Glosarium
Glosarium Agen AI & CX
Kuasai istilah-istilah agen AI enterprise. Lebih dari 100 definisi seputar SLA AI, resolusi otonom, kepatuhan, deployment, dan otomatisasi CX.
A
- ActionsActions memungkinkan agen AI Maven membaca dan menulis data di sistem bisnis selama percakapan, seperti mengecek pesanan, memproses refund, dan membuat kasus.
- Agen AIAgen AI memahami konteks, menalar informasi, dan mengambil tindakan secara otonom untuk mencapai tujuan. Berbeda dengan chatbot yang mengikuti skrip, agen AI memecahkan masalah secara dinamis dengan memanfaatkan tools dan pengetahuan.
- Agent AssistAgent assist memberikan saran real-time, pencarian pengetahuan, dan draf respons otomatis kepada agen manusia selama interaksi langsung. Agent assist mengurangi handle time sekaligus meningkatkan akurasi dan konsistensi respons.
- Agent DesignerAgent Designer adalah ruang kerja no-code dari Maven AGI untuk mengonfigurasi, menguji, menganalisis, dan menyempurnakan agen AI enterprise dalam satu tempat.
- Agent MavenAgent Maven adalah agen AI enterprise dari Maven AGI. Agent Maven memahami maksud, menalar setiap permintaan, dan mengambil tindakan yang aman di chat, email, dan suara.
- Agentic AIAgentic AI mengambil tindakan secara mandiri untuk mencapai tujuan, bukan sekadar menghasilkan respons teks. Dalam layanan pelanggan, agentic AI menyelesaikan masalah secara end-to-end dengan mengakses sistem, menjalankan alur kerja, dan memverifikasi hasilnya.
- Agentic AI untuk Dukungan PelangganAgentic AI untuk dukungan pelanggan menggunakan sistem AI otonom untuk memahami maksud pelanggan, menalar berbagai skenario, dan menuntaskan resolusi tanpa campur tangan manusia…
- Agentic DeterminismAgentic Determinism berarti platform menentukan data, tindakan, dan batasan yang berlaku sebelum agen AI Maven bernalar, bukan setelah ia merespons.
- AI CopilotAI copilot bekerja berdampingan dengan agen manusia, menyarankan respons, menampilkan pengetahuan yang relevan, dan mengotomatiskan tugas berulang secara real time. Copilot membantu agen merespons lebih cepat tanpa menggantikan penilaian manusia.
- AI Dukungan EnterpriseAI dukungan enterprise memenuhi persyaratan keamanan, kepatuhan, dan skala organisasi besar. Platform kelas enterprise mencakup sertifikasi SOC 2, HIPAA, dan PCI, serta SSO dan akses berbasis peran.
- AI EmbeddingsAI embeddings mengubah teks menjadi vektor numerik yang menangkap makna semantik. Kualitas embedding secara langsung menentukan seberapa baik AI mengambil konten knowledge base yang relevan untuk pertanyaan pelanggan.
- AI GroundingAI grounding menghubungkan language model ke sumber data enterprise yang terverifikasi melalui RAG, menghilangkan halusinasi, dan menciptakan sistem yang andal dan spesifik untuk bisnis…
- AI GuardrailsAI guardrails menetapkan batasan atas apa yang boleh diucapkan dan dilakukan agen AI dalam interaksi pelanggan. Guardrails mencegah respons di luar topik, tindakan tanpa otorisasi, dan output yang merusak citra merek di lingkungan produksi.
- AI Help DeskAI help desk memanfaatkan kecerdasan buatan untuk menyelesaikan tiket dukungan, mengategorikan masalah, dan merutekan kasus yang kompleks. AI help desk mengurangi penumpukan tiket dengan menangani pertanyaan berulang yang sudah terdokumentasi dengan baik secara otomatis.
- AI Knowledge BaseAI knowledge base memberikan jawaban yang tepat dari artikel bantuan, dokumentasi, dan wiki internal menggunakan AI. Knowledge base bertenaga AI memahami pertanyaan secara semantik, bukan mengandalkan pencocokan kata kunci.
- AI Live ChatAI live chat memberikan dukungan pelanggan secara real-time melalui antarmuka pesan di situs web dan aplikasi. Chat berbasis AI memberikan respons instan dengan nada percakapan yang alami dan akurat.
- AI ObservabilityAI observability memberikan visibilitas real-time tentang bagaimana agen AI bekerja, mengalami kegagalan, dan berkembang dari waktu ke waktu. Sistem AI yang observable terus menampilkan metrik akurasi, latensi, pola error, dan sinyal kepuasan.
- AI OrchestrationAI orchestration mengoordinasikan berbagai agen AI, model, dan sistem untuk menjalankan alur kerja kompleks secara mulus, dengan perutean tugas dan tata kelola yang andal.
- AI untuk Dukungan AsuransiAI untuk asuransi mengotomatiskan penerimaan klaim, pertanyaan pertanggungan, dan pengelolaan polis sambil memenuhi standar kepatuhan. Perusahaan asuransi menggunakan AI untuk mempersingkat waktu pemrosesan klaim dan meningkatkan pengalaman pemegang polis.
- AI untuk Dukungan E-commerceAI untuk e-commerce mengotomatiskan pelacakan pesanan, pemrosesan retur, dan pertanyaan produk dalam skala besar. Peritel online menggunakan agen AI untuk menangani dukungan bervolume tinggi dan berulang selama event promo dan musim liburan.
- AI untuk Dukungan FinTechAI untuk FinTech menangani pertanyaan transaksi, manajemen akun, dan peringatan penipuan dengan tetap mematuhi regulasi. Perusahaan FinTech memanfaatkan AI untuk memberikan dukungan instan tanpa mengorbankan keamanan data.
- AI untuk Dukungan Layanan KesehatanAI untuk layanan kesehatan menghadirkan dukungan pasien secara instan dengan tetap mematuhi HIPAA. Organisasi layanan kesehatan menggunakan agen AI untuk penjadwalan janji temu, pertanyaan tagihan, dan navigasi perawatan.
- AI untuk Dukungan MarketplaceAI untuk marketplace menangani interaksi pembeli dan penjual secara bersamaan sambil menegakkan kebijakan platform. Dukungan dua sisi membutuhkan AI yang memahami kedua perspektif dalam setiap transaksi.
- AI untuk Dukungan PelangganAI dukungan pelanggan menggunakan kecerdasan buatan untuk menyelesaikan permintaan, membantu agen manusia, dan menghadirkan insight operasional. AI dukungan modern menjalankan tindakan nyata di dalam sistem bisnis, jauh melampaui kemampuan chatbot.
- AI untuk Dukungan PendidikanAI untuk pendidikan menangani pertanyaan pendaftaran, tagihan, dan dukungan IT bagi siswa dan orang tua dalam skala besar. Penyelenggara pendidikan memanfaatkan AI untuk mengelola lonjakan pendaftaran musiman tanpa tenaga kerja sementara.
- AI untuk Dukungan PerbankanAI untuk perbankan mengotomatiskan pertanyaan akun, peringatan penipuan, dan penyelesaian sengketa dengan tetap mematuhi regulasi. Bank memanfaatkan dukungan AI untuk memangkas handle time dan biaya per interaksi secara signifikan.
- AI untuk Dukungan PerjalananAI untuk industri perjalanan mengelola reservasi, pembatalan, dan pemulihan gangguan secara real-time. Perusahaan perjalanan menggunakan AI untuk menangani lonjakan permintaan saat cuaca buruk dan musim pemesanan puncak.
- AI untuk Dukungan Real EstateAI untuk real estate menangani pertanyaan properti, pengelolaan sewa, dan komunikasi penyewa di seluruh portofolio. Perusahaan PropTech menggunakan AI untuk memberikan respons instan atas pertanyaan properti bervolume tinggi.
- AI untuk Dukungan SaaSAI untuk SaaS menangani pertanyaan produk, troubleshooting, dan pengelolaan akun dengan menggunakan dokumentasi produk sebagai basis pengetahuannya. Perusahaan SaaS menggunakan AI untuk menskalakan dukungan seiring pertumbuhan pengguna tanpa penambahan staf yang sebanding.
- AI untuk Dukungan TelekomunikasiAI untuk telekomunikasi mengotomatiskan sengketa tagihan, perubahan paket, dan troubleshooting perangkat dalam skala besar. Penyedia telekomunikasi menangani jutaan pertanyaan rutin setiap bulan, sehingga otomatisasi AI memberikan dampak yang sangat besar.
- Alternatif IntercomAlternatif Intercom menawarkan beragam pendekatan dukungan pelanggan, mulai dari resolusi berbasis AI hingga messaging tradisional. Platform AI-native berfokus menyelesaikan masalah secara otonom, bukan meneruskannya ke agen manusia.
- Alternatif ZendeskAlternatif Zendesk beragam, mulai dari platform resolusi berbasis AI hingga help desk ringan. Organisasi yang mengevaluasi alternatif umumnya memprioritaskan kemampuan AI, kedalaman integrasi, dan total biaya kepemilikan.
- Alur Kerja AgentikAlur kerja agentik memungkinkan agen AI merencanakan, mengeksekusi, dan memverifikasi tugas multi-langkah secara mandiri. Misalnya, alur kerja agentik dapat memeriksa status pesanan, memproses refund, dan mengirim konfirmasi tanpa campur tangan manusia.
- App StudioApp Studio adalah platform developer Maven AGI untuk membangun, menguji, dan men-deploy Maven Apps kustom dengan Maven TypeScript SDK.
- Ask MavenAsk Maven memungkinkan tim mengajukan pertanyaan dalam bahasa sehari-hari tentang performa agen AI mereka dan langsung mendapatkan grafik serta ringkasan, tanpa perlu menulis query.
- Audit Trail AIAudit trail AI mencatat setiap keputusan, tindakan, dan akses data yang dilakukan agen AI untuk keperluan kepatuhan dan akuntabilitas. Industri yang teregulasi mewajibkan audit trail untuk membuktikan bahwa AI beroperasi dalam batas parameter yang telah disetujui.
- Average Handle Time (AHT)AHT mengukur rata-rata waktu yang dihabiskan untuk setiap interaksi dukungan pelanggan dari awal hingga selesai. AI menurunkan AHT dengan memberi agen akses instan ke pengetahuan dan mengotomatiskan langkah-langkah berulang dalam percakapan.
- Average Wait TimeAverage wait time mengukur berapa lama pelanggan menunggu sebelum terhubung dengan tim dukungan, sebagai tolok ukur penting… Selengkapnya tentang Average Wait Time di Maven…
B
- BPO (Business Process Outsourcing)BPO adalah praktik menyerahkan operasional dukungan pelanggan kepada penyedia layanan eksternal. AI mengubah ekonomi BPO dengan mengotomatiskan interaksi rutin, sementara agen BPO menangani eskalasi yang kompleks.
- Build vs Buy (Agen AI)Keputusan membangun sendiri atau membeli agen AI bergantung pada keahlian ML tim Anda, tenggat waktu, dan kapasitas pemeliharaan. Sebagian besar enterprise mendapati bahwa membeli mempercepat time-to-value, sementara membangun sendiri memberikan kendali jangka panjang yang lebih besar.
C
- CapabilitiesCapabilities adalah tempat tim Maven membangun, menguji, dan mengelola apa yang dapat dilakukan agen AI mereka: Actions, Triggers, dan Intelligent Fields.
- Chain of Thought ReasoningChain of thought reasoning memungkinkan AI memecah masalah kompleks menjadi langkah-langkah logis sebelum menjawab. Pendekatan ini meningkatkan akurasi dalam menangani masalah pelanggan multi-langkah seperti sengketa tagihan dan perubahan akun.
- Charter TemplatesCharter Templates adalah titik awal siap pakai untuk Maven Charters yang umum digunakan, seperti fondasi brand, penanganan eskalasi, dan perilaku suara.
- ChartersCharters adalah playbook berbahasa alami yang memberi tahu agen AI Maven cara berperilaku, apa yang boleh digunakan, dan apa yang boleh dilakukan di setiap situasi pelanggan.
- Charters untuk Kebijakan Pengembalian KetatStrict Return Charters menampilkan respons tetap yang telah disetujui sebelumnya, kata demi kata, untuk jawaban seperti pernyataan hukum yang harus selalu persis sama.
- Chatbot AI vs Agen AIChatbot AI menangani pertanyaan sederhana dengan respons yang sudah ditentukan, sedangkan agen AI menyelesaikan masalah kompleks dengan bernalar dan mengambil tindakan. Agen mengakses sistem backend, menjalankan alur kerja, dan menjaga konteks secara penuh.
- Chatbot Berbasis Aturan vs Chatbot AIChatbot berbasis aturan mengikuti decision tree yang sudah ditentukan, sedangkan chatbot AI menggunakan natural language understanding. Bot berbasis aturan cocok untuk FAQ sederhana, tetapi gagal saat pelanggan mengajukan pertanyaan dengan cara yang tidak terduga.
- Chatbot vs Virtual AgentChatbot menangani pertanyaan dasar dengan respons berbasis skrip, sedangkan virtual agent menyelesaikan masalah kompleks secara otonom. Virtual agent mengakses sistem backend, mengambil tindakan, dan mempertahankan konteks di sepanjang percakapan panjang.
- Contact Center AIContact center AI mengotomatiskan interaksi pelanggan melalui suara dan kanal digital di lingkungan call center. AI menangani panggilan dan chat rutin, sementara masalah kompleks diteruskan ke agen manusia lengkap dengan konteksnya.
- Contact Center as a Service (CCaaS)CCaaS menghadirkan teknologi contact center melalui cloud, menggantikan infrastruktur on-premise. Platform CCaaS modern mengintegrasikan agen AI untuk penyelesaian otomatis di samping alat tradisional bagi agen manusia.
- Context EngineeringContext engineering adalah praktik sistematis untuk merancang dan mengoptimalkan cara agen AI mengakses, mengatur, dan memanfaatkan informasi dari berbagai sum
- Context WindowContext window adalah jumlah maksimum teks yang dapat dipertimbangkan model AI dalam satu interaksi. Context window yang lebih besar memungkinkan AI merujuk lebih banyak riwayat percakapan dan pengetahuan selama percakapan dengan pelanggan.
- Conversational AIConversational AI memungkinkan interaksi multi-giliran dalam bahasa alami antara pelanggan dan sistem AI. Berbeda dengan chatbot berbasis skrip, conversational AI menjaga konteks di sepanjang percakapan dan menyesuaikan diri dengan intent pengguna.
- Conversational IVRConversational IVR menggantikan menu telepon berbasis tombol dengan natural language understanding. Penelepon cukup mengucapkan kebutuhannya tanpa harus menelusuri pilihan bernomor, sehingga durasi panggilan dan tingkat panggilan yang ditinggalkan berkurang.
- Cost Per TicketCost per ticket mengukur rata-rata biaya untuk menyelesaikan satu interaksi dukungan, termasuk tenaga kerja, teknologi, dan overhead. AI menurunkan cost per ticket dengan mengotomatiskan masalah rutin yang sebelumnya membutuhkan agen manusia.
- Customer Effort Score (CES)CES mengukur upaya yang harus dikeluarkan pelanggan agar masalahnya terselesaikan, pada skala 1-7. Skor upaya yang lebih rendah berkorelasi dengan loyalitas pelanggan, sehingga CES menjadi indikator utama retensi.
- Customer Journey MappingCustomer journey mapping menelusuri setiap interaksi pelanggan dengan organisasi dukungan Anda. Journey map mengungkap di mana agen AI dapat memberikan dampak terbesar pada pengalaman pelanggan dan efisiensi.
- Customer Satisfaction Score (CSAT)CSAT mengukur seberapa puas pelanggan terhadap interaksi dukungan tertentu, biasanya dengan skala 1-5. Dukungan berbasis AI yang konsisten membantu menjaga CSAT tetap tinggi dengan kualitas yang andal di setiap interaksi.
D
- Data Pelatihan AIData pelatihan AI mengajarkan model cara menangani interaksi pelanggan secara akurat. Kualitas data adalah faktor terbesar dalam kinerja AI, yang berdampak langsung pada akurasi dan relevansi respons.
- Deflection RateDeflection rate mengukur persentase permintaan dukungan yang ditangani melalui layanan mandiri sebelum sampai ke agen manusia. Deflection rate yang tinggi saja tidak menunjukkan apakah masalah pelanggan benar-benar terselesaikan.
- Dukungan AI vs. ManusiaLayanan pelanggan yang efektif memadukan otomatisasi AI untuk masalah rutin dengan agen manusia untuk situasi yang kompleks. Kuncinya adalah merancang handoff yang cerdas agar setiap interaksi sampai ke sumber daya yang tepat pada waktu yang tepat.
- Dukungan OmnichannelDukungan omnichannel menghubungkan chat, email, telepon, media sosial, dan aplikasi pesan menjadi satu pengalaman yang mulus. Pelanggan dapat berpindah kanal di tengah percakapan tanpa kehilangan konteks atau harus mengulang informasi.
- Dukungan Onboarding PelangganDukungan onboarding pelanggan memandu pengguna baru melalui penyiapan produk, konfigurasi, dan tugas-tugas pertama. Onboarding berbasis AI memberikan panduan yang dipersonalisasi dalam skala besar tanpa perlu menambah staf.
- Dukungan Pelanggan 24/7Dukungan 24/7 memberikan bantuan kepada pelanggan kapan saja tanpa batasan zona waktu. AI membuat layanan nonstop yang sesungguhnya layak secara ekonomi dengan menangani pertanyaan di luar jam kerja dan akhir pekan tanpa perlu staf shift malam.
- Dukungan Pelanggan MultibahasaDukungan multibahasa memanfaatkan AI untuk melayani pelanggan dalam bahasa pilihan mereka tanpa perlu merekrut penutur asli. Agen AI modern menangani 100+ bahasa dengan kefasihan mendekati penutur asli untuk skenario dukungan umum.
- Dukungan Pelanggan ProaktifDukungan proaktif mengidentifikasi dan menyelesaikan masalah sebelum pelanggan menghubungi Anda. AI memungkinkan dukungan proaktif dengan mendeteksi pola dalam data penggunaan, log error, dan sinyal sentimen pelanggan.
E
- Eskalasi AIEskalasi AI mengalihkan percakapan dari AI ke agen manusia saat masalah membutuhkan empati, penilaian, atau otorisasi. Eskalasi yang efektif meneruskan seluruh konteks percakapan sehingga pelanggan tidak perlu mengulang penjelasan.
- Evaluasi Vendor AIEvaluasi vendor AI menilai platform berdasarkan akurasi, keamanan, integrasi, dan total cost of ownership. Kerangka evaluasi yang terstruktur mencegah kesalahan mahal saat memilih teknologi AI untuk layanan pelanggan.
F
- Fallback BehaviorFallback behavior menentukan cara AI merespons ketika tidak yakin dengan jawabannya. Strategi fallback yang dirancang dengan baik mengalihkan percakapan ke manusia dengan mulus, alih-alih memberikan jawaban yang keliru atau dikarang.
- Fallback IntentFallback intent adalah mekanisme pengaman dalam conversational AI yang aktif ketika input pelanggan tidak cocok dengan… Selengkapnya tentang Fallback Intent di Maven AGI…
- Fine-Tuning (untuk Layanan Pelanggan)Fine-tuning menyesuaikan model AI yang telah dilatih sebelumnya dengan domain layanan pelanggan dan gaya komunikasi merek Anda. Berbeda dengan prompt engineering saja, fine-tuning menanamkan pengetahuan domain langsung ke dalam bobot model.
- First Contact ResolutionFCR mengukur persentase masalah pelanggan yang terselesaikan dalam satu interaksi tanpa perlu kontak lanjutan. Tingkat FCR yang tinggi berkorelasi langsung dengan kepuasan pelanggan dan biaya dukungan keseluruhan yang lebih rendah.
G
- Generative AI untuk Dukungan PelangganGenerative AI menggunakan large language model untuk menghasilkan respons yang alami dan membantu atas pertanyaan pelanggan. Berbeda dengan sistem berbasis aturan, generative AI memahami nuansa dan menghasilkan jawaban yang sesuai konteks.
- Graph of RecordGraph of Record menghubungkan agen AI Maven ke sistem yang sudah Anda gunakan dan memetakan keterkaitan datanya, sehingga jawaban berasal dari data sumber kebenaran yang terkini.
- Grounding (dalam AI)Grounding membatasi respons AI pada materi sumber yang terverifikasi, bukan konten hasil rekaan. AI yang ter-grounding mengutip artikel knowledge base tertentu, sehingga secara drastis mengurangi halusinasi dalam interaksi dengan pelanggan.
H
- Halusinasi AIHalusinasi AI terjadi ketika model menghasilkan respons yang terdengar yakin tetapi keliru secara faktual. Platform AI enterprise mencegah halusinasi melalui grounding, retrieval-augmented generation, dan confidence scoring.
- Human-in-the-LoopHuman-in-the-loop (HITL) melibatkan agen manusia dalam alur kerja AI untuk pengawasan, koreksi, dan persetujuan. HITL sangat penting untuk interaksi berisiko tinggi, ketika kesalahan dapat menimbulkan risiko finansial atau kepatuhan.
I
- Integrasi API (Layanan Pelanggan)Integrasi API menghubungkan agen AI ke CRM, help desk, dan sistem bisnis agar dapat mengambil tindakan nyata. Kedalaman integrasi menentukan apakah AI benar-benar dapat menyelesaikan masalah atau hanya memberikan informasi.
- Intelligent FieldsIntelligent Fields mengubah percakapan menjadi data terstruktur. Agen Maven mengisi field seperti intent, sentimen, atau risiko churn berdasarkan prompt dalam bahasa sehari-hari.
- Intelligent Virtual Assistant (IVA)IVA lebih dari sekadar chatbot dasar karena mampu memahami konteks, mengelola percakapan multi-turn, dan mengambil tindakan nyata. IVA terintegrasi dengan sistem backend untuk menyelesaikan masalah, bukan hanya memberikan informasi.
- Intent RecognitionIntent recognition mengklasifikasikan apa yang ingin dicapai pelanggan dari pesan atau pertanyaannya. Deteksi intent yang akurat menentukan apakah sebuah permintaan memerlukan bantuan penagihan, dukungan teknis, atau perubahan akun.
- IVR (Interactive Voice Response)IVR adalah teknologi sistem telepon yang mengarahkan penelepon melalui pilihan menu rekaman menggunakan input tombol atau suara. Meski masih banyak digunakan, IVR kian tergantikan oleh voice AI percakapan.
K
- Kanal AgenAgent Channels adalah tempat agen AI Maven berinteraksi dengan pelanggan dan karyawan: chat, SMS, WhatsApp, email, suara, help desk, Slack, dan Teams.
- Kepatuhan HIPAA untuk AIKepatuhan HIPAA untuk AI mewajibkan perlindungan informasi kesehatan pasien (PHI) di seluruh proses AI. Platform AI yang menangani data layanan kesehatan harus menerapkan enkripsi, kontrol akses, dan BAA.
- Kepatuhan SOC 2 untuk AISertifikasi SOC 2 memvalidasi bahwa platform AI memenuhi standar keamanan, ketersediaan, dan kerahasiaan yang ketat. Pembeli enterprise umumnya mensyaratkan laporan SOC 2 Type II sebelum menerapkan AI di lingkungan produksi.
- Knowledge GraphKnowledge graph menyusun informasi menjadi entitas dan relasi yang saling terhubung sehingga AI dapat menalar di atasnya. Dalam layanan pelanggan, knowledge graph membantu AI memahami keterkaitan antara produk, kebijakan, dan proses.
- Knowledge GroundingKnowledge grounding menambatkan respons AI pada sumber enterprise yang dapat diverifikasi, memastikan setiap jawaban dapat ditelusuri ke dokumen spesifik, bukan ke data usang…
- Knowledge InboxInbox milik Maven menandai masalah pengetahuan seperti duplikasi, konflik, konten usang, dan celah, beserta saran perbaikan untuk ditinjau tim.
- Knowledge IngestionKnowledge ingestion adalah proses mengimpor, mengurai, dan menstrukturkan konten agar dapat digunakan agen AI. Ingestion yang efektif menangani PDF, help center, wiki Confluence, dan dokumen internal secara otomatis.
L
- Large Language Model (LLM)LLM seperti GPT-4 dan Claude menggerakkan layanan pelanggan berbasis AI dengan memahami dan menghasilkan bahasa alami dalam skala besar. LLM mampu menangani pertanyaan pelanggan yang bernuansa, yang tidak dapat dijawab oleh sistem berbasis aturan yang kaku.
- Layanan Pelanggan AILayanan pelanggan AI memanfaatkan kecerdasan buatan untuk memahami, merespons, dan menyelesaikan pertanyaan pelanggan secara otonom. AI menangani masalah rutin secara instan dan meneruskan kasus kompleks ke agen manusia beserta konteks lengkapnya.
M
- Manajemen AntreanManajemen antrean adalah orkestrasi strategis alur pelanggan dan waktu tunggu di seluruh titik kontak layanan,… Selengkapnya tentang Manajemen Antrean di Maven AGI…
- Manajemen EskalasiManajemen eskalasi mengatur kapan dan bagaimana AI mengalihkan percakapan ke agen manusia. Eskalasi yang efektif menjaga konteks percakapan secara utuh sehingga pelanggan tidak perlu mengulang penjelasan setelah dialihkan.
- ManualManual adalah teks instruksi dalam bahasa alami di dalam Maven Charter yang memberi tahu agen AI cara berperilaku saat Charter tersebut berlaku.
- Maven AppsMaven Apps menghubungkan platform Maven AGI ke sistem eksternal sebagai sumber pengetahuan, actions dan triggers, serta kanal yang berhadapan langsung dengan pelanggan.
- Maven CommerceMaven Commerce memungkinkan agen AI Maven menjual produk dan layanan dengan guardrail yang mengatur apa yang dapat ditawarkan, dengan harga berapa, dan kepada siapa.
- Maven CopilotMaven Copilot adalah asisten AI di dalam help desk Anda yang meringkas tiket, menyusun draf balasan beserta sumbernya, dan menjawab pertanyaan agen manusia.
- Maven VoiceMaven Voice adalah agen suara AI untuk enterprise yang menyelesaikan panggilan dukungan secara real time dan menuntaskan alur kerja seperti refund dan pembaruan akun.
- Model Context Protocol (MCP)MCP adalah protokol terbuka yang memungkinkan model AI terhubung ke tool, database, dan API eksternal secara terstandarisasi. MCP memungkinkan agen AI mengambil tindakan nyata seperti memproses refund atau memperbarui akun.
- Model Dukungan BerjenjangDukungan berjenjang mengatur layanan pelanggan ke dalam beberapa level eskalasi, dari pertanyaan dasar (L1) hingga masalah kompleks (L3). Kini AI menangani sebagian besar interaksi L1, sehingga agen manusia dapat fokus pada pekerjaan bernilai tinggi.
N
- Natural Language Processing (NLP)NLP memungkinkan AI mengurai, menafsirkan, dan merespons bahasa manusia dalam interaksi dengan pelanggan. NLP modern mendukung klasifikasi intent, ekstraksi entitas, dan analisis sentimen dalam otomatisasi layanan pelanggan.
- Net Promoter Score (NPS)NPS mengukur loyalitas pelanggan dengan menanyakan seberapa besar kemungkinan mereka merekomendasikan perusahaan Anda pada skala 0-10. Kualitas dukungan adalah salah satu pendorong NPS terkuat yang berdampak langsung pada rasio promoter dan detractor.
O
- Orkestrasi Agen AIOrkestrasi agen AI adalah pengelolaan terkoordinasi atas sejumlah agen AI khusus yang bekerja sama dalam… Selengkapnya tentang Orkestrasi Agen AI di…
- Otomatisasi Alur Kerja AIOtomatisasi alur kerja AI memadukan kecerdasan buatan dengan orkestrasi proses bisnis untuk menciptakan sistem yang adaptif,… Selengkapnya tentang Otomatisasi Alur Kerja AI di Maven…
- Otomatisasi Layanan PelangganOtomatisasi layanan pelanggan menggunakan AI untuk menangani permintaan dukungan tanpa intervensi manual. Otomatisasi modern menyelesaikan masalah secara end-to-end, bukan sekadar mengalihkan pelanggan ke halaman FAQ statis.
P
- PCI-DSS untuk AI Layanan PelangganKepatuhan PCI-DSS memastikan sistem AI yang menangani data kartu pembayaran memenuhi standar keamanan yang ketat. Agen AI yang memproses transaksi harus mengisolasi data pemegang kartu dan mempertahankan sertifikasi Level 1.
- Pencegahan Churn PelangganPencegahan churn pelanggan memanfaatkan AI untuk mengidentifikasi dan kembali melibatkan pelanggan berisiko sebelum mereka pergi. AI mendeteksi sinyal ketidakpuasan dalam interaksi dukungan dan memicu penjangkauan proaktif untuk mempertahankan akun.
- Pengalaman Pelanggan (CX) Berbasis AIAI CX menerapkan kecerdasan buatan di setiap titik interaksi pelanggan, mulai dari kontak pertama hingga dukungan berkelanjutan. CX berbasis AI meningkatkan kepuasan dan loyalitas dengan memangkas waktu tunggu dan mempersonalisasi interaksi.
- Pengganti IVRPenggantian IVR menukar menu pohon telepon yang kaku dengan agen suara AI yang memahami ucapan alami. Organisasi yang mengganti IVR umumnya mencatat tingkat abandonment yang lebih rendah dan penyelesaian panggilan rata-rata yang lebih cepat.
- Personalisasi AIPersonalisasi AI menyesuaikan interaksi support berdasarkan riwayat, preferensi, dan konteks pelanggan. Dengan memahami situasi setiap pelanggan, AI yang terpersonalisasi memberikan jawaban yang lebih relevan dan resolusi yang lebih cepat.
- Pesan AsinkronCara kerja pesan asinkron untuk layanan dukungan: balas sesuai waktu Anda, thread yang persisten, dan perbandingan sinkron vs live chat—plus alasan tim CX berbasis AI peduli. Glosarium Maven AGI.
- Portal Self-ServicePortal self-service memberi pelanggan akses ke knowledge base, alat akun, dan bantuan AI kapan saja dibutuhkan. Self-service yang efektif menangani sebagian besar pertanyaan rutin, sehingga agen manusia dapat fokus pada masalah yang kompleks.
- Produktivitas AgenProduktivitas agen mengukur seberapa efisien agen dukungan manusia menyelesaikan masalah pelanggan. AI copilot meningkatkan produktivitas dengan menyusun draf respons secara otomatis, menampilkan pengetahuan yang relevan, dan menangani tugas rutin secara otomatis.
- Program Pilot AIProgram pilot AI memvalidasi performa layanan pelanggan berbasis AI dalam skala terbatas sebelum diterapkan di seluruh perusahaan. Pilot yang dirancang dengan baik berjalan selama 4-8 minggu dengan kriteria keberhasilan yang jelas dan KPI yang terukur.
- Prompt EngineeringPrompt engineering adalah praktik menyusun instruksi yang presisi untuk mengarahkan perilaku dan output model AI. Dalam layanan pelanggan, desain prompt menentukan nada bicara AI, batas akurasi, dan pemicu eskalasi.
- Prompt InjectionPrompt injection adalah serangan di mana pengguna memanipulasi AI melalui input yang dirancang khusus untuk menembus kontrol keamanan. AI yang berinteraksi langsung dengan pelanggan harus menerapkan validasi input dan guardrail untuk mencegah eksploitasi prompt injection.
- Proof of Concept (POC) AIPOC AI memvalidasi bahwa sebuah solusi berfungsi dengan data, alur kerja, dan basis pelanggan Anda. POC yang baik berjalan selama 2-4 minggu dengan metrik keberhasilan yang telah ditentukan dan skenario support yang realistis.
Q
R
- RAG (Retrieval Augmented Generation)RAG menggabungkan pengambilan informasi dengan pembuatan teks oleh AI untuk menghasilkan respons yang akurat dan didukung sumber. RAG mencegah halusinasi dengan mewajibkan AI merujuk konten knowledge base yang sebenarnya di setiap jawaban yang dihasilkannya.
- Redaksi PIIRedaksi PII secara otomatis menghapus atau menyamarkan informasi identitas pribadi dari interaksi AI. Redaksi yang efektif mencegah penyimpanan data sensitif seperti nomor jaminan sosial, kartu kredit, dan informasi kesehatan.
- Residensi Data untuk AIResidensi data menentukan lokasi geografis tempat sistem AI menyimpan dan memproses data pelanggan. GDPR, CCPA, dan regulasi khusus industri sering kali mewajibkan persyaratan residensi data tertentu.
- Resolusi OtonomResolusi otonom berarti AI menyelesaikan masalah pelanggan sepenuhnya tanpa campur tangan manusia. Berbeda dengan deflection, resolusi otonom benar-benar menyelesaikan masalah, bukan sekadar mengalihkan pelanggan ke tempat lain.
- Respons Email dengan AIRespons email dengan AI membaca, mengklasifikasikan, dan membalas email pelanggan secara otomatis. AI memproses email masuk dalam hitungan detik, bukan jam, menangani permintaan rutin sekaligus menandai masalah kompleks untuk ditinjau manusia.
- Responsible AIResponsible AI adalah kerangka kerja menyeluruh berupa kebijakan, kontrol teknis, dan mekanisme tata kelola yang… Selengkapnya tentang Responsible AI di Maven AGI…
- ROI (Return on Investment) AIAI ROI mengukur imbal hasil finansial dari penerapan AI dalam layanan pelanggan dibandingkan dengan total investasinya. Pendorong utama ROI meliputi penurunan biaya per tiket, resolusi yang lebih cepat, dan peningkatan retensi pelanggan.
- ROI DukunganROI dukungan mengukur imbal hasil finansial dari investasi layanan pelanggan, termasuk teknologi, staf, dan pelatihan. Menghitung ROI memerlukan pemantauan penghematan biaya langsung sekaligus pendapatan yang dipertahankan berkat layanan yang lebih baik.
- Routing Tiket dengan AIRouting tiket dengan AI memanfaatkan machine learning untuk mengklasifikasikan dan menugaskan tiket dukungan ke tim atau agen yang tepat. Routing cerdas mempertimbangkan jenis masalah, tier pelanggan, keahlian agen, dan beban kerja saat ini.
S
- SegmentsSegments adalah definisi pengguna atau percakapan yang dapat digunakan ulang untuk menentukan pengetahuan, tindakan, dan Charters yang boleh digunakan agen AI Maven.
- Self-RAGSelf-RAG (Self-Reflective Retrieval-Augmented Generation) adalah kerangka kerja AI canggih yang memungkinkan language model… Selengkapnya tentang Self-RAG di Maven AGI…
- Semantic SearchSemantic search memahami maksud di balik kueri, bukan sekadar mencocokkan kata kunci secara persis. Platform dukungan AI menggunakan semantic search untuk menampilkan jawaban yang relevan, bahkan ketika pelanggan merumuskan pertanyaan dengan cara yang tidak terduga.
- Sentiment AnalysisSentiment analysis menggunakan AI untuk mengenali nada emosional dalam pesan pelanggan, mulai dari frustrasi hingga kepuasan. Tim dukungan memanfaatkan data sentimen untuk memprioritaskan kasus mendesak dan mengungkap masalah pengalaman yang bersifat sistemik.
- Service Level Agreement (SLA)Service level agreement (SLA) adalah kontrak formal antara penyedia layanan dan pelanggan yang menetapkan… Selengkapnya tentang Service Level Agreement (SLA) di…
- Service Level Agreement (SLA) AISLA AI menetapkan komitmen uptime, akurasi, dan penyelesaian untuk platform layanan pelanggan berbasis AI. Tolok ukur SLA yang tepat melindungi organisasi Anda dari penerapan AI yang berkinerja buruk.
- Show ReasoningShow Reasoning menampilkan konteks, sumber pengetahuan, dan tindakan di balik setiap respons agen AI Maven, sehingga tim dapat melihat alasan di balik jawabannya.
- Sistem Multi-AgenSistem multi-agen menggunakan beberapa agen AI khusus yang berkolaborasi untuk menangani masalah kompleks. Setiap agen mengelola domain tertentu, sementara orkestrator mengoordinasikan peralihan antara tugas penagihan, teknis, dan kebijakan.
- Sistem TiketSistem tiket melacak permintaan support pelanggan sejak diajukan hingga selesai dalam satu workflow terpusat. Sistem tiket modern terintegrasi dengan AI untuk mengklasifikasikan, merutekan, dan menyelesaikan tiket secara otomatis.
- Skor Keyakinan AISkor keyakinan AI mengukur seberapa yakin sebuah model terhadap responsnya, biasanya dalam skala 0-1. Tim dukungan menggunakan ambang batas keyakinan untuk memicu eskalasi ke manusia ketika tingkat keyakinan AI turun di bawah level yang ditetapkan.
- Speech-to-Text (ASR)ASR mengubah ucapan menjadi teks yang dapat diproses dan ditindaklanjuti oleh sistem AI. Pengenalan suara yang akurat adalah fondasi voice AI, dengan sistem modern mencapai akurasi kata lebih dari 95%.
T
- Tata Kelola AITata kelola AI memastikan sistem AI beroperasi dalam batasan etika, hukum, dan organisasi. Kerangka kerja seperti ISO 42001 menyediakan pendekatan terstruktur untuk mengelola risiko AI di lingkungan enterprise.
- TelefoniTelefoni adalah infrastruktur teknologi yang memungkinkan komunikasi suara dalam operasional layanan pelanggan. Telefoni modern mencakup SIP trunking, VoIP, dan integrasi PSTN untuk penerapan agen suara AI.
- Text-to-Speech (TTS)TTS mengubah teks tertulis menjadi ucapan yang terdengar alami untuk agen suara AI. TTS neural modern menghasilkan suara yang nyaris tidak dapat dibedakan dari manusia, serta mendukung puluhan bahasa dan aksen daerah.
- Ticket DeflectionTicket deflection mengukur permintaan dukungan yang tertangani melalui layanan mandiri sebelum mencapai agen manusia. Meskipun berguna sebagai metrik volume, deflection saja tidak menunjukkan apakah masalah pelanggan benar-benar terselesaikan.
- Timeline Implementasi AITimeline implementasi AI berkisar dari 2 minggu untuk pengaturan dasar hingga 3-6 bulan untuk agen AI kelas enterprise. Durasinya bergantung pada integrasi, persyaratan kepatuhan, dan kompleksitas knowledge base.
- Tingkat Akurasi AITingkat akurasi AI mengukur persentase respons AI yang benar secara faktual dan bermanfaat. Platform AI enterprise menargetkan akurasi 85-95% melalui grounding, guardrails, dan pemantauan kualitas berkelanjutan.
- Tingkat Otomatisasi DukunganTingkat otomatisasi dukungan mengukur persentase masalah pelanggan yang diselesaikan oleh AI tanpa keterlibatan manusia. Metrik ini mencerminkan dampak operasional AI yang sebenarnya secara lebih akurat dibandingkan deflection rate saja.
- Tingkat PenyelesaianTingkat penyelesaian mengukur persentase masalah pelanggan yang benar-benar terselesaikan, bukan sekadar direspons atau dialihkan. Karena mengukur hasil nyata, tingkat penyelesaian menjadi metrik yang lebih bermakna dibanding tingkat deflection.
- Tingkat Retensi PelangganTingkat retensi pelanggan mengukur seberapa baik bisnis mempertahankan pelanggan yang ada dalam periode waktu tertentu,… Selengkapnya tentang Tingkat Retensi Pelanggan di Maven…
- Tool Use (Function Calling)Tool use memungkinkan agen AI memanggil API eksternal, melakukan query ke database, dan menjalankan workflow secara real-time. Function calling inilah yang membedakan agen AI yang menyelesaikan masalah dari chatbot yang hanya memberikan informasi.
- Total Cost of Ownership (Dukungan AI)TCO untuk dukungan AI mencakup biaya lisensi, integrasi, pelatihan, pemeliharaan, dan optimasi berkelanjutan. Banyak organisasi meremehkan TCO karena hanya berfokus pada biaya langganan dan mengabaikan biaya implementasi serta pemeliharaan.
- Tree of Thoughts (ToT)Tree of Thoughts (ToT) adalah kerangka penalaran AI tingkat lanjut yang memungkinkan large language model menjelajahi… Selengkapnya tentang Tree of Thoughts (ToT) di Maven AGI…
- TriggersTriggers adalah otomatisasi Maven yang berjalan berdasarkan peristiwa atau jadwal, seperti menyinkronkan data percakapan ke data warehouse, tanpa perlu diminta pelanggan.
V
- Vector EmbeddingVector embedding mengubah data tidak terstruktur—teks, gambar, audio, dan interaksi pelanggan—menjadi array numerik… Selengkapnya tentang Vector Embedding di Maven…
- Voice AIVoice AI memungkinkan agen AI menangani panggilan telepon secara langsung dengan kemampuan memahami dan menghasilkan ucapan yang alami. Voice AI modern mencapai latensi respons di bawah 1 detik, sehingga interaksi telepon terasa benar-benar seperti percakapan.
- Voice AI Real-TimeVoice AI real-time memungkinkan agen AI melakukan percakapan telepon yang natural dengan pelanggan secepat manusia. Latensi di bawah 500ms sangat penting agar voice AI terasa natural dan seperti percakapan sungguhan.
- Voice BotVoice bot menangani panggilan telepon pelanggan dengan speech recognition dan natural language understanding. Berbeda dengan menu IVR yang kaku, voice bot melakukan percakapan alami untuk menyelesaikan masalah melalui telepon.
- Volume TiketVolume tiket melacak jumlah permintaan dukungan yang diterima organisasi dalam periode tertentu. AI menangani lonjakan volume akibat peluncuran produk, gangguan layanan, dan momen musiman tanpa memerlukan staf sementara.
W
- Waktu PenyelesaianWaktu penyelesaian mengukur durasi sejak pelanggan melaporkan masalah hingga masalah tersebut benar-benar terselesaikan. AI mempersingkat waktu penyelesaian untuk masalah rutin dengan memberikan respons instan dan akurat sepanjang waktu.
- Workforce Management (WFM)WFM memprediksi permintaan pelanggan dan mengoptimalkan penjadwalan agen untuk operasional dukungan. AI mengubah WFM dengan menangani volume yang fluktuatif secara otomatis, sehingga mengurangi kebutuhan penyesuaian staf musiman.