AI untuk Analisa Sales Call dan Coaching Tim
Coba hitung berapa banyak sales call tim Anda yang benar-benar pernah Anda dengarkan ulang minggu lalu. Kemungkinan besar jawabannya nol, atau satu kalau ada de …
Function calling, sering disebut tool use, adalah kemampuan AI untuk memutuskan kapan ia perlu memanggil fungsi atau tool eksternal, lalu menyusun input yang tepat untuk fungsi itu, sehingga AI bisa mengambil data nyata dan menjalankan aksi, bukan sekadar menjawab dari pengetahuan bawaannya. Contoh sederhananya, saat pelanggan bertanya "Pesanan INV-2098 sudah dikirim belum?", AI biasa akan mengarang atau bilang tidak tahu karena tidak punya akses ke data pesanan. Dengan function calling, AI bisa memanggil fungsi cek status pesanan ke sistem Anda, mengambil data aslinya, lalu menjawab dengan akurat. Inilah yang membedakan AI yang sekadar ngobrol dengan AI yang benar-benar bisa bekerja.
Function calling, sering juga disebut tool use, adalah kemampuan model AI untuk memutuskan kapan ia perlu memanggil fungsi atau tool eksternal, lalu menyusun input yang tepat untuk fungsi itu. Outputnya bukan sekadar jawaban teks, melainkan instruksi terstruktur yang bisa dieksekusi oleh sistem Anda, misalnya mengambil data dari aplikasi, menghitung sesuatu, atau menjalankan aksi nyata seperti mengirim notifikasi.
Singkatnya, function calling adalah jembatan antara kemampuan berbahasa AI dengan kemampuan bertindak di dunia nyata. Tanpa ini, AI hanya bisa menjawab berdasarkan apa yang sudah ia pelajari saat training. Dengan ini, AI bisa terhubung ke sistem Anda yang hidup dan terus berubah.
Bayangkan AI sebagai manajer yang sangat pintar tapi tidak boleh keluar dari ruangannya. Manajer ini paham banyak hal, tapi ia tidak punya akses langsung ke gudang, sistem akuntansi, atau email. Yang ia punya cuma daftar tombol di mejanya: tombol "cek stok", tombol "kirim invoice", tombol "lihat penjualan bulan ini".
Saat ada permintaan masuk, manajer ini memutuskan tombol mana yang harus ia tekan dan informasi apa yang harus ia isi. Tapi yang benar-benar mengambil barang di gudang atau mengirim invoice bukan dia, melainkan staf di luar ruangan. Setelah staf selesai, hasilnya dilaporkan balik ke manajer, baru manajer menyusun jawaban akhir.
Function calling persis seperti itu. AI menentukan fungsi mana yang dipanggil dan input apa yang diperlukan, tapi eksekusi nyatanya dilakukan oleh sistem Anda, bukan oleh AI sendiri.
Alurnya biasanya begini. Pertama, Anda mendaftarkan fungsi-fungsi yang tersedia ke AI, lengkap dengan deskripsi apa fungsinya dan input apa yang dibutuhkan. Misalnya fungsi cek_stok yang butuh input nama produk.
Kedua, saat pengguna mengirim pertanyaan, AI menilai apakah ia bisa menjawab sendiri atau perlu memanggil fungsi. Kalau perlu, AI mengembalikan permintaan pemanggilan fungsi dalam format terstruktur, lengkap dengan input yang sudah ia isi. Penting dipahami, di tahap ini AI belum menjalankan apa-apa, ia hanya bilang "tolong panggil fungsi ini dengan input ini".
Ketiga, sistem Anda menjalankan fungsi itu sungguhan, lalu mengembalikan hasilnya ke AI. Keempat, AI mengolah hasil tersebut menjadi jawaban yang natural untuk pengguna. Untuk tugas yang rumit, siklus ini bisa berulang beberapa kali sampai AI merasa cukup informasi untuk menjawab.
Kemampuan AI menyusun input fungsi secara konsisten ini terkait erat dengan cara model memproses bahasa. Kalau Anda ingin memahami fondasinya, baca dulu apa itu LLM dan bagaimana prompt memengaruhi keputusan AI.
Banyak founder mengira keterbatasan AI adalah karena modelnya kurang pintar. Sebenarnya, sering kali masalahnya adalah AI tidak punya akses ke data dan sistem bisnis Anda. Function calling memecahkan masalah itu.
Dengan function calling, AI Anda bisa berhenti jadi sekadar asisten ngobrol dan mulai jadi asisten yang benar-benar mengerjakan sesuatu. Beberapa contoh konkret yang relevan untuk UKM:
Hasilnya, AI tidak lagi memberi jawaban yang mengambang. Ia menjawab berdasarkan kondisi bisnis Anda yang sebenarnya, dan ini juga menekan risiko halusinasi AI, yaitu AI mengarang jawaban karena tidak punya data faktual.
Anda tidak perlu jadi programmer untuk mulai memanfaatkan ini. Beberapa platform AI dan tool no-code sekarang sudah menyediakan function calling secara siap pakai. Tapi penting bagi Anda memahami pola pikirnya supaya bisa mengarahkan tim atau vendor dengan benar.
Langkah satu, petakan tugas berulang yang butuh data. Identifikasi pertanyaan atau tugas yang sering muncul tapi jawabannya bergantung pada data hidup. Misalnya "berapa stok produk X", "pelanggan ini sudah bayar belum", atau "kirim reminder ke yang belum checkout".
Langkah dua, tentukan fungsi yang dibutuhkan. Untuk tiap tugas, tentukan satu fungsi spesifik dengan input yang jelas. Semakin jelas deskripsi dan batasan fungsinya, semakin akurat AI memilih dan mengisinya.
Langkah tiga, tulis instruksi yang tegas. Saat menyiapkan AI, beri instruksi kapan ia boleh memanggil fungsi dan kapan tidak. Contoh instruksi yang bisa Anda pakai:
"Berperan sebagai asisten layanan pelanggan. Jika pelanggan menanyakan status pesanan, panggil fungsi
cek_status_pesanandengan input nomor invoice. Jangan pernah mengarang status pesanan. Jika nomor invoice tidak disebutkan, tanyakan dulu ke pelanggan."
Langkah empat, mulai dari fungsi yang aman. Awali dengan fungsi yang sifatnya hanya membaca data, bukan yang mengubah atau mengirim sesuatu. Setelah Anda yakin akurasinya, baru tambahkan fungsi yang melakukan aksi.
Untuk Anda yang ingin menyusun instruksi AI yang lebih tajam, teknik prompt engineering sangat membantu memastikan AI memanggil fungsi yang tepat di waktu yang tepat.
"AI menjalankan fungsinya sendiri." Salah. AI hanya memutuskan dan menyiapkan input. Eksekusi nyata tetap di sistem Anda. Ini justru bagus, karena Anda tetap pegang kendali atas apa yang boleh dan tidak boleh dieksekusi.
"Function calling bikin AI tidak mungkin salah." Tidak juga. AI masih bisa memilih fungsi yang keliru atau mengisi input yang salah, misalnya salah menulis nomor invoice. Karena itu untuk fungsi berisiko, seperti mengirim uang atau menghapus data, terapkan human in the loop, yaitu butuh konfirmasi manusia sebelum dieksekusi.
"Ini sama saja dengan AI agent." Tidak persis. Function calling adalah mekanismenya. AI agent adalah sistem yang memakai function calling berulang kali untuk mencapai tujuan secara mandiri.
Function calling adalah salah satu fondasi penting di ekosistem AI modern. Memahaminya akan lebih mudah kalau Anda kaitkan dengan beberapa konsep yang berdekatan.
Yang paling erat adalah AI agent. Tanpa kemampuan memanggil tool, sebuah agent tidak bisa berbuat apa-apa di luar percakapan. Function calling adalah cara agent menyentuh dunia nyata.
Konsep terkait lain adalah cara AI terhubung ke berbagai sumber data dan tool secara terstandar, yang dibahas di Model Context Protocol (MCP). Lalu ada RAG yang fokus pada mengambil informasi relevan dari kumpulan dokumen. Keduanya sama-sama bertujuan memberi AI akses ke informasi di luar pengetahuan bawaannya, hanya dengan pendekatan yang berbeda.
Apa itu function calling pada AI?
Function calling adalah kemampuan model AI untuk memutuskan kapan harus memanggil fungsi atau tool eksternal, lalu menyusun input yang tepat untuk tool itu. Outputnya bukan jawaban teks, melainkan instruksi terstruktur yang dijalankan oleh sistem Anda, misalnya cek stok, kirim email, atau ambil data dari aplikasi lain.
Apa bedanya function calling dan tool use?
Keduanya mengacu pada konsep yang sama, yaitu AI memakai alat di luar dirinya untuk menyelesaikan tugas. "Function calling" istilah lebih teknis yang menekankan pemanggilan fungsi spesifik, sedangkan "tool use" istilah yang lebih umum. Beberapa penyedia memakai istilah berbeda, tapi maknanya setara.
Apakah function calling sama dengan AI agent?
Tidak persis sama. Function calling adalah mekanismenya, yaitu kemampuan AI memanggil tool. AI agent adalah sistem yang menggunakan function calling berulang kali untuk mencapai tujuan secara mandiri. Jadi function calling adalah salah satu fondasi yang membuat AI agent bisa bekerja.
Apakah AI mengeksekusi fungsi itu sendiri?
Tidak. Model AI hanya memutuskan fungsi mana yang dipanggil dan menyiapkan inputnya. Eksekusi nyata tetap dilakukan oleh sistem atau aplikasi Anda. Setelah dieksekusi, hasilnya dikembalikan ke AI agar bisa diolah menjadi jawaban akhir untuk pengguna.
Apa risiko utama function calling yang perlu diwaspadai?
Risiko terbesar adalah AI memanggil fungsi yang salah atau dengan input yang keliru, sehingga eksekusinya berdampak nyata, misalnya mengirim email ke kontak yang salah. Karena itu fungsi berisiko tinggi sebaiknya pakai konfirmasi manusia dulu dan batasi tool yang boleh dipanggil.
Coba hitung berapa banyak sales call tim Anda yang benar-benar pernah Anda dengarkan ulang minggu lalu. Kemungkinan besar jawabannya nol, atau satu kalau ada de …
Ada satu kalimat dari Ethan He, yang sekarang memimpin Grok Imagine di xAI, yang harusnya bikin setiap pemilik bisnis berhenti sejenak. Dalam obrolan di podcast …
Anda kirim proposal Rp 80 juta hari Senin. Kamis belum ada balasan. Jumat Anda kirim "Halo Pak, sudah sempat dilihat proposalnya?" dan dibalas "Iya nanti kami d …
Seorang founder agensi di Surabaya pernah cerita ke saya, dia kirim 300 cold email dalam satu minggu pakai template yang sama. Hasilnya, dua balasan. Satu di an …
Konsultasi dan integrasi AI bersama praktisi: dari audit, implementasi AI agent dan otomasi, sampai adopsi tim. Mulai dari sesi diagnostic AI gratis 60 menit.
Konsultasi AI via WhatsApp