LHV Bank menyerahkan balasan email nasabah ke agen, dengan pagar deterministik
LHV Bank, bank digital di Inggris, memasang agen AI dari Gradient Labs untuk menangani email nasabah sepanjang hari, mulai dari laporan kartu hilang, klarifikasi pembayaran, pertanyaan transfer, sampai pembaruan status keluhan. Kasus sensitif atau di luar prosedur yang disetujui dieskalasi ke petugas manusia. Sistem menggabungkan model bahasa dengan pagar deterministik dan tidak memakai data nasabah untuk melatih model.
LHV Bank, bank digital yang beroperasi di Inggris, menerapkan sistem agen dari Gradient Labs untuk menangani email layanan nasabah selama 24 jam. Sebelumnya seluruh email masuk ke satu antrean bersama, sehingga pertanyaan sederhana dan kasus rumit melewati proses yang sama. Kini agen menyelesaikan permintaan rutin sampai tuntas, termasuk melaporkan kartu hilang, menjelaskan suatu pembayaran, menjawab pertanyaan tentang transfer, dan memberi pembaruan atas keluhan yang sudah berjalan. Kasus yang menyangkut hal sensitif, permintaan kompleks, atau tindakan di luar prosedur yang disetujui dialihkan ke petugas manusia.
Yang membedakan penerapan ini dari kebanyakan proyek di perbankan adalah pembagian kerjanya. LHV menyebut agen beroperasi di dalam alur layanan dan prosedur, alat, serta kontrol yang sudah ditetapkan. Tim bank yang merancang alur kerjanya, menetapkan batas sistem, dan menentukan tindakan apa yang boleh dijalankan. Setiap pembaruan diuji dan disetujui bank sebelum dirilis, sementara tim terus memantau mutu layanan dan meninjau kasus yang dieskalasi. Interim CEO LHV, Kris Brewster, mengkritik pola co-pilot yang hanya menyusun balasan untuk disetujui staf, karena antrean tetap sama dan staf bisa terbiasa menyetujui saran tanpa memeriksa ulang.
Untuk lingkungan bank yang teregulasi, sistem ini memakai model bahasa bersama pagar deterministik. Pagar itu membatasi data dan alat yang bisa diakses agen, menetapkan kapan agen harus berhenti atau mengeskalasi permintaan, serta mengatur bagaimana keluhan dan nasabah rentan ditangani. LHV menyatakan data nasabah tidak dipakai untuk melatih model atau membangun agen; sistem hanya mengakses data yang relevan selama interaksi berlangsung. Ketiadaan pelatihan ulang dari data pelanggan ini penting karena menyederhanakan dasar hukum pemrosesan data dan mengurangi risiko kebocoran lewat model.
Bank juga memakai komponen bernama Collaborate yang menerapkan praktik rekayasa perangkat lunak pada AI yang menghadap nasabah. Tim operasi, produk, rekayasa, risiko, dan kepatuhan dapat menyiapkan perubahan di lingkungan terkendali, mengujinya terhadap skenario nasabah yang representatif, lalu meninjaunya sebelum menyetujui rilis. Perubahan bisa dibalik, dan tercatat siapa mengubah apa dan kapan. Bagi auditor, jejak semacam ini biasanya lebih menentukan daripada akurasi model, karena yang diperiksa adalah apakah bank bisa membuktikan sistemnya berjalan sesuai prosedur yang disetujui.
Rencana berikutnya mencakup perluasan ke prosedur layanan lain di kanal email Inggris, lalu eksplorasi live chat dan dukungan suara, serta proses back office dan tindak pidana keuangan seperti onboarding, pemeriksaan know-your-customer, dan anti pencucian uang. Perusahaan juga mempertimbangkan memperluas ke operasi LHV di Estonia. CEO Gradient Labs, Dimitri Masin, menggambarkan arah yang dituju sebagai agen tepercaya yang bertanggung jawab atas pekerjaan yang terdefinisi, ditopang kontrol deterministik, titik eskalasi yang jelas, dan penilaian manusia di tempat yang tepat. Bagi tim yang membangun agen layanan bank, urutan yang dipakai LHV layak ditiru: tetapkan dulu batas dan jalur eskalasi, baru serahkan pekerjaan rutin sepenuhnya ke agen.
Sumber asli
FinTech Globalfintech.globalFakta, angka, nama, dan kutipan dalam naskah ini telah dicocokkan dengan sumber-sumber di atas. Naskah ditulis ulang oleh redaksi, bukan salinan. Laporkan kesalahan