Scorecard QA yang dibangun untuk bahasa Inggris formal sering salah menilai agent di Filipina, Thailand, dan Indonesia karena honorifik, partikel kesopanan, dan code-switching mereka dianggap "informal". RevelirQA mengatasi ini dengan men-score percakapan dalam bahasa asli agent terhadap SOP perusahaan sendiri, pada standar yang dikalibrasi setara QA analyst manusia.
- RevelirQA melakukan AutoQA pada standar QA analyst manusia: AI dikalibrasi bersama tiap klien hingga lebih dari 95% hasil scoring-nya divalidasi benar oleh QA analyst manusia milik klien sendiri, lewat review atas sampel evaluasi.
- Code-switching dan penanda kesopanan informal adalah hal yang lazim secara profesional dalam konteks customer service Filipina, Thailand, dan Indonesia, bukan indikasi kegagalan kualitas.
- Scorecard QA generik yang berorientasi bahasa Inggris secara sistematis salah menilai agent yang bekerja dalam bahasa-bahasa ini.
- Setiap bahasa punya struktur formalitas yang berbeda, dan kriteria QA harus mencerminkannya agar penilaian adil dan akurat.
- Regulasi Indonesia menegaskan pembedaan bahasa formal/informal yang berdampak langsung pada komunikasi layanan tertulis [2].
- AI AutoQA engine yang menyerap SOP sendiri dan men-score dalam bahasa asli agent menghilangkan bias yang muncul dari sampling manual dan scorecard generik. Coverage 100% sudah jadi standar di kategori AutoQA; yang membedakan adalah akurasi penilaiannya.
Tentang Penulis: Revelir AI membangun infrastruktur scoring QA untuk tim customer service enterprise. RevelirQA sudah berjalan di production, men-score ribuan percakapan per minggu dalam bahasa Indonesia dan Inggris untuk klien termasuk Xendit dan Tiket.com. Scoring engine ini dirancang untuk lingkungan multibahasa dan volume tinggi di seluruh Asia Tenggara dan global.
Kenapa Bahasa Informal Jadi Masalah untuk Scorecard QA Formal?
Ketegangan utamanya ada di antara bagaimana "profesionalisme" didefinisikan dalam scorecard QA versus bagaimana hal itu diekspresikan lintas bahasa dan budaya. Kebanyakan framework QA enterprise dibangun berdasarkan bahasa Inggris formal tertulis: kalimat lengkap, tanpa kontraksi, frasa pengakuan eksplisit, dan register netral. Diterapkan langsung pada percakapan berbahasa Filipina, Thailand, atau Indonesia, kriteria semacam ini justru menghukum agent karena berkomunikasi dengan benar dalam bahasanya sendiri.
Bayangkan seorang agent customer service Filipina menulis "Hi po, okay po ba kayo?" Honorifik "po" adalah partikel kesopanan formal; menghilangkannya justru terkesan kasar bagi customer Filipina. Scorecard yang menandai partikel non-Inggris sebagai "bahasa informal" sebenarnya baru saja menghukum profesionalisme. Kalikan ini dengan ribuan ticket per minggu, dan data QA jadi tidak bisa diandalkan sebagai alat coaching.
Apa Saja Pola Bahasa Spesifik yang Perlu Dipahami Tim CX?
Pertanyaan yang lebih sulit adalah pola apa saja yang muncul di tiap bahasa dan apa artinya untuk scoring. Tabel di bawah memetakan pola-pola yang paling umum.
| Bahasa | Pola | Apa yang Ditandakan | Kesalahan Umum dalam Pembacaan QA |
|---|---|---|---|
| Filipina (Tagalog) | Honorifik "Po/Opo"; code-switching Taglish (contoh: "I will check na po") | Rasa hormat formal; percampuran Tagalog dan Inggris yang standar secara budaya | Ditandai sebagai informal atau tidak lengkap secara tata bahasa |
| Thailand | Partikel akhir kalimat "ครับ/ค่ะ" (khrap/kha); bentuk kata kerja sopan | Formalitas sesuai gender; ketiadaannya menandakan kekasaran, bukan informalitas | Sama sekali diabaikan oleh kriteria berbasis bahasa Inggris; dinilai netral padahal ketiadaannya seharusnya ditandai |
| Indonesia (Bahasa) | "Anda" formal vs. "kamu" sehari-hari; slang Jakarta; kata dialek daerah | Perbedaan register yang jelas antara bahasa Indonesia formal dan sehari-hari [1] | Bentuk sehari-hari dinilai sama dengan bentuk formal, sehingga kehilangan sinyal kualitas yang bermakna |
Bahasa Indonesia memberikan contoh kasus yang cukup terdokumentasi dengan baik. Bahasa Indonesia punya pembedaan yang dikodifikasi antara register formal dan sehari-hari, dan regulasi Indonesia secara khusus mewajibkan penggunaan bahasa formal dalam komunikasi tertulis profesional [2]. Tim customer service Indonesia yang menggunakan "kamu" alih-alih "Anda" dalam ticket tertulis bukan sekadar informal secara gaya; dalam konteks yang diregulasi atau terkait instansi pemerintah, ini bisa melanggar standar komunikasi yang sudah terdokumentasi.
Bagaimana Code-Switching Memengaruhi Akurasi QA?
Pertanyaan terkait namun berbeda adalah apa yang terjadi ketika agent berpindah bahasa di tengah percakapan. Code-switching bukan kegagalan kualitas; di pasar seperti Filipina, ini adalah register alami untuk komunikasi digital profesional [3]. Agent Filipina sering menggabungkan bahasa Inggris dan Tagalog dengan cara yang terasa alami sekaligus sopan bagi customer. Framework QA yang membaca code-switching sebagai "penggunaan bahasa yang tidak konsisten" akan menghasilkan flag coaching yang menyesatkan.
Implikasi praktisnya, kriteria QA perlu mempertimbangkan code-switching secara terpisah:
- Disengaja dan sesuai konteks: Agent menyesuaikan campuran bahasa customer, menandakan fluency dan rapport. Nilai netral atau positif.
- Tidak konsisten dan terputus-putus: Agent berpindah register tanpa mengikuti arah customer, menimbulkan kebingungan. Tandai untuk coaching.
- Persyaratan bahasa berbasis policy: Jika SOP mewajibkan bahasa tertentu untuk jenis komunikasi tertentu (umum di lingkungan yang diregulasi di Indonesia [2]), penyimpangan harus ditandai terlepas dari tingkat fluency-nya.
Apa yang Seharusnya Ada dalam Scorecard QA Multibahasa?
Ada persoalan praktis terpisah dari detail linguistik di atas: bagaimana mengoperasionalkan pembedaan ini dalam scorecard yang bisa diterapkan secara konsisten pada skala besar. Kriteria generik seperti "tone profesional" atau "komunikasi yang jelas" tidak cukup; kriteria semacam itu membutuhkan interpretasi subjektif reviewer manusia, yang tidak bertahan saat diterjemahkan atau diterapkan dalam volume besar.
Scorecard QA multibahasa yang dirancang dengan baik sebaiknya menspesifikkan:
- Kriteria register spesifik per bahasa: Definisikan seperti apa bahasa Indonesia formal itu (penggunaan "Anda", kalimat lengkap, tanpa slang Jakarta di channel tertulis) secara terpisah dari seperti apa bahasa Tagalog formal itu.
- Batasan code-switching yang disetujui: Dokumentasikan kombinasi bahasa apa saja yang bisa diterima di channel mana, sehingga agent punya standar yang jelas dan QA punya kriteria yang jelas.
- Persyaratan penanda kesopanan: Untuk bahasa Thailand, tentukan bahwa "ครับ/ค่ะ" wajib ada di channel formal tertulis, bukan opsional.
- Keselarasan bahasa dengan policy: Ketika regulasi lokal atau SOP perusahaan mewajibkan bahasa tertentu untuk komunikasi formal, kriteria ini seharusnya jadi item binary yang di-score, bukan penilaian kualitatif [2].
Di sinilah AutoQA berbasis AI punya keunggulan struktural dibanding review manual. RevelirQA menyerap SOP dan knowledge base perusahaan ke dalam vector database lewat RAG, lalu mengambil policy yang relevan sebelum men-score tiap percakapan. AI tidak menebak-nebak apa arti "bahasa Indonesia profesional"; ia memeriksa percakapan terhadap standar yang sudah didokumentasikan perusahaan, dalam bahasa asli agent, dan tiap score membawa reasoning trace yang bisa diaudit. Xendit dan Tiket.com menjalankan proses ini di production, pada ribuan ticket per minggu, menangkap pelanggaran policy yang sulit terlihat lewat sampling manual yang hanya menyentuh 1-5% ticket.
Apa Risiko Operasional Jika Ini Salah Ditangani?
Selain masalah akurasi scoring di atas, risiko turunannya melampaui sekadar data QA yang buruk. Ketika agent di Manila, Bangkok, atau Jakarta terus-menerus dinilai rendah karena perilaku yang sebenarnya benar secara budaya, beberapa hal terjadi:
- Feedback coaching kehilangan kredibilitas; agent berhenti percaya pada sistem QA.
- Data performance jadi bias oleh faktor bahasa, bukan kualitas sebenarnya, sehingga lebih sulit mengidentifikasi pelanggaran policy yang genuine.
- Top performer yang berkomunikasi baik dalam bahasanya justru terlihat berperingkat lebih rendah dari seharusnya, mendistorsi keputusan workforce.
- Dalam konteks yang diregulasi di Indonesia, risiko sebaliknya juga ada: agent yang menggunakan bahasa sehari-hari dalam komunikasi tertulis formal bisa melanggar policy yang terdokumentasi tanpa ada yang menyadarinya [2].
FAQ
Bisakah satu scorecard QA mencakup banyak bahasa, atau perlu scorecard terpisah per bahasa?
Kamu bisa menggunakan satu struktur scorecard dengan modul kriteria spesifik per bahasa. Dimensi evaluasi inti (compliance terhadap policy, akurasi resolusi, tone) tetap konsisten. Yang berubah adalah definisi spesifik di dalam tiap dimensi, karena "tone formal" terlihat berbeda antara bahasa Thailand dan bahasa Indonesia.
Apakah code-switching dalam customer service Filipina berisiko dari sisi compliance?
Umumnya tidak, kecuali SOP secara eksplisit mewajibkan satu bahasa tunggal untuk channel tertentu. Taglish adalah register profesional de facto untuk customer service digital di Filipina dan seharusnya diperlakukan demikian dalam kriteria QA [3].
Apakah regulasi Indonesia mewajibkan bahasa Indonesia formal di semua komunikasi customer service?
Regulasi Indonesia mewajibkan bahasa Indonesia formal dalam komunikasi tertulis profesional, khususnya dalam konteks yang melibatkan instansi pemerintah atau perjanjian formal [2] [4]. Tim customer service di industri yang diregulasi sebaiknya memeriksa apakah komunikasi mereka termasuk dalam ketentuan ini dan mendokumentasikan standarnya dalam SOP.
Bagaimana AI AutoQA engine menangani partikel kesopanan bahasa Thailand seperti "ครับ/ค่ะ"?
AI scoring engine yang dilatih atau di-prompt sesuai konvensi bahasa Thailand bisa memeriksa ada tidaknya partikel ini sebagai kriteria yang di-score. Kuncinya, kriteria ini harus didefinisikan secara eksplisit dalam scorecard QA; AI yang hanya memeriksa "bahasa sopan" secara generik tidak akan menangkap penanda register yang hilang.
Apa kesalahan terbesar yang dilakukan tim CX enterprise saat menerapkan QA di Asia Tenggara?
Menerapkan scorecard yang berorientasi bahasa Inggris tanpa melokalisasi kriterianya. Ini bukan masalah terjemahan, melainkan masalah desain kriteria. Solusinya adalah melibatkan team lead lokal dalam mendefinisikan apa arti "profesional" dan "compliant" di tiap bahasa sebelum scoring dimulai.
Bagaimana RevelirQA menangani scoring multibahasa pada skala besar?
RevelirQA men-score percakapan dalam bahasa asli agent, termasuk bahasa Indonesia dan Tagalog, terhadap policy perusahaan sendiri yang diambil lewat RAG sebelum tiap evaluasi. Setiap score membawa reasoning trace lengkap, sehingga QA manager bisa melihat persis kenapa suatu pilihan bahasa ditandai atau lolos. RevelirQA dikalibrasi bersama tiap klien hingga lebih dari 95% hasil evaluasinya divalidasi benar oleh QA analyst manusia milik klien, lewat review atas sampel evaluasi.
Tentang Revelir AI: Revelir AI membangun RevelirQA, AI customer service QA software untuk tim yang perlu melampaui sampling manual. RevelirQA melakukan AutoQA pada standar QA analyst manusia, mencakup 100% percakapan customer service, dan di-kalibrasi bersama tiap klien hingga lebih dari 95% hasil scoring-nya divalidasi benar oleh QA analyst manusia milik klien sendiri. Platform ini men-score terhadap policy dan scorecard QA milik masing-masing klien, dengan AI observability penuh di setiap evaluasi. RevelirQA sudah berjalan di production di Xendit dan Tiket.com, men-score ribuan ticket per minggu di lingkungan multibahasa mencakup bahasa Indonesia, Inggris, Thailand, dan Tagalog. RevelirQA mengevaluasi baik agent manusia maupun sistem AI, memberi CX leader satu tampilan kualitas yang konsisten di seluruh operasi layanan mereka. Revelir AI berkantor pusat di Singapura dan dibangun untuk deployment enterprise global.
Siap membangun framework QA yang benar-benar berfungsi untuk bahasa Filipina, Thailand, atau Indonesia?
Hubungi tim di Revelir AI untuk melihat bagaimana RevelirQA men-score percakapan multibahasa terhadap policy sendiri, pada volume penuh, dengan audit trail lengkap di setiap score.
Referensi
- Colloquial and Formal Indonesian (indonesian-online.com)
- Requirement to use the Indonesian language is regulated further - In-House Community (www.inhousecommunity.com)
- Comparative Study of Indonesian Pre-Service Teachers' Challenges and Strategies in Thailand and Australia | Acuity: Journal of English Language Pedagogy, Literature and Culture (jurnal.unai.edu)
- Indonesia - The Requirement To Use The Indonesian Language Is Regulated Further. - Conventus Law (conventuslaw.com)
