Kecerdasan Buatan: Pakaian Baru Sang Kaisar? Adopsi dalam Layanan Keuangan

Katharine Wooller adalah Chief Strategist – Layanan Keuangan, Softcat plc, sebuah perusahaan TI yang tercatat di FTSE.

Temukan berita dan acara fintech teratas!

Berlangganan buletin FinTech Weekly

Dibaca oleh para eksekutif di JP Morgan, Coinbase, Blackrock, Klarna, dan lainnya

Sedikit topik yang sepolar sebagai AI; putusannya berkisar dari, pada ujung yang lebih positif, batas berikutnya dari kemajuan manusia, sebuah solusi teknologi yang mencari masalah untuk dipecahkan, atau, yang terburuk, potensi untuk menciptakan akhir umat manusia.

Sebagai Chief Strategist di Softcat, yang mendukung 2.500 perusahaan layanan keuangan melalui layanan TI dan infrastruktur, saya memiliki tempat duduk yang istimewa untuk menyaksikan inovasi terwujud di seluruh spektrum perusahaan FS&I.

Pertama yang bergerak, terjadi adopsi yang kuat pada dana hedge quant, yang merangkul investasi besar dalam AI untuk imbal hasil yang lebih baik, dan juga asuransi, yang diuntungkan dari jumlah besar data—keduanya dapat dengan mudah membenarkan kasus penggunaan yang jelas dengan ROI yang kuat.
 
Perusahaan layanan keuangan telah melakukan pemodelan matematis dan machine learning hampir satu dekade sebelum AI dipasarkan dalam wujudnya saat ini, tetapi baru-baru ini performa besar infrastruktur AI telah mendorong adopsi yang kuat oleh dana perdagangan kuantitatif dan perusahaan asuransi serta manajemen kekayaan, semuanya mencari manfaat dari banyaknya data yang kini tersedia bagi mereka.

Selain itu, banyak dari yang dijual sebagai AI sebenarnya hanyalah perwujudan berikutnya dari otomasi.

Meski kami melihat minat besar pada AI di semua jenis perusahaan layanan keuangan, berdasarkan potensi teknologi yang sangat besar, pada akhirnya kita masih berada di lereng awal adopsi. Lebih jauh, terdapat variasi yang sangat besar dalam kasus penggunaan—sebuah bank peringkat teratas akan menerapkan AI secara sangat berbeda, misalnya, daripada perhimpunan bangunan lokal dengan sepuluh cabang.

Saya sering melihat adanya selera yang berbeda di dalam organisasi yang sama, dengan dewan, generasi yang lebih muda yang lebih melek digital, dan fungsi operasional/keuangan yang sering kali lebih menyambut gagasan tersebut, dibandingkan, misalnya, rekan-rekan kepatuhan. Kekhawatiran yang sering muncul mencakup sifat “black box” dari teknologi, kekhawatiran seputar penerapan AI secara etis, dan kurangnya kejelasan regulasi.

Namun demikian, ada pola yang jelas yang mulai muncul dalam hal apa yang mendorong adopsi awal dan tingkat penggunaan yang kuat. Perusahaan yang sukses memiliki strategi kuat untuk mengadopsi AI, membentuk pusat keunggulan, dan memastikan data mereka berada dalam kondisi yang sesuai sejak awal; upaya kecil seperti itu memang terdengar seperti pekerjaan ringan, tetapi justru menjadi landasan bagi inovasi yang sukses.

Kerap kali, kami melihat kasus penggunaan pertama untuk diterapkan pada alat produktivitas seperti ChatGPT, Co-pilot, atau Claude, yang sering menjadi titik masuk bagi banyak rekan kerja untuk merangkul gagasan tentang AI, dan kadang secara sinis disebut sebagai “gateway drug”!
 
Secara kultural, mengadopsi AI dapat menjadi perubahan besar dari status quo, dan tim kepemimpinan yang sangat efektif akan menyiapkan organisasi mereka agar siap menghadapi masa depan. Strategi HR yang berwawasan ke depan adalah hal yang sangat penting, dengan membangun kapabilitas dan keahlian AI internal, berfokus pada keterampilan dan keahlian yang relevan, serta mendorong berbagi pengetahuan. Perspektif jangka panjang perlu diambil dalam hal penempatan kembali rekan kerja yang perannya digantikan oleh efisiensi yang digerakkan oleh AI.

Sudah semestinya, banyak perhatian diberikan pada nilai tambah AI; ada beberapa bank yang memiliki ratusan potensi kasus penggunaan, dan menavigasi mana yang perlu masuk ke proof of concept, serta melakukan peluncuran lebih luas, dapat menjadi tantangan. Praktik terbaik, untuk teknologi baru seperti ini, baru saja mulai muncul. Pada tahap awal, menelusuri sejumlah besar potensi kasus penggunaan untuk memprioritaskan yang menawarkan penciptaan nilai terbesar bisa terasa melelahkan, dan triase yang tanpa ampun dapat dilakukan berdasarkan dampak, biaya, kelayakan, serta keselarasan dengan tujuan bisnis yang lebih luas, untuk mengevaluasi potensi ROI.

Dibutuhkan kerangka pengukuran yang dipikirkan dengan matang untuk mengevaluasi proyek AI, dengan KPI yang relevan, metodologi pengumpulan data yang kuat, serta mekanisme pelaporan yang didefinisikan secara jelas. Setelah sebuah proyek AI menjadi bagian dari BAU, harus ada kebijakan pengembangan iteratif berkelanjutan dari waktu ke waktu untuk memaksimalkan imbal hasil dan memastikan keselarasan dengan prioritas strategis—sekali lagi, ini sering kali menjadi fitur budaya dari tim yang berkinerja tinggi.

Baru-baru ini, saya diundang untuk berbicara tentang AI bersama seorang regulator.  Dalam sebuah diskusi meja bundar industri, sebuah pertanyaan yang brilian sekaligus membingungkan diajukan: “Masalah tunggal apa yang dapat diselesaikan AI lebih baik daripada yang lainnya?” Tidak mengherankan, setiap organisasi memiliki jawaban yang sama sekali berbeda, dan saya memperkirakan perusahaan akan bergumul dengan pertanyaan ini selama bertahun-tahun ke depan.

Mereka yang tidak mampu bersikap strategis tentang AI, dan menerapkan dengan cara yang tepat serta tepat waktu, akan mengalami ketertinggalan yang signifikan.