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 dalam industri fintech diperkirakan akan tumbuh hampir tiga kali lebih cepat dibandingkan sektor perbankan tradisional antara 2022 dan 2028” – McKinsey, Oct24, 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 verifikasi, pelaksanaan transaksi, layanan lanjutan, serta penanganan keluhan dan pemulihan, fintech unggul dibanding institusi keuangan tradisional. Seiring waktu, fintech telah berusaha menjembatani kesenjangan dan unggul dalam keterlibatan pelanggan. Penelitian menunjukkan ini adalah faktor tunggal yang paling penting, yang mengarah pada peningkatan hasil akhir (bottom line).

Terlepas dari perkembangan teknologi digital dan upaya bank, layanan pelanggan masih terus menjadi salah satu bidang utama yang perlu ditingkatkan. “Personalisasi” dan “Kecepatan layanan pelanggan” masih dinilai rendah dalam survei kepuasan1, sehingga memberi peluang besar bagi bank dan organisasi layanan keuangan untuk meningkatkan kualitas. Kesenjangan makin melebar bagi 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 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, menganalisis lanskap kompetitif pada produk dan biaya, menganalisis tren pasar, dll., serta memberikan panduan informatif kepada pelanggan. Dengan menggunakan teknologi NLP dan yang mendukung suara, interaksi dapat dibuat secara intuitif agar sesuai dengan 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 terbaru. Sistem kecerdasan buatan menunjukkan kemampuan 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 dulu merupakan hak istimewa bagi pelanggan dengan kekayaan sangat tinggi, kini dapat didemokrasikan oleh AI Agents dan tersedia untuk basis pelanggan yang lebih luas.

Bank, karena memiliki akses ke sejumlah besar informasi pribadi pelanggan dan riwayat transaksi, dapat menyediakan layanan seperti concierge, mulai dari perencanaan pajak hingga konsultasi investasi, bahkan bertindak sebagai asisten pribadi. Dengan pemberdayaan bertahap AI Agents untuk menangani tugas yang kompleks dan personal, bank dan organisasi layanan keuangan dapat memberikan pengalaman pelanggan yang lebih unggul sehingga menghasilkan loyalitas dan nilai seumur hidup yang lebih tinggi.

Agentic AI & hiruk-pikuk di sekitarnya

Tren teknologi Gartner 2025 menempatkan Agentic AI sebagai tren teratas pada 2025. Survei benchmark MITSMR 2025 AI & Data Leadership Executive juga meramalkan 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 konstan, kata HBR. Ia memahami tujuan dan objektif pengguna serta konteks dari masalah yang sedang mereka upayakan untuk diselesaikan”. Ini adalah sistem yang mampu belajar mandiri yang menggunakan penalaran canggih dan kemampuan kreatif model GenAI untuk memecahkan masalah kompleks multi-langkah. Sebuah Agentic mess adalah tim dari banyak agen, yang dapat menjalankan tugas secara bersamaan selaras dengan satu objektif.

“Agentic AI Systems menjanjikan transformasi banyak aspek kolaborasi manusia-mesin dengan kapabilitas penalaran dan eksekusi yang sudah ditingkatkan. Mereka dapat merencanakan dan membuat keputusan secara independen, 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 kepada agen manajer, yang pada gilirannya merespons pertanyaan pelanggan. Pengetahuan domain yang dikurasi dan pelatihan membuat agen-agen ini menjadi ahli di bidangnya. Perpustakaan organisasi yang sangat besar berisi riset manajemen kekayaan dan kumpulan data menjadi sumber daya yang dapat dimanfaatkan untuk melatih AI Agents.

Beberapa use case utama dalam layanan pelanggan adalah:

*   Penasihat keuangan virtual
*   Profiling pelanggan
*   Pemantauan penipuan real-time
*   Menjalankan tugas rutin
*   Pelaporan

Customer Profiling, yang merupakan langkah pertama untuk mengenal seorang pelanggan, adalah use case penting lain yang mendorong keterlibatan pelanggan. Semakin baik sebuah bank mengenal pelanggannya, semakin baik pula ia dapat melayani dan membangun hubungan yang bertahan lama. Ini adalah proses yang melelahkan. Meskipun ada kemajuan teknologi, proses ini masih memakan waktu dan masih banyak ruang untuk perbaikan. Selama bertahun-tahun, OCR Technologies dan beragam tingkatan otomatisasi pada tahap yang berbeda telah secara besar meningkatkan proses untuk menangkap, memproses, dan memanfaatkan informasi pelanggan. Autonomous AI Agents menawarkan banyak harapan dan kemungkinan untuk mengubah proses ini lebih lanjut, membuatnya menjadi 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 secara simultan secara paralel sekaligus menangkap data.

Seperti yang dibuktikan, proses saat ini rentan terhadap pelaku fraud, yang dapat mengabaikan mekanisme verifikasi seperti uji liveliness, dll. AI Agents memiliki kemampuan untuk membuat proses ini lebih kuat, dengan menganalisis sinyal kontekstual seperti sudut perangkat, atau menjalankan perangkat lunak apa pun yang tidak sah di latar belakang, dll. Selain itu, kemampuan AI Agents untuk memproses data tidak terstruktur yang digabungkan dengan analisis sentimen dapat menghasilkan penilaian risiko pelanggan yang lebih kuat sehingga menciptakan persona yang lebih akurat. Tingkat pengawasan yang lebih dalam yang dipadukan dengan validasi simultan secara real-time ini meningkatkan level keamanan dan membantu mencegah upaya penipuan canggih oleh pihak yang tidak bertanggung jawab, sehingga sistem tetap aman. Ini menghasilkan peningkatan kepercayaan, keterlibatan pelanggan yang lebih baik, dan loyalitas.

Pelajaran:

*   Interaksi pelanggan yang tipikal dapat melibatkan banyak pertanyaan—seperti transaksi terbaru, rekomendasi produk, dan kesalahan penagihan—semuanya dalam satu percakapan.
*   Chatbot tradisional sering gagal menangani interaksi yang serba beragam seperti itu dan dapat kehilangan konteks.
*   Chatbot tradisional tidak dapat berputar (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:

Autonomi untuk bertindak tanpa campur tangan manusia yang konstan.

Kecerdasan yang berorientasi tujuan untuk mengejar dan mencapai hasil tertentu.

Kapabilitas penalaran real-time untuk pengambilan keputusan dinamis.

*   Sistem-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 untuk yang meniru interaksi manusia.

Penanganan yang skalabel untuk masalah pelanggan yang kompleks dan berlapis.

Percakapan yang dipersonalisasi dan mengalir, diaktifkan oleh jaringan micro-agents, masing-masing berspesialisasi pada kebutuhan pelanggan tertentu.

*   Pendekatan ini melampaui sekadar penyelesaian kueri dasar—pendekatan ini memastikan kepemilikan penuh atas masalah dan penyelesaian end-to-end.

Seruan untuk Bertindak bagi Pemimpin Industri:

Sekarang muncul pertanyaan strategis; apa yang seharusnya dilakukan pemimpin industri agar tidak hanya bereksperimen, tetapi juga mengoperasionalkan agentic AI untuk memperoleh keuntungan yang transformatif? Pertama, mereka harus melampaui kelelahan pilot dan memilih use case keterlibatan pelanggan berdampak tinggi untuk diuji dalam “copilot mode”.

Artinya meningkatkan agen manusia, bukan menggantikannya. Kedua, berinvestasilah pada pelatihan untuk tim lini depan agar bekerja bersama AI, bukan di sekelilingnya. AI harus menjadi mitra mereka, bukan proses paralel. Ketiga, ubah model penganggaran dari perangkat lunak per kursi menjadi kontrak layanan-as-a-software berbasis hasil; bayar per penyelesaian, bukan per lisensi. Keempat, para pemimpin harus mengintegrasikan data lintas silo seperti pemasaran, layanan, dan operasional, agar sistem-sistem ini diberi konteks yang mereka butuhkan dan berkembang di atasnya.

Dan akhirnya, jalankan dengan kepercayaan; terapkan pagar pengaman etis, ukur kinerja secara transparan, dan beri tahu pelanggan bahwa meskipun mesin mungkin menangani pertanyaan, manusia selalu berada dalam lingkaran. Di era baru ini, memenangkan sesuatu bukan soal membangun teknologinya, melainkan tentang memberdayakan orang dan proses untuk memperbesar dampaknya.

Referensi:

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