AI Agent Gradient Labs Merevolusi Layanan Perbankan dengan Akurasi Tinggi

London, (Wednesday, April 1, 2026)

Di sektor perbankan, menyelesaikan masalah nasabah jarang sekali merupakan proses yang sederhana. Kasus-kasus seperti penipuan atau pembayaran yang terblokir memerlukan kepatuhan ketat terhadap prosedur kompleks di berbagai tim. Ketika sistem konvensional tidak memadai, nasabah seringkali dioper dari satu tim ke tim lain, menunggu dalam antrean, dan menghadapi penundaan pada saat-saat paling krusial.

Melansir informasi terbaru mengenai inovasi di sektor Fintech, Gradient Labs, sebuah perusahaan yang berbasis di London, kini hadir untuk menangani kompleksitas ini. Perusahaan ini sedang membangun AI Agent yang dirancang untuk memberikan pengalaman manajer akun khusus kepada setiap nasabah bank. Didirikan oleh tim yang sebelumnya memimpin upaya AI dan data di Monzo, platform Gradient Labs dibangun di atas model OpenAI dan kini sedang mengalihkan traffic produksi ke GPT-5.4 mini dan nano.

"Kami melihat latensi 500-millisecond dengan GPT-5.4 mini dan nano, yang persis seperti yang kami butuhkan untuk percakapan suara yang natural," kata Danai Antoniou, Co-Founder dan Chief Scientist di Gradient Labs. "Kami mengalihkan sebagian besar beban kerja kami."

"Kami membutuhkan tiga hal secara bersamaan: akurasi dalam mengikuti instruksi, tingkat halusinasi yang rendah, dan keandalan function-calling, semuanya di bawah kendala latensi suara. OpenAI adalah satu-satunya provider yang memenuhi ketiganya." Danai Antoniou, Co-Founder dan Chief Scientist di Gradient Labs

Dalam layanan perbankan, interaksi nasabah diatur oleh Standard Operating Procedures (SOPs) yang mendefinisikan apa yang seharusnya terjadi di setiap langkah. Interaksi nasabah yang umum mungkin terlihat seperti ini:

1. Seorang nasabah menelepon untuk melaporkan kartu yang dicuri.
2. Sistem memverifikasi identitas mereka, menangani koreksi dan interupsi secara real time.
3. Setelah diverifikasi, sistem membekukan kartu dan memulai penggantian.
4. Sistem menjawab pertanyaan lanjutan, seperti jadwal pengiriman, dan menyarankan langkah selanjutnya.

Setiap langkah mengikuti prosedur yang ditentukan, dengan keputusan yang dibuat secara real time berdasarkan input pengguna, konteks, guardrail yang berjalan, serta respons nasabah dan agent untuk memastikan kepatuhan. "Model harus menjaga status prosedur di tengah interupsi, backchannel, dan pergantian topik, sambil menjaga kecepatan generasi respons," kata Antoniou. "Sebagian besar provider bahkan tidak bisa mencobanya."

Gradient Labs melakukan benchmarking provider berdasarkan prosedur paling menantang dan mengevaluasinya pada apa yang mereka sebut trajectory accuracy: apakah sistem mengikuti jalur yang benar dari awal hingga akhir. Dalam salah satu evaluasi awal mereka, GPT-4.1 adalah satu-satunya model yang mencapai 97% trajectory accuracy dan konsistensi. Provider terdekat berikutnya adalah 88%. "Dalam layanan keuangan, itu adalah perbedaan antara menyelesaikan panggilan dan menciptakan insiden kepatuhan," kata Antoniou.

Arsitektur Hibrida untuk Efisiensi dan Akurasi

Hasil ini membentuk cara Gradient Labs merancang sistemnya. Tim membangun arsitektur hibrida yang menggunakan model OpenAI untuk langkah-langkah yang membutuhkan penalaran intensif dan model yang lebih kecil untuk tugas-tugas yang lebih cepat dan deterministik, dengan routing yang beradaptasi berdasarkan kompleksitas dan kendala latensi.

Secara internal, sistem ini terdiri dari specialized skills yang diorkestrasi oleh central reasoning agent, memungkinkan kasus-kasus kompleks bergerak melintasi alur kerja tanpa kehilangan konteks. Untuk setiap interaksi, lebih dari 15 sistem guardrail berjalan secara paralel untuk memastikan percakapan tetap berada dalam prosedur yang ditentukan dan batas kepatuhan, termasuk deteksi nasihat keuangan, sinyal kerentanan, keluhan, dan upaya untuk melewati verifikasi atau mengakses data sensitif.

Institusi keuangan tidak menerapkan sistem seperti ini hanya berdasarkan kepercayaan. Mereka perlu melihat, langkah demi langkah, bahwa sistem berperilaku benar dalam kondisi dunia nyata. "Anda harus merancang dari awal untuk tidak adanya halusinasi," kata Antoniou. "Itu harus menjadi prinsip panduan saat Anda membangun."

Untuk mengevaluasi model baru dan yang sudah ada, tim memutar ulang percakapan nasabah nyata dan membandingkan perilaku sistem dengan prosedur yang diharapkan. Mereka juga menghasilkan percakapan sintetis untuk menguji edge cases dan skenario langka sebelum diterapkan. Gradient Labs juga memberi tim kendali tentang bagaimana sistem diperkenalkan. Mereka menganalisis data dukungan historis untuk memetakan jenis masalah nasabah yang ditangani bank dan seberapa sering terjadi. Tim kemudian dapat memilih kategori mana yang harus ditangani AI, dimulai dengan alur kerja berisiko rendah dan berkembang seiring waktu.

Sebelum diterapkan secara langsung, nasabah dapat mensimulasikan percakapan untuk meninjau bagaimana sistem merespons berbagai skenario, membangun kepercayaan bahwa sistem berperilaku sesuai harapan. Penerapan biasanya dimulai dengan persentase kecil traffic, dengan pemantauan berkelanjutan dan pemeriksaan otomatis yang menandai percakapan yang mungkin memerlukan tinjauan manusia. Seiring waktu, cakupan meluas karena sistem menunjukkan kinerja yang konsisten.

Nasabah Gradient Labs melaporkan skor CSAT setinggi 98%, dalam beberapa kasus mengungguli human agent terbaik mereka. Sebagian besar penerapan dimulai dengan tingkat resolusi lebih dari 50% pada hari pertama, bahkan untuk alur kerja kompleks seperti sengketa, verifikasi akun, dan penipuan. Dampak itu tercermin dalam pertumbuhan perusahaan. Gradient Labs telah meningkatkan pendapatan lebih dari 10x selama setahun terakhir, berkembang dari dukungan inbound ke proses outbound dan back-office.

Ke depan, Gradient Labs berfokus pada sistem yang dapat membawa konteks di seluruh interaksi: memahami riwayat nasabah, melacak masalah yang sedang berlangsung, dan melanjutkan dari percakapan sebelumnya. Arah ini sangat selaras dengan bagaimana Gradient Labs memandang kemitraan jangka panjangnya dengan OpenAI.

"Kami tidak hanya memilih model untuk hari ini. Kami membangun di atas platform di mana kami melihat trajectory model penalaran berjalan ke arah yang sama dengan produk kami." Danai Antoniou, Co-Founder dan Chief Scientist di Gradient Labs

Ketika model terus meningkat, jangkauan prosedur yang dapat diotomatisasi dengan aman meluas. Bagi Gradient Labs, itu berarti bergerak lebih dekat ke sistem di mana setiap interaksi nasabah ditangani dengan konsistensi, penilaian, dan kontinuitas yang sama dengan human agent tingkat atas.

Dampak bagi Indonesia

Penerapan AI Agent seperti yang dikembangkan oleh Gradient Labs memiliki potensi besar untuk mengubah lanskap layanan perbankan di Indonesia. Dengan populasi yang besar dan tingkat penetrasi digital banking yang terus meningkat, efisiensi dan akurasi dalam penanganan masalah nasabah menjadi krusial. Bank-bank di Indonesia dapat memanfaatkan teknologi ini untuk mengurangi waktu tunggu nasabah di call center, mempercepat proses verifikasi, dan meningkatkan penanganan kasus kompleks seperti penipuan atau sengketa transaksi.

Manfaat utamanya adalah peningkatan kepuasan nasabah (CSAT) yang signifikan, sebagaimana ditunjukkan oleh Gradient Labs, yang dapat mendorong loyalitas dan pertumbuhan pangsa pasar. Namun, implementasi ini juga membawa tantangan. Dari sisi regulasi, Bank Indonesia (BI) dan Otoritas Jasa Keuangan (OJK) perlu mengembangkan kerangka kerja yang jelas mengenai penggunaan AI di sektor keuangan, terutama terkait perlindungan data pribadi nasabah, transparansi algoritma, dan akuntabilitas jika terjadi kesalahan sistem. Adopsi AI Agent juga berpotensi mengubah struktur tenaga kerja di sektor perbankan, khususnya di bagian layanan nasabah. Bank perlu mempersiapkan strategi reskilling dan upskilling bagi karyawannya, menggeser fokus dari tugas-tugas repetitif ke peran yang lebih strategis, seperti supervisi AI, prompt engineering, atau pengembangan customer experience yang lebih personal.

Secara ekonomi, peningkatan efisiensi operasional dapat mengurangi biaya dan memungkinkan bank untuk mengalokasikan sumber daya ke area inovasi lainnya. Namun, investasi awal dalam infrastruktur Cloud Computing dan lisensi model Generative AI akan menjadi pertimbangan penting bagi bank-bank di Indonesia, yang harus diukur terhadap potensi penghematan jangka panjang dan peningkatan nilai nasabah. Mengingat tren Fintech yang pesat di Indonesia, kehadiran AI Agent ini akan mendorong inovasi dan kompetisi, memaksa pelaku industri untuk terus beradaptasi dan berinvestasi dalam teknologi terkini demi memberikan layanan terbaik.

---

Artikel ini akan diperbarui seiring tersedianya informasi baru. Join Komunitas Rekayasa AI di Discord untuk diskusi lebih lanjut.