Industri keuangan yang "dingin" terhadap kepopuleran "Udang Laut" Aplikasi agen cerdas menunggu kejelasan garis merah kepatuhan

（Sumber: Economic Information Daily）

Sebuah gelombang “memelihara udang” yang dipicu oleh agen AI open-source OpenClaw (disebut juga “lobster”) kini menyapu seluruh internet dengan kecepatan yang belum pernah terjadi sebelumnya. Alat ini dinamai dari logo lobster merah, dan menarik minat mulai dari para geek hingga pengguna biasa berkat kemampuannya untuk “membebaskan tangan” melalui eksekusi tugas secara otomatis. Namun, dalam pesta pora teknologi yang ramai ini, industri keuangan—yang selama ini menjadi pelopor transformasi digital—justru menunjukkan “ketenangan” yang berbeda dari industri lainnya.

Dalam lebih dari satu minggu terakhir, Pusat Tanggap Darurat Internet Nasional, Kementerian Perindustrian dan Informatika, dan Asosiasi Keuangan Internet Tiongkok telah menyampaikan peringatan secara intensif, langsung menunjuk bahwa pada konfigurasi default OpenClaw terdapat risiko keamanan seperti serangan siber dan kebocoran informasi, terutama di bidang keuangan. Hak sistem yang tinggi secara default dan konfigurasi keamanan yang lemah membuatnya sangat mudah menjadi celah untuk mencuri data sensitif atau mengendalikan transaksi secara ilegal. Rangkaian peringatan regulator ini memberi catatan pada sikap kehati-hatian kalangan keuangan terhadap gelombang tren ini. Di tengah benturan antara pesta teknologi dan batas garis risiko, sikap nyata lembaga keuangan serta pilihan strategis mereka sedang menjadi jendela untuk mengamati kedalaman penerapan AI di industri.

“Memelihara udang” memang panas

Kepatuhan tetap “garis tekanan tinggi”

“Di level operasional bisnis, belum pernah diuji untuk mengintegrasikan agen cerdas ini, jadi secara keseluruhan masih hati-hati.” Seorang karyawan bank komersial di wilayah Tiongkok Utara mengatakan kepada reporter. Meskipun ada nasabah yang bertanya, perusahaan tersebut tidak punya rencana untuk mengintegrasikannya, bahkan di lingkungan internal pun dilarang menggunakannya. Sementara itu, seorang praktisi di jalur manajemen risiko bank saham di wilayah Tiongkok Selatan mengungkapkan bahwa ada rekan yang mencoba memasang untuk uji coba di perangkat pribadi. Namun karena merasa risiko keamanannya terlalu besar, akhirnya mereka tetap memilih untuk menghapusnya.

Sikap umum yang “menunggu dan melihat” ini bukanlah kebetulan. Berbeda dengan pasar massal yang mengejar efisiensi secara ekstrem, logika dasar lembaga keuangan adalah pengendalian risiko. “Alasan utamanya adalah industri keuangan memiliki pengawasan yang kuat serta persyaratan batas risiko yang tinggi; mekanisme eksekusi otomatis end-to-end OpenClaw pada tahap ini sangat tidak sepadan dengan persyaratan kepatuhan keuangan.” demikian menurut Wang Pengbo, analis senior untuk sektor keuangan di Bain (konsultan). Ia berpendapat bahwa keseriusan dan aspek keamanan dalam industri keuangan merupakan garis merah yang tidak bisa dilanggar, dan berbeda secara mendasar dari sektor lainnya.

Ketidaksesuaian ini terlihat secara langsung pada izin teknis. Seorang teknisi di divisi teknologi perusahaan fintech di sebuah bank saham menjelaskan kepada reporter: OpenClaw perlu mengakses izin, termasuk namun tidak terbatas pada akses ke sistem file lokal, memanggil API layanan eksternal, bahkan izin perluasan tingkat sistem. Izin tersebut jauh lebih tinggi dibanding AI berbasis percakapan biasa. “Baik institusi maupun orang biasa harus tetap bersikap hati-hati,” katanya.

Kekhawatiran regulator bahkan lebih sistemik. Dalam peringatan risiko yang dirilis Asosiasi Keuangan Internet Tiongkok pada 15 Maret, OpenClaw secara rinci didaftarkan dalam empat risiko utama di industri keuangan: risiko kerugian dana akibat pencurian kata sandi internet banking melalui eksploitasi celah; risiko tanggung jawab transaksi di mana pihak yang bertanggung jawab menjadi sulit ditentukan setelah terjadi kesalahan akibat otomatisasi; risiko kepatuhan data, di mana data sensitif mungkin ditransmisikan ke pihak ketiga; serta risiko penipuan jenis baru yang dilakukan dengan narasi seperti “AI untuk trading saham” (AI代炒股). Titik-titik risiko ini nyaris tepat sasaran menyasar “kelemahan” industri keuangan.

Sebagaimana dikatakan oleh Shen Xiayi, Wakil Direktur Eksekutif Institute Riset Sekuritas dari Federal Reserve, inovasi di industri keuangan selalu “menari sambil memakai borgol,” dan setiap inovasi teknologi harus dengan prasyarat risiko dapat dikendalikan.

Eksplorasi yang berbeda:

Dari “otomatisasi seluruh proses” ke “kolaborasi manusia-mesin untuk bantuan”

Sikap hati-hati tidak berarti menolak. Faktanya, sebelum OpenClaw meledak dan menjadi viral, transformasi cerdas yang lebih praktis dan lebih mendalam sudah diam-diam menyebar di berbagai sub-sektor industri keuangan.

Bank of Industry and Commerce, Bank Pudong Development, WeBank, dan institusi lain pernah dikabarkan memiliki dinamika terkait agen cerdas yang dikembangkan sendiri di tingkat perusahaan. Di bidang penelitian investasi dan riset (投研), tren ini cukup panas. Berdasarkan catatan tidak lengkap reporter, hingga saat ini sedikitnya 9 perusahaan sekuritas—termasuk CITIC Securities, Huatai Securities, dan Guojin Securities—telah menjadwalkan “Kelas Khusus OpenClaw” dalam agenda hari presentasi. Perusahaan manajemen dana seperti E fund, Bosera, dan Xingzheng Global juga telah membentuk tim khusus untuk memverifikasi fungsionalitas OpenClaw dalam lingkungan jaringan yang terisolasi, serta mengeksplorasi penerapannya pada skenario seperti pengumpulan informasi pasar, tinjauan kepatuhan otomatis, pembuatan laporan otomatis, dan sebagainya.

“Yang kami amati adalah bahwa transformasi cerdas institusi seperti bank, consumer finance, dan pembayaran semuanya mengambil jalur berbasis bantuan, tanpa mengejar otomatisasi seluruh proses secara membabi buta; rancangannya cukup realistis.” kata Wang Pengbo. Ia juga menekankan bahwa fokus tata letak tiap institusi berbeda: bank terutama digunakan untuk persetujuan manajemen risiko, pemasaran nasabah, pengelolaan setelah pemberian pinjaman, dan layanan pelanggan cerdas; perusahaan consumer finance berfokus pada mengoptimalkan model manajemen risiko; sedangkan institusi pembayaran terutama digunakan untuk anti-penipuan transaksi dan anti pencucian uang.

Gambaran masa depan yang dipaparkan oleh laporan “Laporan Tahunan Industri Perbankan Global 2025” dari McKinsey sejalan dengan jalur praktik di industri saat ini: satu agen menjalankan tugas, yang kedua melakukan verifikasi atas celah (漏洞), dan yang ketiga mengajukan untuk peninjauan akhir oleh manusia. Dalam rantai pekerjaan ini, “verifikasi akhir” manusia tetap merupakan bagian yang tidak bisa diabaikan. Agen cerdas inti yang dibentuk oleh sebagian institusi consumer finance saat ini, atau platform manajemen risiko cerdas dan layanan pembayaran, pada dasarnya semuanya berada dalam kerangka “kolaborasi manusia-mesin”, sehingga AI dapat berperan pada tahap yang non-inti atau yang risikonya dapat dikendalikan.

“Tahap-tahap ini, baik merupakan tahap bantuan yang non-inti, atau merupakan wilayah di mana AI bisa memainkan peran dasar dan risikonya dapat dikendalikan.” kata Wang Pengbo. Ia menilai ini tidak hanya menghindari risiko kepatuhan dan keamanan, tetapi juga menghindari kontradiksi inti terkait keterbukaan bisnis. Nilai terbesar agen cerdas open-source adalah mengotomatiskan proses-proses yang berulang dan rumit dalam institusi keuangan, untuk menurunkan biaya dan meningkatkan efisiensi.

Jalan masa depan:

Memecahkan masalah inti, menjaga batas keamanan

Meski prospeknya luas, teknologi cerdas memberi dorongan efisiensi bagi institusi keuangan, namun kekhawatiran teknisnya juga menyertai. Baru-baru ini, Bank Rakyat Tiongkok Cabang Provinsi Sichuan mengeluarkan surat sanksi administratif kepada sebuah bank—alasannya karena melanggar ketentuan pengelolaan teknologi finansial.

Peneliti khusus untuk Bank Sushang, Xue Hongyan, menganalisis bahwa kekhawatiran institusi keuangan terhadap agen cerdas open-source terutama terkonsentrasi pada tiga dimensi: privasi data. Ada kontradiksi antara sifat data keuangan yang sangat sensitif dengan kebutuhan pengumpulan besar-besaran oleh agen cerdas; kepatuhan regulasi. Ketidakjelasan agen cerdas berhadapan dengan persyaratan “dapat ditelusuri dan dapat diaudit”; biaya pengembangan. Biaya penguatan keamanan dan koreksi kesalahan mungkin melebihi manfaat yang diperkirakan.

Tantangan yang lebih dalam berasal dari teknologi itu sendiri. Huang Feng, Chief Information Officer dari Guolian An Fund, memberi contoh dengan perumpamaan: OpenClaw saat ini lebih mirip “magang yang kemampuannya kuat.” Ia mampu menyelesaikan tugas bantuan, tetapi akurasi output tidak stabil. Sementara itu, industri keuangan sering mensyaratkan ketepatan hasil data hingga mencapai 100%. Perhitungan NAV (nilai aset bersih), kueri rekening, dan bisnis inti lainnya tidak boleh ada sedikit pun kesalahan. Pada saat yang sama, OpenClaw memerlukan izin akses sistem yang tinggi untuk menjalankan pekerjaannya, yang bertentangan secara alami dengan kontrol ketat atas izin dalam industri keuangan—bahkan karyawan senior yang bekerja lebih dari sepuluh tahun pun tidak diizinkan untuk mengakses seluruh data inti, lalu bagaimana bisa mudah membiarkan “magang AI” mendapatkan seluruh hak akses data lapisan dasar perusahaan keuangan?

Menghadapi tantangan ini, kalangan industri memiliki pemahaman yang jernih mengenai jalur perkembangan ke depan. Wang Pengbo berpendapat bahwa jika agen AI open-source ingin masuk ke skenario inti di industri keuangan, ia harus menyelesaikan enam masalah inti: algoritma yang dapat dijelaskan dan dapat ditelusuri, memenuhi persyaratan pengawasan yang kuat; kejelasan batas kewenangan dan tanggung jawab, sesuai dengan keseriusan industri; mengatasi kekurangan model besar itu sendiri untuk meningkatkan tingkat kecerdasan; kepatuhan data untuk memastikan informasi sensitif tidak bocor; menyeimbangkan kebutuhan bisnis dan menemukan titik keseimbangan kepentingan; serta mempertahankan kewenangan intervensi manusia untuk menghindari risiko yang tidak dapat diperbaiki.

Praktik Bank Nanjing menyediakan contoh yang dapat diamati. Bank ini bekerja sama dengan vendor eksternal untuk menerapkan workstation agen cerdas serba guna HiAgent. Hingga kini sudah mendarat lebih dari 20 agen cerdas berkualitas tinggi, dan meluncurkan “Program Rencana Ganda Model Besar (双百计划)” yang bertujuan melatih karyawan lini depan menjadi “pemain berat” bagi agen cerdas. Cara pikir “membuat karyawan mengendalikan alat” ini merupakan perwujudan konkret dari konsep “kolaborasi manusia-mesin.”

Pada 11 Maret, Bank Rakyat Tiongkok mengadakan rapat kerja teknologi tahun 2026, yang secara jelas mengusulkan “memperdalam integrasi bisnis dan teknologi, mendorong penerapan AI di bidang keuangan secara aktif namun tetap stabil, serta dengan cara yang aman, tertib, dan berurutan; melepaskan dinamika pembangunan digital dan cerdas.” Pedoman enam belas kata ini menetapkan dasar bagi eksplorasi AI di industri keuangan: tidak boleh mengambil pendekatan mundur karena khawatir berlebihan, dan tidak boleh bergerak maju secara membabi buta.

Dalam gelombang “memelihara udang” ini, pilihan institusi keuangan mungkin terlihat agak “konservatif.” Namun nilai teknologi tidak hanya terletak pada seberapa besar imajinasi yang bisa dibukanya, melainkan juga pada seberapa jauh teknologi itu dapat dikendalikan dengan aman. Bagi industri keuangan, kehati-hatian mungkin akan berjalan lebih jauh daripada euforia.

Melimpahnya informasi, interpretasi yang akurat, semuanya ada di aplikasi Sina Finance