Industri jasa keuangan global memasuki babak baru dengan hadirnya Agentic AI, teknologi kecerdasan buatan yang tidak hanya mampu menganalisis data tetapi juga mengambil keputusan dan mengeksekusi transaksi keuangan secara mandiri. Berbeda dengan AI generatif yang sebatas menghasilkan konten, Agentic AI bertindak seperti agen digital otonom yang dapat memproses klaim asuransi, mendeteksi fraud, menilai risiko kredit, hingga mengeksekusi pembayaran. Bank, perusahaan asuransi, fintech, dan multifinance mulai menguji teknologi ini untuk meningkatkan efisiensi operasional, mempercepat layanan, dan mengurangi biaya. Namun di balik potensinya yang besar, penggunaan Agentic AI juga menimbulkan tantangan baru terkait regulasi, keamanan data, dan tata kelola algoritma.
Oleh: Deddy H. Pakpahan *)
Fokus:
■ Agentic AI memungkinkan sistem keuangan mengambil keputusan dan mengeksekusi transaksi secara otomatis.
■ Bank, fintech, asuransi, dan multifinance mulai menguji teknologi ini untuk meningkatkan efisiensi dan menekan biaya operasional.
■ Regulasi, keamanan data, dan tata kelola algoritma menjadi tantangan besar dalam implementasi Agentic AI di sektor keuangan.
Selama satu dekade terakhir, industri jasa keuangan menjadi salah satu sektor yang paling agresif mengadopsi kecerdasan buatan. Bank menggunakan AI untuk mendeteksi penipuan kartu kredit. Fintech memanfaatkan algoritma untuk menilai kelayakan kredit. Perusahaan asuransi menggunakan machine learning untuk mempercepat proses klaim.
Namun teknologi itu sebagian besar masih bersifat analitis, dimana AI memberikan rekomendasi, manusia tetap mengambil keputusan. Kini muncul paradigma baru: Agentic AI. Teknologi ini tidak hanya menganalisis data, tetapi juga mengambil tindakan berdasarkan analisis tersebut.
Menurut penjelasan dari IBM, Agentic AI adalah sistem yang dibangun di atas large language model (LLM) dan dirancang untuk beroperasi secara otonom dalam lingkungan yang dinamis. Artinya, AI tidak hanya memberi saran investasi atau menilai risiko kredit. Ia bisa memproses transaksi, menjalankan prosedur operasional, bahkan berinteraksi dengan sistem keuangan lain secara otomatis.
Bagaimana Agentic AI Bekerja di Sistem Keuangan?
Menurut penjelasan dari NVIDIA, Agentic AI bekerja melalui empat tahapan utama.
1. Perceive (Mengamati)
AI mengumpulkan data dari berbagai sumber:
transaksi nasabah, data pasar, histori kredit, dan perilaku pengguna aplikasi keuangan. Data tersebut kemudian dianalisis untuk menemukan pola risiko atau peluang bisnis.
2. Reason (Bernalar)
Model bahasa besar bertindak sebagai mesin analitik utama. Teknik seperti retrieval-augmented generation (RAG) memungkinkan AI mengakses basis data internal perusahaan dan data eksternal seperti laporan ekonomi atau data pasar.
3. Act (Bertindak)
Berbeda dengan AI biasa, Agentic AI bisa menjalankan tindakan langsung melalui integrasi API. Contohnya: memproses pinjaman, memverifikasi transaksi dan mengirim instruksi pembayaran.
4. Learn (Belajar)
Setiap transaksi atau interaksi menghasilkan data baru. Data tersebut digunakan untuk melatih sistem agar keputusan berikutnya lebih akurat.
Transformasi di Perbankan
Di sektor perbankan, Agentic AI berpotensi mengubah hampir seluruh rantai operasional.
Beberapa bank global sudah menguji teknologi ini untuk automated decision-making. Contoh penerapannya antara lain:
1. Kredit dan penilaian risiko
Agentic AI dapat menganalisis: histori transaksi nasabah, perilaku pembayaran, data ekonomi makro untuk menentukan kelayakan kredit secara real time. Menurut laporan riset McKinsey & Company, penggunaan AI dalam analisis kredit dapat menurunkan tingkat kredit bermasalah hingga 20%–30%. Dengan Agentic AI, proses ini bahkan bisa dilakukan tanpa intervensi manusia dalam sebagian kasus.
2. Fraud detection
Industri keuangan menghadapi ancaman penipuan digital yang terus meningkat. Laporan dari Deloitte menunjukkan kerugian akibat fraud digital global mencapai lebih dari US$40 miliar per tahun. Agentic AI memungkinkan sistem keamanan: memantau transaksi secara real time, mendeteksi pola mencurigakan, dan langsung memblokir transaksi berisiko tanpa menunggu verifikasi manual.
3. Customer service berbasis AI
Banyak bank telah menggunakan chatbot. Namun Agentic AI memungkinkan layanan pelanggan yang jauh lebih canggih. AI dapat: memahami konteks percakapan, membuka rekening baru,
memproses pengajuan kartu kredit, mengatur restrukturisasi pinjaman dan semuanya dalam satu percakapan digital.
Dampak Besar bagi Fintech
Fintech kemungkinan menjadi sektor yang paling cepat mengadopsi agentic AI. Berbeda dengan bank konvensional yang masih dibatasi sistem lama (legacy system), perusahaan fintech umumnya membangun infrastruktur mereka sejak awal dalam arsitektur digital berbasis API dan cloud.
Kondisi ini membuat integrasi AI otonom jauh lebih mudah. Di banyak platform pinjaman digital, misalnya, proses penilaian kredit sudah sepenuhnya berbasis algoritma.
Dengan agentic AI, proses tersebut bisa berkembang lebih jauh: sistem tidak hanya menilai risiko, tetapi juga mengatur alur keputusan kredit secara otomatis.
Contohnya, ketika seorang pengguna mengajukan pinjaman melalui aplikasi, agentic AI dapat secara simultan memverifikasi identitas digital, menganalisis histori transaksi, menilai risiko kredit,menentukan jumlah pinjaman yang layak, mengirimkan kontrak digital hingga menyalurkan dana. Semua tahapan itu dapat terjadi dalam hitungan menit!
Perusahaan fintech global bahkan mulai mengembangkan AI financial agents yang bertindak sebagai penasihat keuangan pribadi bagi pengguna. Agen digital ini dapat membantu mengatur anggaran, merekomendasikan investasi, hingga melakukan rebalancing portofolio secara otomatis. Fenomena ini menunjukkan arah baru industri: layanan keuangan semakin dipersonalisasi dan real time.
Revolusi Diam-diam di Industri Asuransi
Jika fintech unggul dalam kecepatan inovasi, industri asuransi melihat agentic AI sebagai peluang untuk menyelesaikan salah satu masalah klasik, yakni proses klaim yang lambat dan mahal.
Selama bertahun-tahun, klaim asuransi sering memerlukan verifikasi berlapis. Mulai dari pemeriksaan dokumen, analisis risiko, hingga investigasi potensi fraud. Agentic AI memungkinkan sebagian besar proses itu dilakukan secara otomatis. Misalnya pada klaim asuransi kendaraan. Sistem AI dapat menganalisis foto kerusakan kendaraan, memeriksa data polis, memvalidasi kronologi kejadian, memperkirakan biaya perbaikan dan menyetujui atau menolak klaim.
Dalam beberapa eksperimen industri, proses yang sebelumnya memakan waktu beberapa hari dapat dipangkas menjadi hanya beberapa menit. Selain mempercepat klaim, agentic AI juga membantu perusahaan asuransi dalam penentuan premi yang lebih presisi.
Dengan menggabungkan data perilaku, histori kesehatan, hingga data lingkungan, perusahaan asuransi dapat menilai risiko secara lebih akurat—sebuah pendekatan yang sering disebut sebagai hyper-personalized insurance.
Transformasi di Multifinance dan Pembiayaan Konsumen
Sektor multifinance—yang mencakup pembiayaan kendaraan, alat berat, hingga kredit konsumsi—juga memiliki potensi besar untuk memanfaatkan agentic AI. Dalam bisnis pembiayaan, tiga proses utama biasanya menyerap biaya operasional terbesar, yakni analisis kredit, verifikasi dokumen, dan penagihan (collection). Nah, agentic AI dapat mengotomatisasi ketiganya.
Dalam analisis kredit, misalnya, AI dapat memanfaatkan data alternatif seperti histori transaksi digital, pola penggunaan ponsel, perilaku pembayaran tagihan untuk menilai kelayakan pembiayaan bagi nasabah yang tidak memiliki riwayat kredit formal.
Sementara dalam proses penagihan, AI dapat mempersonalisasi strategi komunikasi dengan debitur—mulai dari pengingat pembayaran hingga negosiasi restrukturisasi. Pendekatan ini tidak hanya meningkatkan tingkat pengembalian pinjaman, tetapi juga mengurangi biaya operasional perusahaan pembiayaan.
Potensi Efisiensi yang Besar
Berbagai studi industri menunjukkan dampak ekonomi yang signifikan dari penerapan AI di sektor keuangan.
Riset dari McKinsey & Company memperkirakan teknologi AI dapat menghasilkan nilai ekonomi hingga US$1 triliun per tahun bagi industri perbankan global melalui peningkatan produktivitas, pengurangan risiko, dan efisiensi operasional.
Dalam konteks agentic AI, dampaknya bisa lebih besar lagi karena teknologi ini tidak hanya mempercepat analisis, tetapi juga mengotomatisasi pengambilan keputusan operasional.
Beberapa bank yang mulai menguji sistem agentic AI melaporkan peningkatan produktivitas tenaga penjualan hingga 15%, penurunan biaya layanan hingga 40%, dan peningkatan pipeline bisnis sekitar 30%. Bagi industri yang margin keuntungannya semakin tertekan, efisiensi seperti ini menjadi sangat menarik.
Tantangan Besar: Regulasi dan Tata Kelola
Namun transformasi ini tidak datang tanpa risiko. Industri jasa keuangan adalah sektor yang sangat diatur (highly regulated). Setiap keputusan yang diambil oleh algoritma—terutama yang berkaitan dengan kredit, investasi, atau klaim—harus dapat dipertanggungjawabkan.
Inilah salah satu tantangan utama dalam implementasi agentic AI, yakni bagaimana memastikan transparansi algoritma. Regulator di berbagai negara mulai memperhatikan isu ini.
Otoritas keuangan khawatir sistem AI otonom dapat menimbulkan berbagai risiko, seperti bias algoritma dalam penilaian kredit, keputusan yang tidak transparan, penyalahgunaan data nasabah dan kerentanan terhadap serangan siber
Selain itu, semakin otonom sebuah sistem AI, semakin besar pula kebutuhan akan human oversight—mekanisme pengawasan manusia terhadap keputusan yang diambil mesin. Karena itu banyak regulator menekankan konsep human-in-the-loop, di mana keputusan penting tetap memerlukan persetujuan manusia.
Masa Depan: AI sebagai “Rekan Kerja” di Industri Keuangan
Terlepas dari berbagai tantangan tersebut, arah perkembangan teknologi tampak semakin jelas. Agentic AI bukan sekadar alat otomatisasi, tetapi mulai berfungsi sebagai rekan kerja digital bagi manusia.
Di bank, AI dapat membantu relationship manager menemukan peluang bisnis baru. Di perusahaan asuransi, AI dapat mempercepat klaim dan mengurangi fraud. Di fintech, AI dapat menjadi penasihat keuangan personal bagi jutaan pengguna. Dengan kata lain, teknologi ini berpotensi mengubah hubungan antara manusia, mesin, dan layanan keuangan.
Bagi industri yang selama puluhan tahun identik dengan prosedur manual dan birokrasi panjang, kehadiran agentic AI bisa menjadi titik balik menuju sistem keuangan yang lebih cepat, lebih cerdas, dan lebih personal.
Pertanyaannya kini bukan lagi apakah teknologi ini akan diadopsi, melainkan seberapa cepat industri keuangan siap beradaptasi dengan mesin yang tidak hanya berpikir—tetapi juga bertindak? ■
*) Deddy H. Pakpahan, senior editor digitalbank.id.
Digionary:
● Agentic AI — sistem kecerdasan buatan yang mampu bertindak secara otonom untuk mencapai tujuan tertentu tanpa intervensi manusia secara terus-menerus.
● Algorithmic Governance — kerangka tata kelola yang memastikan algoritma AI bekerja secara transparan, adil, dan dapat diaudit.
● Application Programming Interface (API) — mekanisme integrasi yang memungkinkan sistem perangkat lunak saling terhubung dan bertukar data.
● Artificial Intelligence (AI) — teknologi komputer yang memungkinkan mesin meniru kemampuan kognitif manusia seperti belajar dan mengambil keputusan.
● Fraud Detection — sistem untuk mendeteksi transaksi mencurigakan atau aktivitas penipuan dalam layanan keuangan.
● Human-in-the-loop — pendekatan pengawasan di mana manusia tetap terlibat dalam proses keputusan yang dibuat oleh sistem AI.
● Large Language Model (LLM) — model kecerdasan buatan yang dilatih dengan data teks dalam jumlah besar untuk memahami dan menghasilkan bahasa manusia.
● Retrieval-Augmented Generation (RAG) — teknik AI yang menggabungkan model bahasa dengan akses ke basis data eksternal untuk menghasilkan jawaban yang lebih akurat.
#AgenticAI #ArtificialIntelligence #IndustriKeuangan #TransformasiDigital #Fintech #PerbankanDigital #AsuransiDigital #Multifinance #FutureOfBanking #FinancialTechnology #AIinFinance #DigitalBanking #AIStrategy #InnovationFinance #TechInFinance #AIRevolution #DigitalEconomy #SmartBanking #FinancialInnovation #FutureFinance
