AI generatif, dan semakin banyak agen AI, dengan cepat menjadi pusat perhatian finansial layanan.
Apa yang sebelumnya terbatas pada eksperimen telah berkembang menjadi sistem yang mampu melakukan analisis data, tindakan nyata, dan pengambilan keputusan berskala besar.
Kepala Layanan Keuangan EMEA & Pelanggan Strategis di Databricks.
Banyak bisnis sudah merasakan dampak transformasi ini; menurut penelitian KPMG, lebih dari separuh (51%) sektor keuangan mengatakan AI sedang mengubah bisnis mereka. Di sisi lain, hampir tiga perempat (72%) merasa khawatir terhadap kualitas data.
Hal ini terjadi ketika risiko strategis mulai muncul, yang berasal dari data yang terfragmentasi atau tidak dikelola dengan baik, yang pada akhirnya menunda transisi dari tahap uji coba ke tahap produksi.
Lembaga keuangan harus mengalihkan fokus mereka jika ingin melihat manfaat sebenarnya dari AI. Dengan landasan data yang kuat dan didukung oleh kekuatan infrastruktur dan tata kelola yang terpadu, mereka akan berada dalam posisi yang lebih baik untuk menerapkan AI dengan aman dan sukses.
Tantangan sebenarnya saat ini bukanlah apa yang dapat dicapai oleh AI, melainkan bagaimana dunia usaha dapat mengambil langkah yang tepat agar AI dapat beroperasi di tingkat perusahaan.
Membangun fondasi untuk AI skala perusahaan
Sebagian besar uji coba AI gagal karena data yang ada di dalamnya terfragmentasi, berkualitas buruk, atau disimpan dalam silo, dan karena agen AI mereka tidak fokus pada pengukuran dan peningkatan kualitas dan akurasi. Agar penerapan AI berhasil, infrastruktur harus disiapkan dengan benar untuk memanfaatkan hasil.
Agar para pemimpin di sektor keuangan dapat menutup kesenjangan adopsi AI, peta jalan terstruktur harus tersedia untuk memungkinkan bisnis mereka beralih dari eksperimen ke dampak yang berskala.
Langkah pertama adalah menyatukan silo data dalam satu platform untuk menghilangkan duplikasi, mengurangi inefisiensi, dan membangun model yang andal dan tepercaya dari satu sumber kebenaran.
Dari sana, tata kelola harus diterapkan untuk mengelola garis keturunan, akses, dan jalur audit. Bagi agen AI, tata kelola lebih dari sekadar praktik kepatuhan. Model tata kelola terpadu memperlakukan agen dengan ketelitian yang sama seperti staf manusia, menerapkan kontrol akses dan kontrol akses yang kuat keamanan tindakan.
Memprioritaskan kemampuan menjelaskan juga sama pentingnya. Di pasar yang sangat teregulasi, bisnis memerlukan model yang mudah diakses dan transparan yang menunjukkan bagaimana hasil dapat dicapai.
Selain itu, penerapan strategi “mulai dari yang kecil, berskala cepat” menunjukkan dampak sejak dini, menumbuhkan kepercayaan internal, dan menetapkan model yang dapat ditiru untuk mengembangkan AI secara aman dan bertanggung jawab di seluruh perusahaan.
Menutup kesenjangan antara visi dan eksekusi AI
Para pemimpin di industri keuangan tidak lagi bertanya-tanya di mana AI bekerja, namun di mana AI dapat memberikan dampak paling besar. Potensinya sangat besar, namun kesenjangan antara ambisi dan eksekusi masih sulit untuk diatasi.
Saat ini, hype melampaui kenyataan. Survei Gartner baru-baru ini menunjukkan bahwa adopsi AI di bidang keuangan melonjak dari 37% pada tahun 2023 menjadi 58% pada tahun lalu, namun momentumnya kini melambat, hal ini menunjukkan adanya kesenjangan antara eksperimen dan skala perusahaan.
Meskipun lingkungan peraturan berbeda-beda, perusahaan di perbankan, pembayaranpasar modal dan manajemen aset selaras dengan tujuan strategis yang sama yang mendorong adopsi AI.
Dunia usaha harus menyadari bahwa untuk mewujudkan ambisi ini secara konsisten dalam skala besar, tantangannya bukan terletak pada visinya, namun pada menyatukan aset data yang terfragmentasi dan infrastruktur lama.
Bagaimana AI menghasilkan pertumbuhan berkelanjutan
Industri keuangan menyadari nilai yang dapat ditawarkan oleh teknologi AI dengan meningkatkan efisiensi dan mendorong pertumbuhan. Hal ini dapat kita lihat dari peningkatan adopsi teknologi tersebut.
Lebih pintar pelanggan segmentasi dan hiper-personalisasi memungkinkan perusahaan untuk membedakan merek mereka dan meningkatkan pengalaman pelanggan, sehingga menciptakan keunggulan signifikan dibandingkan pesaing mereka.
Misalnya dalam pembayaran dan hipotek, inovasi produk yang didukung AI seperti pencegahan penipuan real-time dan model penilaian properti mengubah perjalanan dan membentuk kembali cara institusi memberikan layanan mereka.
Namun, menerapkan kasus penggunaan individual saja tidak cukup untuk menerjemahkan keterampilan ini ke dalam pengembangan pendapatan jangka panjang; strategi bisnis yang jelas juga diperlukan.
Organisasi keuangan harus memprioritaskan kasus penggunaan dengan ROI yang dapat diukur, menyelaraskan operasi AI dengan tujuan bisnis tertentu, dan memastikan bahwa landasan data memungkinkan model untuk terus disempurnakan.
Bagaimana agen AI mendefinisikan ulang manajemen risiko
Dalam jasa keuangan, risiko dapat muncul dalam hitungan menit, mulai dari ancaman dunia maya hingga gangguan penipuan. Kecepatan, kerumitan, dan besarnya permasalahan ini terlalu berat untuk ditangani dengan metode manual tradisional.
Agen AI dengan cepat menjadi garda depan kompetitif baru untuk meningkatkan kualitas dan akurasi. Berbeda dengan model statis, sistem ini dapat bertindak hampir seperti model virtual karyawan yang mengambil tindakan secara mandiri.
Di bidang yang sangat penting seperti deteksi penipuan, anti pencucian uang (AML), dan keamanan siber, agen memantau, mengatur, dan melakukan pemeriksaan dengan kecepatan dan keandalan yang jauh lebih tinggi dibandingkan tim manual.
Beroperasi di salah satu industri dengan peraturan paling ketat, agen AI menyediakan sarana bagi organisasi untuk tetap terdepan dalam menghadapi risiko sekaligus menjaga integritas operasi utama. Alih-alih menggantikan penilaian manusia, agen AI justru menyempurnakannya; memungkinkan tim untuk bereaksi dengan lebih yakin.
Membayangkan kembali operasi dengan AI
Canggih alat AI mengubah permainan di bidang jasa keuangan, mendorong inovasi dan ketangkasan. Agen AI dapat mengotomatiskan proses bisnis yang berulang sehingga memungkinkan institusi untuk “berbuat lebih banyak dengan lebih sedikit”, mengurangi beban kerja sehingga memungkinkan tim untuk fokus pada pekerjaan yang bernilai lebih tinggi dan berorientasi pada pelanggan.
Asisten layanan pelanggan yang digerakkan oleh AI juga telah memberikan dampak yang terukur. Dengan dilatih menggunakan data milik perusahaan, mereka dapat menjawab pertanyaan secara akurat dan mengotomatiskan sebagian besar proses triase. Hasilnya adalah lebih sedikit kemacetan manual, peningkatan pengalaman pelanggan, dan model operasional yang lebih tangguh.
Membangun masa depan jasa keuangan
Mayoritas organisasi keuangan memahami bagaimana dan mengapa AI akan berdampak pada mereka di masa depan. Namun, upaya untuk mengoperasionalkannya dengan cara yang dapat diandalkan, patuh, dan tahan lama masih kurang terlihat. Arsitektur dan tata kelola data harus dilihat sebagai hal mendasar dalam strategi data dan AI perusahaan untuk mencapai keunggulan kompetitif.
Agar agen AI dapat beroperasi dengan aman dalam batasan yang ketat, sistem harus dibangun dengan kontrol yang mapan dan berkelanjutan pemantauan. Keberhasilan AI akan menguntungkan institusi yang mengadopsi pendekatan disiplin dan berkembang dengan percaya diri.
Kami telah menampilkan perangkat lunak bisnis kecil terbaik.
Artikel ini dibuat sebagai bagian dari saluran Expert Insights TechRadarPro tempat kami menampilkan para pemikir terbaik dan tercemerlang di industri teknologi saat ini. Pandangan yang diungkapkan di sini adalah milik penulis dan belum tentu milik TechRadarPro atau Future plc. Jika Anda tertarik untuk berkontribusi, cari tahu lebih lanjut di sini: https://www.techradar.com/news/submit-your-story-to-techradar-pro
