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

Katharine Wooller adalah Kepala Strategi – Layanan Keuangan, Softcat plc, sebuah perusahaan TI yang terdaftar di FTSE.

Temukan berita dan acara fintech teratas!

Berlangganan newsletter FinTech Weekly

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

Beberapa topik sangat mempolarisasi seperti AI; putusannya berkisar dari, di ujung yang lebih positif, batas berikutnya dari kemajuan manusia, solusi teknologi yang mencari masalah untuk diperbaiki, atau, dalam kasus terburuk, potensi untuk menciptakan akhir dari umat manusia.

Sebagai Kepala Strategi untuk Softcat, yang mendukung 2.500 perusahaan layanan keuangan melalui layanan TI dan infrastruktur, saya memiliki posisi istimewa di garis depan dalam menyaksikan inovasi berkembang di seluruh spektrum perusahaan FS&I.

Pertama-tama, ada adopsi yang kuat di dana hedge kuantitatif, yang memanfaatkan investasi besar dalam AI untuk meningkatkan hasil, dan juga asuransi, yang mendapatkan manfaat dari data dalam jumlah besar – keduanya dengan mudah dapat membenarkan kasus penggunaan yang jelas dengan ROI yang kuat.
 
Perusahaan layanan keuangan telah melakukan pemodelan matematis dan pembelajaran mesin hampir satu dekade sebelum AI dipasarkan dalam bentuk saat ini, tetapi baru-baru ini performa infrastruktur AI yang luar biasa telah mendorong adopsi yang kuat oleh dana perdagangan kuantitatif dan perusahaan asuransi serta pengelolaan kekayaan, semuanya mencari manfaat dari jumlah data besar yang kini tersedia bagi mereka.

Selain itu, banyak dari apa yang dijual sebagai AI hanyalah inkarnasi berikutnya dari otomatisasi.

Meskipun kami melihat minat besar terhadap AI di semua jenis perusahaan layanan keuangan, berdasarkan potensi besar teknologi ini, kami pada akhirnya berada di kaki bukit adopsi. Lebih jauh lagi, ada berbagai kasus penggunaan yang sangat bervariasi – sebuah bank tier satu akan menerapkan AI dengan cara yang sangat berbeda dari, misalnya, sebuah masyarakat bangunan lokal dengan sepuluh cabang.

Seringkali saya melihat selera yang berbeda dalam organisasi yang sama, dengan dewan direksi, generasi muda yang lebih paham digital, dan fungsi operasional/keuangan yang sering lebih menyambut ide ini, dibandingkan, misalnya, kolega di bidang kepatuhan. Kekhawatiran yang sering muncul termasuk sifat “kotak hitam” dari teknologi, kekhawatiran tentang penerapan AI secara etis, dan kurangnya kejelasan regulasi.

Namun, ada pola yang jelas muncul dalam apa yang membuat adopsi awal dan tingkat penggunaan yang kuat. Perusahaan yang sukses memiliki strategi yang kuat untuk mengadopsi AI, membentuk pusat keunggulan, dan memastikan data mereka dalam kondisi yang tepat sejak awal; ini terdengar seperti tugas kecil, tetapi mereka adalah fondasi dari inovasi yang sukses.

Kami sering melihat kasus penggunaan pertama yang diterapkan dalam alat produktivitas seperti ChatGPT, Co-pilot, atau Claude, yang sering menjadi titik masuk bagi banyak kolega dalam menerima ide AI, dan terkadang secara kering disebut sebagai “obat gerbang”!
 
Secara budaya, mengadopsi AI bisa menjadi perubahan besar dari status quo, dan tim kepemimpinan yang sangat efektif akan berusaha mempersiapkan organisasi mereka untuk masa depan. Strategi SDM yang berpikiran maju sangat penting, membangun kemampuan dan keahlian AI internal, fokus pada keterampilan yang relevan, keahlian, dan mendorong berbagi pengetahuan. Pandangan jangka panjang perlu diambil dalam merelokasi kembali kolega yang peran mereka tergantikan oleh efisiensi yang didorong AI.

Ada banyak fokus yang benar pada nilai tambah AI; ada beberapa bank yang memiliki ratusan kasus penggunaan potensial dan menavigasi mana yang akan diuji coba dan diluncurkan secara lebih luas bisa menjadi tantangan. Praktik terbaik, untuk teknologi yang baru ini, baru mulai muncul. Pada awalnya, menyaring melalui sejumlah besar kasus penggunaan potensial untuk memprioritaskan yang menawarkan nilai terbesar bisa sangat membebani, dan triase yang ketat dapat dilakukan berdasarkan dampak, biaya, kelayakan, dan kesesuaian dengan tujuan bisnis yang lebih luas, untuk mengevaluasi ROI potensial.

Perlu ada kerangka pengukuran yang dipikirkan dengan matang untuk mengevaluasi proyek AI, dengan KPI yang relevan, metodologi pengumpulan data yang kuat, dan mekanisme pelaporan yang jelas. Setelah proyek AI menjadi bagian dari kegiatan rutin, harus ada kebijakan pengembangan iteratif berkelanjutan dari waktu ke waktu untuk memaksimalkan hasil dan memastikan keselarasan dengan prioritas strategis – ini sering menjadi ciri budaya dari tim yang berkinerja tinggi.

Baru-baru ini, saya diundang berbicara tentang AI dengan regulator. Dalam sebuah meja bundar industri, sebuah pertanyaan yang sangat membingungkan diajukan: “Masalah apa yang AI pecahkan dengan lebih baik daripada yang lain?” Tidak mengherankan, setiap organisasi memiliki jawaban yang sangat berbeda, dan saya memperkirakan perusahaan akan bergulat dengan pertanyaan ini selama bertahun-tahun ke depan.

Mereka yang tidak dapat bersikap strategis tentang AI, dan menerapkannya secara tepat waktu dan sesuai, akan berada pada posisi yang sangat tidak menguntungkan.