Mengapa Tantangan Perbankan Internasional Mendorong Perubahan ke Agen AI

Menurut laporan terbaru dari Gradient Labs tentang tantangan perbankan, masalah perbankan saat bepergian ke luar negeri masih menjadi sumber frustrasi bagi pelanggan. Sekitar setengah dari responden survei, 1.000 dari 1.998, melaporkan mengalami masalah kartu, pembayaran, atau perbankan saat berada di luar negeri dalam dua tahun terakhir. Sementara masalah-masalah ini terus-menerus mengekspos keterbatasan dukungan tradisional, penggunaan kasus yang muncul untuk agen AI dalam perbankan internasional memberikan gambaran tentang bagaimana memanfaatkan AI dalam dukungan pelanggan.

Seberapa besar masalah dukungan perbankan internasional?

Dalam dua tahun terakhir, perjalanan global telah mencapai volume rekor: misalnya, UN Tourism memperkirakan bahwa kedatangan internasional menunjukkan peningkatan 4% dibandingkan tahun sebelumnya (hampir 60 juta lebih banyak daripada pada 2024). Untuk 2026, pertumbuhan 4% lebih lanjut diproyeksikan. Bagi sejumlah besar wisatawan ini, operasi perbankan di luar negeri masih merupakan bagian paling menantang dari perjalanan.

Sebagai contoh, responden survei menyebutkan penolakan kartu dan peringatan penipuan sebagai dua masalah paling umum: masing-masing disebutkan oleh 46%. Bagi beberapa orang, masalah ini terjadi pada setiap perjalanan. Hanya 24% dari wisatawan yang terkena melaporkan bahwa masalah perbankan mereka diselesaikan dengan cepat dan efisien. Hampir seperempat menunggu 30 menit atau lebih untuk mencapai karyawan dukungan, dan 6% tidak pernah berhasil. Sekitar satu dari lima harus menyelesaikan masalah mereka sendiri.

Beberapa faktor berperan untuk menghasilkan pola ini. Pertama, sistem deteksi penipuan sering kali mengidentifikasi transaksi yang tidak biasa—dan sebagian besar transaksi di luar negeri memang tidak biasa. Selanjutnya, perbedaan zona waktu dan hambatan bahasa hampir selalu memperlambat penanganan kasus. Dan terakhir, persyaratan kepatuhan dan verifikasi membuat keputusan cepat sangat sulit untuk dibenarkan. Sayangnya, keputusan cepat adalah apa yang dibutuhkan wisatawan ketika kartu mereka diblokir di hotel.

Akibat yang signifikan dalam biaya dan kepercayaan

Setengah jam menunggu di negara asing berarti lebih dari sekedar ketidaknyamanan. Bagi sebagian besar pelanggan, ini menambah biaya yang tidak terduga: 40% dari wisatawan yang terkena melaporkan telah menghabiskan lebih dari $200 karena kegagalan pembayaran di luar negeri, dan 13% kehilangan lebih dari $500. Satu dari empat harus meminjam uang sebagai akibat langsung.

Biaya tambahan ini menunjukkan bagaimana masalah keamanan kecil dapat memicu longsor rencana yang terlewat, akomodasi yang dibatalkan, dan terkadang bahkan terdampar. Kesenjangan antara harapan pelanggan dan dukungan yang mereka terima masih jelas: setengah dari wisatawan dalam survei telah menggambarkan bank mereka sebagai “cukup membantu” atau “tidak membantu sama sekali.”

Beberapa studi terbaru menunjukkan bahwa keadilan prosedural yang dirasakan adalah prediktor kepercayaan pelanggan yang paling kuat dalam perbankan. Bagi setiap bank, resolusi konflik dalam momen-momen yang berisiko tinggi kemungkinan akan mengganggu kepercayaan dan kesetiaan pelanggan. Kesetiaan bank dipertaruhkan di sini: dua dari lima wisatawan telah beralih atau mempertimbangkan untuk beralih bank karena pengalaman buruk di luar negeri, dan bagian yang sama dari pelanggan secara aktif meminta bank mereka untuk menanganinya dengan lebih baik. Penurunan skor kepuasan pelanggan di antara kelompok ini sangat disayangkan jika kita mempertimbangkan bahwa demografi ini cenderung menghabiskan lebih banyak daripada pelanggan rata-rata. Bagi bank tanpa kapasitas fallback yang dapat diandalkan, penurunan CSAT mempertaruhkan seluruh hubungan pelanggan.

Mengapa data ini menunjuk ke arah agen AI

Ketika kita memikirkan solusi, dua hal paling menonjol dari data survei. Pertama, kegagalan-kegagalan ini sangat umum dan mahal. Kedua, resolusi cepat yang diminta oleh klien sebenarnya dapat dicapai: sepertiga dari kasus yang diselesaikan ditutup dalam beberapa menit. Kita dapat menyimpulkan bahwa benchmark ini ada dan beberapa bank sudah memenuhinya. Tantangan yang tersisa tampaknya lebih terkait dengan ketersediaan (memperluas kecepatan yang diperlukan ke setiap jam dan zona waktu), bukan kemampuan.

Dan bagian yang sedikit mengejutkan adalah: bank-bank yang memenuhi benchmark dengan merespons cepat kepada pelanggan yang bepergian tidak tampaknya menggunakan teknologi tinggi yang ajaib dan tidak tersedia bagi yang lain, atau mendorong tim dukungan mereka ke batas yang tidak manusiawi. Yang membedakan mereka adalah konsistensi: resolusi cepat dengan kualitas manusia, setiap saat, di setiap zona waktu.

Resolusi dengan kualitas manusia ini sebelumnya akan memerlukan tim besar spesialis yang terlatih dengan baik, yang dikerahkan secara musiman atau bergilir, untuk menutupi lonjakan permintaan dan menjaga prosesnya efisien biaya. Bagi sebagian besar bank, ini terdengar seperti hal yang tidak mungkin. Untungnya, saat ini, agen AI dapat dirancang untuk menyediakan konsistensi yang sama. Agen AI dapat merespon segera, menyelesaikan kasus rutin secara langsung, dan memindahkan situasi yang lebih kompleks ke manusia, dengan konteks penuh.

Resolusi versus defleksi

Mengalihkan pertanyaan ke dalam antrean tiket saja tidak cukup. Sektor perbankan membutuhkan sistem teknis yang bertanggung jawab untuk benar-benar menyelesaikan masalah pelanggan. Misalnya, kasus penggunaan kita adalah transaksi di luar negeri yang salah diidentifikasi sebagai penipuan. Agen AI yang dibangun untuk ini perlu merespon segera dan dalam bahasa pelanggan. Agen AI perlu dapat mendiagnosis masalah dengan akurat dan, kemudian, baik menyelesaikannya secara langsung atau memindahkannya ke manusia.

Jadi, menambahkan lapisan “otomatisasi” tambahan ke pengalaman antrean yang sudah ada tidak akan cukup. Kepercayaan, dalam konteks ini, tampaknya mengikuti hasil. Misalnya, pelanggan merasa frustrasi ketika mereka harus menjelaskan situasi mereka dua kali (ini terjadi ketika orang menjelaskan masalah dalam aplikasi terlebih dahulu, untuk dipanggil kembali nanti).

Ketika pengalihan membawa konteks penuh, pelanggan kurang peduli tentang apakah mereka berbicara dengan manusia atau mesin daripada apakah masalahnya diselesaikan dengan cepat dan benar. Ini menekankan desain resolusi, terutama bagaimana sistem dengan bersih mengalihkan kasus yang tidak dapat ditangani. Bagian menyenangkan dari merancang agen seperti ini adalah bahwa mereka membuat kasus untuk setiap industri yang membutuhkan presisi dalam kombinasi dengan kecepatan dan kepatuhan.

Kesenjangan dukungan sebagai peluang pasar

Laporan Global AI dalam Layanan Keuangan (2026) oleh Cambridge Centre for Alternative Finance menunjukkan bahwa dukungan pelanggan yang ditenagai AI sudah menjadi kasus penggunaan AI terdepan di kantor depan di antara perusahaan layanan keuangan, yang disebutkan oleh 74% dari perusahaan yang disurvei. Agentic AI (sistem yang melakukan tugas multi-langkah) sudah digunakan secara aktif di 52% perusahaan. Jadi, bagi bank yang menilai peluang investasi di sini, pertanyaan yang paling relevan adalah tentang kesesuaian operasional inovasi ini, bukan kurva adopsi sebagai suatu hal. Bank perlu mencari teknologi yang dapat memenuhi batang kepuasan pelanggan yang dapat diterima, terintegrasi dengan alat dan pengelolaan kasus yang ada, dan mengalihkan dengan aman dalam batasan regulasi bank sendiri.

Layanan keuangan masih dalam tahap awal bersaing dalam kualitas dukungan. Lembaga yang mengisi kesenjangan ini akan dapat mempertahankan pelanggan yang lainnya diam-diam kehilangan dan menarik 12% dari wisatawan yang mengatakan mereka merekomendasikan bank tertentu karena keandalannya.