"Kompetisi AI" dalam laporan tahunan bank yang terdaftar: Pada tahun 2025, enam bank utama akan menginvestasikan lebih dari 1300 miliar yuan dalam teknologi keuangan, dengan penerapan skenario dan tantangan risiko yang bersamaan.

每经记者｜刘嘉魁    每经编辑｜魏文艺

随着2025年A股上市银行年报季收官，一组数字勾勒出金融业智能化转型的全新图景——工商银行全年金融科技投入达285.88亿元，招商银行宣称其AI（人工智能）应用在一年内替代了超过1556万人工小时，平安银行的大模型应用场景在一年内翻倍增长至近400个⋯⋯

《每日经济新闻》记者（以下简称“每经记者”）注意到，2025年，工商银行、农业银行、中国银行、建设银行、交通银行、邮储银行等六大国有银行在金融科技上的投入合计超过1300亿元，较2024年的1254.59亿元进一步增长。巨额投入背后，一个更深刻的转变正在发生：人工智能已从年报中展望未来的技术章节，转变为衡量银行核心竞争力的关键标尺。

与此同时，在大洋彼岸，摩根大通正描绘着另一幅AI图景——首席执行官杰米·戴蒙（Jamie Dimon）将人工智能定位为“堪比印刷机与蒸汽机的变革性技术”，并宣布每年投入超过20亿美元，致力于打造“全AI协同企业”。这家华尔街金融巨头不满足于单点应用，而是试图将AI深度融入组织的每一根毛细血管。

一边是国内银行业体系化、规模化的AI投入与场景落地，另一边是国际金融巨头以生态系统思维推进的全方位智能化重构。这场横跨太平洋的金融智能化浪潮，正悄然改变着从信贷审批、风险定价到投资决策的每一个核心环节。

然而，这场火热的AI投入与愿景背后，数据治理的深水区、模型“幻觉”的现实风险以及算法“黑箱”带来的合规挑战，也考验着这场变革的深度与可持续性。金融业的AI征程，在展示出巨大潜力的同时，也步入了一个需要更多智慧与审慎的关键阶段。

图片来源：每经媒资库

Peningkatan Strategi: Lomba Strategis dari “Digital” ke “Numenita”

Para jurnalis dari China Daily (Dailiy Economic News?) merangkum laporan kinerja bank-bank yang terdaftar pada 2025 dan menemukan bahwa “kecerdasan buatan” telah naik dari bab-bab gambaran teknologi menjadi indikator kinerja utama untuk mengukur kompetensi inti di masa depan. Fokus kompetisi ini bergeser dari “apakah menerapkan AI” menjadi “seberapa dalam menerapkan AI, dan seberapa kuat sistemnya”, menampilkan ciri khas penerapan yang sistematis dan berskala.

Bank-bank BUMN besar, dengan sumber daya yang melimpah, sedang membangun “infrastruktur dasar kelas berat” untuk transformasi AI. Dalam laporan tahunannya, Bank Industri dan Komersial (ICBC) secara jelas menyatakan bahwa strategi “Digital ICBC” (D-ICBC) yang telah dijalankan selama empat tahun telah dinaikkan secara penuh menjadi “Numenita ICBC” (AI-ICBC), dan model inti “Gongyin Zhiyong” telah diterapkan pada lebih dari 30 bidang bisnis dengan total lebih dari 500 skenario aplikasi. Bank Konstruksi mengungkapkan bahwa teknologi kecerdasan buatan telah memberdayakan secara berskala 398 skenario di dalam grup. Bank of China membangun platform kemampuan model besar BOCAI, dengan total lebih dari 400 asisten cerdas yang telah dideploy.

Bank saham gabungan dan bank kota menunjukkan kecepatan serta keluasan penerapan skenario yang lebih gesit. Pada konferensi rilis kinerja, Bank China Merchants mengungkapkan bahwa skenario penerapan AI mereka telah mencapai 856, dan sepanjang tahun mereka menggantikan pekerjaan manusia lebih dari 15,56 juta jam melalui AI, yang setara dengan terciptanya efisiensi kerja setara lebih dari 8000 orang full-time. Yang lebih penting, AI sedang beralih dari “pusat biaya” menjadi “mesin manfaat”; asisten cerdas yang ditujukan untuk manajer klien mendorong peningkatan 14% pada rata-rata jumlah kunjungan efektif per orang dan peningkatan 20% pada skala transaksi rata-rata per pelanggan. Skenario aplikasi model besar Bank Ping An dalam setahun melonjak dari “lebih dari 200” menjadi “lebih dari 390”; proporsi jumlah kode yang dihasilkan AI telah melampaui 30%. Bank CITIC membangun pola kolaborasi “model besar + model kecil”; hingga akhir 2025, skenario penerapan model besar telah melampaui 120.

Dari “AI yang diutamakan” menuju “AI yang asli”, bank-bank terdepan berupaya menyematkan kecerdasan secara mendalam ke dalam struktur organisasi, membangun penghalang kompetisi baru.

Seorang peneliti perbankan senior menganalisis kepada wartawan China Daily bahwa pencapaian AI yang banyak diungkap dalam laporan tahunan 2025 menandai transformasi digital perbankan Tiongkok telah memasuki “wilayah laut dalam” yang berfokus pada keputusan cerdas dan perombakan proses. Di balik itu adalah pilihan yang tak terelakkan untuk memperoleh efisiensi dan pertumbuhan dari teknologi, di tengah net interest margin industri yang terus menyempit. Investasi AI tidak lagi sekadar proyek anggaran departemen teknologi, melainkan investasi strategis yang secara langsung terkait dengan indikator kinerja operasional inti seperti penurunan biaya dan peningkatan efisiensi, pengendalian risiko, serta peningkatan pendapatan.

Pendalaman Aplikasi: Revolusi Efisiensi dalam Risk Control, Keuangan Inklusif, dan Operasional yang Terwujud

Setelah bertahun-tahun eksplorasi, penerapan AI dalam perbankan telah melampaui layanan pelanggan cerdas awal dan pembayaran dengan pemindaian wajah, masuk ke inti bisnis, serta menunjukkan potensi yang mendobrak dalam dua hal: meningkatkan efisiensi dan mengendalikan risiko.

Di “jantung” manajemen risiko—bidang kredit dan anti-penipuan—AI sedang mewujudkan perubahan kualitatif dari “penilaian berbasis aturan” menjadi “persepsi cerdas”. Risk control tradisional bergantung pada data historis dan aturan statis, sulit untuk menghadapi risiko baru yang kompleks dan berubah-ubah. Sementara itu, sistem risk control cerdas yang berpusat pada machine learning dan komputasi graf dapat memproses secara real time sejumlah besar data heterogen. Sebagai contoh, Bank Pos dan Tabungan (Postal Savings Bank) membangun sistem model anti-penipuan end-to-end; pada paruh pertama 2025, sistem ini secara kumulatif melindungi lebih dari 100.000 akun calon korban. Platform risk control online Bank China Merchants, pada 2025 menyetujui skala kredit perusahaan mendekati 6000 miliar yuan, naik 44%; waktu peringatan dini risiko pasca-kredit yang dibantu AI rata-rata mendahului mode manual tradisional selama 42 hari.

Dalam bidang keuangan inklusif, AI sedang memecahkan masalah klasik “sulit memperoleh pembiayaan dan mahalnya pembiayaan” bagi usaha kecil dan mikro melalui analisis data substitusi. Banyak bank menggunakan model AI untuk mengintegrasikan data pajak, faktur, rantai pasok, bahkan data utilitas listrik dan air dari perusahaan, guna membuat “profil” kredit untuk usaha kecil dan mikro yang tidak memiliki agunan tradisional, sehingga dapat melakukan pemberian kredit cepat.

Operasional cerdas dan layanan pelanggan adalah perwujudan paling langsung dari penurunan biaya dan peningkatan efisiensi lewat AI. Bank China Merchants menyediakan asisten cerdas untuk lebih dari 10.000 manajer nasabah kekayaan “Golden Sunflower”, yang telah menjadi rekan cerdas dalam pekerjaan sehari-hari. Bank Ping An memanfaatkan generative AI (AIGC) untuk membantu membuat konten pemasaran; hanya untuk langkah ini saja pada 2025 mereka menghemat sekitar 60 juta yuan. Di bagian back-end operasional, “karyawan digital” berbasis AI sedang mengambil alih banyak pekerjaan berulang. Bank CITIC mendorong pemrosesan terpusat untuk pembukaan rekening perusahaan dan perubahan informasi melalui AI, sehingga efisiensi pemrosesan terpusat bisnis meningkat lebih dari 2 kali.

“Keberhasilan AI di bidang-bidang ini kuncinya adalah ia menyelesaikan data masif yang sulit dikelola oleh tenaga kerja dalam model keuangan tradisional, pola kompleks yang sulit dicakup oleh aturan, serta kebutuhan respons real time di bawah lalu lintas berkecepatan tinggi,” analisis peneliti perbankan tersebut. Ia menilai bahwa aplikasi yang matang ini membentuk “fondasi utama” kemampuan AI bank, dan nilainya secara langsung tercermin dalam penghematan biaya, penurunan risiko, serta peningkatan pengalaman.

Ia berpendapat bahwa aplikasi saat ini lebih banyak “mengoptimalkan proses yang sudah ada”; pada tahap berikutnya, kompetisi akan berfokus pada cara memanfaatkan AI untuk “menciptakan proses baru” bahkan “menciptakan bisnis baru”, yaitu bergerak dari “meningkatkan efisiensi internal” menuju “menciptakan pendapatan eksternal”.

Kondisi Luar Negeri: Terobosan dari Optimasi Proses ke Penciptaan Nilai

Ketika industri perbankan domestik berfokus pada pemanfaatan AI untuk mengoptimalkan proses internal dan layanan pelanggan, raksasa keuangan global yang diwakili oleh JPMorgan sedang mengarahkan jangkauan AI ke bidang yang lebih berpotensi mengubah tatanan: keputusan investasi itu sendiri.

Dalam bidang venture capital (VC) dan private equity (PE), AI sedang membentuk ulang logika dasar penemuan proyek dan uji tuntas (due diligence). Pola tradisional yang mengandalkan jaringan perkenalan dan riset industri (seperti platform Wind, Bloomberg, dan sejenisnya) sedang mengalami perubahan. Sebagai contoh, Sequoia Capital telah lama mengembangkan alat AI internal untuk mengotomatisasi pemindaian data perusahaan rintisan di seluruh dunia, artikel akademik, paten, serta berita; pada waktu yang tetap setiap hari, alat tersebut mengirimkan ringkasan analisis awal kepada tim investasi mengenai kandidat potensial, sehingga memperluas cakupan dan meningkatkan efisiensi penyaringan proyek.

Di bidang wealth management dan investment banking untuk klien, AI sedang bergeser dari bantuan di belakang layar menuju layanan di garis depan. JPMorgan bahkan sejak 2023 telah mengajukan merek dagang untuk produknya yang bernama “IndexGPT”, yaitu sebuah alat penasihat investasi yang memanfaatkan teknologi generative AI untuk secara otomatis menganalisis dan memilih aset sekuritas investasi berdasarkan tema atau bidang yang dimasukkan klien. Model ini dilatih di atas model besar umum, dengan memanfaatkan data rahasia skala besar milik JPMorgan seperti makroekonomi dan riset perusahaan yang unik, dengan tujuan memberi saran portofolio investasi yang dipersonalisasi kepada klien.

Selain itu, dalam bisnis pinjaman, penggunaan AI untuk melakukan klasifikasi risiko dan penetapan harga yang lebih rinci terhadap nasabah sudah menjadi praktik yang cukup matang di luar negeri.

Para peneliti perbankan yang disebut di atas menafsirkan bahwa praktik AI lembaga keuangan luar negeri menunjukkan dua tren kunci: pertama, penerapan AI sedang bergeser dari “optimasi proses internal” menuju “penciptaan nilai eksternal”, secara langsung terlibat dalam inti penciptaan nilai seperti pemberian saran investasi dan desain produk; kedua, lembaga-lembaga terdepan memanfaatkan penghalang data unik yang berkualitas tinggi (seperti data transaksi dan riset mendalam) untuk melatih model besar di bidang vertikal, sehingga membangun parit kompetitif baru yang sulit ditiru. Dibandingkan itu, lembaga keuangan domestik masih memiliki ruang pengembangan dalam mendorong keputusan investasi secara langsung dengan AI dan menyediakan layanan penasihat investasi cerdas yang mendalam; mungkin inilah “ketinggian” yang perlu ditaklukkan di masa depan.

Jalan Berbahaya di Depan: Tantangan Tata Kelola Data, “Halusinasi” AI, dan Kekurangan Talenta

Di luar aplikasi matang seperti anti-penipuan dan layanan pelanggan cerdas, industri keuangan sedang mendorong AI secara hati-hati ke bidang yang lebih maju dan lebih inti, mencoba membuka nilai baru, sehingga AI dapat memainkan peran “analis” bahkan “pengambil keputusan tingkat awal” dalam aktivitas keuangan yang lebih kompleks.

Para wartawan China Daily mendapat informasi bahwa dalam analisis sentimen opini cerdas dan peringatan pasar, sudah ada lembaga yang melatih AI untuk menangkap dan menganalisis berita, laporan riset (研报), media sosial, bahkan citra satelit, serta sejumlah besar data tidak terstruktur secara real time, guna menangkap “sinyal” risiko yang mungkin memengaruhi pasar atau perusahaan tertentu. Sebagai contoh, platform kecerdasan buatan “Oriental Brain” milik Orient Securities, rata-rata mampu memproses hampir 70.000 berita sentimen pasar per hari, secara otomatis mengidentifikasi subjek perusahaan dan mengklasifikasikan sentimen negatif.

Dalam manajemen pasca-kredit yang cerdas dan pelestarian aset, AI digunakan untuk pemantauan risiko yang berkelanjutan dan otomatis terhadap portofolio kredit yang sudah ada. Dengan menganalisis data operasional perusahaan, informasi hukum, serta perubahan sentimen, model dapat memberikan peringatan dini atas potensi risiko, mengubah respons yang semula pasif menjadi manajemen yang proaktif. Sebagian bank telah mencoba menggunakan model besar untuk membantu menghasilkan laporan peninjauan pasca-kredit, sehingga waktu penulisan dapat dipangkas secara signifikan.

Eksplorasi yang lebih mendobrak terjadi di wilayah inti transaksi dan investasi. Dalam investasi kuantitatif, selain mengoptimalkan strategi transaksi yang sudah ada, eksplorasi yang lebih mutakhir adalah mengembangkan “trader virtual” yang dapat belajar mandiri struktur mikro pasar dan mengeksekusi sebagian instruksi transaksi secara mandiri. Menurut laporan, JPMorgan telah merilis platform trading kuantitatif AI yang mendukung integrasi cerdas antara high-frequency trading dan strategi multi-factor. Dalam pembelian atas nama nasabah (seperti transaksi valas dan turunan tingkat bunga), AI juga diteliti untuk memberikan saran harga penawaran optimal real time serta strategi lindung nilai bagi trader.

Namun, meskipun prospeknya luas, penerapan mendalam AI di bidang inti keuangan masih menghadapi batasan; tata kelola data, “halusinasi” model besar, dan kekurangan talenta tipe campuran adalah “tiga gerbang” yang harus dilewati oleh lembaga keuangan.

Pertama adalah masalah tata kelola data. Data berkualitas tinggi dan terstandar adalah “bahan bakar” bagi AI. Namun, data keuangan melibatkan privasi pribadi yang sangat sensitif dan rahasia bisnis, serta sering kali tersebar di departemen bisnis berbeda sehingga membentuk “pulau data”. Pakar dari KPMG menyebutkan bahwa lembaga keuangan umumnya menghadapi tantangan seperti kesulitan kolaborasi data heterogen dari banyak sumber dan kesulitan berbagi aliran data internal.

Kedua adalah risiko “halusinasi” model besar dan masalah keandalan. Masalah “halusinasi” bawaan pada model bahasa besar dapat menjadi bencana dalam keputusan keuangan yang menuntut nol kesalahan. Peneliti Bank Pos dan Tabungan Tiongkok (China Postal Savings Bank) Lou Feipeng mengatakan bahwa jika “halusinasi” muncul di bidang manajemen risiko, bank dapat gagal memahami logika risiko, sehingga tidak dapat mengambil langkah respons yang efektif.

Ketiga adalah kekurangan talenta tipe campuran dan rasa sakit akibat perubahan organisasi. Talenta yang benar-benar memahami logika bisnis keuangan yang kompleks sekaligus menguasai algoritma dan rekayasa AI sangat langka. Pada saat yang sama, budaya organisasi bank tradisional yang menekankan ketelitian dan sistem hierarki memiliki ketegangan mendalam dengan pola pengembangan tangkas yang dibutuhkan AI—yang cepat beriterasi dan memberi ruang untuk coba-coba serta toleransi terhadap kegagalan.

Peneliti perbankan yang disebut sebelumnya menyimpulkan bahwa kompetisi masa depan industri keuangan adalah adu ekosistem komprehensif “teknologi—data—tata kelola—talenta”. Hanya lembaga yang mampu lebih dulu membangun aset data berkualitas tinggi, membentuk kerangka tata kelola AI yang tepercaya, serta mendorong transformasi sukses pada organisasi dan budaya, yang dapat memenangkan keunggulan jangka panjang dalam revolusi “numenita” yang mendalam ini.

Penafian: Konten dan data dalam artikel ini hanya untuk referensi, tidak merupakan nasihat investasi; sebelum digunakan, harap verifikasi. Dengan tindakan berdasarkan hal tersebut, risiko ditanggung oleh Anda.

Sumber gambar sampul: kumpulan media dari China Daily (Daily Economic News)