Agentic AI - Meningkatkan keterlibatan pelanggan di 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 tahun 2022 dan 2028” – McKinsey, 24 Oktober 2023.
“Pasar fintech global diproyeksikan bernilai $394,88 miliar pada tahun 2025 dan mencapai $1.126,64 miliar pada tahun 2032” – Fortune business insights, 9 Juni 2025

Keterlibatan pelanggan adalah salah satu pembeda utama antara lembaga perbankan & jasa keuangan tradisional dan fintech. Mulai dari proses orientasi pelanggan yang mulus, validasi, eksekusi transaksi, hingga layanan lanjutan dan penyelesaian keluhan, fintech unggul dibandingkan lembaga keuangan tradisional. Seiring waktu, fintech telah berusaha menjembatani kesenjangan dan unggul dalam keterlibatan pelanggan. Riset menunjukkan bahwa ini adalah faktor paling penting yang mengarah pada peningkatan laba.

Meskipun ada perkembangan teknologi digital dan upaya bank, layanan pelanggan masih menjadi salah satu area utama yang perlu ditingkatkan. “Personalisasi” dan “Kecepatan layanan pelanggan” masih dinilai rendah dalam survei kepuasan¹, memberikan banyak peluang bagi bank dan organisasi jasa keuangan untuk meningkatkan kualitas. Kesenjangan ini semakin lebar untuk nasabah wealth management, di mana kebutuhan akan personalisasi dan pengetahuan khusus sangat penting, membangun kepercayaan dan loyalitas. Di sinilah Agen AI yang didukung dengan pengetahuan domain khusus dapat mendorong interaksi pelanggan yang cerdas dan menarik. Layanan pelanggan menjadi ujung tombak interaksi bisnis, yang tidak hanya mendorong tingkat kepuasan, tetapi juga loyalitas jangka panjang dan nilai bisnis seumur hidup.

Jaringan AI Agen dengan banyak agen khusus dapat melakukan aktivitas secara bersamaan, seperti menarik riwayat interaksi pelanggan, analisis sentimen, peristiwa kehidupan, menganalisis lanskap persaingan produk dan biaya, menganalisis tren pasar, dll., serta memberikan panduan informatif kepada pelanggan. Dengan menggunakan NLP dan teknologi yang mendukung suara, interaksi dapat dibuat secara intuitif sesuai dengan gaya yang disukai pelanggan, agnostik bahasa, dan mendukung omnichannel. 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 kemampuan luar biasa dalam memproses data dalam jumlah besar, mengidentifikasi tren dan pola dengan akurasi dan kecepatan.

Generative AI lebih memajukan kemampuan ini dengan menghasilkan rekomendasi untuk agen manusia yang meningkatkan pengalaman dan keterlibatan pelanggan. Penasihat Keuangan Pribadi, yang dulunya merupakan hak istimewa nasabah dengan kekayaan sangat tinggi, kini dapat didemokratisasi oleh Agen AI dan tersedia untuk basis pelanggan yang lebih luas.

Bank, yang memiliki akses ke banyak informasi pribadi dan riwayat transaksi pelanggan, dapat menyediakan layanan koncierge, mulai dari perencanaan pajak hingga konsultasi investasi, bahkan bertindak sebagai asisten pribadi. Dengan pemberdayaan bertahap Agen AI untuk menangani tugas-tugas kompleks dan pribadi ini, bank dan organisasi jasa keuangan dapat memberikan pengalaman pelanggan yang unggul, yang mengarah pada peningkatan loyalitas dan nilai seumur hidup.

Agentic AI & hype di sekitarnya

Gartner technology trend 2025 menempatkan Agentic AI sebagai tren teratas di tahun 2025. MITSMR 2025 AI & Data Leadership Executive Benchmark Survey juga memperkirakan hasil yang serupa.

Apa itu Agentic AI? Ini merujuk pada “sistem dan model AI yang dapat bertindak secara otonom untuk mencapai tujuan tanpa perlu bimbingan manusia secara konstan,” kata HBR. “Sistem ini memahami tujuan dan sasaran pengguna serta konteks masalah yang ingin mereka selesaikan.” Ini adalah sistem pembelajaran mandiri yang menggunakan kemampuan penalaran canggih dan kreatif dari model GenAI untuk memecahkan masalah multi-langkah yang kompleks. Jaringan Agen adalah tim yang terdiri dari beberapa agen, yang dapat melakukan tugas secara bersamaan sejalan dengan satu tujuan.

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

Representasi contoh sistem layanan pelanggan Agentic AI

Semua agen ini melakukan tugasnya secara bersamaan dan melapor ke agen manajer, yang kemudian merespons pertanyaan pelanggan. Pengetahuan domain yang dikurasi dan pelatihan membuat agen-agen ini menjadi ahli di bidangnya. Perpustakaan organisasi yang luas dari riset wealth management dan titik data adalah sumber daya yang dapat dimanfaatkan untuk melatih Agen AI.

Beberapa kasus penggunaan utama dalam layanan pelanggan adalah:

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

Pembuatan profil pelanggan, yang merupakan langkah pertama untuk mengenal pelanggan, adalah kasus penggunaan utama lainnya yang mendorong keterlibatan pelanggan. Semakin baik bank mengenal pelanggannya, semakin baik mereka dapat melayani dan membangun hubungan yang langgeng. Ini adalah proses yang berat. Meskipun ada kemajuan dalam teknologi, proses ini masih memakan waktu dan memiliki banyak ruang untuk perbaikan. Selama bertahun-tahun, Teknologi OCR dan berbagai tingkat otomatisasi pada tahapan yang berbeda telah sangat meningkatkan proses pengambilan, pemrosesan, dan penggunaan informasi pelanggan. Agen AI Otonom menawarkan banyak harapan dan kemungkinan untuk lebih mengubah proses, menjadikannya mulus dan melakukan banyak aktivitas bersamaan.

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

Seperti yang ditunjukkan oleh bukti, proses saat ini rentan terhadap pelaku penipuan, yang dapat melewati mekanisme validasi seperti tes kelincahan, dll. Agen AI memiliki kemampuan untuk membuat proses ini kuat, dengan menganalisis sinyal kontekstual seperti sudut perangkat, atau menjalankan perangkat lunak tidak sah di latar belakang, dll. Selain itu, kemampuan Agen AI untuk memproses data tidak terstruktur yang dikombinasikan dengan analisis sentimen dapat menghasilkan profil risiko pelanggan yang kuat, menciptakan persona yang lebih akurat. Tingkat pengawasan yang lebih dalam ini dikombinasikan dengan validasi simultan real-time meningkatkan tingkat keamanan dan membantu mencegah upaya penipuan canggih oleh elemen yang tidak bertanggung jawab, membuat sistem aman. Hal ini mengarah pada peningkatan kepercayaan, keterlibatan pelanggan yang lebih baik, dan loyalitas.

Pembelajaran:

*   Interaksi pelanggan yang khas dapat melibatkan banyak pertanyaan—seperti transaksi terbaru, rekomendasi produk, dan kesalahan penagihan—semua dalam satu percakapan.
*   Chatbot tradisional sering gagal menangani interaksi multifaset semacam itu dan mungkin kehilangan konteks.
*   Chatbot tradisional tidak dapat mengelola portofolio pelanggan dengan mengeksekusi transaksi investasi pada produk wealth management.
*   Agentic AI beroperasi pada tingkat yang lebih maju, berfungsi seperti anggota tim digital dengan:

Otonomi untuk bertindak tanpa intervensi manusia yang konstan.

Kecerdasan berorientasi tujuan untuk mengejar dan mencapai hasil tertentu.

Kemampuan penalaran real-time untuk pengambilan keputusan dinamis.

*   Sistem ini dapat:

Memahami bahasa manusia yang bernuansa dan alami.

Menjaga koherensi kontekstual 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 masalah pelanggan yang kompleks dan berlapis secara scalable.

Percakapan yang dipersonalisasi dan lancar yang dimungkinkan oleh jaringan mikro-agen, masing-masing mengkhususkan diri dalam kebutuhan pelanggan tertentu.

*   Pendekatan ini melampaui resolusi pertanyaan dasar—ini memastikan kepemilikan masalah penuh dan resolusi ujung ke ujung.

Ajakan Bertindak untuk Pemimpin Industri:

Sekarang pertanyaan strategisnya; apa yang harus dilakukan pemimpin industri untuk tidak hanya bereksperimen tetapi juga mengoperasionalkan agentic AI untuk keuntungan transformatif? Pertama, mereka harus melampaui kelelahan pilot dan memilih kasus penggunaan keterlibatan pelanggan berdampak tinggi untuk diuji dalam “mode kopilot”.

Yaitu memperkuat agen manusia, bukan menggantikan mereka. Kedua, berinvestasi dalam pelatihan tim lini depan untuk bekerja bersama AI, bukan di sekitarnya. AI harus menjadi mitra mereka, bukan proses paralel. Ketiga, menggeser model penganggaran dari perangkat lunak per kursi menjadi kontrak layanan-sebagai-perangkat lunak berbasis hasil; bayar per resolusi, bukan per lisensi. Keempat, pemimpin harus mengintegrasikan data di seluruh silo seperti pemasaran, layanan, operasi, untuk memberi makan sistem ini dengan konteks yang mereka butuhkan.

Dan terakhir, pimpin dengan kepercayaan; terapkan pagar etis, ukur kinerja secara transparan, dan beri tahu pelanggan bahwa sementara mesin mungkin menangani pertanyaan, manusia selalu terlibat. Di era baru ini, kemenangan bukan tentang membangun teknologi, tetapi tentang memberdayakan orang dan proses untuk memperkuat dampaknya.

Referensi:

• The future of fintech growth | McKinsey
• • FinTech Market Overview with Size, Share, Value | Growth [2032]