Ringkasnya: WhatsApp menambahkan fitur panggilan suara bawaan pada Business Platform-nya, dan kini agen suara AI mulai diterapkan pada panggilan tersebut, seperti chatbot AI yang diterapkan pada pesan WhatsApp. Panggilan masuk ke nomor WhatsApp bisnis, lalu dirutekan oleh BSP ke agen suara AI yang mendengarkan, mentranskripsikan, dan merespons secara real time, kemudian mengalihkannya ke manusia dengan transkrip dan konteks lengkap saat percakapan membutuhkan pertimbangan. Per pertengahan 2026, fitur ini sudah tersedia dan berfungsi melalui BSP tertentu — tetapi aksesnya beragam: BSP untuk perusahaan memiliki akses panggilan yang lebih luas, peluncuran untuk segmen UKM masih menyusul di beberapa tempat, dan panggilan keluar yang dimulai oleh bisnis dibatasi di sejumlah pasar, termasuk AS. Kasus penggunaan utama saat ini adalah pengalihan dari IVR, percakapan penagihan/keuangan, dan penyelesaian layanan pelanggan. Panggilan video dan fitur multimodal yang lebih kaya tercantum dalam peta jalan Meta, tetapi belum tersedia secara umum. Artikel ini membahas cara kerjanya, fitur yang tersedia saat ini, hal yang masih akan hadir, dan cara mengukurnya — langkah lanjutan yang wajar bagi bisnis mana pun yang sudah menggunakan AI untuk chat di WhatsApp.

Jika bisnis Anda sudah membangun chatbot atau agen AI untuk pesan WhatsApp, suara adalah lapisan berikutnya yang logis — bukan inisiatif terpisah. WhatsApp Calling API memperluas kanal tepercaya yang sudah terpasang ini dari teks ke suara, dan agen suara AI mengikuti pola adopsi yang sama dengan chatbot AI untuk pesan: dimulai dari jenis panggilan dengan volume tertinggi dan paling repetitif, lalu diperluas seiring teknologi dan kerangka kepatuhan semakin matang.

Artikel ini membahas persinggungan dua kapabilitas yang diulas di bagian lain dalam seri ini — AI di WhatsApp dan WhatsApp Calling API itu sendiri. Di sini, fokusnya adalah apa yang terjadi saat keduanya digabungkan: cara kerja agen suara AI dalam panggilan WhatsApp, fitur yang benar-benar tersedia melalui BSP saat ini, kasus penggunaan yang nyata, dan hal yang masih akan hadir — termasuk panggilan video.

Dari Chat ke Panggilan: Alasan WhatsApp Menambahkan Fitur Suara

WhatsApp membangun reputasinya di kalangan bisnis melalui pesan, tetapi ada percakapan yang memang kurang cocok dilakukan lewat teks. Masalah yang kompleks, pembelian dengan banyak pertimbangan, serta situasi yang membutuhkan rasa yakin atau negosiasi adalah percakapan yang umumnya masih lebih disukai orang untuk dibicarakan langsung. Jawaban Meta adalah WhatsApp Business Calling API — panggilan VoIP yang terintegrasi langsung ke utas WhatsApp yang sama yang sudah digunakan bisnis untuk pesan, templat, dan media kaya.

Proposisi nilai utamanya mencerminkan hal yang sejak awal membuat pesan WhatsApp begitu efektif bagi bisnis: pelanggan tidak perlu meninggalkan aplikasi yang sudah mereka percayai, tidak perlu menghubungi nomor yang asing, dan seluruh interaksi — riwayat chat, detail pesanan, dan kini panggilan itu sendiri — berada dalam satu utas berkelanjutan, bukan terpisah di platform pesan dan sistem telepon yang berbeda.

Bagi bisnis, ini berarti panggilan tidak dimulai dari nol. Agen atau sistem suara AI yang menerima panggilan WhatsApp dapat melihat pesan yang dikirim pelanggan minggu lalu, pesanan mereka, dan hal yang sudah dicoba chatbot untuk diselesaikan — konteks yang jarang dimiliki pusat panggilan masuk tradisional saat telepon berdering.

Cara Kerja WhatsApp Calling API

Sebelum menambahkan AI, ada baiknya memahami mekanisme dasar kapabilitas panggilan ini, karena mekanisme tersebut secara langsung menentukan hal yang bisa dan tidak bisa dilakukan agen suara AI.

Dua arah panggilan, dua aturan yang berbeda. WhatsApp Calling mendukung panggilan yang dimulai pengguna (pelanggan mengetuk ikon panggilan di profil WhatsApp bisnis) dan panggilan yang dimulai bisnis (bisnis menghubungi pelanggan). Panggilan yang dimulai pengguna adalah kasus penggunaan utama yang tersedia secara luas — pelanggan yang memilih untuk menelepon tidak memerlukan persetujuan awal khusus. Panggilan yang dimulai bisnis diatur lebih ketat: bisnis memerlukan izin panggilan yang jelas dari pelanggan tersebut, yang dilacak Meta sebagai status izin dan dapat diperiksa bisnis sebelum menelepon. Panggilan keluar yang tidak dijawab juga dipantau — beberapa panggilan berturut-turut yang tidak dijawab atau ditolak dapat menyebabkan izin panggilan dicabut, setara dengan penalti peringkat kualitas pada pesan.

Bisnis menentukan sendiri sepenuhnya perutean panggilan. Saat panggilan masuk, panggilan tidak hanya berdering di saluran umum — panggilan dirutekan melalui webhook ke tujuan yang telah dikonfigurasi bisnis (atau BSP-nya): saluran telepon tradisional, endpoint SIP ke pusat kontak yang sudah ada, atau aliran media WebSocket yang memasok audio ke agen suara AI. Fleksibilitas perutean inilah yang memungkinkan penggunaan agen suara AI tanpa harus sepenuhnya mengganti pengaturan pusat panggilan yang sudah ada — AI dapat menjadi lapisan pertama, sementara perutean ke manusia tetap tersedia di belakangnya.

Kontrol panggilan tersedia khusus untuk mengelola volume dan ekspektasi. Bisnis dapat mengatur visibilitas ikon panggilan (sehingga fitur panggilan dapat diaktifkan secara selektif), menetapkan jam layanan panggilan agar pelanggan melihat pesan sebagai opsi alternatif di luar jam tersebut, dan menyediakan permintaan panggilan balik agar panggilan yang terlewat atau dilakukan di luar jam layanan tidak begitu saja terabaikan.

Fitur ini berjalan di Cloud API, bukan di aplikasi WhatsApp Business gratis. Kapabilitas panggilan merupakan bagian dari WhatsApp Business Platform yang dapat diprogram, sehingga memerlukan penyiapan berbasis API yang sama (serta kemitraan dengan BSP atau Meta secara langsung) seperti otomatisasi pesan — fitur ini bukan sesuatu yang ditambahkan ke akun usaha kecil yang menggunakan telepon.

Cara Agen Suara AI Terhubung ke Panggilan WhatsApp

Di sinilah lapisan AI berperan, dan arsitekturnya merupakan pengembangan alami dari cara kerja chatbot AI pada pesan WhatsApp — hanya saja menggunakan audio, bukan teks.

Panggilan dirutekan ke sistem AI, bukan ke manusia. Saat panggilan diarahkan ke endpoint media WebSocket (bukan ke saluran telepon atau trunk SIP), agen suara AI akan menerimanya. Audio dialirkan secara real time dua arah antara penelepon dan sistem AI.

Ucapan ditranskripsikan dan dipahami saat penelepon berbicara, alih-alih menunggu penelepon selesai berbicara lalu menekan tombol. Agen suara AI modern untuk WhatsApp memahami maksud dari ucapan yang alami dan percakapan — lebih menyerupai percakapan nyata daripada menu IVR nada sentuh tradisional.

Respons dihasilkan berdasarkan pengetahuan bisnis yang telah disetujui, dengan prinsip dasar yang sama seperti chatbot AI yang dirancang dengan baik: agen suara mengambil informasi dari basis pengetahuan yang telah ditentukan — FAQ, kebijakan, detail produk, serta data pesanan dan akun yang diambil langsung dari sistem terhubung — bukan menghasilkan jawaban tanpa batasan. Dengan demikian, respons tetap akurat dan konsisten untuk percakapan telepon langsung.

Agen dapat mengajukan pertanyaan lanjutan, mengumpulkan informasi, dan mengambil tindakan selama panggilan — mengonfirmasi nomor pesanan, memeriksa kelayakan pengembalian, memverifikasi identitas — untuk mengarahkan percakapan ke langkah berikutnya seperti yang dilakukan agen telepon yang kompeten, bukan sekadar menjawab satu pertanyaan lalu berhenti.

Pengalihan ke manusia disertai konteks lengkap. Saat panggilan membutuhkan bantuan seseorang — misalnya, AI tidak dapat menyelesaikan hal yang ambigu, pelanggan secara jelas meminta berbicara dengan manusia, atau sinyal sentimen menunjukkan rasa frustrasi — panggilan dialihkan beserta transkrip dan konteks akun yang relevan. Agen manusia tidak memulai tanpa konteks; mereka melanjutkan percakapan di tengah alur dengan semua informasi yang telah dikumpulkan AI.

Hal ini mencerminkan lapisan "agen manusia dengan bantuan AI" dan "agen AI" yang dijelaskan dalam kerangka AI di WhatsApp yang lebih luas — suara hanyalah antarmuka baru untuk model berlapis yang sama, bukan paradigma terpisah.

Kondisi Saat Ini: Fitur yang Benar-Benar Sudah Tersedia melalui BSP

Karena bidang ini berkembang pesat, penting untuk memahami dengan tepat apa yang benar-benar tersedia per pertengahan 2026 dan apa yang masih diluncurkan — gambaran yang jujur dan berpijak pada fakta lebih penting daripada sensasi.

Panggilan sudah tersedia secara umum, tetapi aksesnya diluncurkan secara bertahap, bukan serentak. Bisnis tertentu dapat mengakses panggilan langsung melalui kemitraan Meta Cloud API, dan sejumlah BSP besar yang sudah mapan telah mengintegrasikan fitur panggilan — termasuk perutean ke agen suara AI — ke dalam platform mereka setelah bekerja sama dengan Meta sebagai mitra akses awal atau beta. Ketersediaan yang lebih luas di kalangan BSP untuk bisnis kecil terus menyusul, tetapi belum merata; sebaiknya konfirmasikan langsung kepada BSP tertentu apakah fitur panggilan (khususnya perutean ke agen suara AI) sudah tersedia di platform mereka sebelum menganggapnya sudah termasuk.

Ketersediaan berbeda-beda menurut wilayah, terutama untuk panggilan keluar. Panggilan yang dimulai pengguna (masuk) — saat pelanggan memilih untuk menelepon bisnis — tersedia secara luas di mana pun Cloud API tersedia. Panggilan yang dimulai bisnis (keluar) lebih terbatas: fitur ini memerlukan kerangka persetujuan yang dijelaskan di atas, dan per pertengahan 2026 belum tersedia bagi bisnis yang melakukan panggilan keluar di sejumlah pasar, termasuk Amerika Serikat, Kanada, dan beberapa negara lainnya — sementara pasar seperti India dan Brasil menunjukkan adopsi panggilan bisnis masuk dan keluar yang lebih tinggi. Hal ini berdampak langsung pada jenis penggunaan agen suara AI yang memungkinkan (dukungan masuk versus penagihan atau panggilan penjualan keluar) di setiap pasar.

Biaya dihitung per menit, secara umum mirip dengan cara harga SMS atau menit panggilan suara biasanya ditetapkan, ditambah biaya platform yang dikenakan BSP untuk perangkat pendukungnya. Tarif pastinya berbeda menurut penyedia dan arah panggilan, dan hal ini masih terus berkembang — sebaiknya konfirmasikan harga terkini langsung kepada BSP pilihan Anda, alih-alih menganggap tarifnya tetap.

💡Mengingat perkembangan yang begitu cepat, jadikan informasi spesifik tentang ketersediaan atau harga sebagai bahan awal untuk berdiskusi dengan BSP, bukan sebagai fakta yang pasti — saat ini, inilah salah satu aspek WhatsApp Business Platform yang berkembang paling cepat.

Kasus Penggunaan: Pengalihan dari IVR, Penagihan, dan Layanan Pelanggan

Kasus penggunaan yang paling jelas dan langsung bermanfaat untuk agen suara AI WhatsApp serupa dengan penggunaan chatbot AI yang pertama kali terbukti efektif dalam perpesanan — percakapan bervolume tinggi, berulang, dan terdefinisi dengan baik.

Pengalihan dari IVR. Sistem IVR menu telepon tradisional banyak tidak disukai karena kaku dan lambat. Agen suara AI di WhatsApp dapat menggantikan menu nada sentuh berlapis-lapis dengan percakapan alami — permintaan "Saya menelepon tentang pengiriman" langsung dipahami dan diarahkan, tanpa mengharuskan pelanggan menavigasi menu "tekan 3 untuk pesanan, lalu tekan 1 untuk status pengiriman". Fitur ini juga dapat menjadi lapisan pengalihan panggilan yang efektif bagi bisnis yang masih menggunakan saluran telepon tradisional: mengarahkan panggilan masuk ke WhatsApp terlebih dahulu dapat menyelesaikan pertanyaan sederhana lebih cepat daripada antrean pusat panggilan biasa.

Penagihan dan percakapan finansial. Layanan pinjaman, pengingat pembayaran, dan panggilan penagihan secara alami bersifat berulang, tetapi juga sensitif — situasi yang cocok ditangani agen AI untuk kasus rutin (mengonfirmasi tanggal pembayaran, menjelaskan saldo) sembari mengalihkan situasi yang kompleks atau emosional kepada agen manusia terlatih. Bisnis jasa keuangan termasuk pengguna awal WhatsApp Voice yang paling terlihat, khususnya karena fitur ini memadukan kepercayaan terhadap aplikasi yang sudah dikenal dengan struktur yang diperlukan untuk percakapan yang sensitif terhadap kepatuhan.

Penyelesaian masalah layanan pelanggan, terutama saat jaringan telepon publik tidak dapat diandalkan. Bagi bisnis yang beroperasi di pasar dengan infrastruktur telekomunikasi tradisional yang tidak konsisten, panggilan berbasis VoIP WhatsApp — yang berjalan melalui koneksi data, bukan jaringan suara seluler — menawarkan koneksi yang lebih andal, dengan agen AI yang siap menyelesaikan pertanyaan sederhana secara instan kapan pun panggilan masuk.

Penjualan dan kualifikasi prospek. Agen suara AI dapat menangani kualifikasi awal dalam panggilan penjualan masuk — mengonfirmasi minat dan mengumpulkan kebutuhan dasar — sebelum meneruskan prospek yang sudah lebih siap dan dilengkapi konteks kepada staf penjualan manusia, mirip dengan cara chatbot AI saat ini mengualifikasi prospek melalui pesan WhatsApp.

💡Dalam semua kasus ini, polanya sama: AI menangani interaksi awal yang rutin dan bervolume tinggi; manusia menangani keputusan yang memerlukan pertimbangan; dan proses peralihan di antara keduanya membawa konteks lengkap, sehingga pelanggan tidak perlu mengulang informasi.

Yang Akan Hadir: Video dan Seterusnya

Meta telah menegaskan bahwa panggilan suara bukanlah tujuan akhir WhatsApp Business Calling — panggilan video tercatat sebagai fitur yang direncanakan atau sedang dikembangkan pada Calling API yang sama, bersama fitur multimodal lainnya seperti pengelolaan pesan suara yang lebih lengkap dan berbagi layar, meskipun fitur-fitur ini belum tersedia secara umum pada saat artikel ini ditulis.

Arah perkembangannya jelas, meski jadwal pastinya belum diketahui: WhatsApp memosisikan diri sebagai saluran komunikasi bisnis multimodal secara default — teks, media kaya, suara, dan pada akhirnya video, semuanya dalam satu rangkaian percakapan yang berkelanjutan, bukan saluran-saluran terpisah yang harus dirangkai sendiri oleh bisnis.

Secara khusus untuk AI, video membuka kategori kasus penggunaan baru yang benar-benar berbeda dari kemampuan suara saja — verifikasi visual (memastikan kerusakan produk saat pengembalian, memandu pelanggan melakukan langkah pemecahan masalah secara langsung), diagnosis jarak jauh, dan percakapan penjualan yang lebih kaya. Semua ini belum tersedia secara umum, dan bisnis yang merencanakan penggunaannya sebaiknya menganggapnya sebagai bagian dari peta jalan yang perlu dipersiapkan, bukan kemampuan yang bisa digunakan sebagai landasan sekarang.

💡Intinya: bisnis yang kini berinvestasi pada suara AI di WhatsApp — basis pengetahuan, logika eskalasi, dan kerangka kepatuhan — sedang membangun fondasi yang dapat diperluas secara alami ke video saat tersedia secara luas, tanpa harus memulai dari awal.

Kepatuhan dan Persetujuan Khusus untuk Panggilan Suara

Semua hal yang dibahas sebelumnya tentang kepatuhan perpesanan WhatsApp juga berlaku untuk panggilan, dengan beberapa tambahan khusus untuk panggilan suara yang perlu diperhatikan.

Persetujuan untuk panggilan keluar dicatat secara eksplisit, bukan sekadar disimpulkan. Tidak seperti persetujuan umum untuk menerima pemasaran, izin untuk panggilan yang dimulai bisnis merupakan status tersendiri yang dicatat Meta untuk setiap pelanggan dan dapat diperiksa sebelum panggilan dilakukan. Hal ini harus diterapkan sebagai pemeriksaan eksplisit dalam setiap alur kerja suara AI keluar (seperti penagihan proaktif atau panggilan pengingat janji temu), bukan diasumsikan berdasarkan persetujuan perpesanan.

Panggilan keluar yang tidak dijawab berulang kali dapat menimbulkan konsekuensi nyata. Panggilan keluar yang berulang kali tidak dijawab atau ditolak dapat menyebabkan izin panggilan pelanggan dicabut secara otomatis — ini menjadi pengingat bahwa kampanye suara AI keluar perlu menerapkan disiplin frekuensi dan penargetan yang sama seperti kampanye perpesanan keluar, bahkan lebih ketat, karena telepon yang berdering lebih mengganggu daripada notifikasi pesan.

Perekaman panggilan memerlukan perhatian khusus terhadap persetujuan dan pemberitahuan. Perekaman panggilan WhatsApp yang ditangani AI (atau manusia) untuk keperluan kualitas, pelatihan, atau kepatuhan harus mengikuti undang-undang persetujuan dan pemberitahuan yang berlaku di wilayah terkait — ketentuannya sangat berbeda menurut yurisdiksi dan industri (terutama di sektor yang diatur seperti keuangan), dan jangan menganggapnya otomatis patuh hanya karena panggilan dilakukan melalui WhatsApp.

Transparansi tentang AI tetap berlaku. Sama seperti chatbot AI, mengungkapkan bahwa penelepon sedang berbicara dengan agen suara AI, bukan manusia—alih-alih membiarkan kualitas suara sintetis menyiratkannya—merupakan praktik yang baik dan semakin menjadi ekspektasi regulasi di makin banyak pasar.

Cara Mengukur Kinerja AI Suara di WhatsApp

Kerangka pengukuran untuk agen suara AI menggunakan metrik inti yang sama dengan chatbot AI, dengan beberapa tambahan khusus untuk suara:

Tingkat penanganan mandiri — padanan tingkat pengalihan untuk suara: persentase panggilan yang ditangani sepenuhnya oleh agen AI tanpa dialihkan ke manusia, dihitung berdasarkan jenis panggilan tertentu yang memang dirancang untuk ditangani agen tersebut.

Tingkat penyelesaian — apakah masalah penelepon benar-benar terselesaikan, yang dilacak secara terpisah dari penanganan mandiri. Panggilan bisa saja "ditangani" oleh AI tanpa menyelesaikan masalah sebenarnya jika penelepon hanya menyerah alih-alih meminta eskalasi—kegagalan yang sama seperti pada pengalihan chatbot juga berlaku di sini.

CSAT untuk interaksi suara — penilaian singkat setelah panggilan (melalui pesan WhatsApp tindak lanjut, yang mudah dikirim di kanal ini segera setelah panggilan berakhir), dilacak secara terpisah untuk panggilan yang hanya ditangani AI, panggilan yang dialihkan dari AI ke manusia, dan panggilan yang sepenuhnya ditangani manusia, guna mengetahui kesenjangan kepuasan berdasarkan jenis panggilan.

Biaya per panggilan/menit — total biaya (biaya per menit BSP, biaya platform AI, dan waktu agen manusia untuk panggilan yang dieskalasikan) dibandingkan dengan biaya pusat panggilan dengan staf manusia penuh yang menangani volume yang sama.

Rata-rata waktu penanganan dan waktu hingga penyelesaian — berapa lama panggilan yang ditangani AI dibandingkan dengan jenis panggilan yang sama yang sebelumnya memerlukan agen manusia, serta seberapa cepat pengalihan dari AI ke manusia terjadi saat diperlukan, karena pengalihan yang lambat atau kehilangan konteks akan merusak seluruh nilai yang ditawarkan.

💡Seperti halnya chatbot AI di kanal pesan, tidak ada satu metrik pun yang dapat menggambarkan keseluruhan kinerja — tingkat penanganan mandiri yang tinggi disertai CSAT yang buruk biasanya berarti AI mengakhiri panggilan, bukan menyelesaikannya. Kesenjangan ini hanya terlihat jika metrik-metrik tersebut dilacak bersama.

Memulai

Pastikan ketersediaan panggilan dan AI suara terkini dengan BSP Anda. Karena peluncuran di bidang ini berlangsung sangat aktif, jangan berasumsi bahwa akses sudah tersedia — tanyakan langsung fitur apa yang sudah aktif di platform tertentu yang sedang dipertimbangkan, termasuk arah panggilan dan pasar yang didukung.

Mulailah dengan panggilan masuk, bukan panggilan keluar. Panggilan masuk (yang dimulai oleh pengguna) memiliki lebih sedikit kendala persetujuan dan ketersediaan yang lebih luas, sehingga menjadi titik awal yang wajar — mulai dari layanan pelanggan dan pengalihan IVR sebelum beralih ke penagihan atau panggilan penjualan keluar.

Gunakan kembali basis pengetahuan yang sudah dibuat untuk AI di kanal pesan. Jika chatbot atau agen AI WhatsApp sudah aktif, basis pengetahuan FAQ dan kebijakan yang mendasarinya dapat menjadi titik awal yang kuat untuk agen suara, daripada membangun sistem pengetahuan terpisah dari awal.

Rancang pengalihan ke manusia sebelum peluncuran. Disiplin pengambilalihan oleh manusia yang penting untuk chatbot jauh lebih penting untuk suara — penelepon yang frustrasi dan terjebak dengan sistem AI yang tidak mau mengalihkan panggilan akan mengalami pengalaman yang lebih buruk daripada pengguna chat yang frustrasi, karena interaksi suara pada dasarnya lebih mendesak.

Lacak penanganan mandiri, penyelesaian, CSAT, dan biaya per panggilan sejak hari pertama, dengan disiplin pengukuran yang sama seperti pada AI di kanal pesan, agar nilai nyata penerapan suara dapat dibuktikan, bukan sekadar diasumsikan.

Anggap video dan fitur lain dalam peta jalan sebagai persiapan untuk masa depan, bukan target pengembangan saat ini — bangun fondasi kepatuhan dan pengetahuan sekarang, lalu kembangkan kemampuan multimodal yang lebih kaya saat tersedia secara umum.

Penutup

Agen suara AI di WhatsApp benar-benar sudah tersedia dan dapat digunakan saat ini—bukan sekadar konsep masa depan—tetapi gambaran sebenarnya adalah peluncuran yang masih terus berkembang: sudah kuat di beberapa pasar dan tingkat BSP, lebih terbatas di pasar lainnya, sementara video dan kemampuan multimodal yang lebih mendalam jelas masuk dalam peta jalan tetapi belum tersedia secara luas. Bagi bisnis yang sudah berinvestasi dalam AI di kanal pesan WhatsApp, suara adalah lapisan berikutnya yang wajar, dibangun di atas basis pengetahuan, disiplin pengalihan ke manusia, dan kerangka pengukuran yang sama—memperluas kanal yang sudah dipercaya pelanggan ke percakapan yang memang lebih baik disampaikan lewat suara daripada diketik.

Seiring akses panggilan meluas di berbagai tingkat BSP sepanjang sisa 2026 dan seterusnya, bisnis yang siap bergerak cepat adalah bisnis yang sejak awal menjadikan fondasi AI di kanal pesan—basis pengetahuan, logika eskalasi, dan proses kepatuhan—sebagai infrastruktur untuk suara, bukan proyek terpisah yang baru dibangun nanti.