Fallback Behavior

Apa Itu Fallback Behavior?

Fallback behavior adalah serangkaian respons dan tindakan yang diambil agen AI ketika tidak dapat memenuhi permintaan pelanggan melalui pemrosesan normalnya. Hal ini terjadi ketika AI tidak menemukan informasi yang relevan, confidence score-nya terlalu rendah, permintaan berada di luar kemampuannya, atau pesan pelanggan terlalu ambigu untuk diproses dengan andal.

Fallback behavior yang dirancang dengan baik adalah pembeda antara pengalaman AI yang menjengkelkan dan yang benar-benar membantu. Fallback yang buruk berkata "Saya tidak mengerti, silakan coba lagi." Fallback yang baik menawarkan jalur alternatif menuju penyelesaian.

Jenis-Jenis Fallback Behavior

• Klarifikasi: "Saya ingin memastikan dapat membantu Anda dengan tepat. Apakah yang Anda tanyakan tentang [opsi A] atau [opsi B]?"
• Jawaban sebagian: "Saya menemukan informasi tentang [topik terkait]. Apakah ini membantu, atau Anda mencari sesuatu yang lebih spesifik?"
• Kanal alternatif: "Saya tidak dapat memproses permintaan tersebut di sini, tetapi Anda dapat [melakukannya melalui aplikasi / mengunjungi halaman ini / menghubungi nomor ini]"
• ** Eskalasi ke manusia:** "Saya akan menghubungkan Anda dengan spesialis yang dapat membantu masalah ini" — dengan konteks percakapan lengkap yang ikut diteruskan
• Pencatatan celah pengetahuan: AI mencatat pertanyaan yang tidak dapat dijawab untuk terus menyempurnakan knowledge base-nya

Mengapa Desain Fallback Penting

Pelanggan cukup toleran terhadap keterbatasan AI jika pengalaman fallback-nya baik. "Saya tidak dapat membantu permintaan spesifik tersebut, tetapi saya telah menghubungkan Anda dengan anggota tim yang bisa, dan saya sudah membagikan percakapan kita sehingga Anda tidak perlu mengulang apa pun" adalah hasil yang dapat diterima. "Maaf, saya tidak mengerti" yang diulang 3 kali tidak dapat diterima.

Konteks industri: Riset menunjukkan 85% pelanggan pernah meninggalkan interaksi akibat respons otomatis yang buruk. Kualitas fallback behavior — bukan hanya penyelesaian utama — menentukan apakah pelanggan menilai AI membantu atau justru menjengkelkan.

Keunggulan Maven: Fallback yang Mulus Sejak Awal

Arsitektur fallback Maven AGI memastikan setiap interaksi pelanggan berakhir dengan jalur menuju penyelesaian, bahkan ketika AI tidak dapat menyelesaikan masalah secara langsung. Saat AI melakukan eskalasi, AI meneruskan konteks percakapan lengkap, penalaran, dan solusi yang telah dicoba kepada agen manusia. AI Copilot dari Maven kemudian terus membantu agen manusia, memastikan transisi yang mulus alih-alih pengalihan yang tiba-tiba.

Inbox dari Maven juga mencatat celah pengetahuan yang teridentifikasi melalui interaksi fallback, sehingga tim dapat terus menyempurnakan knowledge base berdasarkan kebutuhan nyata pelanggan — mengubah fallback hari ini menjadi resolusi otonom esok hari.

Bukti Maven: Mastermind mencapai tingkat resolusi 93% dengan Maven AGI — artinya 7% interaksi yang memerlukan eskalasi ditangani dengan konteks lengkap dan pengalihan cerdas, sehingga pengalaman pelanggan tetap terjaga bahkan dalam skenario fallback.

Pertanyaan yang Sering Diajukan

Berapa kali AI sebaiknya mencoba fallback sebelum melakukan eskalasi?

1–2 kali upaya klarifikasi umumnya sudah tepat. Jika AI masih belum dapat memahami atau membantu setelah 2 kali percobaan, eskalasi ke manusia lebih baik daripada terus membuat pelanggan frustrasi. Ambang pastinya harus dapat dikonfigurasi dan disesuaikan berdasarkan masukan pelanggan.

Apakah pesan fallback sebaiknya bervariasi atau seragam?

Pesan fallback sebaiknya bervariasi sesuai konteks. Fallback untuk "Saya tidak memahami pertanyaan Anda" harus berbeda dengan "Saya memahaminya, tetapi tidak dapat melakukan tindakan tersebut." Fallback yang kontekstual terasa lebih cerdas dan membantu dibandingkan respons generik "Saya tidak dapat membantu hal itu".

Bagaimana cara menyempurnakan fallback behavior dari waktu ke waktu?

Analisis pola fallback secara rutin. Pemicu fallback yang paling sering muncul mengungkap celah pengetahuan, integrasi yang belum tersedia, atau pesan untuk pelanggan yang kurang jelas. Setiap fallback adalah peluang perbaikan — atasi akar masalahnya, bukan sekadar memperhalus pesan fallback.