Proses evaluasi kredit yang didukung AI Agenik: Sebuah Cetak Biru Strategis

Bhushan Joshi, Dr Manas Panda, Raja Basu

Temukan berita dan acara fintech teratas!

Berlangganan buletin FinTech Weekly

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

Industri layanan keuangan sedang mengalami pergeseran paradigma karena sistem AI generatif (GenAI) dan AI agenik sedang mendefinisikan ulang alur proses bisnis—pengambilan keputusan kredit menjadi salah satunya. Bank kini mengadopsi sistem berbasis AI yang meningkatkan akurasi prediktif sekaligus mengotomatisasi alur kerja kompleks. Artikel ini membahas bagaimana GenAI dan AI agenik dapat diterapkan secara strategis dalam proses evaluasi kredit sehingga secara signifikan meningkatkan efisiensi dan otomatisasi, sekaligus menanggapi pertimbangan tata kelola, risiko, dan kepatuhan.

Keunggulan GenAI: Pengayaan Data yang Cerdas

Data adalah nadi evaluasi kredit. Bank dan institusi keuangan menilai dan mengevaluasi beban elemen data menggunakan model logistik dan heuristik. Dengan hadirnya GenAI, proses ini sudah melompat jauh, karena model GenAI memberikan kemampuan untuk mengevaluasi data tidak terstruktur, menghasilkan wawasan berharga. Membuat data sintetis untuk mensimulasikan skenario sejak awal adalah perubahan kunci lainnya dalam proses evaluasi.

Model GenAI unggul dalam mengurai informasi tidak terstruktur menjadi data terstruktur. Kemampuan ini memungkinkan ekstraksi atribut kunci seperti konsistensi pendapatan, inkonsistensi pembayaran, data pekerjaan, pengeluaran diskresioner, dll. yang dapat memberikan wawasan kritis dalam penilaian underwriting.

Pembuatan data sintetis adalah kapabilitas yang ditawarkan oleh model GenAI, yang dapat dimanfaatkan untuk keperluan pemodelan dan validasi yang kuat. Ini dapat membantu mengurangi kelangkaan data pada kasus tepi (edge cases). Model AI dapat digunakan untuk mendefinisikan skenario edge, menambahkan kriteria yang lebih bernuansa—liquidity buffers, volatilitas pendapatan, dll.—dan dapat divalidasi dengan data sintetis. Data yang menjaga privasi ini meningkatkan generalisasi dan ketahanan model terhadap risiko ekor.

Sistem GenAI multimodal dapat menandai inkonsistensi—seperti ketidaksesuaian antara pendapatan yang dinyatakan, catatan pajak, laporan bank, dll.—dengan membandingkan dan mempertentangkannya. Aktivitas manual yang memakan waktu ini dapat dipercepat dengan kepatuhan yang lebih baik, mendeteksi celah, dan meningkatkan integritas data.

AI Agenik: Mengorkestrasi Alur Kerja Otonom

Sementara sistem GenAI multi-modal memfasilitasi integritas data, membuat dan memvalidasi skenario ekstrem, AI Agenik menyatu dengan alur kerja otonom.

AI Agenik selanjutnya memajukan proses evaluasi dengan pengambilan keputusan otonom untuk tugas-tugas diskret. Jaringan AI Agenik, yang terdiri dari beberapa agen ahli, mampu menjalankan banyak tugas diskret secara bersamaan. Verifikasi identitas, pengambilan & validasi dokumen, evaluasi metrik, validasi data eksternal, pemeriksaan biro kredit, analisis psikometrik, dll. untuk menyebutkan beberapa, dapat dilakukan secara simultan oleh agen khusus. Setiap agen beroperasi dengan tujuan yang ditetapkan, metrik yang sukses, dan protokol eskalasi sehingga proses menjadi lebih cepat dengan akurasi yang meningkat.

Jaringan agenik ini menegakkan logika bisnis, memanggil model prediktif, dan merutekan aplikasi berdasarkan ambang batas kepercayaan sehingga mengotomatiskan alur proses secara dinamis. Misalnya, keputusan berkepercayaan rendah atau anomali yang ditandai akan otomatis dieeskalasi ke penilai kredit manusia—dengan peringatan yang dikirim melalui sistem pesan agar dapat bertindak. Secara bersamaan, sistem agenik dapat memantau aplikasi secara proaktif, mendeteksi kontradiksi, dan memulai mekanisme remediasi. Demikian pula, jika profil kredit pemohon masuk ke zona abu-abu, sistem dapat memicu tinjauan sekunder atau meminta dokumentasi tambahan, atau menghadirkan manusia dalam proses (human-in-loop).

Contoh kasus: Sebuah bank global besar baru-baru ini menerapkan proses manajemen kasus yang sepenuhnya otomatis dari email pelanggan—mendaftarkan kasus, memanggil alur kerja, melakukan messaging dengan pelacakan status dan komunikasi—mengurangi upaya dan waktu pemrosesan hingga setengah dari sebelumnya.

Untuk melengkapinya, kemampuan NLP memungkinkan agen untuk berbincang dengan pemohon secara real time, mengklarifikasi ambiguitas, mengumpulkan data yang hilang, dan merangkum langkah berikutnya—dalam beberapa bahasa dan dengan dukungan suara sesuai kebutuhan. Hal ini mengurangi gesekan dan meningkatkan tingkat penyelesaian, khususnya untuk segmen pelanggan yang kurang terlayani dan cenderung ragu.

Arsitektur Hibrida: Menyeimbangkan Akurasi dan Dapat Dijelaskan

Teknologi GenAI dan AI Agenik sedang merancang alur proses dan arsitektur—meningkatkan efisiensi sekaligus menyeimbangkan akurasi dan dapat dijelaskannya hasil.
Arsitektur hibrida yang menggabungkan AI Agenik dengan model GenAI meningkatkan daya prediksi dengan data yang lebih kaya dan transparansi regulasi yang lebih baik. Menggabungkan agen AI juga meningkatkan ketahanan dan kemampuan eksekusi otomatis yang mulus.

Sementara GenAI dapat menghasilkan penjelasan kontra-faktual—skenario “what-if” yang menggambarkan bagaimana pemohon dapat meningkatkan kelayakan pinjaman mereka—sistem agenik dapat mengumpulkan data hasil, meng kurasi kasus tepi (edge cases), dan memulai siklus pelatihan ulang. Proses pembelajaran mandiri adaptif ini dengan kumpulan data yang lebih bersih dan skenario edge yang masuk akal meningkatkan akurasi proses evaluasi kelayakan pinjaman pelanggan.

Ajakan bertindak: Membangun Sistem AI yang Dapat Dipercaya untuk Evaluasi yang Lebih Akurat

Menilai kelayakan pinjaman adalah proses yang kompleks yang berdampak pada pengalaman pelanggan dan hubungan bisnis jangka panjang. Beberapa rekomendasi kunci yang perlu diingat saat mendesain ulang alur adalah: a) arsitektur human-in-the-loop untuk meningkatkan keseluruhan proses pengambilan keputusan dengan pelacakan (traceability) dan dapat dijelaskan, b) mengidentifikasi dan memetakan dengan benar hasil keputusan ke fitur terkait untuk mengatasi kekhawatiran interpretabilitas dan temuan audit, c) menerapkan pagar pengaman AI yang bertanggung jawab, perlindungan operasional seperti kontrol akses berbasis peran, matriks eskalasi, dll. akan meningkatkan ketahanan proses.

Kesimpulan

Proses pengambilan keputusan kredit berada pada titik belok (inflection point) dengan GenAI & AI Agenik yang mendefinisikan ulang alur proses bisnis—membuat ekosistem pemberian pinjaman lebih efisien dan tangguh. Lembaga keuangan yang berinvestasi pada desain yang matang, tata kelola yang ketat, & model data yang kuat untuk mengotomatisasi kasus penggunaan berisiko tinggi akan memimpin era berikutnya dalam underwriting yang cerdas.