Solusi Customer Service untuk Industri Perbankan & Fintech

Ringkasan artikel：Panduan ini membahas customer service perbankan dan layanan pelanggan fintech dengan fokus pada keamanan, kepatuhan, verifikasi identitas, pengaduan, serta penggunaan AI secara aman. Artikel menjelaskan peran omnichannel, ticketing, audit trail, role-based access, chatbot, dan quality assurance untuk menangani kebutuhan nasabah digital. Dibahas juga bagaimana cs bank digital dapat memisahkan pertanyaan rutin dari kasus sensitif seperti fraud, dispute transaksi, atau perubahan data penting. Cocok untuk bank, fintech, lender, dan perusahaan pembayaran yang ingin meningkatkan kecepatan layanan tanpa mengabaikan privasi, kontrol risiko, dan kebutuhan dokumentasi yang penting dalam industri keuangan.

Oleh Budi Santoso

Budi Santoso, Konsultan Solusi Industri di Udesk. Ia merancang solusi keterlibatan pelanggan omnichannel khusus untuk sektor manufaktur, otomotif, keuangan dan perusahaan.

Customer service perbankan bekerja di lingkungan yang berbeda dari customer service retail biasa. Satu percakapan bisa menyangkut transaksi gagal, kartu hilang, akun terkunci, cicilan, atau dugaan penipuan, sehingga kecepatan respons penting, tetapi keamanan data, verifikasi identitas, dan pencatatan proses tidak boleh dikorbankan.

Nasabah datang dengan masalah yang tingkat risikonya berbeda

Pertanyaan seperti “kantor cabang buka sampai jam berapa?” jelas berbeda dengan “ada transaksi yang tidak saya lakukan”.

Keduanya mungkin masuk melalui channel yang sama, tetapi jalur penanganannya seharusnya berbeda.

Kesalahan yang cukup umum adalah membuat semua percakapan masuk ke satu antrean besar.

Akibatnya, agen menghabiskan waktu menjawab FAQ sementara kasus dengan risiko lebih tinggi ikut menunggu.

Bank digital membutuhkan layanan hampir sepanjang waktu

Pengguna cs bank digital tidak selalu mengikuti jam kantor.

Orang melakukan transfer malam hari, membayar tagihan saat akhir pekan, atau baru sadar kartu hilang ketika sedang bepergian.

Artinya, layanan tidak bisa sepenuhnya bergantung pada agen manusia yang aktif pada jam tertentu.

Self-service, chatbot, knowledge base, dan voice automation dapat menangani pertanyaan dasar selama 24 jam. Misalnya informasi produk, cara mengganti PIN melalui aplikasi, status proses yang aman untuk ditampilkan, atau langkah awal ketika nasabah mengalami kendala.

Tetapi akses 24/7 bukan berarti bot harus mencoba menyelesaikan semuanya.

Ketika ada indikasi fraud, dispute transaksi, atau tindakan yang membutuhkan otorisasi khusus, percakapan harus punya jalur cepat ke manusia.

Verifikasi identitas jangan dilakukan dengan cara yang sama untuk semua pertanyaan

Agen tidak perlu meminta tanggal lahir, nomor identitas, dan data lain hanya untuk menjawab lokasi ATM.

Sebaliknya, informasi rekening atau tindakan sensitif tidak boleh diberikan hanya karena seseorang mengetahui nama lengkap nasabah.

Verifikasi sebaiknya mengikuti tingkat risiko.

Untuk informasi umum, tidak perlu autentikasi rumit. Untuk status akun, perubahan data, atau dispute transaksi, perusahaan dapat memakai langkah verifikasi tambahan melalui sistem yang memang telah disetujui.

Satu hal yang perlu dihindari adalah meminta nasabah mengirim informasi sensitif melalui chat tanpa alasan yang jelas.

“Untuk verifikasi, kirim foto kartu dan nomor lengkapnya” bukan proses yang seharusnya muncul sembarangan dalam percakapan layanan.

Agen juga tidak perlu melihat semua data nasabah

Ada anggapan bahwa semakin lengkap data di layar agen, semakin bagus customer service.

Untuk sektor keuangan, belum tentu.

UU Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi memasukkan data keuangan pribadi sebagai Data Pribadi yang bersifat spesifik. Undang-undang tersebut juga menekankan bahwa pengumpulan harus terbatas dan spesifik sesuai tujuan, serta data perlu dilindungi dari akses atau pengungkapan yang tidak sah.

Artinya, agen yang menangani perubahan alamat mungkin membutuhkan data tertentu, tetapi tidak otomatis perlu melihat saldo, detail transaksi lengkap, atau informasi kredit yang tidak berhubungan dengan kasus.

Role-based access menjadi penting.

Data yang muncul seharusnya mengikuti pekerjaan, bukan sekadar mengikuti apa yang secara teknis bisa ditampilkan.

Omnichannel harus menjaga konteks tanpa membuka terlalu banyak data

Nasabah bisa mulai dari in-app chat, lalu menelepon karena masalah belum selesai. Setelah itu ia mengirim email untuk melampirkan dokumen.

Kalau setiap channel berdiri sendiri, nasabah akan mengulang kronologi berkali-kali.

Platform omnichannel dapat membantu menyatukan histori layanan. Agen berikutnya bisa mengetahui masalah apa yang sudah dibicarakan, langkah apa yang sudah dilakukan, dan apakah ada tiket terbuka.

Namun “satu profil pelanggan” tidak berarti satu layar harus berisi seluruh informasi finansial nasabah.

Layanan pelanggan fintech tetap perlu membatasi field yang terlihat berdasarkan role dan konteks kasus.

Tujuan integrasi adalah mengurangi pekerjaan berulang, bukan memperluas akses data tanpa kontrol.

Pengaduan sebaiknya langsung menjadi kasus yang bisa dilacak

Dalam sektor keuangan, keluhan tidak cukup disimpan sebagai chat yang kemudian hilang di antara ratusan percakapan lain.

Misalnya nasabah mengatakan pembayaran sudah terpotong tetapi transaksi dianggap gagal.

Agen menerima laporan, mengecek informasi awal, lalu meneruskannya ke payment operations.

Kalau proses hanya berlangsung lewat chat internal, tiga hari kemudian supervisor bisa kesulitan menjawab pertanyaan sederhana:

Siapa yang sedang menangani kasus ini?

Sejak kapan?

Kapan nasabah terakhir diberi update?

Ticketing membantu membuat owner, status, kategori, deadline, histori, dan hasil penyelesaian lebih jelas.

POJK Nomor 22 Tahun 2023 menjadi ketentuan payung terkait pelindungan konsumen sektor jasa keuangan, termasuk layanan atas penggunaan produk serta penanganan pengaduan dan penyelesaian sengketa.

Dokumentasi bukan hanya untuk laporan bulanan

Dalam layanan keuangan, histori percakapan mempunyai nilai lebih besar daripada sekadar “catatan customer service”.

Ketika muncul dispute, perusahaan perlu mengetahui apa yang disampaikan agen, kapan pelanggan mengajukan keluhan, tindakan apa yang dilakukan, dan siapa yang melakukan perubahan.

Karena itu, audit trail harus dipikirkan sejak workflow dibuat.

Perubahan status tiket, transfer owner, internal note, waktu respons, dan histori komunikasi sebaiknya tercatat.

OJK juga telah menerbitkan SEOJK Nomor 20/SEOJK.08/2025 mengenai publikasi penanganan pengaduan dan laporan layanan pengaduan. Ketentuan tersebut dijadwalkan mulai berlaku pada 1 Januari 2027, sehingga institusi keuangan perlu memperhatikan kesiapan proses pencatatan dan pelaporan sebelum tanggal tersebut.

AI bisa membantu, tapi jangan memberinya kewenangan yang tidak perlu

AI cukup berguna untuk pertanyaan yang polanya jelas.

Nasabah mungkin bertanya:

“Bagaimana cara bayar cicilan?”

“Kapan pembayaran saya tercatat?”

“Di mana saya bisa mengubah nomor telepon?”

Bot dapat mengambil jawaban dari knowledge base yang sudah disetujui.

Agent assist juga bisa membantu agen mencari prosedur, merangkum percakapan, atau menyarankan jawaban.

Risiko muncul kalau AI dibiarkan membuat keputusan sendiri pada kasus yang menyangkut uang.

Misalnya menentukan bahwa transaksi fraud pasti valid, menjanjikan refund, atau memberikan keputusan kredit hanya berdasarkan percakapan customer service.

Pada titik seperti itu, AI seharusnya membantu proses, bukan menjadi pengambil keputusan akhir.

Fraud sering masuk sebagai percakapan biasa

Pesan seperti:

“Nomor HP saya berubah.”

terlihat sederhana.

Tetapi perubahan nomor bisa berkaitan dengan account takeover.

Begitu juga:

“Saya lupa password, tolong reset.”

Agen perlu mengikuti prosedur, bukan hanya mengejar response time.

Sistem customer service sebaiknya dapat mengarahkan skenario tertentu ke workflow yang mempunyai verifikasi lebih kuat.

Kasus mencurigakan juga jangan diselesaikan hanya karena pelanggan bisa menyebutkan beberapa informasi dasar.

Di sisi lain, customer service bukan sistem fraud detection utama bank.

Perannya adalah memastikan sinyal yang muncul selama percakapan tidak hilang dan dapat diteruskan ke tim atau sistem yang memang bertanggung jawab.

Quality assurance penting karena satu kalimat bisa bermasalah

Agen keuangan banyak bekerja dengan script, disclaimer, dan prosedur.

Kalau agen lupa menyampaikan kondisi tertentu ketika menjelaskan produk, masalahnya tidak selalu terlihat dari skor kepuasan pelanggan.

Quality assurance tradisional biasanya hanya memeriksa sebagian kecil panggilan.

AI QA dapat membantu menyaring volume interaksi lebih besar untuk mencari pola tertentu, misalnya tidak adanya disclaimer, penggunaan kata yang tidak sesuai, atau langkah verifikasi yang dilewati.

Tetapi hasil otomatis tetap membutuhkan governance.

Sistem bisa menandai percakapan yang dianggap berisiko. Supervisor atau compliance team kemudian memeriksa konteksnya.

Pendekatan seperti ini lebih realistis daripada menganggap AI selalu bisa memutuskan apakah satu percakapan sudah patuh atau belum.

Peak traffic tidak selalu harus diselesaikan dengan menambah agen

Saat ada gangguan transaksi, promo besar, atau masalah aplikasi, volume pertanyaan bisa naik dalam waktu singkat.

Banyak pelanggan menanyakan hal yang sama.

Kalau 5.000 orang bertanya:

“Kenapa transfer saya pending?”

tidak efisien kalau semuanya masuk ke manusia.

Perusahaan bisa memperbarui knowledge, membuat pemberitahuan proaktif, dan membiarkan bot menangani pertanyaan umum.

Agen kemudian fokus pada kasus yang memang berbeda dari incident utama.

Di sini automation benar-benar terasa manfaatnya. Bukan karena perusahaan ingin mengurangi manusia sebanyak mungkin, tetapi karena waktu agen sebaiknya tidak habis untuk membacakan informasi yang sama ratusan kali.

Kasus Finvolution menunjukkan kombinasi AI dan ticketing pada fintech

Kasus resmi Udesk mengenai Finvolution relevan karena implementasinya mencakup bisnis fintech di pasar Indonesia. Sebelum menggunakan Udesk, channel layanan seperti app chat, email, telepon, WhatsApp, dan Facebook berjalan terpisah, sementara data aplikasi juga belum tersinkron dengan baik ke workflow customer service.

Dalam implementasi tersebut, Udesk menggabungkan channel ke satu workspace. AI Chatbot menangani pertanyaan berfrekuensi tinggi seperti account lookup, repayment inquiry, dan application status, sedangkan kasus yang tidak dapat diselesaikan bot dibuat menjadi tiket dan diarahkan ke tim yang sesuai. Data dari aplikasi ikut disinkronkan sehingga agen tidak perlu meminta informasi dasar berulang kali.

Menurut angka yang dipublikasikan Udesk untuk proyek tersebut, efisiensi respons customer service meningkat 60%, sementara AI Chatbot menangani lebih dari 70% pertanyaan berfrekuensi tinggi. Angka ini merupakan hasil spesifik proyek Finvolution, bukan benchmark yang otomatis berlaku untuk bank atau fintech lain.

Jangan mulai implementasi dari chatbot

Kalau sistem lama masih berantakan, menambahkan AI di depan tidak otomatis memperbaikinya.

Lebih baik pilih satu workflow.

Misalnya dispute transaksi.

Petakan bagaimana laporan masuk, bagaimana identitas diverifikasi, siapa yang menerima kasus, data apa yang dibutuhkan, berapa lama target respons, dan kapan customer harus mendapat update.

Setelah alurnya jelas, baru tentukan bagian mana yang bisa diotomatisasi.

Mungkin bot cukup mengumpulkan data awal. Mungkin ticketing membuat kasus otomatis. Mungkin AI membantu agen mencari SOP.

Struktur seperti ini membuat automation mengikuti proses bisnis, bukan sebaliknya.

Untuk bank, lender, payment company, maupun cs bank digital yang membutuhkan layanan lebih terstruktur, Udesk dapat dipertimbangkan karena solusi financial services-nya menggabungkan omnichannel support, AI self-service, ticketing, knowledge, routing, CRM integration, serta kontrol keamanan dan compliance dalam satu lingkungan. Udesk juga menempatkan fraud, risk, dan control framework sebagai bagian dari pendekatan layanan sektor keuangan. Udesk Nilai praktisnya bukan hanya membuat layanan pelanggan fintech menjawab lebih cepat, tetapi membantu memisahkan pertanyaan rutin dari kasus sensitif, menjaga histori tetap dapat ditelusuri, dan memastikan otomatisasi berhenti ketika keputusan memang perlu kembali ke manusia.

FAQ

Q:Apa yang membedakan customer service perbankan dari customer service biasa?

A:Customer service perbankan menangani data dan transaksi yang lebih sensitif, sehingga membutuhkan verifikasi identitas, kontrol akses, audit trail, penanganan pengaduan, serta escalation workflow yang lebih ketat.

Q:Apakah chatbot aman digunakan oleh bank dan fintech?

A:Bisa, terutama untuk FAQ dan self-service berisiko rendah. Akses data dan tindakan sensitif tetap perlu mengikuti verifikasi, kontrol keamanan, serta prosedur institusi.

Q:Mengapa ticketing penting untuk layanan pelanggan fintech?

A:Ticketing menjaga pengaduan mempunyai owner, status, SLA, histori, dan jejak penyelesaian sehingga kasus tidak mudah hilang ketika berpindah tim.
Optimalkan layanan pelanggan dan kurangi beban tim dengan Sistem Layanan Pelanggan Udesk! Coba gratis sekarang dan rasakan efisiensi yang berbeda.

Artikel ini merupakan karya asli Udesk. Jika akan diterbitkan ulang, wajib selalu mencantumkan sumber aslinya：https://id.udeskglobal.com/blog/solusi-customer-service-untuk-industri-perbankan-fintech