Langsung ke konten

Deteksi Mesin Penjawab AI

Lebih banyak percakapan langsung. Dalam setiap bahasa yang Anda hubungi.

AMD berbasis transkrip dalam 11 bahasa dengan kesadaran dialek, umpan balik agen, dan penyetelan lingkup tenant. Klasifikasi berbasis transkrip, bukan berbasis bunyi bip.

Uji coba gratis 14 hari · tidak perlu kartu kredit

DialerBee AI AMD dashboard showing per-call human vs machine classification, confidence scores, and per-campaign accuracy across 11 languages

Keputusan mesin penjawab telepon secara real-time dengan skor kepercayaan dan akurasi per kampanye, per bahasa. Lihat data benchmark →

Jawaban singkat

Apa itu Deteksi Mesin Penjawab AI? AI AMD (Answering Machine Detection) adalah teknologi yang digunakan dalam dialer keluar untuk secara otomatis menentukan apakah panggilan diterima oleh manusia atau mesin penjawab. AMD tradisional menggunakan deteksi bunyi bip dan pola keheningan. AI AMD DialerBee menggunakan klasifikasi transkrip waktu nyata — ia mentranskripsikan beberapa detik pertama audio dan menggunakan model pembelajaran mesin untuk mengklasifikasikan teks sebagai manusia atau mesin. Teknologi ini mendukung 11 bahasa (Inggris, Arab, Spanyol, Prancis, Italia, Jerman, Turki, Hindi, Urdu, Portugis, Indonesia) dengan kesadaran dialek. Koreksi agen memberikan masukan ke alur kerja penyetelan lingkup tenant. Teknologi ini mengklasifikasikan dari transkrip daripada menunggu bunyi bip, sehingga berfungsi di tempat sistem pesan suara tidak memutar nada.

Dibangun oleh BroadNet — 22 tahun di bidang telekomunikasi 11 bahasa, dengan mempertimbangkan dialek. BYOC — operator seluler pilihan Anda, tanpa ikatan kontrak. Mendukung kepatuhan ( TCPA , GDPR , TDRA )

Masalah

AMD tradisional akan membebani Anda percakapan nyata

Setiap tim penjualan outbound pasti pernah mengalami ini: calon pelanggan mengangkat telepon, berkata "Halo?" — dan sistem panggilan otomatis Anda langsung menutup telepon karena sistem AMD mengklasifikasikan mereka sebagai mesin penjawab. Itu adalah positif palsu, dan ini adalah salah satu kesalahan paling mahal dalam operasi pengiriman keluar.

Sistem AMD tradisional bekerja dengan cara mendengarkan nada bip dan pola keheninganMereka mendeteksi jeda setelah salam pesan suara berakhir dan bunyi bip yang mengikutinya. Masalahnya? Pendekatan ini tidak memahami apa yang sebenarnya dikatakan. Pendekatan ini tidak dapat membedakan antara manusia yang mengatakan "Halo, siapa yang menelepon?" dan salam pesan suara yang kebetulan memiliki pola waktu yang serupa.

Hasilnya: tingkat positif palsu sebesar 10-20% sering terjadi pada AMD berbasis bunyi bip. Itu berarti untuk setiap 100 panggilan yang diangkat oleh operator, 10-20 panggilan terputus. Itu adalah percakapan — dan pendapatan — yang tidak akan pernah bisa dipulihkan oleh tim Anda.

10-20%
Tingkat positif palsu yang umum
dengan deteksi bunyi bip tradisional
2-4 detik
Penundaan deteksi
menunggu keheningan + pola bunyi bip
1 bahasa
Hanya bahasa Inggris
Sebagian besar detektor bunyi bip mengabaikan bahasa lain.

Mengapa ini penting

Lebih sedikit hasil positif palsu, lebih banyak percakapan langsung

Setiap panggilan positif palsu berarti ada orang yang sebenarnya terhubung tetapi sistem panggilan Anda terputus — percakapan, dan pendapatan, yang tidak akan pernah Anda dapatkan kembali. Mengurangi panggilan positif palsu dari 10–20% yang umum terjadi pada deteksi bunyi bip menjadi di bawah 3% (dalam kondisi uji coba internal) berarti memulihkan panggilan langsung yang seharusnya terputus oleh detektor bunyi bip. Di lantai yang sibuk, ini berarti ribuan koneksi langsung tambahan setiap bulan. Hasil aktual bervariasi tergantung pada kualitas daftar, operator, wilayah, dan bahasa.

Lebih banyak koneksi langsung

Para agen tidak lagi dianggap sebagai "mesin" belaka, sehingga lebih banyak percakapan nyata terjadi setiap jamnya.

Mengurangi waktu yang terbuang

Pesan suara disaring sebelum agen Anda mendengarnya — dalam setiap bahasa yang Anda hubungi, bukan hanya bahasa Inggris.

Visibilitas lebih jelas

Akurasi diuraikan per kampanye, operator, dan bahasa — sehingga Anda dapat membuktikan apa yang berhasil.

Cara Kerjanya

Klasifikasi transkrip, bukan tebakan audio

AI DialerBee yang dikembangkan oleh AMD mengambil pendekatan yang sangat berbeda. Alih-alih mendengarkan bunyi bip, ia mentranskripsikan beberapa detik pertama audio panggilan dan mengklasifikasikan teks yang dihasilkan menggunakan model pembelajaran mesin yang dirancang khusus. Model ini memahami bahasa — ia tahu bahwa "Halo?" dari orang sungguhan berbeda dengan "Hai, Anda telah menghubungi pesan suara Sarah. Saya tidak tersedia saat ini." — bahkan di berbagai bahasa dan dialek.

Langkah 01

Menuliskan

Saat seseorang mengangkat telepon, audio langsung ditranskripsikan secara real-time. Sistem ini membaca kata-kata sebenarnya, bukan gelombang suara atau pola keheningan.

Langkah 02

Deteksi Bahasa

Model ini secara otomatis mengidentifikasi bahasa dan dialek — Arab Teluk, Spanyol Meksiko, Prancis Kanada, Hindi, Urdu, dan banyak lagi.

Langkah 03

Menggolongkan

Sebuah pengklasifikasi ML yang dirancang khusus memberi skor pada transkrip. Baik oleh manusia maupun mesin — hasilnya dikembalikan dengan skor kepercayaan yang menjadi dasar tindakan ambang batas kampanye.

Langkah 04

Mempelajari

Koreksi dari agen menjadi masukan bagi alur kerja penyetelan yang spesifik untuk setiap tenant. Sistem ini terus meningkat seiring waktu untuk operator, wilayah, dan jenis kampanye Anda yang spesifik.

Perbandingan Berdampingan

AI AMD vs deteksi bunyi bip tradisional

Kemampuan Deteksi Bunyi Beep Tradisional DialerBee AI AMD
Cara kerjanya Mendengarkan keheningan + pola bunyi bip Menerjemahkan dan mengklasifikasikan kata-kata sebenarnya
Kecepatan deteksi 2-4 detik Kurang dari 1 detik dalam kondisi pilot.
Tingkat positif palsu 10-20% (laporan industri) Di bawah 3% dalam uji coba internal.
Bahasa Hanya bahasa Inggris (berdasarkan pola) 11 bahasa dengan kesadaran dialek
Sedang belajar Aturan statis, penyetelan manual Umpan balik agen → penyesuaian lingkup tenant
Adaptasi pembawa Tidak ada Pembelajaran pola per-carrier
Penanganan dialek Tidak ada Penyesuaian dialek regional per bahasa
Analisis Penghitungan hit/miss dasar Dasbor akurasi per kampanye, per operator, dan per bahasa

Data kinerja berdasarkan tolok ukur uji coba internal. Hasil bervariasi tergantung jenis kampanye, operator, wilayah, dan kualitas daftar. Lihat metodologi benchmark selengkapnya.

Lingkaran Umpan Balik Agen

Agen Anda membuat model yang lebih pintar

Sebagian besar sistem AMD mengirimkan model statis yang tidak pernah ditingkatkan. AI DialerBee AMD menyertakan sebuah lingkaran umpan balik agen Hal ini memungkinkan peningkatan berkelanjutan. Ketika model membuat kesalahan — mengklasifikasikan orang sungguhan sebagai mesin, atau sebaliknya — agen menandainya dengan sekali klik. Koreksi ini masuk ke alur kerja penyetelan lingkup tenant, yang berarti sistem dapat ditingkatkan secara khusus untuk operator Anda, wilayah Anda, dan jenis kampanye Anda.

Siklus umpan balik inilah yang membedakan AI AMD dari deteksi tradisional. Seiring waktu, akurasi AMD Anda dapat meningkat tanpa intervensi manual dari tim Anda — agen-agen tersebut sudah memberikan sinyal melalui alur kerja normal mereka.

Penggantian Sekali Klik

Ketika model tersebut salah, agen dapat menandainya dengan sekali klik selama panggilan. Tidak ada formulir, tidak ada tiket, tidak ada gangguan pada alur kerja mereka.

Penyesuaian yang Diperuntukkan bagi tenant

Koreksi agen memberikan masukan pada alur kerja penyetelan yang hanya diperuntukkan bagi tenant Anda. Umpan balik Anda meningkatkan akurasi Anda. Tidak ada berbagi data antar tenant.

Pola Per-Operator

Operator seluler yang berbeda menghasilkan salam pesan suara dan karakteristik audio yang berbeda. Model ini mempelajari pola spesifik operator untuk pasar Anda.

Jumlah Manusia yang Terjatuh Lebih Sedikit

Karena sistem klasifikasi membaca transkrip dan tidak menunggu nada, sapaan langsung dikenali sebagai sapaan meskipun tidak ada bunyi bip yang diputar.

Klasifikasi Saat Pengambilan

Keputusan dibuat sejak awal panggilan, saat sapaan masih diputar — jadi keputusan untuk terhubung atau memutuskan sambungan terjadi di dalam fase pengambilan gambar, bukan setelahnya.

Analisis Per Kampanye

Metrik akurasi AMD diuraikan berdasarkan kampanye, operator, bahasa, dan wilayah. Visibilitas penuh tentang apa yang berhasil dan di mana perlu ditingkatkan.

AMD Multibahasa

AMD yang memahami bahasa pelanggan Anda

Sebagian besar sistem AMD hanya berfungsi dalam bahasa Inggris. Jika tim Anda melakukan panggilan dalam bahasa Arab, Spanyol, Prancis, atau Hindi, AMD tradisional akan salah mengklasifikasikan semuanya atau Anda menonaktifkannya sepenuhnya — memaksa agen untuk mendengarkan salam pesan suara secara manual. AI DialerBee mendukung AMD . 11 bahasa dengan kemampuan mengenali dialek, sehingga Anda mendapatkan deteksi yang akurat terlepas dari pasar mana yang Anda hubungi.

English

Bahasa inggris

Arabic

Arab

Spanish

Spanyol

French

Perancis

Italian

Italia

German

Jerman

Turkish

Turki

Hindi

Hindi

Urdu

Bahasa Urdu

Setiap bahasa menyertakan kesadaran dialek. AMD Arab menangani varian dialek Teluk, Levant, Mesir, dan Maghreb. AMD Spanyol mencakup dialek Amerika Latin dan Eropa. Hindi dan Urdu menangani variasi aksen regional. Portugis dan Mandarin sedang dalam pengembangan aktif.

Spesifikasi Teknis

Di balik kap mesin

Metode deteksi Klasifikasi transkrip secara real-time menggunakan model ML yang dirancang khusus.
Audio diproses Beberapa detik pertama audio panggilan setelah diangkat.
Kecepatan klasifikasi Kurang dari 1 detik dalam kondisi pilot internal.
Tingkat positif palsu Di bawah 3% dalam kondisi uji coba tertentu.
Bahasa 9: EN, AR, ES, FR, IT, DE, TR, HI, UR dengan varian dialek
Dukungan dialek Bahasa Arab Teluk/Levant/Mesir, Bahasa Spanyol Amerika Latin/Eropa, Bahasa Prancis Kanada, Bahasa Hindi/Urdu regional
Umpan balik agen Penggantian sekali klik → alur kerja penyetelan yang lingkupnya terbatas pada tenant
Penyetelan operator Pembelajaran pola pesan suara per operator
Analisis Dasbor akurasi per kampanye, per operator, dan per bahasa
Privasi data AI Data audio AMD tidak disimpan dalam jangka panjang. Hasil klasifikasi tetap dipertahankan. Terisolasi per tenant.
Menolak untuk ikut serta Fitur AI dapat dinonaktifkan per tenant melalui fitur flag.
Akses API Hasil AMD tersedia melalui REST API dan webhook (event call.amd_result)

Pertanyaan yang sering diajukan tentang AI AMD

Apa itu Deteksi Mesin Penjawab AI ( AMD )?
AI AMD adalah teknologi yang secara otomatis menentukan apakah panggilan keluar diangkat oleh manusia atau mesin penjawab otomatis. Tidak seperti deteksi berbasis bunyi bip tradisional, AI AMD mentranskripsikan beberapa detik pertama audio dan menggunakan pembelajaran mesin untuk mengklasifikasikan transkrip tersebut. Hal ini memungkinkan AI AMD untuk memahami bahasa dan konteks — membedakan 'Halo?' dari 'Hai, Anda telah menghubungi pesan suara dari...' — di berbagai bahasa.
Apa perbedaan AI AMD DialerBee dengan deteksi bunyi bip tradisional?
AMD tradisional mendengarkan nada bip setelah salam pesan suara — jadi bergantung pada operator yang menghasilkan bip yang jelas dan pada salam yang mengikuti pola keheningan yang dapat diprediksi. AI AMD DialerBee mentranskripsikan audio dan mengklasifikasikan kata-kata yang sebenarnya diucapkan, itulah sebabnya ia berfungsi di 9 bahasa yang didukung dan pada salam yang tidak pernah menghasilkan bip sama sekali. Ambang batas sensitivitas dikonfigurasi per tenant dan per kampanye.
Bahasa apa saja yang didukung oleh AI AMD ?
AI AMD DialerBee mendukung 11 bahasa: Inggris (AS, Inggris, Australia, Afrika Selatan), Arab (Teluk, Levant, Mesir, Maghreb), Spanyol (Amerika Latin dan Eropa), Prancis (Metropolitan dan Kanada), Italia, Jerman (termasuk varian Austria dan Swiss), Turki, Hindi, dan Urdu. Bahasa Portugis dan Mandarin sedang dalam pengembangan aktif.
Apa yang terjadi jika AMD melakukan klasifikasi yang salah?
Agen memiliki tombol pengesampingan sekali klik untuk menandai positif palsu atau negatif palsu secara waktu nyata. Koreksi ini masuk ke alur kerja penyetelan lingkup tenant, membantu meningkatkan akurasi dari waktu ke waktu untuk operator, wilayah, dan jenis kampanye spesifik Anda. Tidak diperlukan formulir atau tiket — agen menandainya dan terus bekerja.
Seberapa cepat AI AMD mengklasifikasikan panggilan?
Klasifikasi berjalan selama fase pengambilan awal, saat sapaan masih diputar, sehingga keputusan untuk terhubung atau terputus dibuat dalam jendela waktu tersebut, bukan setelahnya. Waktu pastinya bergantung pada operator, bahasa, dan seberapa cepat sapaan dimulai — kami tidak mempublikasikan angka latensi tunggal, karena angka tersebut berubah-ubah tergantung pada ketiga faktor tersebut. Mintalah pengukuran yang diambil pada lalu lintas yang menyerupai lalu lintas Anda.
Apakah AI AMD kompatibel dengan semua operator?
Ya. AI AMD bekerja dengan operator mana pun yang terhubung melalui SIP ( BYOC ). Operator yang berbeda menghasilkan salam pesan suara dan karakteristik audio yang berbeda — model ini mencakup pembelajaran pola per operator yang beradaptasi dengan campuran operator spesifik Anda dari waktu ke waktu.
Bisakah saya menonaktifkan AI AMD ?
Ya. Fitur AI dapat dikontrol melalui flag fitur tingkat tenant. Anda dapat mengaktifkan atau menonaktifkan AI AMD per kampanye, per tenant, atau secara global. Platform ini berfungsi dengan kemampuan penuh tanpa AI — Anda dapat menggunakan deteksi bunyi bip dasar atau tanpa AMD sama sekali.
Apakah audio panggilan disimpan untuk pemrosesan AMD ?
Proses klasifikasi AMD memproses segmen awal audio panggilan yang singkat. Audio mentah yang digunakan untuk klasifikasi tidak disimpan dalam jangka panjang. Hanya hasil klasifikasi (manusia/mesin), skor kepercayaan, dan versi model yang disimpan. Detail lengkapnya ada dalam Kebijakan Data AI kami.

Saksikan AI AMD mengklasifikasikan panggilan langsung.

Pesan demo dan saksikan model tersebut mendeteksi mesin penjawab telepon secara real-time — dalam bahasa Anda. Atau mulai gratis dan coba pada daftar Anda sendiri.

Uji coba gratis 14 hari · tanpa kartu kredit · lihat harga

Lihat situs lengkap dalam bahasa Inggris →