MAJALAH ICT – Jakarta. Yellow.ai, pemimpin global dalam otomasi layanan pelanggan berbasis AI, hari ini meluncurkan Orchestrator LLM, model agen pertama di industri yang menentukan langkah selanjutnya yang paling sesuai sekaligus terlibat dalam percakapan yang dipersonalisasi dan memiliki kesadaran konteks. Dengan mempertahankan konteks, model agen AI generatif memungkinkan penyelesaian masalah yang lebih cepat dan akurat, sehingga meningkatkan kepuasan pelanggan sebesar lebih dari 60%.
Chatbot tradisional sering kali mengalami kekurangan dalam hal kesadaran kontekstual dan ingatan akan interaksi masa lalu, yang dapat menyebabkan percakapan terputus-putus dan ketidakpuasan pelanggan. Keterbatasan ini berasal dari terbatasnya kemampuan mereka untuk menangani pertanyaan di luar tanggapan terprogram, karena kurangnya pelatihan mengenai maksud dan ucapan. Namun, dengan munculnya Large Language Model (LLM), peningkatan personalisasi dalam pengalaman pelanggan otomatis menjadi semakin dapat dicapai. Memimpin inovasi ini, Orchestrator LLM Yellow.ai secara langsung mengatasi tantangan ini dengan:
● Pengalaman Pelanggan yang Lebih Baik dengan Peralihan Konteks Lanjutan: Orchestrator LLM unggul dalam peralihan konteks dan terlibat dalam obrolan ringan, memastikan transisi yang lancar antar pertanyaan untuk pengalaman pengguna tanpa hambatan. Orchestrator LLM dengan terampil menganalisis percakapan, mengenali berbagai maksud, dan mempertahankan konteks, membimbing pengguna menuju tujuan utama mereka sekaligus meminimalkan pengakhiran yang tiba-tiba. Dengan menyimpan interaksi masa lalu dalam jendela memori dan meninjau kembali pertanyaan awal, Orchestrator LLM memfasilitasi percakapan yang lebih komprehensif dan seperti manusia.
● Tanpa Pelatihan untuk Efisiensi Operasional Yang Maksimum: Orchestrator LLM memberikan solusi terbaik yang disesuaikan dengan kebutuhan pelanggan tanpa memerlukan pelatihan sebelumnya. Orchestrator LLM membuat keputusan real-time tentang mengaktifkan alur kerja agen atau alur percakapan yang sesuai sebagai respons terhadap permintaan pengguna. Misalnya, model dapat langsung menentukan apakah akan mengambil informasi dari basis pengetahuan, memulai alur percakapan baru, atau meneruskannya ke agen langsung, sekaligus tetap mempertahankan konteks percakapan. Penyederhanaan proses ini secara signifikan mengurangi biaya operasional sebesar 60% dan meningkatkan produktivitas agen sebesar 50%.
“Membuka potensi penuh LLM memerlukan kerangka orkestrasi yang kuat. Orchestrator LLM kami berfungsi sebagai pusat integrasi, berkolaborasi secara lancar dengan berbagai alat AI dan sistem backend untuk memberikan pengalaman pelanggan yang lebih kohesif dan personal,” kata Raghu Ravinutala, CEO & Co-founder, Yellow.ai. “Peluncuran ini semakin menggarisbawahi komitmen kami untuk mengembangkan beberapa LLM internal dan mendorong misi kami untuk mendefinisikan kembali sektor layanan pelanggan melalui solusi yang mengutamakan AI yang memberikan pengalaman seperti manusia secara mandiri.”
“Orchestrator LLM benar-benar dapat merevolusi industri layanan pelanggan. Kemampuannya untuk mengantisipasi kebutuhan pelanggan dan memberikan respons yang cepat dan relevan akan meningkatkan loyalitas pelanggan dan efisiensi operasional,” kata Eric Hansen, CIO, Waste Connections.
Yellow.ai membuat langkah signifikan dalam mengembangkan beberapa LLM internal untuk beragam kasus penggunaan layanan pelanggan. Yellow.ai meluncurkan YellowG LLM untuk zero setup, percakapan berorientasi tujuan, ringkasan, dan jawaban tanya jawab, bersama dengan Komodo-7B, model dukungan pelanggan pertama di Indonesia dalam 11+ bahasa daerah. Dengan hallucination rate sebesar kurang dari 1% dan waktu respons rata-rata 0,6 detik, LLM ini dirancang untuk memenuhi standar ketat yang ditetapkan, memastikan interaksi pelanggan yang aman, tepat, dan personal. Selain itu, Yellow.ai telah berhasil menerapkan 150+ bot AI generatif untuk perusahaan, menunjukkan kemampuan AI generatifnya yang kuat dan berfokus pada penyediaan solusi yang mengutamakan AI untuk layanan pelanggan.
