Pernahkah Anda merasa frustrasi setelah berjam-jam berinteraksi dengan chatbot perbankan, hanya untuk menerima respons berulang yang sama: “Maaf, saya tidak mengerti permintaan Anda”?
Hal ini menyoroti ketegangan inti di era digital: sementara teknologi beroperasi dengan kecepatan luar biasa, seringkali gagal memahami kebutuhan manusia secara tulus.
Saat ini, pusat-pusat keuangan utama berinvestasi besar-besaran dalam kecerdasan buatan (AI). Namun, kesenjangan antara kemampuan teknologi dan pengalaman pengguna masih terasa, karena efisiensi sering disalahartikan sebagai kualitas layanan.
Efisiensi vs Empati
Tidak dapat disangkal bahwa AI telah mendorong kemajuan signifikan dalam layanan keuangan.
Contoh nyata adalah MoMo di Vietnam yang menggunakan AI untuk mengkategorikan pengeluaran konsumen secara otomatis dan memungkinkan pembayaran pengenalan wajah hanya dalam tiga detik.
Demikian pula, asisten virtual Bank of America, Erica, telah memproses lebih dari 1,5 miliar interaksi sambil secara proaktif memperingatkan nasabah saat perilaku belanja mereka menunjukkan risiko pembengkakan keuangan.
Aplikasi ini menunjukkan bahwa AI dapat meningkatkan kecepatan pemrosesan, personalisasi, dan kenyamanan dalam layanan perbankan.
Di sisi lain, tantangan muncul ketika lembaga keuangan secara membabi buta mengejar “otomatisasi 100 persen” sebagai strategi pengurangan biaya.
Dalam situasi seperti itu, efisiensi operasional mungkin meningkat sementara kualitas layanan menurun.
Banyak nasabah di Korea mengungkapkan frustrasi setelah terjebak hingga 40 menit dalam percakapan chatbot berulang tanpa menyelesaikan masalah mereka.
Kritik publik semakin menguat ketika KB Kookmin Bank mendapat reaksi balik atas rencananya mengganti 240 karyawan pusat panggilan dengan sistem AI.
Alih-alih menggantikan pekerja manusia sepenuhnya, masa depan layanan keuangan bergantung pada seberapa efektif institusi menggabungkan AI dengan penilaian manusia.
Sementara AI unggul dalam kecepatan dan pengenalan pola, ia tidak memiliki kemampuan untuk menafsirkan nuansa, terutama dalam situasi yang melibatkan stres, kebingungan, atau kerentanan finansial.
Ketika nasabah dipaksa menavigasi sistem otomatis yang kaku tanpa opsi dukungan manusia, frustrasi dengan cepat berubah menjadi ketidakpercayaan.
Seiring waktu, erosi kepercayaan ini bisa menjadi lebih mahal daripada penghematan jangka pendek yang diperoleh melalui otomatisasi.
Pendekatan yang lebih berkelanjutan adalah integrasi selektif: AI harus menangani tugas rutin seperti pertanyaan dasar dan pemrosesan data, sementara penasihat manusia turun tangan saat masalah membutuhkan empati, fleksibilitas, atau pemikiran kritis.
Memperluas Akses atau Memperdalam Kesenjangan Transparansi?
Di pasar pinjaman, AI semakin memperluas akses kredit bagi kelompok yang secara tradisional dirugikan oleh model evaluasi konvensional.
Alih-alih hanya mengandalkan skor kredit, platform seperti Upstart di Amerika Serikat menganalisis sekitar 2.500 variabel.
Hasilnya, tingkat persetujuan pinjaman bagi pemohon kulit hitam dan Hispanik meningkat 35 hingga 46 persen.
Demikian pula, bank digital di Korea memanfaatkan AI untuk meningkatkan akses pembiayaan bagi pekerja lepas.
Namun, keterbatasan utama AI terletak pada sifatnya sebagai “kotak hitam algoritmik”, yang berarti sistem dapat menghasilkan keputusan sementara pengguna kesulitan memahami alasan di baliknya.
Dalam praktiknya, jika seorang nasabah ditolak persetujuan kredit dan hanya menerima respons samar seperti “Permohonan Anda ditolak karena parameter penilaian internal”, ambiguitas ini dapat dengan mudah menimbulkan persepsi ketidakadilan.
Oleh karena itu, solusi yang diperlukan adalah penerapan explainable AI (XAI). Alih-alih hanya memberikan hasil akhir, sistem harus secara jelas mengidentifikasi faktor-faktor yang memengaruhi setiap keputusan.
Misalnya, nasabah bisa menerima penjelasan spesifik seperti, “Permohonan pinjaman Anda tidak disetujui karena pendapatan Anda tidak stabil selama tiga bulan terakhir, dan saldo kartu kredit Anda saat ini masih tinggi.”
Komunikasi transparan berbasis data semacam itu tidak hanya membantu nasabah memahami proses pengambilan keputusan, tetapi juga membangun kepercayaan pada sistem teknologi.
Perlombaan antara Perlindungan dan Penipuan
Dalam keamanan finansial, AI menjadi perisai digital strategis.
Mastercard menganalisis satu triliun titik data dalam milidetik untuk memblokir penipuan, sementara sistem ASAP Korea menghubungkan 130 organisasi untuk berbagi informasi secara real-time.
Bank-bank di Vietnam juga menggunakan AI untuk mendeteksi transaksi mencurigakan dari perangkat yang tidak dikenal.
Sebaliknya, penjahat siber secara bersamaan mengeksploitasi AI untuk mengembangkan penipuan yang lebih canggih. Teknologi deepfake memungkinkan pelaku penipuan meniru suara atau identitas, membuat penipuan semakin meyakinkan.
Di Vietnam, kasus peniruan identitas kerabat atau otoritas semakin umum. Seiring skema ini menjadi lebih realistis, pengguna menjadi lebih rentan.
Pada saat yang sama, data pelatihan yang bias dapat menyebabkan penilaian risiko yang salah, berpotensi merugikan nasabah yang sah.
Mengingat tantangan ini, solusi efektif harus melampaui investasi teknologi dan berfokus pada mekanisme tata kelola.
Pertama, mekanisme “cooling-off” dapat diterapkan untuk transaksi berisiko tinggi. Ketika perilaku tidak biasa terdeteksi, transaksi ditunda sementara, memungkinkan pengguna membatalkannya jika dicurigai penipuan.
Kedua, pendekatan “human-in-the-loop” memastikan bahwa kasus berisiko tinggi, seperti transfer besar, transaksi cepat, atau keputusan pinjaman bernilai tinggi, ditinjau oleh ahli manusia sebelum persetujuan akhir.
Ketiga, autentikasi multi-faktor berbasis konteks harus diperkuat dengan menggabungkan biometrik, pengenalan perangkat, dan pelacakan lokasi.
Keempat, peringatan penipuan real-time melalui aplikasi seluler dapat membantu pengguna mengidentifikasi penipuan umum, termasuk taktik peniruan identitas.
Meskipun pengaruh AI meresap, keunggulan kompetitif masa depan lembaga keuangan tidak akan ditentukan oleh siapa yang memiliki sistem komputasi paling kuat, tetapi oleh mereka yang menerapkan teknologi dengan cara yang paling berpusat pada manusia.
Institusi terdepan akan menjadi yang mengubah kompleksitas AI menjadi pengalaman pelanggan yang sederhana dan empatik, memperluas akses kredit sambil menjaga transparansi dalam pengambilan keputusan, dan menempatkan teknologi dalam batas etika yang ketat untuk melindungi masyarakat.
Dengan kata lain, inovasi teknologi adalah kebutuhan yang tak terhindarkan untuk pembangunan.
Namun, jika inovasi itu secara bertahap mengurangi unsur manusia, maka itu tidak lagi dapat dianggap sebagai kemajuan sejati, melainkan langkah mundur dalam sistem yang seharusnya melayani manusia.
Tran Minh Ngoc adalah mahasiswa di Hanoi Financial and Banking University jurusan bisnis komersial.
