AI Agenik - Meningkatkan keterlibatan pelanggan dalam Layanan Keuangan

Temukan berita dan acara fintech teratas!

Berlangganan buletin FinTech Weekly

Dibaca oleh para eksekutif di JP Morgan, Coinbase, Blackrock, Klarna, dan lainnya

“Pendapatan di industri fintech diperkirakan akan tumbuh hampir tiga kali lebih cepat dibandingkan sektor perbankan tradisional antara 2022 dan 2028” – McKinsey, Okt24, 2023.
“Pasar fintech global diproyeksikan bernilai $394,88 miliar pada 2025 dan mencapai $1.126,64 miliar pada 2032” – Fortune business insights, 09 Juni 2025

Keterlibatan pelanggan adalah salah satu pembeda utama antara institusi perbankan & layanan keuangan tradisional dan fintech. Mulai dari onboarding pelanggan yang mulus hingga validasi, mengeksekusi transaksi, hingga layanan lanjutan dan penanganan keluhan (grievance redressal), fintech unggul dibanding institusi keuangan tradisional. Seiring waktu, fintech telah berupaya menjembatani kesenjangan dan unggul dalam keterlibatan pelanggan. Penelitian menunjukkan bahwa ini adalah faktor terpenting tunggal yang mendorong peningkatan hasil akhir (bottom line).

Terlepas dari perkembangan teknologi digital dan upaya bank, layanan pelanggan masih terus menjadi salah satu area utama yang perlu ditingkatkan. “Personalisasi” dan “Kecepatan layanan pelanggan” masih mendapat peringkat rendah dalam survei kepuasan1, sehingga memberikan peluang besar bagi bank dan organisasi layanan keuangan untuk meningkatkan kualitas. Kesenjangan semakin melebar untuk pelanggan manajemen kekayaan, di mana kebutuhan akan personalisasi dan pengetahuan khusus paling penting, membangun kepercayaan dan loyalitas. Di sinilah AI Agents yang diberdayakan dengan pengetahuan domain khusus dapat mendorong interaksi pelanggan yang menarik dan cerdas. Layanan pelanggan yang berada di garis depan interaksi bisnis—yang tidak hanya mendorong tingkat kepuasan, tetapi juga loyalitas jangka panjang dan nilai bisnis seumur hidup.

Sebuah Agentic AI mesh dengan banyak agen khusus dapat melakukan aktivitas secara bersamaan, seperti menarik riwayat interaksi pelanggan, analisis sentimen, peristiwa hidup (life events), menganalisis lanskap kompetitif pada produk dan biaya (fees), menganalisis tren pasar, dll., serta memberikan panduan informatif kepada pelanggan. Dengan menggunakan teknologi NLP dan berbasis suara (voice enabled), interaksi dapat dibuat secara intuitif yang menyesuaikan gaya preferensi pelanggan, bahasa agnostik, dan diaktifkan untuk omni channel. Manfaat GenAI nyata, dan beberapa implementasi terbaru oleh bank menunjukkan hasil positif. Peningkatan pengalaman adalah salah satu penerima manfaat utama.

Kolaborasi AI-Manusia adalah salah satu hasil yang paling saling menguntungkan dari perkembangan teknologi terkini. Sistem kecerdasan buatan menunjukkan kemahiran luar biasa dalam memproses volume data yang sangat besar, mengidentifikasi tren dan pola dengan akurasi serta kecepatan.

Generative AI semakin memajukan kemampuan ini, dengan menghasilkan rekomendasi untuk agen manusia yang meningkatkan pengalaman dan keterlibatan pelanggan. Personal Financial Advisors, yang dulunya hak istimewa bagi pelanggan dengan kekayaan bersih sangat tinggi, kini dapat didemokratisasi oleh AI Agents dan tersedia untuk basis pelanggan yang lebih luas.

Bank, yang memiliki akses ke berbagai informasi pribadi pelanggan dan riwayat transaksi, dapat menyediakan layanan ala concierge, mulai dari perencanaan pajak hingga saran investasi, bahkan bertindak sebagai asisten pribadi. Dengan pemberdayaan bertahap AI Agents untuk menangani tugas kompleks dan personal, bank serta organisasi layanan keuangan dapat memberikan pengalaman pelanggan yang lebih unggul, yang berujung pada loyalitas dan nilai seumur hidup yang meningkat.

Agentic AI & kegemparan (hype) seputarnya

Tren teknologi Gartner 2025 menempatkan Agentic AI sebagai tren teratas pada 2025. Survei benchmark eksekutif kepemimpinan AI & Data MITSMR 2025 juga memprakirakan hasil serupa.

Apa itu Agentic AI? Ini merujuk pada “sistem dan model AI yang dapat bertindak secara otonom untuk mencapai tujuan tanpa perlu panduan manusia yang terus-menerus, kata HBR. Ia memahami tujuan dan sasaran pengguna serta konteks masalah yang sedang mereka coba selesaikan”. Ini adalah sistem yang belajar mandiri (self-learning) yang menggunakan penalaran canggih dan kemampuan kreatif dari model GenAI untuk memecahkan masalah kompleks multi-langkah. Sebuah Agentic mess adalah tim dari banyak agen, yang dapat melakukan tugas secara bersamaan selaras dengan satu tujuan.

“Sistem Agentic AI menjanjikan untuk mengubah banyak aspek kolaborasi manusia-mesin dengan kemampuan penalaran dan eksekusi mereka yang ditingkatkan. Mereka dapat merencanakan dan mengambil keputusan secara mandiri, menawarkan produktivitas, inovasi, dan wawasan yang lebih besar bagi tenaga kerja manusia” 
– HBR, Des 2024

Contoh representasi sistem layanan pelanggan Agentic AI

Semua agen ini menjalankan tugas mereka secara bersamaan dan melapor ke agen manajer, yang kemudian (intern) menanggapi pertanyaan pelanggan. Pengetahuan domain yang dikurasi dan pelatihan membuat para agen ini menjadi ahli di bidang mereka. Perpustakaan organisasi yang luas dari riset manajemen kekayaan dan data points adalah sumber daya yang dapat dimanfaatkan untuk melatih AI Agents.

Beberapa use case utama dalam layanan pelanggan adalah:

*   Penasihat keuangan virtual
*   Pembuatan profil pelanggan
*   Pemantauan penipuan (fraud) secara realtime
*   Menjalankan tugas rutin
*   Pelaporan

Pembuatan Profil Pelanggan, yang merupakan langkah awal untuk mengenal pelanggan, adalah use case kunci lain yang mendorong keterlibatan pelanggan. Semakin baik sebuah bank mengetahui pelanggannya, semakin baik pula bank tersebut dapat melayani dan membangun hubungan yang bertahan lama. Ini adalah proses yang melelahkan. Terlepas dari kemajuan teknologi, proses ini masih memakan waktu dan memiliki banyak ruang untuk perbaikan. Selama bertahun-tahun, Teknologi OCR dan berbagai tingkat otomatisasi di berbagai tahap telah sangat meningkatkan proses pengambilan, pemrosesan, dan pemanfaatan informasi pelanggan. Autonomous AI Agents menawarkan banyak harapan dan kemungkinan untuk lebih mengubah proses ini, membuatnya mulus dan menjalankan banyak aktivitas secara bersamaan.

AI Agents, menggunakan ekosistem alat berbasis AI seperti validasi biometrik, pengenalan wajah, verifikasi dokumen yang diaktifkan API, dll., dapat melakukan validasi simultan secara paralel sambil menangkap data.

Seperti yang dibuktikan oleh data, proses saat ini rentan terhadap pelaku penipuan (fraudulent actors), yang dapat menghindari mekanisme validasi seperti uji kelangsungan hidup (liveliness test), dll. AI Agents memiliki kemampuan untuk membuat proses ini lebih tangguh, dengan menganalisis sinyal kontekstual seperti sudut perangkat, atau menjalankan perangkat lunak tidak sah di latar belakang, dll. Selain itu, kemampuan AI Agents untuk memproses data tidak terstruktur yang dikombinasikan dengan analisis sentimen dapat menghasilkan profil risiko pelanggan yang lebih akurat, menciptakan persona yang lebih tepat. Pengawasan tingkat lebih dalam yang dipadukan dengan validasi simultan secara real-time meningkatkan tingkat keamanan dan membantu mencegah upaya penipuan yang canggih oleh pihak tidak bertanggung jawab, sehingga sistem menjadi aman. Hal ini meningkatkan kepercayaan, keterlibatan pelanggan, dan loyalitas.

Pembelajaran:

*   Interaksi pelanggan yang khas dapat melibatkan banyak pertanyaan—seperti transaksi terbaru, rekomendasi produk, dan kesalahan penagihan—semuanya dalam satu percakapan.
*   Chatbot tradisional sering gagal menangani interaksi yang beragam seperti itu dan dapat kehilangan konteks.
*   Chatbot tradisional tidak bisa memutar (churn) portofolio pelanggan dengan menjalankan transaksi investasi pada produk manajemen kekayaan 
*   Agentic AI beroperasi pada tingkat yang lebih maju, berfungsi seperti anggota tim digital dengan:

Otonomi untuk bertindak tanpa intervensi manusia yang terus-menerus.

Kecerdasan berorientasi tujuan untuk mengejar dan mencapai outcome tertentu.

Kemampuan penalaran real-time untuk pengambilan keputusan dinamis.

*   Sistem ini dapat:

Memahami bahasa manusia yang bernuansa dan alami.

Menjaga koherensi konteks di seluruh dialog yang panjang dan kompleks.

Mengintegrasikan dan mengorkestrasi tugas menggunakan alat seperti CRM, ERP, dan basis pengetahuan internal.

*   Dalam keterlibatan pelanggan, Agentic AI memberikan:

Dukungan 24/7 yang meniru interaksi manusia.

Penanganan yang dapat diskalakan untuk masalah pelanggan yang kompleks dan berlapis.

Percakapan yang personal dan lancar yang diaktifkan oleh jaringan micro-agents, masing-masing mengkhususkan diri pada kebutuhan pelanggan tertentu.

*   Pendekatan ini melampaui penyelesaian pertanyaan dasar—ia memastikan kepemilikan penuh terhadap masalah dan resolusi end-to-end.

Seruan untuk Aksi bagi Pemimpin Industri:

Kini muncul pertanyaan strategis: apa yang seharusnya dilakukan pemimpin industri agar tidak hanya bereksperimen, tetapi mengoperasionalkan agentic AI untuk memperoleh manfaat transformasional? Pertama, mereka harus melampaui kelelahan pilot dan memilih use case keterlibatan pelanggan berimpact tinggi untuk diuji dalam “mode copilot”.

Itu adalah meningkatkan agen manusia, bukan menggantikannya. Kedua, investasikan pelatihan untuk tim lini depan agar dapat bekerja bersama AI, bukan di sekelilingnya. AI harus menjadi mitra mereka, bukan proses paralel. Ketiga, ubah model penganggaran dari perangkat lunak per-seat menjadi kontrak layanan sebagai perangkat lunak berbasis hasil; bayar per resolusi, bukan per lisensi. Keempat, pemimpin harus mengintegrasikan data lintas silo seperti pemasaran, layanan, operasi, untuk memberi sistem ini konteks yang mereka butuhkan.

Dan terakhir, pimpin dengan kepercayaan; terapkan pagar pengaman etis, ukur performa secara transparan, dan beri tahu pelanggan bahwa meski mesin menangani pertanyaan, manusia selalu berada dalam loop. Di era baru ini, keberhasilan bukan soal membangun teknologi, tetapi memberdayakan orang dan proses untuk memperbesar dampaknya.

Referensi:

• Masa depan pertumbuhan fintech | McKinsey
• Gambaran Pasar FinTech dengan Ukuran, Pangsa, Nilai | Growth [2032]