Voicify dan Masa Depan Pemesanan Lewat Telepon dengan AI

Panggilan telepon masih menjadi kanal penting untuk banyak bisnis, terutama restoran, klinik, jasa servis, dan bisnis lokal. Masalahnya, telepon sering datang pada jam sibuk, ketika staf sedang melayani pelanggan di tempat, menyiapkan pesanan, atau menangani administrasi lain.

Studi kasus Google Cloud Blog tentang Voicify yang dipublikasikan pada 24 Juli 2026 menarik karena membahas pendekatan yang sangat praktis: menggunakan AI untuk membantu mengotomatisasi pemesanan pelanggan melalui panggilan telepon. Bagi saya, ini bukan sekadar chatbot suara, tetapi bagian dari customer operations yang lebih besar, mulai dari menerima permintaan, memahami konteks, mencatat pesanan, mengirim notifikasi, sampai mengintegrasikan data ke sistem operasional.

Apa yang dilakukan Voicify?

Voicify membantu bisnis menangani pemesanan melalui telepon dengan AI. Dalam konteks studi kasus tersebut, fokusnya adalah AI-enabled ordering, yaitu proses ketika pelanggan menelepon, berbicara secara natural, lalu sistem AI membantu memahami kebutuhan pelanggan dan meneruskannya ke alur pemesanan.

Untuk kasus restoran, pola ini sangat masuk akal. Traffic telepon bisa melonjak pada jam makan siang, makan malam, akhir pekan, atau saat ada promosi. Jika semua panggilan harus ditangani manual, risiko missed call meningkat. Setiap missed call bisa berarti pesanan yang hilang.

Voicify menggunakan Vertex AI dengan kombinasi provisioned throughput dan pay-as-you-go. Tujuannya adalah menjaga ketersediaan layanan ketika traffic restoran naik turun. Provisioned throughput membantu menyiapkan kapasitas yang lebih terprediksi, sedangkan pay-as-you-go memberi fleksibilitas saat kebutuhan berubah.

Kenapa voice ordering sulit?

Mengotomatisasi pemesanan lewat telepon lebih kompleks daripada sekadar mengubah suara menjadi teks. Ada beberapa tantangan teknis yang perlu diperhatikan.

1. Latency harus rendah

Percakapan telepon menuntut respons cepat. Jika AI terlalu lama menjawab, pelanggan akan merasa sistem tidak natural. Dalam voice ordering, latency bukan hanya soal model AI, tetapi juga mencakup telephony, speech-to-text, reasoning, integrasi API, text-to-speech, dan jaringan.

Saya biasanya melihat latency sebagai metrik produk, bukan hanya metrik infrastruktur. Pengguna tidak peduli komponen mana yang lambat. Yang mereka rasakan hanya satu hal: apakah percakapan terasa lancar atau tidak.

2. Transkripsi harus akurat

Kesalahan transkripsi bisa membuat pesanan salah. Contohnya, nama menu, ukuran porsi, alamat, nomor telepon, jam pengambilan, atau instruksi khusus.

Untuk konteks Indonesia, tantangannya bertambah. Sistem perlu diuji dengan Bahasa Indonesia, campuran bahasa daerah, aksen lokal, istilah produk, singkatan alamat, nama jalan, nomor rumah, dan cara pelanggan menyebut nomor telepon. Ini penting sebelum bisnis mengandalkan AI untuk transaksi nyata.

3. AI harus menjaga konteks percakapan

Pemesanan bukan percakapan satu langkah. Pelanggan bisa mengubah jumlah, menambahkan item, bertanya harga, membatalkan sebagian pesanan, lalu meminta waktu pengantaran tertentu.

AI perlu menjaga konteks agar tidak kehilangan detail. Misalnya, jika pelanggan berkata, “yang ayamnya tambah satu lagi,” sistem harus tahu item ayam mana yang dimaksud dan memperbarui total pesanan dengan benar.

4. Integrasi order management menentukan nilai bisnis

AI yang hanya mencatat percakapan belum cukup. Nilainya baru terasa ketika hasil percakapan masuk ke sistem order management, CRM, POS, spreadsheet operasional, atau dashboard internal.

Di sinilah API integration menjadi penting. Sistem perlu mengubah percakapan menjadi data terstruktur: nama pelanggan, nomor telepon, item, jumlah, harga, alamat, metode pembayaran, catatan, dan waktu pemenuhan.

Setelah itu, notification system bisa mengirim ringkasan ke staf, dapur, kasir, atau operator melalui kanal yang sesuai. Tujuannya bukan mengganti semua proses, tetapi mengurangi pekerjaan manual yang repetitif.

Fallback manusia tetap wajib

Saya tidak menyarankan bisnis langsung menyerahkan semua panggilan ke AI tanpa jalur eskalasi. Untuk transaksi pelanggan, fallback manusia adalah fitur wajib.

Transfer ke operator perlu dilakukan ketika confidence rendah, pelanggan marah, sistem tidak memahami istilah tertentu, ada permintaan khusus, terjadi konflik harga, atau pembayaran perlu dikonfirmasi secara manual.

Prinsipnya sederhana: AI menangani alur yang jelas dan berulang, manusia menangani kasus ambigu, sensitif, atau bernilai tinggi.

Observability dan kontrol kapasitas

Voice AI untuk pemesanan harus bisa dipantau seperti sistem produksi lainnya. Tim perlu tahu kapan error terjadi, di titik mana percakapan gagal, berapa banyak panggilan yang dialihkan ke operator, dan apakah biaya per transaksi masih masuk akal.

Beberapa metrik yang saya anggap penting:

Missed call rate, untuk melihat apakah otomatisasi benar-benar mengurangi panggilan tidak terjawab.
Average handling time, untuk mengukur durasi penanganan panggilan.
Correction rate, untuk mengetahui seberapa sering staf perlu memperbaiki hasil AI.
Conversion rate, untuk melihat berapa banyak panggilan yang menjadi pesanan atau reservasi valid.
Cost per transaction, untuk memastikan biaya AI, telephony, dan infrastruktur sebanding dengan nilai bisnis.

Kontrol kapasitas juga penting. Kombinasi provisioned throughput dan pay-as-you-go seperti yang digunakan Voicify di Vertex AI relevan karena traffic bisnis tidak selalu stabil. Ada jam puncak, musim liburan, promosi, cuaca buruk, atau momen lokal yang bisa membuat volume telepon naik mendadak.

Dampak untuk bisnis lokal di Indonesia

Menurut saya, pola seperti Voicify sangat relevan untuk Indonesia, tetapi implementasinya harus realistis dan bertahap.

Untuk restoran, AI dapat membantu menerima pesanan saat staf sibuk. Untuk klinik, AI bisa membantu alur reservasi jadwal, konfirmasi nama pasien, dan mencatat kebutuhan awal tanpa membuat staf administrasi kewalahan. Untuk jasa servis, AI dapat mengumpulkan detail masalah, alamat, waktu kunjungan, dan nomor kontak. Untuk bisnis lokal lain, AI bisa menjadi lapisan awal customer service dan sales melalui telepon.

Namun, ada hal yang harus diuji secara serius sebelum produksi:

Bahasa Indonesia natural, termasuk variasi formal dan informal.
Aksen daerah dan cara bicara pelanggan yang berbeda.
Istilah produk, menu, layanan, paket, dan promo.
Alamat Indonesia yang sering tidak standar.
Nomor telepon yang dibacakan dengan berbagai pola.
Konfirmasi jumlah, harga, alamat, waktu, dan pembayaran.

Saya juga akan berhati-hati pada konteks pembayaran. Untuk transaksi lokal, sistem perlu mengonfirmasi metode pembayaran, status pembayaran, dan instruksi pembayaran dengan jelas. Jika ada ketidakpastian, lebih aman dialihkan ke operator.

Rekomendasi implementasi awal

Jika saya memulai proyek seperti ini untuk bisnis lokal, saya tidak akan langsung membuat AI yang bisa menangani semua skenario. Saya akan mulai dari satu alur yang paling sering terjadi dan paling mudah divalidasi.

Contohnya:

Reservasi meja restoran.
Pesanan takeaway sederhana.
Booking jadwal klinik.
Permintaan kunjungan teknisi.
Konfirmasi ulang pesanan yang sudah masuk.

Setelah alur pertama stabil, baru diperluas ke skenario lain.

Beberapa praktik yang saya rekomendasikan:

Selalu konfirmasi ulang jumlah, harga, alamat, dan waktu sebelum pesanan dibuat.
Gunakan transfer ke operator saat confidence rendah.
Simpan transcript secara aman untuk audit, training, dan penyelesaian komplain.
Batasi data sensitif yang dikumpulkan melalui telepon.
Hubungkan hasil panggilan ke order management atau CRM melalui API.
Kirim notifikasi ringkas ke staf agar tidak perlu membaca seluruh transcript.
Pantau missed call, handling time, correction rate, conversion rate, dan biaya per transaksi.

Penutup

Studi kasus Voicify menunjukkan arah yang menarik untuk AI automation: bukan hanya membuat percakapan terdengar pintar, tetapi membuat proses bisnis berjalan lebih rapi ketika demand tidak stabil.

Bagi saya, nilai terbesar AI voice ordering ada pada pengurangan pekerjaan manual, peningkatan respons pelanggan, dan integrasi langsung ke operasi bisnis. Tetapi keberhasilannya bergantung pada detail teknis yang sering tidak terlihat, seperti latency, akurasi transkripsi, konteks percakapan, observability, fallback manusia, dan kontrol kapasitas.

Untuk bisnis di Indonesia, peluangnya besar, terutama karena telepon masih menjadi kanal yang dipercaya pelanggan. Kuncinya adalah mulai kecil, ukur metrik yang tepat, dan jangan mengorbankan akurasi transaksi demi otomatisasi yang terlihat canggih.

Referensi

Bringing delight to customer phone calls with AI, Google Cloud Blog, https://cloud.google.com/blog/topics/customers/bringing-delight-to-customer-phone-calls-with-ai, dipublikasikan 24 Juli 2026.