Meskipun perusahaan menggelontorkan banyak uang untuk pelatihan korporat, hasilnya sering kali mengecewakan. Karyawan hanya mengeklik modul, menonton video penjelasan, dan mencentang kotak penyelesaian. Beberapa minggu kemudian, tidak banyak yang berubah dalam cara mereka benar-benar berbicara dengan pelanggan, menangani keberatan, atau memimpin percakapan yang sulit. Synthesia, startup yang dikenal dengan avatar sintetis dan teknologi kloning suaranya, kini bertaruh bahwa solusinya bukanlah video yang lebih baik. Solusinya adalah mengganti video dengan percakapan itu sendiri.
Perusahaan ini meluncurkan Roleplay Sessions, produk pertama dalam platform Sessions yang baru. Langkah ini menandakan perubahan strategi yang tajam. Synthesia tidak lagi ingin sekadar menjadi alat yang menghasilkan konten pelatihan. Ia bertujuan untuk menjadi lapisan manajemen kinerja di mana karyawan dapat berlatih, gagal, mengukur, dan berkembang.
Dari Menonton Menjadi Melakukan
Pembelajaran korporat telah lama berjuang dengan masalah fisika dasar. Video mengalahkan teks. Video lebih mampu menarik perhatian dan dapat diskalakan dengan murah ke ribuan pekerja. Namun, video tetaplah media penyiaran. Pembelajar hanya menyerap; kontennya tidak beradaptasi. Seorang tenaga penjual dapat menonton selusin tutorial tentang negosiasi diskon namun tetap membeku saat calon pelanggan nyata menolak harga.
Synthesia membangun reputasinya dengan membuat media penyiaran tersebut menjadi lebih murah dan lebih personal. Avatar AI dan teknologi suara miliknya yang bersifat eksklusif memungkinkan perusahaan membuat video pelatihan tanpa harus memesan studio atau menyewa aktor. Hal itu memang sangat berguna. Namun, itu saja tidak cukup.
Roleplay Sessions dirancang untuk memperpendek jarak antara pengetahuan dan tindakan. Dalam simulasi ini, seorang karyawan berbicara langsung dengan avatar AI yang dibuat untuk berperilaku seperti pelanggan, rekan kerja, atau bawahan langsung. Avatar tersebut tidak mengikuti naskah yang kaku. Ia bereaksi. Ia mengajukan keberatan. Ia merasa frustrasi. Ia mengubah nada bicara berdasarkan apa yang dikatakan pengguna. Seseorang yang melatih tinjauan kinerja mungkin akan menghadapi avatar yang menolak umpan balik awal, sehingga memaksa manajer untuk menyusun ulang percakapan. Seorang peserta pelatihan layanan pelanggan dapat bertemu dengan avatar yang emosinya meningkat dari kesal menjadi marah kecuali agen tersebut memberikan isyarat de-eskalasi tertentu.
Hal ini penting karena soft skills bersifat percakapan, bukan informasional. Anda tidak mempelajarinya dengan melihat slide. Anda mempelajarinya dengan terbata-bata dalam dialog, merasakan tekanan, dan menyesuaikan diri pada saat itu juga.
Lapisan Umpan Balik
Yang membuat ini lebih dari sekadar chatbot dengan wajah adalah infrastruktur penilaian di bawahnya. Synthesia mengintegrasikan kecerdasan penalaran ke dalam produknya. Platform ini menggunakan model OpenAI untuk menangani logika bahasa yang mendasarinya, tetapi itu hanyalah fondasinya. Di atasnya, Synthesia telah membangun sistem rubrik, data kinerja, dan analitik milik sendiri yang mengubah percakapan mentah menjadi pelatihan yang terstruktur.
Berikut adalah bagaimana perbedaannya terlihat dalam praktik. Percakapan AI standar mungkin akan memberi tahu pengguna, "Anda menanganinya dengan baik." Lapisan Synthesia dapat menilai pertukaran tersebut berdasarkan kriteria perusahaan itu sendiri. Apakah karyawan memulai dengan empati? Apakah mereka mengajukan pertanyaan penemuan sebelum melakukan penawaran? Apakah mereka menetapkan langkah selanjutnya? Platform ini menangkap sinyal-sinyal tersebut dan memberikan umpan balik yang granular dan dapat ditindaklanjuti. Manajer tidak lagi mendapatkan kesan samar tentang siapa yang "pandai bergaul." Mereka mendapatkan peta kemampuan yang presisi di seluruh tenaga penjual atau kelompok kepemimpinan.
Victor Riparbelli, CEO dan salah satu pendiri perusahaan, telah menekankan bahwa pendekatan yang berpusat pada data inilah yang memberikan nilai nyata bagi para eksekutif. Ketika ratusan atau ribuan karyawan menjalankan skenario bermain peran, organisasi mengumpulkan tingkat wawasan yang sebelumnya tidak mungkin dikumpulkan dalam skala besar. Anda dapat melihat tim mana yang kesulitan menangani keberatan, manajer mana yang terburu-buru dalam memberikan umpan balik, dan di mana kesenjangan keterampilan berkumpul sebelum berdampak pada angka kuartalan.
Siapa yang Menggunakannya, dan Ke Mana Arah Selanjutnya
Daftar pelanggan awal menunjukkan bahwa penawaran ini beresonansi di dalam organisasi besar yang kompleks. Synthesia telah bekerja sama dengan salah satu dari tiga perusahaan teratas di Eropa berdasarkan kapitalisasi pasar, sebuah raksasa Fortune 100, dan pemimpin global dalam rekrutmen. Kasus penggunaan awal berfokus pada soft skills berisiko tinggi untuk tim penjualan dan kepemimpinan, domain tepat di mana percakapan yang buruk membawa biaya yang besar.
Perusahaan dapat menyesuaikan simulasi dengan memasukkan dokumen pelatihan, transkrip panggilan, dan konteks mereka sendiri ke dalam platform. Skenario yang dihasilkan bersifat khusus tanpa memerlukan tim rekayasa perangkat lunak untuk membangunnya dari nol. Keseimbangan antara kustomisasi dan penerapan siap pakai tersebut sangat penting bagi adopsi di dalam departemen pembelajaran perusahaan yang bergerak dengan hati-hati.
Synthesia juga telah memetakan jalur ekspansi yang jelas. Perusahaan berencana untuk memperluas Sessions ke dalam wawancara kerja dan penyaringan kandidat. Pada akhirnya, seiring dengan turunnya biaya inferensi, produk ini akan melampaui tingkat enterprise. Bisnis kecil, konsumen profesional, dan institusi pendidikan semuanya ada dalam peta jalan. Pusat karier universitas dapat menggunakan mesin yang sama untuk membantu mahasiswa berlatih wawancara perilaku. Sebuah firma konsultansi kecil dapat melatih para mitranya melalui latihan negosiasi tanpa perlu menyewa aktor.
Pergeseran yang Lebih Luas dalam AI Perusahaan
Perubahan arah ini patut diperhatikan karena menggambarkan ke mana arah AI perusahaan yang matang. Gelombang pertama hype AI generatif didominasi oleh demo