AI Knowledge Assistant untuk Perbankan dan Asuransi Use Case Internal dari SOP hingga Dokumen Polis

AI Knowledge Assistant untuk Perbankan dan Asuransi: Use Case Internal dari SOP hingga Dokumen Polis

By Wahyu Dwi
Published 5 Min Read

Share on:

Karyawan bank dan perusahaan asuransi berhadapan dengan banyak informasi yang perlu ditemukan secara tepat waktu. Staf cabang mencari ketentuan produk, tim contact center memeriksa prosedur layanan, unit operasional merujuk SOP, sementara tim klaim dan underwriting bekerja dengan dokumen serta panduan yang berbeda. Informasi tersebut dapat tersimpan dalam portal, folder, dokumen PDF, sistem internal, atau materi yang dikelola oleh unit berbeda.

Ketika dokumen bertambah dan ketentuannya berubah, pencarian manual dapat memakan waktu. Karyawan perlu mengetahui lokasi sumber, kata kunci yang tepat, versi dokumen, dan unit yang bertanggung jawab. Tantangan ini semakin terasa ketika pertanyaan membutuhkan konteks dari beberapa referensi sekaligus.

AI Knowledge Assistant dapat dipertimbangkan untuk membantu karyawan mencari dan memahami informasi internal melalui pertanyaan dalam bahasa sehari-hari. Fokusnya adalah mempercepat akses terhadap pengetahuan yang sudah dimiliki perusahaan, dengan jawaban yang disertai referensi agar pengguna dapat memeriksa sumber sebelum menerapkan informasi tersebut.

Key Takeaways

  • Use case awal yang relevan untuk bank dan asuransi banyak berada pada pencarian pengetahuan internal, prosedur, dan dokumen operasional.
  • Asisten AI perlu mengembalikan jawaban beserta sumber, versi, atau konteks dokumen yang relevan agar pengguna dapat melakukan verifikasi.
  • Pilih ruang lingkup awal yang mendukung pekerjaan staf, bukan keputusan finansial atau keputusan nasabah yang berdampak tinggi.
  • Keberhasilan perlu diukur melalui waktu pencarian informasi, relevansi jawaban, kualitas referensi, dan kebutuhan eskalasi ke SME.

Mengapa Pengetahuan Internal Menjadi Tantangan Operasional di BFSI?

Tantangan Pengelolaan Pengetahuan Internal di Sektor BFSI

Bank dan perusahaan asuransi mengelola informasi yang terus berkembang. Perubahan produk, kebijakan layanan, ketentuan operasional, prosedur penanganan kasus, dan dokumen pendukung perlu dipahami oleh banyak unit. Satu informasi dapat memiliki beberapa versi atau penjelasan yang disesuaikan dengan jenis produk, kanal, dan kondisi tertentu.

Ketika karyawan tidak yakin dokumen mana yang berlaku, mereka dapat mengandalkan pencarian manual atau bertanya kepada rekan yang dianggap lebih memahami proses. Cara ini bisa berjalan untuk tim kecil, tetapi lebih sulit dijaga konsistensinya ketika jumlah cabang, produk, dan kelompok pengguna bertambah. Ketergantungan kepada individu tertentu juga membuat proses berbagi pengetahuan rentan ketika terjadi rotasi atau pergantian karyawan.

Adopsi GenAI di sektor asuransi Eropa memberi gambaran bahwa banyak perusahaan memulai dari kebutuhan internal. Dalam survei EIOPA terhadap 347 perusahaan asuransi di 25 negara, 64% use case yang dilaporkan berfokus pada produktivitas back-office, seperti ekstraksi data dokumen, pembuatan konten, dan pekerjaan pendukung operasional. Angka tersebut menggambarkan komposisi use case dalam sampel Eropa, bukan tingkat adopsi di Indonesia.

Konteks tersebut membuat pencarian informasi internal menjadi salah satu area yang layak dievaluasi sebelum perusahaan melangkah ke otomasi yang lebih kompleks.

Use Case AI Knowledge Assistant yang Relevan untuk Perbankan

Untuk bank, asisten pengetahuan dapat diarahkan pada kebutuhan karyawan yang rutin merujuk dokumen internal. Beberapa contoh awal berikut berfokus pada penemuan informasi dan dukungan kerja, bukan pengambilan keputusan nasabah.

  • Pencarian kebijakan dan SOP cabang. Staf dapat menanyakan prosedur pembukaan layanan, penanganan permintaan nasabah, proses administrasi, atau ketentuan operasional. Asisten membantu menemukan bagian dokumen yang relevan dan menampilkan referensinya.
  • Panduan produk dan ketentuan layanan. Tim cabang atau contact center dapat mencari informasi fitur, persyaratan, biaya, pengecualian, dan dokumen pendukung produk. Jawaban perlu menunjukkan sumber yang berlaku agar petugas dapat memeriksa ketentuan sebelum menyampaikannya kepada nasabah.
  • Panduan operasional dan compliance internal. Karyawan dapat menelusuri instruksi kerja, kebijakan internal, atau referensi prosedur untuk memahami langkah yang perlu dilakukan. Pertanyaan yang membutuhkan interpretasi atau persetujuan tetap diarahkan kepada fungsi yang berwenang.
  • Knowledge untuk onboarding karyawan. Karyawan baru dapat mencari penjelasan istilah internal, alur layanan, struktur proses, dan panduan dasar tanpa harus menghubungi banyak rekan untuk pertanyaan berulang.

Sementara itu, perusahaan asuransi memiliki kumpulan dokumen dan istilah yang berbeda, sehingga use case perlu disesuaikan dengan alur kerja dan peran pengguna.

Use Case AI Knowledge Assistant yang Relevan untuk Asuransi

Pada perusahaan asuransi, pencarian pengetahuan dapat diarahkan pada dokumen polis, prosedur klaim, panduan produk, dan referensi operasional. Contoh berikut menempatkan AI sebagai pendukung pencarian informasi, sementara keputusan tetap mengikuti proses dan kewenangan yang berlaku.

  • Pencarian informasi dalam dokumen polis. Staf dapat mencari definisi manfaat, pengecualian, periode pertanggungan, atau istilah tertentu di dokumen polis sebagai referensi awal. Jawaban harus menunjuk ke bagian dokumen yang mendukung informasi tersebut.
  • Penelusuran SOP klaim. Tim operasional dapat mencari tahapan proses, daftar dokumen pendukung, atau jalur eskalasi yang tercantum dalam prosedur internal. Asisten membantu menemukan informasi, bukan memutuskan apakah klaim disetujui atau ditolak.
  • Panduan produk untuk tim layanan dan distribusi. Karyawan dapat mencari perbedaan ketentuan produk, persyaratan, dan materi penjelasan yang telah disetujui perusahaan. Pengguna tetap perlu merujuk dokumen resmi ketika memberikan penjelasan kepada nasabah.
  • Knowledge untuk tim underwriting sebagai referensi. Asisten dapat membantu menemukan pedoman, definisi, atau dokumen referensi yang digunakan tim. Penilaian risiko dan keputusan underwriting tetap berada pada personel serta proses yang berwenang.

Kesamaan dari use case tersebut adalah kebutuhan menemukan informasi yang relevan dengan cepat, namun ketepatan jawaban bergantung pada kualitas dokumen dan cara asisten menyajikan sumbernya.

Apa yang Harus Disiapkan agar Jawaban AI Dapat Diperiksa?

Sebelum menghubungkan dokumen ke asisten AI, perusahaan perlu menentukan sumber mana yang menjadi referensi resmi. Pisahkan dokumen yang berlaku dari arsip, materi kerja sementara, atau dokumen yang belum disetujui. Pastikan setiap dokumen penting memiliki informasi pemilik, unit, jenis proses, tanggal berlaku, dan versi.

Kualitas dokumen juga perlu diperiksa. Dokumen yang dipindai, tabel kompleks, lampiran, atau format yang tidak konsisten dapat menyulitkan proses pencarian. Istilah yang sama perlu dikenali ketika digunakan dengan singkatan berbeda. Untuk produk atau proses yang memiliki banyak pengecualian, struktur dokumen perlu memudahkan sistem menemukan bagian yang tepat.

Halaman Weefer AI menjelaskan Weefer AI Knowledge sebagai asisten yang mencari informasi dalam kebijakan, SOP, kontrak, dan data operasional serta menyertakan source citation. Dalam penerapannya, perusahaan perlu menguji apakah referensi yang dikembalikan memang sesuai dengan jawaban dan apakah pengguna dapat memeriksa dokumen tersebut dengan mudah.

Aspek pengelolaan pengetahuan juga berkaitan dengan cara perusahaan mengatur konten. Artikel Weefer tentang knowledge base internal dan eksternal dapat menjadi referensi untuk memahami perbedaan repositori pengetahuan yang ditujukan bagi karyawan dan basis pengetahuan yang disediakan bagi pelanggan. Untuk use case BFSI, ruang lingkup akses dan pengguna internal perlu didefinisikan sejak awal.

Dengan sumber yang dipilih dan konteks dokumen yang jelas, perusahaan dapat menyusun PoC untuk menguji pengalaman pencarian informasi dalam proses yang nyata.

Cara Memulai dari Satu Departemen dan Satu Kebutuhan yang Jelas

Pilih unit yang memiliki pertanyaan berulang dan dokumen referensi yang relatif terdefinisi. Misalnya, mulai dari tim operasional cabang, contact center, atau satu fungsi back-office. Jangan langsung menggabungkan seluruh dokumen perusahaan, karena variasi sumber, istilah, dan kebutuhan pengguna dapat menyulitkan evaluasi awal.

Pilih kumpulan dokumen representatif, susun daftar pertanyaan yang benar-benar diajukan pengguna, dan tetapkan jawaban acuan bersama pemilik proses. Sertakan pertanyaan umum, pertanyaan multi-bagian, kasus dengan pengecualian, serta pertanyaan yang memang tidak memiliki jawaban di sumber. Tim perlu mengecek relevansi jawaban, kelengkapan, kesesuaian referensi, dan kemampuan sistem menyatakan keterbatasannya.

Tentukan indikator hasil sejak awal. Contohnya waktu yang diperlukan untuk menemukan ketentuan, persentase jawaban dengan referensi yang benar, jumlah pertanyaan yang perlu dieskalasikan, dan feedback pengguna. Indikator ini membantu manajemen menilai apakah solusi memperbaiki pekerjaan, bukan hanya memberikan pengalaman percakapan yang menarik.

Jika hasil awal memenuhi kriteria, perusahaan dapat mempertimbangkan perluasan dokumen, kelompok pengguna, atau kanal. Perluasan tersebut sebaiknya mengikuti kesiapan sumber dan kebutuhan proses berikutnya. Penambahan volume dokumen perlu didasarkan pada kebutuhan yang jelas.

Pendekatan bertahap membuat perusahaan dapat memvalidasi kualitas dan manfaat sebelum memperluas asisten ke unit lain.

Bedakan Dukungan Pengetahuan dari Otomasi Keputusan

Perbedaan Dukungan Pengetahuan dan Otomasi Keputusan pada AI

AI Knowledge Assistant membantu pengguna menemukan, merangkum, dan memahami informasi berdasarkan sumber yang disediakan. Perannya berbeda dari AI Agent yang berinteraksi dengan sistem bisnis untuk menyiapkan atau menjalankan workflow sesuai ruang lingkup yang diizinkan. Keduanya dapat saling melengkapi, tetapi tidak harus diperkenalkan bersamaan.

Untuk sektor perbankan dan asuransi, batas ini penting. Pencarian ketentuan produk atau SOP dapat menjadi use case awal yang relatif terukur. Keputusan yang memengaruhi nasabah, seperti persetujuan kredit, penetapan premi, penilaian underwriting, atau keputusan klaim, membutuhkan tata kelola, validasi, dan proses otorisasi yang jauh lebih ketat. Artikel ini tidak menyarankan pengalihan keputusan tersebut kepada asisten pengetahuan.

Jika perusahaan ingin melanjutkan dari pencarian informasi menuju workflow automation, evaluasi perlu dilakukan sebagai use case terpisah. Tentukan tindakan yang boleh dilakukan, sistem yang terlibat, persetujuan yang dibutuhkan, serta bagaimana aktivitasnya dicatat. Pendekatan tersebut sejalan dengan arsitektur Weefer AI yang memisahkan AI Knowledge dan AI Agent di atas fondasi data yang sama.

Dengan batas fungsi yang jelas, perusahaan dapat memilih titik awal yang sesuai dengan kebutuhan dan tingkat kesiapan proses.

Kesimpulan: Mulai dari Pengetahuan Internal yang Paling Sering Dicari

Bank dan perusahaan asuransi memiliki banyak peluang untuk menggunakan AI dalam pencarian informasi internal. SOP, kebijakan, panduan produk, dokumen polis, dan prosedur operasional dapat menjadi sumber pengetahuan yang membantu staf menemukan informasi dengan lebih terarah.

Keberhasilan use case tersebut bergantung pada pemilihan dokumen yang tepat, konteks dan versi yang jelas, jawaban yang dapat diperiksa, serta pengujian dengan pertanyaan nyata. Mulailah dari satu departemen dan satu proses, ukur dampaknya, lalu perluas berdasarkan hasil yang terbukti. Jadwalkan AI Data Readiness & Security Assessment Gratis

Evaluasi Use Case AI Knowledge untuk Tim Perbankan dan Asuransi

Hubungi Kami Mulai Konsultasi

FAQ

AI Knowledge Assistant untuk perbankan adalah asisten yang membantu karyawan mencari dan memahami informasi internal, seperti SOP, kebijakan, ketentuan produk, dan panduan operasional, dengan referensi sumber yang dapat diperiksa.

Contohnya pencarian informasi dokumen polis, prosedur klaim, panduan produk, dan materi referensi untuk tim operasional. Keputusan klaim atau underwriting tetap mengikuti proses dan kewenangan perusahaan.

Ya, asisten dapat dirancang untuk mengambil informasi dari dokumen internal yang disiapkan sebagai sumber. Kualitas hasil perlu diuji berdasarkan relevansi, kelengkapan, versi dokumen, dan ketepatan referensi.

Artikel ini membahas dukungan pencarian informasi. Keputusan yang berdampak pada nasabah, seperti kredit, premi, underwriting, atau klaim, tetap memerlukan proses dan otorisasi yang ditetapkan perusahaan.

Pilih satu departemen dan kebutuhan yang jelas, siapkan dokumen rujukan yang berlaku, kumpulkan pertanyaan nyata, lalu tetapkan metrik kualitas dan hasil bisnis sebelum pengujian.

Share on:

Author

Wahyu Dwi

Wahyu adalah seorang Digital Marketing Staff dan B2B Content Writer berpengalaman lebih dari 2 tahun di industri B2B SaaS. Fokus pada pembuatan konten yang mendalam dan informatif mengenai topik-topik seperti HRIS, Cloud Computing, ERP, Cybersecurity, serta CRM dan Customer Experience (CX). Memiliki keahlian dalam mengoptimalkan strategi konten yang mendukung pertumbuhan bisnis dan meningkatkan keterlibatan audiens di pasar B2B.

Categories: (1)

Data & AI
To the top