AI dapat menghentikan krisis keuangan berikutnya sebelum krisis tersebut terjadi
Krisis keuangan jarang terjadi dalam semalam. Tanda-tanda peringatannya sudah ada, tersembunyi di balik banyaknya data yang sulit ditafsirkan oleh regulator—atau manusia mana pun. Sebelum krisis keuangan global tahun 2008, standar penjaminan merosot, leverage meningkat, dan subprime mortgage terus tumbuh. Pada tahun 2023, Silicon Valley Bank menunjukkan betapa cepatnya risiko terurai ketika simpanan terkonsentrasi dan kepercayaan menghilang. Bahkan di luar perbankan tradisional, runtuhnya FTX mengungkap apa yang terjadi ketika transparansi dan tata kelola tidak berjalan dengan baik yang menyebabkan pertumbuhan pesat. Dalam setiap kasus, risikonya tidak tersembunyi. Mereka tersebar di neraca, pengajuan peraturan, sinyal pasar, dan data internal yang terlihat terpisah-pisah namun sulit untuk dihubungkan pada waktunya. Tantangan itu semakin meningkat. Risiko finansial kini bergerak lebih cepat dibandingkan sistem yang dirancang untuk memantaunya. Deposan tidak menunggu laporan triwulanan; mereka bereaksi secara real time, berkoordinasi melalui obrolan grup, platform sosial, dan jaringan investor. Ketika kepercayaan diri melemah, miliaran dolar dapat mengalir dalam hitungan jam, bukan hari. Industri lain telah memecahkan versi masalah ini. Penerbangan tidak menunggu terjadinya kecelakaan untuk menilai apakah sebuah pesawat layak terbang; sensor memantau kinerja mesin secara terus-menerus, menandai anomali jauh sebelum menjadi kegagalan. Operator jaringan listrik tidak menemukan pemadaman listrik setelah kejadian tersebut; mereka melacak beban dan frekuensi secara real time, mengubah rute kapasitas saat tekanan muncul. Sistem pengawasan kesehatan masyarakat memantau sinyal penyakit di ribuan titik data, melakukan intervensi sebelum wabah menjadi epidemi. Sistem keuangan menghasilkan volume data yang sebanding. Yang kurang adalah kapasitas yang sama untuk analisis yang berkesinambungan dan terhubung. Datanya ada di sana. Sinyalnya ada di sana. Manusia tidak bisa menghubungkan titik-titik dengan cukup cepat. Di sinilah peran AI.AI DAPAT MEMUNGKINKAN SINYAL YANG LEWATKAN PARA PEMIMPIN Proses saat ini terfragmentasi, dengan tim yang berbeda-beda berfokus pada analisis indikator yang berbeda-beda. Pola membutuhkan waktu untuk muncul, dan ketika pola tersebut muncul, mungkin sudah terlambat. Kecerdasan buatan mengubah seberapa cepat hubungan tersebut dapat dibuat. Dengan mengintegrasikan data terstruktur dan tidak terstruktur—mulai dari pengarsipan SEC, neraca bank, eksposur antarbank, aliran tingkat transaksi, dan bahkan sumber data alternatif seperti sentimen sosial—AI dapat mendeteksi korelasi dan anomali yang mungkin terlewatkan oleh manusia. Sistem ini dapat melacak perubahan halus dalam leverage, likuiditas, dan konsentrasi mitra di ribuan institusi secara real-time. Mari kita lihat kembali krisis Silicon Valley Bank dan efek domino dari kegagalan bank-bank regional lainnya. Pelaporan standar menunjukkan bahwa likuiditasnya stabil, namun analisis yang didukung AI akan menyoroti konsentrasi simpanan di perusahaan-perusahaan yang didukung ventura yang memiliki saldo besar yang tidak diasuransikan. Ketika suku bunga meningkat, kerapuhan tersebut meningkat dan menjadi terlihat dalam data namun tidak terlihat dalam pemantauan tradisional. Saat ini, regulator keuangan AS—NCUA, FDIC, OCC, dan Fed—memeriksa setiap institusi kira-kira setiap 12 hingga 18 bulan menggunakan kerangka kerja yang menilai kecukupan modal, kualitas aset, manajemen, pendapatan, likuiditas, dan sensitivitas terhadap risiko pasar. Kerangka kerja ini sangat ketat, namun dirancang untuk dunia yang lebih lambat. Penguji datang dengan daftar periksa terstruktur dan menghabiskan waktu berhari-hari mengerjakan data yang mungkin sudah berumur berbulan-bulan. Prosesnya menyeluruh, namun secara struktural masih melihat ke belakang. AI tidak menggantikan proses tersebut. Alih-alih memulai pemeriksaan dengan penemuan luas di setiap dimensi, pemeriksa yang dilengkapi dengan analisis yang dihasilkan AI sudah mengetahui lembaga mana yang telah keluar dari tolok ukur sejenis, di mana tren tunggakan atau likuiditas semakin cepat, dan metrik spesifik mana yang mendekati ambang batas. Pemeriksaannya berganti dari hari-hari peninjauan yang luas menjadi berjam-jam penilaian yang ditargetkan dan bernilai tinggi yang berfokus pada lokasi risiko sebenarnya. Anggap saja ini sebagai perbedaan antara pemeriksaan fisik tahunan berdasarkan perasaan pasien pada hari itu versus pemeriksaan berdasarkan pemeriksaan darah terus-menerus dan pemantauan vital selama satu tahun. Dokter belum diganti, namun mereka tidak lagi bekerja secara membabi buta. AI mempersulit risiko sistemik untuk disembunyikan. Institusi dapat menyesuaikan strategi pendanaan lebih awal, dan regulator dapat memusatkan perhatian pada titik-titik yang benar-benar menimbulkan tekanan. Jika kita melewatkan krisis keuangan berikutnya, maka hal tersebut merupakan kegagalan kepemimpinan, bukan kegagalan teknologi. Oleh karena itu, jika platform AI menyoroti risiko yang muncul, para pemimpin perlu mengetahui alasannya. Baik itu perubahan perilaku peminjam, peningkatan konsentrasi eksposur, tekanan likuiditas, atau perubahan pendanaan, sistem harus membuat alasannya dapat ditafsirkan. Ketika model mengungkap alasannya, analis dapat menguji asumsi, menantang keluaran, dan mengeksplorasi skenario yang berbeda. Kepercayaan berasal dari keselarasan. Para pemimpin memerlukan keyakinan bahwa AI mencerminkan dinamika nyata dari bisnis mereka dan pasar tempat mereka beroperasi. Ketika pengambil keputusan dapat mengikuti logika, AI tidak lagi terasa seperti kotak hitam dan mulai berfungsi seperti mata kedua pada sistem yang kompleks. AI hanya mengubah hasil ketika para pemimpin cukup memercayai AI untuk bertindak berdasarkan apa yang ditunjukkan AI kepada mereka. Hadapi KRISIS BERIKUTNYA DENGAN PERSIAPAN, BUKAN REAKSI Setiap krisis keuangan memiliki satu kesamaan: Sinyal sudah muncul, namun tidak terhubung dalam waktu yang cukup untuk menghentikannya terjadi. Data yang diperlukan untuk mendeteksi risiko yang muncul ada di sana. Apa yang hilang adalah kemampuan untuk menafsirkannya dengan cepat dan cukup luas. AI memberi kita hal itu. Dan manfaatnya tidak hanya dirasakan satu pihak saja. Bagi regulator dan pemeriksa, AI berarti alat yang lebih baik, pemeriksaan yang lebih efisien, dan deteksi risiko lebih dini. Bagi lembaga keuangan, pemeriksaan yang lebih tepat sasaran berarti lebih sedikit gangguan, panduan yang lebih jelas, dan kemampuan untuk melakukan pemantauan mandiri dan mengatasi permasalahan sebelum menjadi temuan. Bagi masyarakat, hal ini berarti sistem keuangan yang lebih aman, intervensi yang lebih dini, dan berkurangnya kemungkinan terjadinya kegagalan yang berujung pada dana talangan (bailout) yang didanai oleh pembayar pajak. AI tidak membuat sistem menjadi aman, namun jika diterapkan dengan benar, AI akan membuat sistem menjadi lebih aman. Penilaian manusia, akuntabilitas, dan rancangan kelembagaan masih penting. Tujuannya bukan untuk mengotomatiskan pengawasan; hal ini bertujuan untuk membuat pengawas lebih cepat dan lebih siap untuk bertindak ketika diperlukan. Dengan sistem yang tepat, lembaga dapat mengidentifikasi tekanan lebih awal, melakukan intervensi lebih cepat, dan mencegah risiko lokal berubah menjadi kegagalan sistemik. Krisis berikutnya tidak harus dihindari. Kita bisa mencegahnya jika kita menggunakan AI untuk menghubungkan titik-titik dan menghentikan krisis yang terjadi. Sean Kamkar adalah CTO Zest AI. Batas waktu yang diperpanjang untuk Fast Company’s Next Big Things in Tech Awards adalah Kamis, 18 Juni, pukul 23.59 PT. Terapkan hari ini.
Diterbitkan : 2026-06-17 18:30:00
sumber : www.fastcompany.com
