Setiap operasional multifinance berjalan di atas kertas, bahkan yang menyebut dirinya sudah digital sekalipun. Formulir pengajuan, scan KTP, slip gaji, dokumen kendaraan, kontrak yang sudah ditandatangani. Studi kasus otomatisasi dokumen ini mengikuti sebuah perusahaan multifinance yang tenggelam dalam tumpukan itu, dan bagaimana kami memangkas waktu intake-nya dari hitungan hari menjadi hitungan jam tanpa melanggar satu pun aturan kepatuhan.
Saya tetap merahasiakan identitas perusahaan ini, seperti pada semua pekerjaan klien lainnya. Detailnya nyata, angka-angkanya masuk akal untuk operasional multifinance skala menengah di Indonesia, dan pendekatannya bisa diterapkan ke bisnis mana pun yang terkubur dokumen.
Pelajaran di depan: mereka tidak membenahi semuanya sekaligus. Mereka membenahi satu jenis dokumen dulu, membuktikan hasilnya, baru memperluas. Urutan itulah yang membuatnya berhasil.
Titik Sumbat: Manusia Mengetik Ulang Semuanya
Perusahaan ini memproses sekitar 800 pengajuan pembiayaan baru per bulan. Setiap pengajuan datang sebagai bundel dokumen hasil scan atau foto, sering miring, kadang buram, dikirim lewat WhatsApp atau email oleh tenaga sales lapangan.
Tim back office lalu melakukan hal yang lazim dilakukan tim back office di mana pun. Mereka membuka setiap berkas, membacanya, lalu mengetik ulang isinya secara manual ke sistem inti. Nama, alamat, NIK, data pekerjaan, jumlah pinjaman, data kendaraan, informasi penjamin. Untuk satu pengajuan yang rapi, ini memakan waktu 15 sampai 20 menit. Untuk yang berantakan, jauh lebih lama, dan berkas berantakan itu jamak terjadi.
Konsekuensinya menumpuk:
- Pengajuan mengendap di antrean selama dua sampai empat hari sebelum ada yang menyentuhnya.
- Kesalahan input data merembes masuk, memicu pekerjaan ulang dan sesekali masalah kepatuhan.
- Sales lapangan kehilangan deal karena persetujuan terlalu lambat, dan nasabah lari ke kompetitor yang lebih cepat.
- Tim sepenuhnya tersita untuk mengetik, sehingga tidak punya kapasitas untuk tumbuh bersama bisnis.
Melempar lebih banyak staf ke antrean adalah rencana default. Itu rencana yang tidak pernah selesai, karena volume terus naik dan setiap karyawan baru butuh pelatihan. Silo data dan input ulang manual diam-diam membatasi seluruh bisnis ini.
Pendekatannya: Satu Jenis Dokumen Dulu
Godaannya adalah membangun sistem yang menangani semua jenis dokumen sekaligus. Kami menolak godaan itu. Rollout bertahap yang dimulai dari satu jenis dokumen berstruktur dan bervolume tinggi adalah yang membedakan studi kasus otomatisasi dokumen yang benar-benar rilis dari yang mandek di scope creep.
Kami memilih KTP, kartu identitas nasional. Ini dokumen dengan volume tertinggi, muncul di setiap pengajuan tanpa kecuali, dan tata letaknya konsisten, sehingga paling mudah diekstrak secara andal.
Rencana bertahapnya seperti ini:
- Fase 1: Otomatisasi ekstraksi KTP saja. Nama, NIK, alamat, tanggal lahir ditarik dari gambar ke field terstruktur.
- Fase 2: Tambahkan slip gaji dan surat keterangan kerja, yang formatnya kurang standar.
- Fase 3: Tambahkan kontrak dan dokumen kendaraan, lalu sambungkan hasil ekstraksi langsung ke sistem inti.
Setiap fase harus membuktikan akurasi dan kepercayaan staf sebelum fase berikutnya dimulai. Disiplin itu lebih menentukan daripada pilihan teknologi apa pun.
Cara Kerja Intake Berbasis AI
Mekanismenya jauh lebih sederhana dari kesan yang dibawa istilah "AI". Saat sebuah dokumen masuk, model AI membaca gambarnya dan mengembalikan data terstruktur. Alih-alih manusia membaca KTP lalu mengetik delapan field, model yang membaca dan langsung mengusulkan delapan field itu terisi.
Alurnya:
- Agen lapangan mengunggah bundel dokumen seperti biasa. Tidak ada yang berubah bagi mereka.
- Sistem memproses setiap gambar lewat ekstraksi dokumen dan menghasilkan draf record dengan field yang sudah terisi otomatis, lengkap dengan indikator tingkat keyakinan pada tiap field.
- Reviewer back office melihat draf tersebut, mencocokkannya dengan gambar asli secara berdampingan, mengoreksi yang keliru, lalu menyetujuinya.
Kata kuncinya adalah reviewer. Kami tidak menghilangkan manusia. Kami menghilangkan kegiatan mengetiknya. Inilah desain yang ramah kepatuhan yang membuat tim risiko dan legal merasa nyaman, dan akan saya bahas lagi karena ini bagian yang paling sering disalahpahami orang.
Hasil Setelah Satu Kuartal
Setelah Fase 1 dan Fase 2 berjalan, angka-angkanya bergerak tajam.
| Metrik | Sebelum | Sesudah |
|---|---|---|
| Rata-rata waktu intake per pengajuan | 15 - 20 menit | 3 - 5 menit |
| Waktu tunggu di antrean sebelum diproses | 2 - 4 hari | Hari yang sama, sering dalam hitungan jam |
| Kesalahan input data yang butuh pekerjaan ulang | Sering | Turun sekitar 70 persen |
| Pengajuan yang diproses per staf per hari | Sekitar 20 | Sekitar 60 |
Tim back office tidak menyusut. Mereka berhenti menjadi kelompok pengetik dan berubah menjadi tim review dan penanganan pengecualian, pekerjaan yang jauh lebih bernilai, dan akhirnya punya ruang untuk menyerap kenaikan volume tanpa perlu menambah orang. Persetujuan yang lebih cepat juga memenangkan kembali deal yang dulu hilang karena kalah kecepatan.
Mengapa Langkah Review Manusia Tidak Bisa Ditawar
Inilah bagian yang menentukan berhasil-tidaknya otomatisasi dokumen di industri yang diatur ketat. Ekstraksi AI cepat dan sebagian besar akurat, tapi "sebagian besar" tidak cukup untuk kontrak keuangan dan pengawasan regulator.
Mempertahankan manusia dalam alur kerja memberikan tiga hal:
- Akuntabilitas. Ada satu nama yang tetap menyetujui setiap record. Ketika auditor bertanya siapa yang memverifikasi berkas ini, ada jawabannya. AI adalah asisten, bukan penandatangan.
- Penangkapan kesalahan. Skor keyakinan menandai field yang diragukan oleh model, sehingga reviewer memusatkan perhatian pada bagian yang penting, bukan mengecek ulang semuanya secara membabi buta.
- Kepercayaan. Staf dan manajemen mengadopsi sistem ini karena jelas terasa membantu, bukan menggantikan mereka. Adopsi adalah titik di mana kebanyakan proyek otomatisasi sebenarnya mati, dan langkah review inilah yang menyelamatkannya.
Jika Anda menangani data nasabah yang sensitif atau diatur regulasi melalui AI, prinsip yang sama berlaku untuk cara Anda memilih dan mengonfigurasi tools. Memahami ke mana data Anda mengalir dan bagaimana vendor AI memperlakukannya bukan hal opsional di industri ini.
Pelajaran Praktisnya
Jika bisnis Anda terkubur dokumen, jangan membeli platform besar yang menjanjikan otomatisasi segalanya. Lakukan ini:
- Temukan satu jenis dokumen Anda yang volumenya paling tinggi dan paling terstruktur. Mulai dari situ saja.
- Rancang alurnya sehingga AI membuat draf dan manusia yang menyetujui. Jangan pernah menghilangkan reviewer yang akuntabel dalam konteks yang diatur regulasi.
- Buktikan akurasi dan kepercayaan staf pada satu dokumen itu sebelum meluas ke dokumen berikutnya.
- Ukur waktu intake dan tingkat kesalahan sebelum dan sesudah, agar nilainya tidak terbantahkan saat Anda meminta pendanaan untuk fase berikutnya.
Tumpukan kertas tidak menyusut karena Anda merekrut lebih banyak orang untuk mendakinya. Ia menyusut ketika Anda berhenti membuat orang mengerjakan hal yang lebih baik dikerjakan software, sambil tetap menempatkan orang persis di tempat yang membutuhkan penilaian dan akuntabilitas. Jika Anda ingin bantuan merancang otomatisasi bertahap seperti ini, itulah jenis keterlibatan yang saya ambil sebagai technology partner.