AI Agenik - Meningkatkan keterlibatan pelanggan dalam Layanan Keuangan

Temukan berita dan acara fintech teratas!

Berlangganan newsletter FinTech Weekly

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

“Pendapatan di industri fintech diperkirakan akan tumbuh hampir tiga kali lebih cepat daripada sektor perbankan tradisional antara 2022 dan 2028” – McKinsey, Okt 24, 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 faktor pembeda utama antara lembaga perbankan & layanan keuangan tradisional dan fintech. Mulai dari onboarding pelanggan yang mulus, validasi, pelaksanaan transaksi, hingga layanan lanjutan dan penyelesaian keluhan, fintech unggul dibanding lembaga keuangan tradisional. Seiring waktu, fintech berusaha menjembatani kesenjangan dan unggul dalam keterlibatan pelanggan. Penelitian menunjukkan ini adalah faktor paling penting yang memimpin peningkatan laba bersih.

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

Sebuah mesh AI Agen dengan banyak agen khusus dapat melakukan aktivitas secara bersamaan, seperti menarik riwayat interaksi pelanggan, analisis sentimen, peristiwa kehidupan, menganalisis lanskap kompetitif tentang produk dan biaya, menganalisis tren pasar, dan memberikan panduan informatif kepada pelanggan. Dengan menggunakan NLP dan teknologi suara, interaksi dapat dibuat secara intuitif sesuai gaya pelanggan, bahasa yang tidak tergantung, dan mendukung omni-channel. Manfaat GenAI nyata dan beberapa implementasi terbaru oleh bank menunjukkan hasil positif. Peningkatan pengalaman adalah salah satu faktor utama yang mendapatkan manfaat besar.

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

Generative AI semakin meningkatkan kemampuan ini, dengan menghasilkan rekomendasi untuk agen manusia yang meningkatkan pengalaman dan keterlibatan pelanggan. Penasihat Keuangan Pribadi, yang dulunya hanya untuk pelanggan 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 concierge, mulai dari perencanaan pajak hingga penasihat investasi, bahkan bertindak sebagai asisten pribadi. Dengan secara bertahap mengaktifkan Agen AI untuk menangani tugas kompleks dan pribadi, bank dan organisasi layanan keuangan dapat memberikan pengalaman pelanggan yang unggul, meningkatkan loyalitas dan nilai seumur hidup.

Agentic AI & hype di sekitarnya

Gartner trend teknologi 2025 menempatkan Agentic AI sebagai tren teratas di 2025. Survei Benchmark Eksekutif Kepemimpinan AI & Data MITSMR 2025 juga meramalkan hasil serupa.

Apa itu Agentic AI? Itu merujuk pada “sistem dan model AI yang dapat bertindak secara otonom untuk mencapai tujuan tanpa perlu panduan manusia secara konstan, kata HBR. Ia memahami tujuan dan sasaran pengguna serta konteks masalah yang sedang mereka coba selesaikan”. Ini adalah sistem pembelajaran mandiri yang menggunakan penalaran canggih dan kemampuan kreatif dari model GenAI untuk memecahkan masalah kompleks berlangkah banyak. Sebuah mesh Agentic adalah tim dari beberapa agen, yang dapat melakukan tugas secara bersamaan sesuai satu tujuan.

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

Contoh representasi sistem layanan pelanggan Agentic AI

Semua agen ini menjalankan tugas mereka secara bersamaan dan melaporkan 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 berisi riset dan data pengelolaan kekayaan adalah sumber daya yang dapat dimanfaatkan untuk melatih Agen AI.

Beberapa kasus penggunaan utama dalam layanan pelanggan adalah:

*   Penasihat keuangan virtual
*   Profil pelanggan
*   Pemantauan fraud secara real-time
*   Pelaksanaan tugas rutin
*   Pelaporan

Profil pelanggan, yang merupakan langkah awal untuk mengenal pelanggan, adalah kasus penggunaan utama lain yang mendorong keterlibatan pelanggan. Semakin baik bank mengenal pelanggannya, semakin baik pula mereka dapat melayani dan membangun hubungan jangka panjang. Ini adalah proses yang berat. Meskipun ada 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, pengolahan, dan pemanfaatan informasi pelanggan. Agen AI otonom menawarkan banyak harapan dan kemungkinan untuk lebih mentransformasi proses ini, membuatnya mulus dan melakukan banyak aktivitas secara bersamaan.

Agen AI, menggunakan ekosistem alat berbasis AI seperti validasi biometrik, pengenalan wajah, verifikasi dokumen berbasis API, dapat melakukan validasi secara paralel sekaligus menangkap data.

Seperti yang terbukti, proses saat ini rentan terhadap aktor penipuan, yang dapat melewati mekanisme validasi seperti tes keaktifan dll. Agen AI memiliki kemampuan untuk membuat proses ini lebih kokoh, 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 yang lebih akurat dari pelanggan. Tingkat pengawasan yang lebih dalam ini, dikombinasikan dengan validasi simultan secara real-time, meningkatkan tingkat keamanan dan membantu mencegah upaya penipuan canggih oleh pihak tidak bertanggung jawab, membuat sistem ini aman. Ini meningkatkan kepercayaan, keterlibatan pelanggan, dan loyalitas.

Pembelajaran:

*   Interaksi pelanggan tipikal mungkin melibatkan beberapa pertanyaan—seperti transaksi terbaru, rekomendasi produk, dan kesalahan penagihan—semuanya dalam satu percakapan.
*   Chatbot tradisional sering gagal menangani interaksi multifaset seperti ini dan bisa kehilangan konteks.
*   Chatbot tradisional tidak bisa mengelola portofolio pelanggan dengan melakukan transaksi investasi pada produk pengelolaan kekayaan.
*   Agentic AI beroperasi pada tingkat yang lebih maju, berfungsi seperti anggota tim digital dengan:

Otonomi untuk bertindak tanpa intervensi manusia secara 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.

Mempertahankan koherensi konteks dalam dialog 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 skalabel untuk masalah pelanggan yang kompleks dan berlapis.

Percakapan yang dipersonalisasi dan cair yang didukung 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 dari awal hingga akhir.

Tindakan yang Disarankan untuk Pemimpin Industri:

Sekarang muncul pertanyaan strategis; apa yang harus dilakukan pemimpin industri agar tidak hanya bereksperimen tetapi mengoperasionalkan agentic AI untuk keuntungan transformasional? Pertama, mereka harus melewati kelelahan pilot dan memilih kasus penggunaan keterlibatan pelanggan berdampak tinggi untuk diuji dalam “mode co-pilot”.

Yaitu, meningkatkan agen manusia, bukan menggantikan mereka. Kedua, berinvestasi dalam pelatihan tim garis depan agar bekerja bersama AI, bukan di sekitarnya. AI harus menjadi mitra mereka, bukan proses paralel. Ketiga, menggeser model anggaran dari perangkat lunak per kursi ke kontrak layanan sebagai perangkat lunak berbasis hasil; bayar per resolusi, bukan per lisensi. Keempat, pemimpin harus mengintegrasikan data dari silo seperti pemasaran, layanan, operasi, untuk memberi konteks yang dibutuhkan sistem ini agar berkembang.

Dan terakhir, pimpin dengan kepercayaan; terapkan pengaman etis, ukur kinerja secara transparan, dan beri tahu pelanggan bahwa meskipun mesin menangani pertanyaan, manusia selalu terlibat. Di era baru ini, keberhasilan bukan hanya membangun teknologi, tetapi memberdayakan orang dan proses untuk memperbesar dampaknya.

Referensi:

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