Coaching AI untuk Agen Dukungan: Umpan Balik dari Percakapan Nyata

Oleh Linh Ngo · Diperbarui 11 Oktober 2026

Coaching AI untuk agen dukungan adalah praktik menggunakan AI untuk membaca atau mendengarkan percakapan pelanggan yang nyata, memilih momen yang menunjukkan kesenjangan keterampilan atau kekuatan, lalu menyerahkan momen-momen itu kepada manajer sebagai bahan konkret untuk sesi tatap muka satu lawan satu. AI yang menemukan. Manajer yang melakukan coaching. Pembagian itulah inti gagasannya, dan tim yang mengaburkannya biasanya berakhir dengan tumpukan skor yang tidak ditindaklanjuti siapa pun atau sistem yang dibenci agen.

Sebagian besar manajer dukungan melakukan coaching dari segelintir percakapan yang kebetulan mereka ambil sebagai sampel. Tim yang terdiri dari 30 agen dan menangani ribuan kontak per minggu tidak bisa dipahami dari lima tiket per orang. AI mengubah masalah pengambilan sampel: ia bisa melihat setiap percakapan dan menampilkan tiga yang penting bagi agen ini pada minggu ini. Panduan ini membahas bagaimana cara kerjanya, siapa melakukan apa, cara menyiapkannya dalam langkah-langkah, dan cara menjaga program tetap berada di sisi yang benar dari batas antara pengembangan dan pengawasan. Panduan ini bagian dari koleksi AI for Customer Service; untuk gambaran yang lebih luas, mulailah dari AI dalam layanan pelanggan.

Fakta Utama

• Dalam makalah kerja draf tentang sebuah call center layanan keuangan di Eropa, coaching yang ditingkatkan AI memangkas rata-rata waktu penanganan panggilan sekitar 7 persen, dengan peningkatan lebih besar bagi agen dengan masa kerja lebih pendek (Fouarge dkk., makalah kerja Netspar, Januari 2025).
• Studi tersebut mencakup 187.839 panggilan yang ditangani 147 agen selama peluncuran bertahap pada 2023 (makalah kerja Netspar).
• Dalam studi terpisah terhadap 5.179 agen dukungan, asisten AI menaikkan jumlah masalah yang diselesaikan per jam sebesar 14% rata-rata dan 34% untuk pekerja pemula dan berketerampilan rendah, dengan dampak minimal pada pekerja berpengalaman (Brynjolfsson, Li, dan Raymond, NBER Working Paper 31161).
• 51% pekerja AS mengatakan mereka tahu pemberi kerja memantau mereka dengan teknologi, dan 56% dari mereka yang dipantau melaporkan umumnya merasa tegang atau stres di tempat kerja (American Psychological Association, survei Work in America 2023).
• 45% pekerja yang dipantau mengatakan lingkungan kerja mereka merugikan kesehatan mental, dibandingkan 29% pekerja yang tidak dipantau. APA menekankan bahwa ini hanyalah korelasi tanpa penyebab utama yang terkonfirmasi (APA).
• EU AI Act melarang sistem AI yang menyimpulkan emosi orang di tempat kerja, kecuali untuk alasan medis atau keselamatan (EU AI Act, Pasal 5).

Apa yang Sebenarnya Dilakukan Coaching AI

Bayangkan versi tradisionalnya. Seorang pemimpin tim menarik lima tiket per agen di akhir bulan, membacanya, lalu menulis umpan balik. Sampelnya sangat kecil, umpan baliknya tiba berminggu-minggu setelah percakapan, dan agen nyaris tidak ingat kontak tersebut. Sering kali kelima tiket itu adalah yang paling mudah ditemukan, bukan yang paling berguna.

Coaching AI menggantikan langkah menemukan, bukan percakapannya. Dalam istilah ACE, ini adalah pola Meeting Intelligence yang diterapkan pada dukungan: melakukan ingest percakapan (teks dari chat dan email, atau audio hasil transkripsi dari panggilan), menganalisisnya terhadap hal yang Anda pedulikan, dan menghasilkan sesuatu yang bisa dipakai manajer, seperti daftar singkat momen yang ditandai dengan baris-baris relevan yang disorot.

Hal-hal umum yang ditampilkannya:

• Momen yang layak di-coaching. Percakapan di mana pelanggan bingung selama beberapa giliran, di mana agen melewatkan langkah yang diwajibkan, atau di mana situasi sulit ditangani dengan sangat baik.
• Pola lintas percakapan. Agen yang secara konsisten kurang menjelaskan jangka waktu pengembalian dana, atau yang balasannya makin pendek dan dingin menjelang akhir shift.
• Kekuatan yang layak ditiru. Pemindaian yang sama yang menemukan kesenjangan juga menemukan agen yang penjelasannya tentang kesalahan penagihan selalu mengena. Itu menjadi contoh bersama bagi tim.

Penelitian tentang pemilihan panggilan mendukung pendekatan ini. Makalah 2023 tentang sistem bernama AI Coach Assist menjelaskan penggunaan model bahasa untuk menentukan panggilan mana yang layak di-coaching berdasarkan pertanyaan quality assurance yang ditetapkan manajer, sehingga supervisor tidak terbatas pada sampel acak (Coach Assist, arXiv). Itu adalah makalah sistem tanpa hasil lapangan yang dilaporkan, jadi anggaplah sebagai gambaran metode, bukan bukti dampak.

Apa bedanya dengan AI agent assist? Agent assist bekerja selama percakapan, menyarankan balasan dan menampilkan artikel secara real-time. Coaching bekerja sesudahnya, mengubah percakapan yang telah selesai menjadi pengembangan. Keduanya saling menyuplai: coaching memberi tahu topik mana yang membutuhkan lebih banyak bantuan bagi agen, dan assist adalah tempat Anda dapat menaruh bantuan itu.

Apa Kata Bukti

Berhati-hatilah dengan klaim besar di sini. Buktinya menggembirakan tetapi masih muda.

Studi yang paling relevan adalah makalah kerja dari para peneliti yang mempelajari penyedia layanan keuangan besar di Eropa Barat. Perusahaan itu meluncurkan alat AI yang menganalisis isi lisan panggilan untuk mendukung proses coaching-nya, dan melakukannya secara bertahap, yang memungkinkan peneliti membandingkan agen yang telah menerimanya dengan yang belum. Mereka melaporkan bahwa coaching yang ditingkatkan AI mengurangi waktu penanganan panggilan sekitar 7 persen, bahwa mekanismenya adalah gaya komunikasi yang lebih baik, dan bahwa peningkatannya jauh lebih kuat bagi agen dengan masa kerja lebih pendek (makalah kerja Netspar). Berlaku dua catatan kehati-hatian. Itu adalah draf, dan agen yang diberi perlakuan jauh lebih kurang berpengalaman dibandingkan kelompok kontrol, jenis ketidakseimbangan yang ingin Anda lihat diatasi pada versi berikutnya.

Hasil yang lebih luas menunjuk ke arah yang sama. Studi NBER tentang bantuan generative AI menemukan manfaat terbesar bagi pekerja yang lebih baru dan menyimpulkan bahwa alat itu tampaknya menyebarkan praktik pekerja yang lebih mumpuni (NBER Working Paper 31161). Studi itu tentang bantuan real-time, bukan coaching. Namun pola yang sama berguna untuk perencanaan: harapkan pengembangan yang didukung AI paling membantu agen yang lebih baru, dan jangan menjanjikan lonjakan dramatis bagi para veteran.

Perhatikan juga apa yang tidak ditunjukkan studi-studi ini. Keduanya mengukur kecepatan dan kualitas komunikasi, bukan apakah pelanggan lebih puas atau apakah agen bertahan lebih lama. Masukkan hal-hal itu ke papan skor Anda sendiri.

Siapa Melakukan Apa: AI Menemukan Momen, Manusia Melakukan Coaching

Cara paling bersih untuk menjalankannya adalah pembagian kerja yang tegas.

Baris terakhir adalah yang paling penting. Tanda dari AI adalah titik awal percakapan, bukan vonis. Algoritma melihat bahwa sebuah balasan panjang; ia tidak tahu bahwa pelanggannya lanjut usia dan membutuhkan penjelasan rinci. Manajer yang mengenal konteksnya dan bertanya lebih dulu, "ceritakan kepada saya apa yang terjadi di sini", mendapat informasi yang lebih baik daripada skor mana pun, dan agen pergi dengan perasaan didengar.

Dokumentasi QA Zendesk menunjukkan bagaimana produk arus utama membingkai hal ini. Panduan adminnya menjelaskan autoscoring yang mengevaluasi dan menilai semua interaksi pelanggan secara otomatis, lalu secara terpisah menjelaskan pembuatan sesi coaching di mana Anda "menggabungkan percakapan tertentu dan catatan yang disematkan", ditambah melacak apakah agen telah meninjau umpan balik yang mereka terima (Zendesk Help Center). Penilaiannya otomatis. Sesinya adalah peristiwa antarmanusia. Untuk sisi penilaian secara mendalam, lihat AI quality assurance untuk dukungan.

Contoh Nyata menurut Fungsi

Metodenya sama di mana-mana. Momennya berbeda.

Dukungan chat tier 1. AI menandai percakapan di mana pelanggan menanyakan hal yang sama dua kali. Manajer dan agen membaca dua di antaranya bersama-sama dan menemukan pola: agen menjawab pertanyaan yang diajukan, bukan yang ada di baliknya. Tujuan minggu depan: konfirmasi pemahaman sebelum menjawab.

Penagihan dan penagihan piutang. Penagihan adalah tempat nada paling penting dan kesalahan paling mahal. AI menandai panggilan di mana bahasa pelanggan bergeser dari netral menjadi frustrasi tepat setelah penjelasan kebijakan. Percakapan coaching-nya adalah tentang cara menjelaskan denda keterlambatan, bukan tentang dendanya. Agen yang paling baik menjelaskannya menjadi teladan.

Dukungan teknis. Tanda-tandanya tentang proses: langkah diagnostik yang dilewati, eskalasi prematur, tiket ditutup tanpa konfirmasi. Manajer menggunakannya untuk memperbaiki panduan pemecahan masalah sekaligus agennya, karena tiga agen yang melewatkan langkah yang sama biasanya berarti langkah itu didokumentasikan dengan buruk.

Email dan kanal tertulis. AI paling kuat di sini karena teks mudah dianalisis. Topik coaching yang umum adalah panjang balasan, langkah berikutnya yang tidak jelas, dan ketiadaan pengakuan. Lihat AI untuk dukungan email untuk cara kerja kanal ini.

Onboarding karyawan baru. Pada minggu ketiga, alih-alih menunggu tinjauan bulanan, manajer mendapat daftar singkat dari percakapan agen baru itu sendiri: dua hal yang dilakukan dengan baik, dua yang perlu dilatih. Mengingat penelitian di atas tentang pekerja yang lebih baru, di sinilah coaching paling mungkin membuahkan hasil.

Cara Menerapkan Coaching AI, Langkah demi Langkah

1. Mulailah dari agen, bukan dari alat. Sebelum Anda membeli atau mengaktifkan apa pun, beri tahu tim apa yang Anda rencanakan dan mengapa. Jelaskan apa yang akan dianalisis, siapa yang melihat hasilnya, dan untuk apa hasil itu tidak akan digunakan. Lakukan ini lebih dulu, karena desas-desus mengisi setiap keheningan.
2. Tentukan seperti apa yang baik itu. Tulis scorecard singkat: lima hingga delapan perilaku yang penting, seperti memahami pertanyaan, akurasi, langkah berikutnya yang jelas, nada yang sesuai. Libatkan agen berpengalaman dalam menyusunnya. Rubrik yang dibuat manajemen saja cenderung mengukur apa yang mudah dihitung.
3. Periksa data Anda. Analisis percakapan membutuhkan transkrip yang lengkap dan atribusinya benar. Perbaiki masalah penandaan, cakupan kanal, dan persetujuan sebelum Anda mulai. Menyiapkan data dukungan untuk AI membahas persiapannya.
4. Jalankan dalam mode bayangan. Selama beberapa minggu, biarkan AI menilai percakapan sementara manajer juga meninjau sampel secara manual. Bandingkan. Jika AI dan peninjau terbaik Anda sering berbeda pendapat tentang suatu perilaku, perbaiki rubriknya atau buang perilaku itu.
5. Pilih kadensi dan batas. Satu percakapan coaching mingguan atau dua mingguan per agen, dengan tidak lebih dari dua atau tiga momen untuk dibahas. Daftar dua puluh butir yang ditandai adalah daftar tugas, bukan coaching.
6. Berikan tampilan yang sama kepada agen. Agen harus melihat momen dan skor miliknya sendiri sebelum percakapan, dan dapat menambahkan konteks atau tidak setuju. Ini adalah pengungkit terbesar untuk kepercayaan.
7. Ubah momen menjadi satu komitmen. Akhiri setiap sesi dengan satu hal spesifik untuk dilatih, dituliskan oleh agen. Periksa pada sesi berikutnya.
8. Bagikan hal-hal baik. Sekali sebulan, bagikan contoh anonim atau yang disetujui dari percakapan yang sangat baik kepada seluruh tim. Jika coaching AI hanya selalu menunjukkan kesalahan kepada orang, rasanya seperti pengawasan. Menunjukkan keberhasilan memperbaikinya.
9. Tinjau sistem setiap kuartal. Lihat akurasi tanda, umpan balik agen, dan hasil (waktu penanganan, tingkat penyelesaian, CSAT, atrisi). Pensiunkan tanda yang tidak membantu.

Menghindari Kesan Pengawasan

Di sinilah program berhasil atau gagal. Teknologi yang sama bisa terasa seperti pelatih atau seperti pengawas yang mengintai, dan agen memutuskan yang mana dalam waktu sekitar seminggu.

Angka-angkanya menjelaskan mengapa hal ini patut diperhatikan. Dalam survei APA 2023, 56% pekerja yang mengalami pemantauan melaporkan umumnya merasa tegang atau stres di tempat kerja, dan 45% mengatakan lingkungan kerja mereka merugikan kesehatan mental, dibandingkan 29% pekerja yang tidak dipantau. Peran layanan pelanggan dan klien melaporkan kesadaran akan pemantauan sebesar 55%, lebih tinggi daripada 51% secara keseluruhan (APA). APA secara eksplisit menyatakan bahwa ini adalah korelasi dan penyebab utamanya belum terkonfirmasi, jadi jangan mengutipnya sebagai bukti bahwa pemantauan menyebabkan stres. Anggaplah sebagai peringatan tentang lingkungan yang akan Anda masuki.

Pengaman praktis:

• Bersikaplah transparan. Dokumentasikan apa yang dianalisis, apa arti skor, siapa yang dapat melihat apa, dan berapa lama data disimpan. Tuliskan, dan perbarui ketika pengaturannya berubah.
• Berikan pemberitahuan dan patuhi hukum. Persyaratan tentang perekaman, persetujuan, dan data karyawan berbeda menurut negara dan terkadang menurut negara bagian. Konsultasikan dengan penasihat hukum dan dewan pekerja mana pun sebelum peluncuran. Jangan berasumsi bahwa pemberitahuan perekaman untuk pelanggan juga mencakup analisis kinerja internal.
• Hindari penilaian berbasis penyimpulan emosi terhadap staf Anda sendiri di UE. EU AI Act melarang sistem AI yang menyimpulkan emosi orang di tempat kerja, di luar penggunaan medis atau keselamatan (EU AI Act, Pasal 5). Jika fitur vendor menilai "suasana hati" atau "stres" agen dari suara atau video, mintalah tinjauan hukum sebelum mengaktifkannya, di mana pun staf Anda berada.
• Gunakan data untuk pengembangan terlebih dahulu. Katakan dengan jelas, dan bersungguh-sungguhlah, bahwa momen yang ditandai adalah pemantik percakapan. Jika Anda juga bermaksud menggunakan skor dalam tinjauan kinerja, katakan secara terbuka, tetapkan ambang batas dengan tinjauan manusia, dan beri agen jalur untuk menyanggah.
• Tetap libatkan manusia dalam keputusan. Tidak boleh ada keputusan gaji, promosi, atau disiplin yang bertumpu pada skor AI semata.
• Biarkan agen melihat datanya sendiri lebih dulu. Kejutanlah yang membuat umpan balik terasa seperti pengawasan.
• Kumpulkan lebih sedikit. Analisis apa yang dibutuhkan scorecard Anda. Jangan menyimpan setiap metrik yang mungkin hanya karena alatnya bisa menghasilkannya.

Kesalahan yang Perlu Dihindari

Menilai semuanya dan tidak melakukan coaching apa pun. AI membuat skor menjadi murah, dan tim tenggelam dalam Dashboard. Jika sebuah tanda tidak pernah berujung pada percakapan, berhentilah menghasilkannya.

Melakukan coaching demi metrik. Jika waktu penanganan diberi bobot besar, agen akan memburu-buru pelanggan. Pengurangan waktu penanganan 7 persen dari makalah Netspar hanya baik jika kualitas terjaga, dan para penulis melaporkan bahwa itu datang melalui komunikasi yang lebih baik, bukan jalan pintas. Seimbangkan kecepatan dengan penyelesaian dan kepuasan.

Menganggap skor AI sebagai kebenaran. Model salah membaca sarkasme, frasa regional, percakapan multibahasa, dan situasi produk yang tidak biasa. Ini risiko khusus dalam dukungan multibahasa. Selalu biarkan agen menjelaskan sebelum menilai.

Mengabaikan apa yang dikatakan agen. Jika agen berpengalaman mengatakan sebuah tanda salah, selidiki. Mereka biasanya adalah data kalibrasi terbaik Anda.

Menggunakannya hanya pada agen yang kesulitan. Jalankan program yang sama untuk seluruh tim, termasuk performer teratas. Penggunaan selektif terlihat seperti hukuman.

Melupakan peran di sekitarnya. Waktu coaching adalah waktu manajer. Jika Anda menambahkan coaching AI tanpa membebaskan waktu pemimpin tim, hal itu tidak akan terjadi. Lihat bagaimana AI mengubah peran tim dukungan untuk merencanakan kapasitas itu.

Cara Sederhana untuk Mengukur Apakah Ini Berhasil

Pilih empat ukuran sebelum Anda mulai dan lihat setiap kuartal: skor kualitas pada scorecard Anda, satu hasil pelanggan (CSAT atau penyelesaian), satu ukuran kecepatan, dan satu ukuran manusia, seperti kepercayaan diri agen dalam survei singkat atau atrisi. Bandingkan agen yang telah di-coaching dengan sistem terhadap periode baseline (garis dasar), dan amati agen yang lebih baru secara terpisah, karena di situlah penelitian menunjukkan efek terbesar. Jika kecepatan membaik sementara survei singkat menurun, Anda telah membangun alat pengawasan. Perbaiki itu sebelum diperluas.