PwC: AI Bukan Hanya Alat Efisiensi, Tetapi Juga Pendorong Kunci Transformasi Bisnis Lembaga Keuangan

Laporan ini menegaskan bahwa saat ini institusi keuangan menerapkan AI dalam berbagai skenario inti, termasuk optimalisasi layanan pelanggan, deteksi risiko penipuan, analisis prediktif, dan lain-lain. Di antara tiga industri utama—perbankan, asuransi, dan pengelolaan aset—sebanyak mayoritas responden menempatkan AI sebagai mesin penggerak utama transformasi strategis, bukan sekadar alat peningkatan efisiensi.

Posisi strategis yang sepenuhnya diperbarui, kebutuhan investasi yang harus sejalan

Laporan menunjukkan bahwa hingga 76% institusi keuangan berencana menggunakan AI untuk mewujudkan transformasi strategi bisnis dan membuka sumber pendapatan baru. Di antaranya, 41% menganggap AI sebagai mesin utama transformasi strategis, sementara 35% memandangnya sebagai fondasi sistem penciptaan nilai baru, hanya 15% yang masih melihat AI sebagai alat pengurangan biaya dan peningkatan efisiensi semata.

Wang Jianping, mitra konsultasi manajemen di PwC China, menjelaskan dalam acara peluncuran bahwa institusi keuangan yang disurvei memiliki harapan besar terhadap prospek pemberdayaan bisnis melalui AI. Mereka memandang AI sebagai lebih dari sekadar peningkatan efisiensi operasional; AI adalah peluang kunci untuk merombak model bisnis yang berorientasi pada AI asli, merekonstruksi pengalaman layanan, dan inovasi model bisnis—kesempatan yang tidak boleh terlewatkan.

Sebagai contoh, seorang eksekutif dari bank lokal di Hong Kong secara langsung menyatakan, “Kami tidak hanya berorientasi pada peningkatan efisiensi melalui AI, tetapi juga berharap AI membantu kami menciptakan proposisi nilai dan model bisnis baru yang belum muncul di pasar.”

Namun, perhatian strategis yang tinggi ini belum sepenuhnya terwujud dalam alokasi dana yang sepadan. Laporan menunjukkan bahwa 61% institusi keuangan menganggarkan kurang dari 10% dari total anggaran teknologi mereka untuk AI, yang berarti ada kesenjangan sebesar 30% hingga 40% dalam pengeluaran teknologi terkait AI.

Wang Jianping menambahkan bahwa institusi yang disurvei telah memperoleh pengembalian awal sebesar 10% hingga 15% dari investasi AI mereka, terutama dalam hal pengurangan kerugian risiko, peningkatan efisiensi kepatuhan, peningkatan pendapatan, dan pengurangan biaya. Sementara mereka fokus pada manfaat jangka pendek, mereka juga semakin menilai nilai jangka panjang AI dalam meningkatkan posisi pasar, memperluas ruang pengembangan strategis, dan menemukan peluang pertumbuhan baru. Masalah utama saat ini adalah apakah tingkat investasi AI sudah cukup.

Berbagai skenario utama berkembang, kolaborasi manusia-mesin menjadi arus utama

Meskipun masih ada kesenjangan dalam investasi, fokus pada skenario bisnis inti mulai menunjukkan hasil yang terukur dan dengan cepat menjadi bidang pengembangan utama dalam aplikasi AI tingkat perusahaan. Survei menunjukkan bahwa layanan pelanggan dan penerapan chatbot adalah bidang aplikasi AI yang paling umum, dengan pangsa 31%; diikuti oleh pengelolaan investasi dan aset dengan 28%; serta deteksi penipuan, analisis prediktif, dan pemodelan, serta otomatisasi proses backend masing-masing sebesar 24%, 23%, dan 19%.

Perlu dicatat bahwa kolaborasi manusia-mesin telah menjadi tren utama dalam penerapan AI saat ini. Sebanyak 57% institusi keuangan menyatakan akan meningkatkan fungsi dan peran karyawan yang ada maupun baru melalui AI, dengan aplikasi AI lebih cenderung memperkuat kemampuan manusia daripada menggantikan karyawan.

Ni Qing, mitra kepala industri pengelolaan aset dan kekayaan di PwC China, menjelaskan bahwa setiap industri memiliki fokus berbeda dalam penerapan AI. Industri perbankan lebih berkonsentrasi pada pengendalian risiko, pencegahan pencucian uang, dan tugas kepatuhan; industri asuransi menitikberatkan pada peningkatan level agen, layanan pelanggan, dan klaim; sedangkan di industri pengelolaan aset dan kekayaan, AI digunakan dalam pengelolaan investasi dan portofolio, analisis data dan pasar.

Selain itu, penerapan AI di bawah kendali risiko yang ketat sudah menjadi konsensus industri. Dalam acara peluncuran, menanggapi pertanyaan dari wartawan dari 21st Century Business Herald tentang “bagaimana menyeimbangkan efisiensi dan keamanan dalam penerapan AI,” Chen Yan, mitra konsultasi manajemen risiko dan pengawasan di PwC, menyatakan bahwa selain memperhatikan input dan output, institusi keuangan harus sangat memperhatikan tata kelola AI. Tata kelola AI ibarat rem dari seluruh sistem; jika rem tidak berfungsi dengan baik, institusi keuangan tidak akan berani melaju dengan kecepatan penuh. Diperlukan mekanisme pengendalian untuk memastikan mobil balap AI ini dapat melibas tikungan dengan lancar dan melaju kencang di jalur lurus.

Secara spesifik, institusi keuangan perlu membentuk komite tata kelola AI yang sesuai untuk memastikan adanya konsensus yang cukup di tingkat pengelolaan. Komite ini harus melakukan inventarisasi menyeluruh terhadap AI yang digunakan, memahami alat AI yang digunakan oleh karyawan lintas departemen, dan mengawasi gambaran lengkapnya; sekaligus meningkatkan kesadaran risiko melalui pelatihan, memastikan pemahaman risiko mengikuti perkembangan teknologi; mengatur ritme investasi AI secara rasional—menentukan alokasi sumber daya sekaligus menghindari pengulangan kesalahan pembangunan “cerobong” TI di masa lalu; serta membangun mekanisme masuk yang ketat, melakukan penilaian kematangan teknologi AI yang diadopsi dan risiko teknologi baru.

Talenta dan budaya menjadi hambatan terbesar, tata kelola data harus segera diatasi

Laporan juga menyoroti bahwa penyebaran AI secara besar-besaran masih menghadapi berbagai hambatan. Di antaranya, kekurangan talenta dan struktur organisasi yang kaku merupakan hambatan utama yang menghalangi penerapan AI secara skala besar, pengaruhnya jauh melebihi masalah anggaran atau teknologi.

Li Weibin, mitra konsultasi manajemen di PwC China, menyatakan, “Responden umumnya mengungkapkan tantangan utama saat ini adalah sulitnya merekrut talenta gabungan yang memahami bisnis sekaligus algoritma. Pelatihan dan peningkatan keterampilan karyawan yang ada, serta pembuatan insentif yang mendorong AI sebagai alat transformasi, sangat penting untuk membangun budaya prioritas AI. Tapi yang tak kalah penting, manajemen puncak harus memberi contoh dan secara aktif mendorong penerapan AI.”

Survei menunjukkan bahwa hanya 29% institusi keuangan yang telah berhasil membangun suasana budaya “prioritas AI.” Perlu diingat bahwa penerapan AI tidak cukup hanya bergantung pada kemampuan teknologi; transformasi budaya juga merupakan prasyarat penting. Proses dan fungsi yang terisolasi secara tradisional terus membatasi kemajuan AI.

Selain talenta dan budaya organisasi, data juga merupakan hambatan utama dalam penyebaran AI secara besar-besaran. Responden menyoroti bahwa tiga faktor utama yang mempengaruhi alokasi anggaran AI adalah ketersediaan data (30%), tekanan regulasi (20%), dan kebutuhan untuk memprioritaskan pemeliharaan sistem inti yang ada (14%). Selain itu, masalah keamanan data dan perlindungan privasi menjadi tantangan utama dalam pengelolaan data, sehingga 90% institusi keuangan bergantung pada data internal yang dimiliki sendiri untuk mendukung skenario AI mereka.

Laporan berpendapat bahwa membangun mekanisme “sandbox kepatuhan + federated learning” yang memungkinkan pertukaran nilai lintas institusi dalam batasan regulasi bisa menjadi jalan keluar. Seorang profesor dari universitas di Hong Kong juga menyatakan bahwa institusi keuangan yang mampu menjaga komunikasi dan dialog dengan regulator, serta aktif mengeksplorasi solusi sandbox regulasi, berpotensi memperoleh keunggulan awal dalam penyebaran AI secara besar-besaran.

Lima tahun ke depan, empat tren utama, institusi keuangan aktif merespons

Melihat ke depan lima tahun, para institusi keuangan yang disurvei memperkirakan bahwa model bisnis industri keuangan akan mengalami perubahan mendasar, yang tercermin dalam empat tren utama:

Pertama, beralih dari produk standar ke layanan dinamis berbasis AI secara real-time, mewujudkan layanan yang sangat personal. AI akan mampu menganalisis perilaku, preferensi, dan kebutuhan pelanggan secara real-time, serta menyesuaikan rekomendasi produk dan solusi layanan secara dinamis.

Kedua, AI akan mengambil lebih banyak keputusan, menjadi kolaborator super manusia, mendorong otomatisasi tinggi dan pengambilan keputusan yang optimal. Semakin banyak keputusan rutin akan diserahkan kepada AI, sementara karyawan manusia akan fokus pada penilaian kompleks, pekerjaan kreatif, dan pemeliharaan hubungan pelanggan.

Ketiga, pengelolaan kepatuhan akan beralih dari respons pasif ke kepatuhan cerdas yang tertanam, real-time, dan proaktif. Sistem AI masa depan akan mampu memantau dan memberi peringatan secara real-time dalam proses bisnis, serta mengintegrasikan persyaratan kepatuhan ke setiap tahapan transaksi.

Keempat, pengendalian risiko akan beralih dari laporan analisis pasca kejadian ke intervensi selama proses dan prediksi ke depan, mewujudkan pengendalian risiko prediktif secara real-time. Dengan model pembelajaran mesin yang menganalisis data dalam jumlah besar secara langsung, institusi keuangan dapat mengenali potensi risiko lebih awal.

Untuk mewujudkan penerapan AI yang efektif, survei menunjukkan bahwa institusi keuangan sedang aktif mendorong empat pekerjaan kunci. Pertama, memperkuat fondasi dengan berinvestasi pada infrastruktur data yang memastikan kesiapan AI dan arsitektur cloud hybrid. Data berkualitas tinggi adalah fondasi utama AI; institusi keuangan perlu membangun platform data terpadu, memutuskan isolasi data, dan menyediakan dukungan data yang andal untuk pelatihan dan operasional model AI.

Kedua, mempercepat pengembangan talenta dengan melaksanakan program peningkatan keterampilan AI secara besar-besaran, serta aktif merekrut dan melatih talenta gabungan. Institusi keuangan membutuhkan talenta yang memahami baik bisnis keuangan maupun teknologi AI, yang perlu didatangkan dari luar maupun dilatih secara sistematis dari dalam, untuk meningkatkan literasi AI seluruh staf.

Ketiga, memperkuat kolaborasi ekosistem dengan startup AI, perusahaan fintech, dan lembaga riset, guna mengisi kekurangan kemampuan. Tidak ada satu pun institusi yang mampu menguasai semua kemampuan AI sendiri; melalui kolaborasi terbuka dan pembangunan ekosistem, institusi keuangan dapat dengan cepat mengakses teknologi terbaru dan inovasi, mempercepat penerapan AI.

Keempat, membangun sistem perlindungan risiko yang mampu menangani isu-isu interpretabilitas, bias algoritma, keamanan data, dan etika secara proaktif. Seiring AI memainkan peran semakin penting dalam bisnis inti keuangan, memastikan keputusan AI yang adil, transparan, dan dapat dijelaskan, serta mencegah bias algoritma dan risiko etika, akan menjadi tantangan utama yang harus dihadapi institusi keuangan.