Chatbot Bank Artajaya Kesulitan Pahami Pertanyaan Berbahasa Daerah

Sejumlah nasabah Bank Artajaya di wilayah timur Indonesia melaporkan chatbot layanan pelanggan bank tersebut berulang kali gagal memahami pertanyaan yang dicampur dengan istilah bahasa daerah, memaksa mereka mengulang pertanyaan dengan Bahasa Indonesia baku.

Keluhan itu ramai dibagikan di media sosial dalam dua pekan terakhir. Salah satu tangkapan layar yang beredar memperlihatkan seorang nasabah dari Ambon menulis “beta pung saldo seng masuk” untuk menanyakan dana yang belum masuk ke rekeningnya. Alih-alih memahami keluhan tersebut, chatbot justru menawarkan informasi tentang program uji coba fitur baru, karena menafsirkan kata “beta” sebagai versi percobaan aplikasi.

Kasus serupa dilaporkan nasabah dari Maluku, Nusa Tenggara Timur, hingga Papua. Mereka menyebut chatbot kerap menjawab “Maaf, saya belum memahami pertanyaan Anda” dan meminta pertanyaan diulang, bahkan untuk keperluan sederhana seperti mengecek saldo atau memblokir kartu. Sebagian nasabah mengaku harus mencoba tiga hingga empat kali dengan susunan kalimat berbeda sebelum akhirnya menyerah dan meminta dihubungkan ke petugas.

Bank Artajaya menyatakan model bahasa yang digunakan saat ini memang dilatih dominan dengan data Bahasa Indonesia formal dan mengakui perlunya perluasan data pelatihan untuk variasi bahasa regional.

Kami mengakui ada kesenjangan kualitas layanan chatbot antarwilayah, dan itu tidak bisa diterima. Nasabah di Ambon atau Jayapura berhak mendapat pengalaman yang sama baiknya dengan nasabah di Jakarta.

— Dewi Anggraini, Kepala Divisi Layanan Digital Bank Artajaya

Kesenjangan yang terlihat di data

Data internal Bank Artajaya yang dibagikan kepada CXinsight memperlihatkan pola yang sejalan dengan keluhan nasabah. Percakapan dari wilayah timur Indonesia jauh lebih sering berakhir dengan pengalihan ke agen manusia dibanding rata-rata nasional.

Masalahnya, pengalihan itu tidak selalu berjalan cepat. Pada jam sibuk, nasabah bisa menunggu lebih dari 15 menit untuk terhubung dengan agen, setelah sebelumnya beberapa kali gagal dipahami chatbot. Bagi nasabah yang sedang menghadapi masalah mendesak, seperti transfer yang tertahan, situasi ini menambah kecemasan.

Kesenjangan juga tampak pada skor kepuasan. Menurut data yang sama, nasabah dari wilayah timur memberi skor kepuasan rata-rata 3,1 dari 5 untuk layanan chatbot, sementara rata-rata nasional mencapai 3,9. Selisih itu tidak terlihat dalam laporan kinerja bulanan bank karena angka yang dilaporkan selama ini hanya rata-rata gabungan seluruh wilayah.

Markus Rumbiak, pemilik toko bangunan di Jayapura yang telah menjadi nasabah Bank Artajaya selama tujuh tahun, mengatakan kini ia memilih langsung menelepon call center meski harus mengantre. “Ketik pakai bahasa sehari-hari tidak dimengerti. Ketik pakai bahasa baku, rasanya seperti bicara dengan mesin. Lebih baik telepon saja,” ujarnya.

Mengapa chatbot tersandung

Menurut sejumlah praktisi pemrosesan bahasa alami, masalah yang dihadapi Bank Artajaya umum terjadi pada sistem yang dilatih dengan data teks formal. Percakapan sehari-hari masyarakat Indonesia jarang menggunakan bahasa baku secara utuh. Nasabah kerap mencampur Bahasa Indonesia dengan bahasa daerah, singkatan, dan ejaan tidak baku dalam satu kalimat.

Ragam Melayu di wilayah timur, seperti yang digunakan di Ambon dan Kupang, memiliki kosakata dan struktur kalimat yang berbeda dari Bahasa Indonesia baku. Kata ganti seperti “beta” dan “katong”, serta kata ingkar “seng” atau “sonde”, sangat umum dipakai sehari-hari, tetapi nyaris tidak muncul dalam dokumen formal yang menjadi bahan pelatihan model.

Rizal Fahmi, peneliti linguistik komputasional yang pernah terlibat dalam proyek pengumpulan data bahasa daerah, mengatakan masalah ini tidak bisa diselesaikan hanya dengan menambahkan daftar kata. Menurut dia, model perlu belajar dari percakapan nyata yang mencerminkan cara orang benar-benar berbicara, termasuk konteks dan kebiasaan mencampur bahasa dalam satu kalimat.

Ia menambahkan, tantangan itu diperberat oleh keragaman yang sangat besar. Indonesia memiliki ratusan bahasa daerah, dan ragam yang digunakan di satu kota bisa berbeda dengan kota tetangganya. Karena itu, perusahaan perlu menentukan prioritas berdasarkan sebaran nasabah dan volume percakapan, sambil memastikan jalur ke petugas manusia tetap mudah diakses bagi mereka yang belum terlayani dengan baik.

Rencana perbaikan

Bank Artajaya menyatakan telah menyiapkan sejumlah langkah. Dalam jangka pendek, chatbot akan langsung menawarkan pengalihan ke agen manusia setelah dua kali gagal memahami pertanyaan, bukan setelah empat kali seperti saat ini. Bank juga menambah jumlah agen yang fasih dengan ragam bahasa di wilayah timur pada jam operasional tersibuk.

Untuk jangka menengah, bank akan memperluas data pelatihan dengan contoh percakapan berbahasa daerah yang dianonimkan dan dikumpulkan atas persetujuan nasabah. Bank Artajaya juga menjajaki kerja sama dengan perguruan tinggi di Maluku dan Nusa Tenggara Timur untuk menyusun korpus bahasa regional. Dewi menargetkan versi chatbot yang telah diperbarui mulai diuji pada kuartal I 2027.

Bank juga berjanji mulai memantau kinerja chatbot per provinsi, termasuk tingkat keberhasilan menjawab dan tingkat pengalihan ke agen, alih-alih hanya melaporkan angka rata-rata nasional seperti yang selama ini dilakukan.

Sambil menunggu perbaikan model, Bank Artajaya menambahkan pesan pembuka di chatbot yang memberi tahu nasabah bahwa mereka bisa mengetik “bicara dengan petugas” kapan saja. Dewi mengakui langkah ini bersifat sementara. “Tujuan kami bukan mengalihkan semua nasabah timur ke agen, melainkan membuat chatbot benar-benar bisa melayani mereka,” katanya.

Hingga berita ini diturunkan, Bank Artajaya belum mengumumkan besaran investasi yang disiapkan untuk perbaikan tersebut, termasuk berapa banyak agen tambahan yang akan direkrut di wilayah timur. Bank juga belum merinci apakah nasabah yang dirugikan akibat keterlambatan penanganan, misalnya karena transfer yang tertahan, akan mendapat kompensasi.

Peringatan bagi industri

Kasus ini muncul di tengah gencarnya perbankan dan perusahaan layanan lain mengadopsi asisten virtual berbasis kecerdasan buatan untuk menekan biaya operasional. Banyak di antaranya mengukur keberhasilan dari rata-rata tingkat penyelesaian secara nasional, angka yang bisa terlihat baik meski kualitas layanan di sejumlah daerah tertinggal jauh.

Bagi nasabah di luar pusat-pusat ekonomi, chatbot yang gagal memahami mereka bukan sekadar ketidaknyamanan teknis. Pengalaman itu bisa dirasakan sebagai pesan bahwa layanan tersebut memang tidak dirancang untuk mereka, sebuah kesan yang jauh lebih sulit diperbaiki daripada sekadar memperbarui model bahasa.