Bahasa Indonesia

Apa itu Dialogue Design? Membangun Percakapan AI yang Benar-benar Berfungsi

Flowchart dialogue design yang menampilkan cabang percakapan, penanganan intent, jalur fallback, dan eskalasi ke agen manusia

Turn this article into takeaways for your work.

Summarize with ChatGPT Summarize with Claude

Each assistant summarizes the article only for you and suggests best practices for your work.

Sebuah perusahaan telekomunikasi menerapkan chatbot layanan pelanggan. Chatbot tersebut bisa menjawab pertanyaan tentang penagihan, perubahan akun, dan gangguan layanan. Pelanggan mengetik "Saya ingin membatalkan." Bot bertanya: "Apa yang bisa saya bantu hari ini?" Pelanggan mengetik "batalkan akun saya." Bot menjawab: "Saya bisa membantu Anda dengan pertanyaan terkait akun. Apakah Anda ingin memperbarui informasi penagihan Anda?"

Tidak ada yang mendesain jalur pembatalan. Pelanggan menelepon dengan marah. Bot secara teknis berfungsi; dialogue design-nya telah gagal sepenuhnya.

Dialogue design adalah disiplin menstrukturkan percakapan antara sistem AI dan manusia agar memenuhi tujuan yang dimaksudkan secara andal, menangani input yang tidak terduga dengan baik, dan tidak menghasilkan jenis frustrasi yang mendorong pelanggan ke media sosial.

Apa yang Dicakup Dialogue Design

Dialogue design berada di persimpangan desain UX, linguistik, dan arsitektur sistem AI. Ini bukan hanya tentang apa yang dikatakan bot, tetapi tentang bagaimana percakapan distrukturkan untuk bergerak menuju tujuan.

Desain intent dan slot mendefinisikan apa yang dipahami sistem. Intent adalah kategori tujuan pengguna ("buat janji", "cek status pesanan", "dapatkan informasi harga"). Slot adalah variabel yang diperlukan untuk memenuhi intent tersebut ("tanggal mana", "nomor pesanan mana", "produk mana"). Dialogue design menentukan intent mana yang ditangani sistem, informasi apa yang perlu dikumpulkan, dan dalam urutan apa.

Desain aliran memetakan jalur melalui sebuah percakapan. Untuk tugas berorientasi tujuan, ini berarti mendefinisikan happy path (pengguna menyediakan apa yang dibutuhkan, tugas selesai dengan sukses), jalur klarifikasi (pengguna memberikan input yang ambigu, sistem membutuhkan lebih banyak informasi), jalur kesalahan (sistem tidak mengerti, atau pengguna memberikan input yang tidak valid), dan jalur eskalasi (percakapan di luar cakupan sistem, serahkan ke manusia).

Penanganan fallback menentukan apa yang terjadi ketika sistem tidak mengerti. Desain fallback yang buruk sering menjadi asal mula frustrasi dalam dialog. Sistem yang berulang kali mengatakan "Saya tidak mengerti itu, silakan ungkapkan kembali" tanpa menawarkan alternatif atau mengekskalasi adalah mode kegagalan yang dialogue design buruk ciptakan dan desain yang baik cegah.

Persona dan suara mendefinisikan bagaimana AI mempresentasikan dirinya. Nada, formalitas, panjang respons, apakah menggunakan nama pengguna, bagaimana menangani permintaan maaf ketika ada yang salah: pilihan-pilihan ini membentuk bagaimana interaksi terasa. Asisten layanan keuangan terdengar berbeda dari chatbot ritel konsumen, bukan karena aturan tetapi karena desain persona yang disengaja.

Desain eskalasi mendefinisikan kapan dan bagaimana percakapan diteruskan ke manusia. Dialogue design tanpa jalur eskalasi menjebak pengguna yang memiliki masalah yang tidak bisa diselesaikan AI. Merancang eskalasi dengan baik, memilih pemicu yang tepat, mempertahankan konteks saat serah terima, dan menetapkan ekspektasi pengguna sebelum transfer, secara signifikan mempengaruhi kepuasan pelanggan.

Peralihan dari Dialog Berbasis Aturan ke LLM

Selama sebagian besar sejarah chatbot, dialogue design berarti membangun pohon keputusan yang eksplisit. Setiap jalur harus diantisipasi dan dikodekan. Jika pengguna berkata X, pergi ke node Y. Ini membuat sistem dapat diprediksi tetapi rapuh: mereka hanya menangani apa yang telah diantisipasi oleh desainer.

Large language model mengubah masalah desain secara signifikan. AI percakapan berbasis LLM dapat memahami dan merespons input yang tidak pernah dikodekan secara eksplisit. Pengguna dapat mengungkapkan intent yang sama dengan puluhan cara, dan model menangani semuanya. Ini menghilangkan sebagian besar kerapuhan sistem berbasis aturan.

Tetapi LLM memperkenalkan tantangan desain yang berbeda. Tanpa kontrol aliran yang eksplisit, percakapan bisa menyimpang. Model bisa terlalu membantu, mencoba menjawab pertanyaan di luar cakupan yang dimaksudkan. Mereka bisa berkonfabulasi, mengarang jawaban ketika mereka tidak tahu sesuatu. Mereka bisa tidak konsisten, menangani situasi yang sama secara berbeda dalam percakapan yang berbeda.

Dialogue design modern untuk sistem berbasis LLM menggabungkan prompt engineering untuk mendefinisikan tujuan dan batasan sistem, kontrol aliran yang memandu percakapan menuju tujuan, dan guardrail yang mencegah perilaku di luar cakupan. Pekerjaan desainer bergeser dari membangun pohon keputusan eksplisit ke merancang konteks dan batasan di mana model beroperasi.

Pola Desain untuk Dialog yang Efektif

Pengungkapan progresif meminta informasi secara bertahap daripada sekaligus. Aliran pemesanan yang bertanya nama, kemudian tanggal, kemudian waktu, daripada ketiganya sekaligus, terasa lebih seperti percakapan dan mengurangi beban kognitif.

Konfirmasi sebelum tindakan. Untuk tindakan apa pun yang mengubah keadaan (mengajukan formulir, memproses pembayaran, mengirim pesan), dialogue design yang baik mengkonfirmasi tindakan sebelum menjalankannya. Ini mengurangi kesalahan dan membangun kepercayaan pengguna.

Panduan proaktif. Ketika input pengguna ambigu atau tidak lengkap, menyarankan opsi lebih efektif daripada mengajukan pertanyaan terbuka. "Apakah Anda maksud X atau Y?" bekerja lebih baik daripada "Bisakah Anda memperjelas maksud Anda?"

Degradasi yang anggun. Ketika AI tidak dapat memenuhi permintaan, kegagalan harus informatif dan membantu daripada tidak transparan. "Saya tidak bisa memproses pengembalian dana secara langsung, tetapi saya bisa mentransfer Anda ke tim penagihan yang bisa membantu" adalah kegagalan yang dirancang. "Saya tidak mengerti permintaan itu" bukan.

Pelestarian konteks. Pengguna mengharapkan percakapan mengingat apa yang dikatakan sebelumnya. Dialogue design yang tidak mempertahankan keadaan dalam sesi membuat frustrasi pengguna yang harus menjelaskan ulang konteks di setiap giliran.

Dialogue Design untuk Antarmuka Suara

Agen suara AI dan antarmuka suara menghadirkan tantangan dialogue design yang spesifik untuk saluran audio. Pengguna tidak bisa menggulir ke belakang untuk membaca ulang apa yang dikatakan. Giliran dibatasi oleh napas dan rentang perhatian. Kesalahan dalam pengenalan suara menciptakan input yang tidak akan diantisipasi oleh aturan mana pun.

Dialogue design untuk suara memberikan bobot lebih pada pola konfirmasi, panjang respons yang lebih pendek, dan sinyal pergantian giliran yang lebih jelas. Jalur eskalasi dari voice AI ke agen manusia perlu terasa seperti serah terima yang hangat daripada transfer yang dingin. Persyaratan ini mendorong ke arah yang berbeda dari desain berbasis teks.

Mengapa Dialogue Design adalah Fungsi Bisnis

Dialogue design yang buruk menghancurkan ROI investasi AI dalam aplikasi yang menghadap pelanggan. Chatbot yang membuat pengguna cukup frustrasi untuk menelepon menghasilkan lebih banyak biaya dukungan daripada yang dihemat. Bot kualifikasi penjualan yang mengajukan pertanyaan dalam urutan yang salah atau gagal menangkap informasi penting menghasilkan leads yang lebih buruk daripada formulir web sederhana.

Dialogue design bukan aktivitas sekali jalan. Analisis pasca-deployment dari log percakapan, khususnya jalur fallback dan eskalasi, mengungkapkan di mana kegagalan desain terkonsentrasi. Percakapan yang dilakukan pengguna yang tidak ditangani sistem adalah sinyal paling jelas tentang di mana harus berinvestasi selanjutnya.

Organisasi yang memperlakukan dialogue design sebagai disiplin, bukan tugas konfigurasi, dengan desainer khusus, proses tinjauan, dan siklus perbaikan berulang, secara konsisten membangun interaksi bertenaga AI yang lebih efektif daripada yang memperlakukannya sebagai langkah pengaturan sekali jalan.

Konsep AI Terkait

Sumber Eksternal

Pertanyaan yang Sering Diajukan