Erica, asisten virtual milik Bank of America (BoA), kini menangani pekerjaan setara 11.000 karyawan melalui pendekatan AI yang presisi, berbasis “intent”, bukan model generatif. Strategi ini menunjukkan bahwa di perbankan, akurasi dan integrasi data jauh lebih penting daripada kecanggihan AI yang spektakuler namun berisiko salah.
Fokus:
■ Bank of America membuktikan AI tidak harus generatif untuk berdampak besar di perbankan.
■ Presisi, integrasi data, dan sistem berbasis intent jauh lebih penting.
■ Erica menjadi contoh bagaimana AI bisa menurunkan biaya operasional drastis tanpa mengorbankan akurasi layanan nasabah.
Ketika banyak bank besar dunia berlomba memasang AI generatif di lini depan layanan nasabah, Bank of America justru mengambil jalan berbeda. Mereka tidak memakai model seperti ChatGPT untuk melayani nasabah. Hasilnya mengejutkan: satu asisten virtual bernama Erica kini menjalankan pekerjaan setara 11.000 orang — dengan tingkat akurasi yang tidak bisa ditoleransi salah, bahkan 2%.
Di era ketika industri keuangan tergoda menggunakan large language model (LLM) untuk segala hal, Bank of America memilih pendekatan yang hampir terdengar kuno: natural language processing, predictive analytics, dan sistem berbasis “intent” yang dikurasi ketat.
Namun dari pendekatan “tidak glamor” inilah lahir salah satu implementasi AI paling efektif di dunia perbankan. “Kami sudah tujuh tahun mengembangkan Erica, dengan 20 juta pengguna rutin dan dua juta interaksi per hari,” ujar Holly O’Neill, President of Consumer, Retail and Preferred Lines di Bank of America.
Saat ini, Erica digunakan oleh 42 juta nasabah ritel, 40.000 nasabah korporasi melalui CashPro, 95% dari 213.000 karyawan bank, penasihat Merrill Lynch melalui Ask Merrill, hingga agen call center lewat Erica Assist.
Mengapa Tidak Menggunakan LLM seperti ChatGPT?
Jawabannya sederhana: terlalu berlebihan dan terlalu berisiko. “Saya bisa saja menggunakannya, tapi itu overkill,” kata Hari Gopalkrishnan, Chief Technology and Information Officer Bank of America mengutip Reuters. “Kami memastikan memakai alat yang tepat untuk tujuan yang tepat.”
Menurutnya, LLM dirancang untuk menghasilkan teks panjang seperti riset, bukan jawaban presisi terhadap perintah singkat nasabah. “Masalahnya bukan soal model bahasa besar. Masalahnya adalah memahami teks pendek, memetakannya ke intent yang jelas, lalu mengeksekusinya.”
Bank of America tidak memakai ChatGPT untuk melayani nasabahnya. Dengan pendekatan AI berbasis intent, Erica kini menangani pekerjaan setara 11.000 pegawai dengan akurasi hampir sempurna.
Di perbankan, akurasi adalah segalanya. “Seberapa sering kita boleh salah? Bisakah kita salah 2% saat memberi informasi ke nasabah? Jawabannya tidak.”
Cara Kerja Erica: Intent, Bukan Prediksi Bebas
Jika nasabah mengetik: “Saya mau kirim Jorge US$20 dari rekening tabungan untuk makan siang minggu lalu.” Erica lalu akan mengenali itu sebagai transaksi Zelle, mencari Jorge di kontak, engisi nominal US$20, mengisi memo “Lunch last week”, dan menampilkan untuk konfirmasi. Semua berbasis rule, bukan improvisasi AI.
Dampaknya sangat nyata dimana 55% penurunan panggilan ke help desk internal, 38% penurunan call volume di wealth management, 43% pertanyaan korporasi diselesaikan tanpa manusia, 97% karyawan pernah memakai Erica, dan 94% menjadi pengguna berulang.
Erica telah diperbarui 75.000 kali dan berjalan di atas integrasi data yang menghabiskan ratusan juta dolar selama 10 tahun. “Dengan data yang sudah terstruktur seperti ini, itu bukan pekerjaan yang bisa dibuang,” kata Emmett Higdon dari Javelin Strategy.
AI yang Bisa Dijelaskan, Diaudit, dan Dipercaya
Steven Ramirez, CEO Beyond the Arc, menilai pendekatan ini unggul karena bisa dilacak, diuji bias, dan sangat repeatable. “Jika Anda bertanya pertanyaan yang sama ke AI generatif lima kali, Anda bisa mendapat lima jawaban berbeda.” Di bank, itu tidak bisa diterima.
Namun, Bank of America tetap menggunakan LLM — tapi di belakang layar, untuk merangkum dokumen, membantu advisor, atau membuat ringkasan prosedur. LLM dipakai untuk membantu karyawan, bukan berbicara langsung dengan nasabah.
Strategi ini membuka pelajaran penting bagi bank global: AI paling efektif adalah yang bisa diaudit, dijelaskan, dan dipercaya.
Digionary:
● AI Generatif — Model AI yang menghasilkan teks bebas seperti ChatGPT
● Containment Rate — Persentase pertanyaan yang selesai tanpa manusia
● Intent — Perintah berbasis rule yang sudah dikurasi untuk dieksekusi AI
● LLM — Large Language Model, model bahasa skala besar
● NLP — Natural Language Processing, pemrosesan bahasa alami
● Predictive Analytics — Analisis prediktif berbasis data historis
● Repeatability — Kemampuan menghasilkan jawaban konsisten
● Rule-based AI — AI yang bekerja berdasarkan aturan tetap
● Zelle — Layanan transfer uang instan di AS
#ArtificialIntelligence #PerbankanDigital #AIinBanking #Fintech #Erica #BankOfAmerica #DigitalTransformation #AIStrategy #IntentBasedAI #CustomerExperience #OperationalEfficiency #FutureOfBanking #WealthManagement #CashPro #CallCenter #NLP #PredictiveAnalytics #DigitalBanking #AkurasiAI #TeknologiKeuangan
