia yang menangani pertanyaan tersebut akan mulai mencari kasus serupa di sistem dan menganalisis dokumen teknis.
Proses ini memakan waktu sekitar lima hingga tujuh menit; kemudian agen dapat memberikan “tanggapan pertama yang bermakna” dan akhirnya memulai pemecahan masalah.
Namun sekarang, dengan agen AI yang didukung oleh Salesforce, waktu tersebut telah dipersingkat menjadi hanya lima hingga 10 detik.
“Itu besar [reduction],” Andrew Russo, arsitek perusahaan di Baca Systems, mengatakan kepada VentureBeat. Beliau menekankan bahwa, “bagi kami, ini bukan tentang bagaimana kita menghilangkan jumlah pegawai, mengurangi jumlah staf. Sasaran kami adalah, bagaimana kami memastikan pelanggan kembali aktif dan berjalan secepat mungkin?”
Menutup kesenjangan waktu, memberikan waktu penyelesaian yang lebih cepat
BACA Systems, sebuah perusahaan manufaktur robotika yang berbasis di Michigan, pertama kali mengimplementasikan Salesforce pada tahun 2014, dan akhirnya menambahkan Service Cloud untuk menggantikan “vanilla, atau mungkin lebih seperti es krim stroberi, cloud layanan dasar,” jelas Russo. Perusahaan kemudian melakukan “transformasi digital raksasa” pada tahun 2021, menghadirkan platform perencanaan sumber daya perusahaan (ERP) Salesforce.
Anggota tim segera mulai bekerja dengan AI prediktif untuk perkiraan penjualan dan manufaktur; kemudian perusahaan tersebut berevolusi menjadi agen AI, menerapkan Agentforce Salesforce dalam setahun terakhir.
Kasus penggunaan kunci awal adalah panggilan layanan. Russo menjelaskan bahwa sekitar 57% pertanyaan yang masuk dari pelanggan berkaitan dengan perangkat keras (misalnya, mesin terjatuh atau memerlukan kalibrasi).
Kini, daripada harus menyaring database panggilan pelanggan sebelumnya dan kasus serupa, perwakilan manusia dapat meminta agen AI untuk menemukan informasi yang relevan. AI berjalan di latar belakang dan memungkinkan manusia untuk segera merespons, kata Russo.
AI juga dapat mendukung pemeliharaan preventif. Misalnya, pemutus arus mungkin terus menerus tersandung, yang menunjukkan bahwa ada hubungan pendek pada kabel yang harus diselidiki, jelas Russo. Hal ini dapat membantu menghilangkan permasalahan yang sedang berlangsung dan belum terselesaikan di masa lalu.
“Ini semua tentang bagaimana kami memberikan waktu penyelesaian yang lebih cepat bagi pelanggan,” kata Russo.
Agen AI menghasilkan prospek penjualan, menangani pertanyaan pelanggan
Kasus penggunaan penting lainnya adalah penjualan, karena sebagai perusahaan kecil, Baca tentu saja tidak memiliki ratusan atau bahkan puluhan tenaga penjualan (bahkan mereka memiliki kurang dari 10 orang).
“Kami memiliki banyak sekali petunjuk yang belum sempat kami hubungi,” kata Russo. “Tujuan kami adalah: Bagaimana kami mulai melibatkan mereka?”
AI dapat berfungsi sebagai perwakilan pengembangan penjualan (SDR) untuk mengirimkan pertanyaan umum dan email, melakukan dialog bolak-balik, kemudian meneruskan prospek ke anggota tim penjualan, jelas Russo. Mendatangkan tenaga penjualan tambahan untuk menangani tugas-tugas tersebut akan membutuhkan gaji puluhan ribu dolar, namun jika AI dapat mengembangkan kesepakatan baru, biaya di mukanya “sangat mudah untuk dibenarkan.”
Dalam beberapa bulan mendatang, perusahaan berencana untuk mengerahkan agen layanan langsung yang dapat berinteraksi dengan pengguna manusia melalui pesan teks untuk membuka dan menangani kasus tanpa perlu campur tangan manusia terlebih dahulu. Jika agen AI tidak mampu memecahkan masalah, maka masalah tersebut akan diteruskan ke perwakilan manusia.
Tujuannya adalah, “Bagaimana kita dapat terus memberikan nilai lebih kepada pelanggan di sisi layanan dan menciptakan lebih banyak kesepakatan di sisi penjualan?” Russo mencatat.
Di luar penjualan dan layanan, Baca menggunakan AI untuk menghasilkan email, membuat piutang, dan membuat “surat penagihan yang sangat tegas” bila diperlukan. Russo, pada bagiannya, menggunakan teknologi untuk pemeriksaan deduplikasi bagian, memanfaatkan retrieval-augmented generation (RAG) dengan pembuat cepat untuk mendeteksi duplikat guna mencegah data buruk dipindahkan ke Salesforce.
Dia melaporkan bahwa tidak ada penolakan sama sekali dari karyawan: Perusahaan ini memulai dari skala kecil, awalnya memberikan akses kepada sekelompok pengguna tertentu. Yang lain kemudian dengan cepat mulai bertanya. “Mereka sebenarnya mulai mengemis [us] untuk memberi mereka akses,” kata Russo. “Tidak ada yang takut akan hal itu; mereka suka menggunakannya karena membantu pekerjaan mereka menjadi lebih baik.”
Perusahaan ini mempertahankan pendekatan yang disengaja dan bertahap seiring dengan semakin banyaknya penggunaan AI agar tetap gesit. “Tujuan kami tidak berubah, yang penting hanyalah bagaimana kami mencapainya dan jalan yang kami ambil,” kata Russo. “Ini adalah jalan yang berbeda, ini adalah jalan yang lebih baik – ini adalah jalan raya.”
AI memberikan penghematan untuk ezCater
Katering perusahaan lebih rumit dari yang terlihat. Mungkin terdapat perubahan dalam jumlah karyawan, preferensi makanan dan pembatasan makanan, serta tantangan logistik lainnya.
ezCater terus berkembang dalam bidang ini, dan seiring dengan itu, tingkat layanan sentuhan tinggi yang diperlukan untuk memenuhi kebutuhan pelanggan mungkin sulit untuk ditingkatkan tanpa penggunaan teknologi, kata Erin DeCesare, CTO platform katering tempat kerja, kepada VentureBeat.
Namun begitu perusahaan menerapkan Agentforce Salesforce, pelanggan yang perlu mengubah pesanan akan dapat mengomunikasikan kebutuhan mereka dengan AI dalam bahasa alami, dan agen AI akan secara otomatis melakukan penyesuaian. Ketika masalah yang lebih kompleks muncul – seperti konfigurasi ulang pesanan atau perubahan tempat secara menyeluruh – agen AI akan segera membawa masalah tersebut ke pihak manusia.
“Ini merupakan penghematan biaya yang sangat besar bagi kami,” kata DeCesare.
Kasus penggunaan lain yang dimaksudkan adalah “penemuan restoran” — yaitu, agen AI akan dapat memandu pengguna ke tempat terbaik berdasarkan masukan tentang preferensi makanan, anggaran, lokasi, dan faktor lainnya. Hal ini akan didukung oleh data dari jutaan pesanan makanan di tempat kerja. “Inilah keunggulan NLP dan AI,” kata DeCesare.
ezCater pada awalnya menggabungkan agen AI untuk membantu agen pramutamu, dan agen manusia menyukainya, lapornya. “Kami memberi mereka alat untuk menjadi lebih baik, dan mampu menangani lebih banyak panggilan.”
Ada juga pergeseran dalam tingkat kenyamanan para insinyur, karena mereka mampu memahami agen secara lebih struktural. “Mereka dapat menguji dan memercayai dengan cara yang terasa seperti pengembangan perangkat lunak,” kata DeCesare. “Ini lebih seperti apa yang mereka harapkan dalam siklus pengembangan perangkat lunak.”
Mitra bisnis juga tertarik dengan kemungkinan tugas seperti analisis bisnis atau peta proses. “Teknologi ini menjadi sangat mudah diakses dalam enam bulan terakhir,” kata DeCesare. “Anda dapat dengan mudah melihat bagaimana hal ini akan dengan cepat menjadi sebuah norma. Kita akan berada di dunia yang sangat berbeda 12 bulan dari sekarang.”
