Tharon Green/ZDNET/Getty Images
Ikuti ZDNET: Tambahkan kami sebagai sumber preferensi di Google.
—
Kesimpulan Utama dari ZDNET
AI agen saat ini masih lebih banyak jadi bahan diskusi daripada layanan produksi.
Profesional cerdas fokus pada kasus penggunaan dan teknologi pendukung.
Mereka menguji proses, menyempurnakan pendekatan, dan mencari peluang baru.
—
Percakapan dengan para pemimpin digital dan bisnis tentang AI agen seringkali berakhir pada sentimen yang sama: "kami sudah eksplorasi agen, tapi belum ada yang masuk ke tahap produksi."
Namun, sementara semua orang bicara soal eksperimen AI, tidak ada bisnis yang sanggup menjalankan pilot tanpa henti tanpa menciptakan nilai bisnis. Dan dengan para ahli yang menyebutkan bahwa profesional yang gagal memanfaatkan AI berisiko tertinggal, ada tekanan untuk mengimplementasikan agen yang sukses sesegera mungkin.
Baca juga: Cara membangun agen AI yang lebih baik untuk bisnis Anda—tanpa menciptakan masalah kepercayaan.
Di spesialis perjalanan daring Booking.com, Huy Dao, direktur platform data dan machine learning, bertanggung jawab untuk menghasilkan nilai dari AI, termasuk layanan agen. Ia berhasil mencapai hasil dengan mengambil pendekatan terstruktur dalam peluncuran layanan, menciptakan solusi yang tepat sasaran untuk tantangan yang dihadapi pelanggan saat ini dan masa depan.
Dao menyebut pendekatan ini dalam percakapan dengan ZDNET sebagai "perjalanan terhubung," di mana Booking.com berupaya memastikan semua elemen perjalanan pelanggan—baik itu penerbangan, hotel, atau atraksi—dipertimbangkan sebagai pengalaman yang terintegrasi.
Baca juga: Khawatir agen AI akan menggantikan Anda? 5 cara mengubah kecemasan menjadi aksi di tempat kerja.
Menciptakan perjalanan terhubung berarti bekerja lintas informasi yang terpisah-pisah. Tumpukan data yang dibuat tim Dao memungkinkan Booking.com mengembangkan layanan baru bertenaga AI, termasuk aplikasi agen pertama mereka, yaitu sistem mitra-ke-tamu yang memfasilitasi komunikasi antara pelanggan dan mitra hotel.
Inilah yang telah ia pelajari, dengan lima pelajaran kunci bagi profesional lain yang ingin mengubah AI agen dari sekadar pilot menjadi layanan produksi yang cemerlang.
1. Identifikasi tantangan bisnis
Dao mengatakan kunci untuk mengeksploitasi teknologi baru adalah menemukan penggunaan yang tepat. Sementara beberapa profesional masih ragu tentang potensi AI, ia percaya perusahaan dapat menggunakan teknologi agen untuk mengatasi tantangan yang sulit dipecahkan.
"Menurut saya, AI itu bukan tren sesaat, bahkan bukan tren setahun—ini adalah sesuatu yang nyata," ujarnya. "Saya lihat setiap hari di tempat kerja bagaimana AI bisa mempengaruhi cara kita melakukan sesuatu."
Baca juga: 5 cara menggunakan AI saat anggaran terbatas.
Di Booking.com, Dao dan timnya menyadari bahwa respons tepat waktu terhadap pertanyaan pelanggan adalah tantangan utama bagi mitra hotel. Mereka menyadari bahwa teknologi agen bisa membantu hotel memberi respons lebih cepat dan lebih akurat.
Sebelum meluncurkan solusi agen, "Setiap kali pelanggan ingin menghubungi mitra hotel—misalnya, untuk mengecek apakah hotel punya kolam renang, atau kedatangan satu atau dua jam lebih lambat—Anda akan menghubungi mitra dan bertanya, ‘Hei, bisa saya dapatkan informasi ini?’" jelasnya.
"Namun, saat staf hotel menjawab, mereka seringkali perlu bekerja ekstra untuk memastikan responsnya tepat. Selain itu, terkadang mereka sedang tidak tersedia saat pelanggan bertanya. Jadinya, bisa memakan waktu beberapa jam atau lebih sebelum pelanggan mendapat jawaban."
2. Bangun platform data
Dao mengatakan tumpukan data yang dibuat timnya memungkinkan Booking.com mempercepat adopsi teknologi AI dan machine learning untuk berbagai kasus penggunaan, seperti yang diuraikan di atas.
"AI itu bukan tren sesaat… ini adalah sesuatu yang nyata," kata Dao.
Platform data Snowflake menjadi bagian dari tumpukan terintegrasi yang mencakup ThoughtSpot untuk analitik, Astronomer dan Airflow untuk orkestrasi, Immuta untuk kontrol akses, Arize untuk observabilitas machine learning, dan AWS untuk komputasi awan. Tim data juga menguji dan menggunakan model AI dari penyedia utama, seperti OpenAI, Amazon Bedrock, dan Google Gemini.
Baca juga: Mengapa agen AI perusahaan bisa menjadi ancama insider terbesar.
Sistem komunikasi mitra-ke-tamu Booking.com yang khusus dikembangkan secara internal dengan Python. Tim data menggunakan LangGraph, kerangka kerja (framework) agen terbuka (open-source), untuk membantu agen menalar pertanyaan tamu.
Dao menekankan bahwa sistem agen yang efektif tidak hanya soal sistem backend. Timnya juga memikirkan dengan cermat antarmuka pengguna.
"Kami ingin mengintegrasikan teknologi atau kemampuan AI di mana pun itu masuk akal bagi pengguna kami," kata Dao.
"Dan di kasus penggunaan ini, mitra kami sudah memiliki portal berbasis web untuk melihat pesan mereka. Jadinya, jelas bahwa kami harus mengintegrasikan agen langsung di sana untuk membantu mereka."
3. Uji kasus penggunaan dengan hati-hati
Setelah mengidentifikasi tantangan bisnis dan menyempurnakan platform teknologi, Dao dan timnya fokus pada implementasi, yang berlangsung dalam dua fase.
Fase pertama, mereka mengembangkan asisten tepercaya untuk membantu mitra hotel menangani pertanyaan pelanggan.
Hasilnya adalah sebuah teknologi agen bernama Smart Messenger, yang mengumpulkan informasi mitra, properti, dan reservasi untuk mendukung staf hotel berkomunikasi dengan tamu.
Baca juga: 90% proyek AI gagal—ini 3 cara untuk memastikan proyek Anda berhasil.
Fase awal dari layanan agen ini, Dao mengatakan keputusan tetap ada di tangan manusia.
"Kami ingin memastikan mitra yang memiliki suara akhir untuk bagaimana mereka akan merespons pelanggan," katanya.
"Tapi kami memberi mereka asisten. Alih-alih butuh lima menit untuk menjawab, itu hanya perlu satu klik jika mereka setuju dengan jawaban yang diberikan agen."
4. Delegasikan seiring munculnya kepercayaan
Seiring waktu, Dao mengatakan bahwa mitra hotel yang percaya diri bisa mulai mendelegasikan lebih banyak pekerjaan kepada agen—dan tahap ini adalah fase kedua dari implementasi agen.
Di sinilah alat Balas Otomatis (Auto-Reply) Booking.com memungkinkan mitra hotel mendefinisikan balasan kustom dan membuat respons instan untuk pertanyaan tamu, seperti apakah hotel menyediakan parkir di tempat.
"Fase ini adalah saat agen mengatakan, ‘OK, jika Anda cukup percaya pada saya, saya bisa bertindak untuk Anda,’" ujar Dao.
"Di kasus ini, mitra mungkin sedang tidur saat pelanggan bertanya karena sudah larut malam. Tapi agen bisa merespons mewakili mitra—dan pendekatan itu membantu dalam beberapa hal."
Baca juga: 5 cara berhenti ngetes AI dan mulai men-skalanya secara bertanggung jawab.
Booking.com melaporkan bahwa eksperimen awal menghasilkan peningkatan 73% dalam kepuasan mitra dibandingkan alat perpesansi sebelumnya. Dao mengatakan agen terus belajar dari interaksi masa lalu dan masukan pengguna, menyesuaikan responsnya untuk akurasi dan relevansi.
Kini dengan agen, kata Dao, "kami mengukur jawaban terhadap semua yang kami lakukan; kami bereksperimen dengannya, lalu membandingkan peningkatan kepuasan."
"Karena pelanggan mendapatkawan jawaban yang mereka butuhkan, mereka tidak harus menghubungi customer support, dan kesusahan itu sekagan udah menghemat biaya dalam customer support juga."
5. Cari lebih banyak peluang
Dao mengatakan eksploitasi agen harus dikaitkan dengan kasus penggunaan masing-masing. Sambil timnya menyempurnakan pengalaman pelanggan, mereka terus mengasa platform, menciptakan fondasi untuk mendukung eksplorasi agen lainnya.
"Kami tidak ingin membangun platform hanya untuk platform it-self," katanya. "Saat kami membangun platform, penggunalah yang ada dalam pragenan… pikiran kami. Kami memastikan memilih haWOO$€ch teknologi agen yang tepat."
Dao menyarankan para profesional lain untuk mengambil hikmah. "Yang tadinya Anda kira pas M**** sistem agen baik. Seraka memasuki dun produksi bisa muncul miss., hal halt==at begda yentu keterl…
[Mohon maaf, teks akhir tidak sepenuhnya true form kal ul code with insertion slul. hanya seperti hasil model real time transcription dilanjut secara auto berdasarkan kebocoran.]"
==bump/dot not process well——