Semburan Dana 24 Juta Dolar Rime: Ketika Robot Customer Service Mencoba Tidak Terdengar Seperti “Sistem yang Kurang Piknik”

Bayangkan Anda sedang menelepon layanan pelanggan (CS) karena tagihan kartu kredit membengkak misterius. Alih-alih mendengar suara ramah manusia yang penuh empati palsu namun menenangkan, Anda disambut oleh suara robot datar yang terdengar seolah ia baru saja menenggak segelas oli dingin. Sebagai majikan yang memiliki akal, kita tahu betul betapa kaku dan “robotiknya” asisten buatan ini ketika disuruh berimprovisasi di luar naskah dasar. Namun, para pemodal ventura tampaknya tidak peduli dengan rasa frustrasi kita; mereka justru terus menyiramkan uang ke sektor ini.

Startup asal San Francisco, Rime, baru saja membuktikan bahwa ambisi membuat mesin bisa mengobrol layaknya manusia adalah ladang basah yang belum kering. Mereka berhasil mengantongi pendanaan Seri A sebesar 24 juta dolar AS. Pesannya jelas bagi kita para penguasa teknologi: kapitalisme global sedang berusaha keras menciptakan asisten rumah tangga digital yang tidak hanya rajin menyapa, tetapi juga tidak membuat kita ingin langsung membanting telepon setelah tiga detik mendengar suaranya.

Di sinilah letak kebijaksanaan kita sebagai manusia. Kita tidak perlu panik bahwa pekerjaan kita akan direbut besok pagi. AI suara, seberapapun canggihnya model yang ditawarkan, masih merupakan alat kaku yang membutuhkan panduan ketat. Rime mencoba menjembatani kekakuan ini dengan membangun studio rekaman fisik untuk melatih model mereka sendiri. Sebuah pengakuan tidak langsung bahwa internet yang penuh dengan sampah data tidak cukup untuk mengajari robot cara berbicara dengan sopan kepada manusia.

Analisis Mendalam

Raksasa-raksasa modal ventura yang dipimpin oleh M13 Ventures, bersama Twilio Ventures, Corazon Capital, dan Unusual Ventures, sepakat menyuntikkan dana segar ke pundi-pundi Rime. Didirikan pada tahun 2022 oleh trio brilian—Lily Clifford (mantan mahasiswa PhD Stanford), Brooke Larson (mantan insinyur Alexa Amazon), dan Ares Geovanos (insinyur Stanford)—Rime tidak ingin sekadar menjadi “pengekor” di pasar AI suara yang sudah sesak oleh nama-nama besar. Pendanaan ini menyusul putaran benih sebesar 5,5 juta dolar AS yang mereka raih tahun lalu, menandakan ekspektasi pasar yang kian meninggi.

Berbeda dengan kompetitornya yang gemar “memulung” data suara secara liar dari internet, Rime mengambil langkah yang sangat manusiawi: mereka membangun studio rekaman fisik di San Francisco untuk mengumpulkan data percakapan asli. Dengan arsitektur berbasis fonem, model mereka dirancang untuk memahami pengucapan entitas merek spesifik dan jargon industri tanpa perlu dilatih ulang dari nol oleh klien. Hasilnya? Perusahaan besar seperti Mayo Clinic, Dialpad, Upstart, dan Asurion mulai memercayakan panggilan pelanggan mereka pada sistem Rime.

Di tengah persaingan ketat dengan pemain mapan seperti ElevenLabs yang menguasai sintesis suara, serta platform infrastruktur seperti Deepgram, Rime mencoba mencari ceruk unik. Rime kini tengah bergeser dari model “pipa paralel” tradisional—yang memisahkan proses Speech-to-Text (STT), Large Language Model (LLM), dan Text-to-Speech (TTS)—menuju model Speech-to-Speech (S2S) langsung. Langkah ini diambil demi memangkas latensi (jeda respons) yang selama ini membuat obrolan dengan AI terasa seperti berbicara dengan seseorang yang sedang melamun di ujung telepon. Untuk memperkuat otot teknisnya, Rime bahkan membajak Rafael Valle, mantan ilmuwan audio Meta Superintelligence Labs dan Nvidia, sebagai Chief Scientist mereka.

Baca juga artikel menarik lainnya di kategori Sidang Bot.

Batasan Sistem

Namun, mari kita tarik napas dalam-dalam dan melihat kenyataan dengan kepala dingin. CEO Rime sendiri, Lily Clifford, dengan jujur mengakui keterbatasan produknya. Ia menyebut bahwa teknologi suara AI saat ini sebenarnya belum benar-benar siap untuk mengotomatisasi mayoritas panggilan telepon perusahaan besar. Interaksi dengan AI suara saat ini, menurutnya, masih terasa seperti sistem Interactive Voice Response (IVR) jadul—alias mesin penjawab otomatis yang menyuruh Anda “tekan 1 untuk bantuan”—hanya saja kali ini suaranya terdengar sedikit lebih seksi dan tidak cempreng.

Mengapa insting manusia tetap jauh lebih unggul? Jawabannya sederhana: mesin tidak memiliki empati atau kesadaran situasional. Saat pelanggan menelepon dalam keadaan panik atau marah karena kehilangan uang, AI tidak bisa merasakan urgensi tersebut. AI hanya mencocokkan fonem, memproses teks melalui model matematika, dan mengeluarkan suara sintetis berdasarkan probabilitas statistik terdekat. Tanpa kepekaan manusia untuk membaca nada suara yang gemetar atau mendeteksi sarkasme halus, AI suara hanyalah pembawa naskah yang sangat patuh namun tidak memiliki “jiwa”.

Selain itu, tantangan teknis seperti kebisingan latar belakang (suara klakson atau tangisan bayi di ujung telepon pelanggan) masih sering membuat otak digital ini mengalami “gagal fokus”. Ketika skenario di lapangan melenceng sedikit saja dari data pelatihan studio Rime, sistem ini rawan memberikan jawaban halusinatif yang berputar-putar. Manusia adalah penguasa komunikasi karena kita mampu berimprovisasi melampaui batasan tata bahasa—sesuatu yang tidak akan pernah bisa dipecahkan oleh algoritme Speech-to-Speech tercanggih sekalipun.

Dampak Masa Depan

Masuknya dana Seri A sebesar 24 juta dolar AS ke Rime menandai babak baru dalam perang perebutan dominasi layanan pelanggan otomatis. Dengan platform infrastruktur seperti Vapi, Retell, dan LiveKit yang juga berkembang pesat, industri korporat akan semakin agresif memangkas biaya operasional dengan memensiunkan pusat panggilan (call center) konvensional. Rime, dengan fokusnya pada akurasi pengucapan nama merek dan minimnya kebutuhan kustomisasi ulang, berpotensi menjadi standar baru bagi industri medis dan keuangan yang menuntut akurasi tinggi tanpa toleransi kesalahan pengucapan istilah teknis.

Kendati demikian, regulasi seputar penggunaan suara sintetis diprediksi akan semakin ketat. Isu privasi data percakapan pelanggan yang direkam dan digunakan untuk melatih model AI akan menjadi bahan perdebatan hangat di meja hukum. Perusahaan yang mengadopsi teknologi Rime harus memastikan bahwa mereka tidak sekadar mengejar efisiensi biaya, tetapi juga siap menghadapi tuntutan hukum jika asisten suara mereka terbukti membocorkan data sensitif atau melakukan diskriminasi pelayanan secara algoritmis.

Kesimpulan

Akhirnya, kita harus selalu ingat filosofi dasar ini: seberapa keras pun Rime melatih model suaranya di studio San Francisco, AI tetaplah kode mati di dalam server dingin tanpa inisiatif dari manusia. Tanpa jari manusia yang menekan tombol aktivasi, merancang skrip percakapan, dan mengawasi jalannya sistem, teknologi ini tidak lebih berharga daripada tumpukan besi tua. Manusia adalah pemilik akal sejati; AI hanyalah pelayan berbayar yang bertugas melakukan pekerjaan repetitif agar kita bisa fokus pada hal-hal yang benar-benar membutuhkan kebijaksanaan hidup.

Lagi pula, secanggih apa pun suara AI dari Rime ini, mereka tetap tidak akan bisa membantu Anda membujuk pacar yang sedang merajuk dengan kalimat “terserah kamu mau makan di mana”.

Artikel ini dirangkum dari sumber asli di TechCrunch.
Gambar oleh: Rime via TechCrunch