Dari penekanan biaya hingga pergeseran kondisi makroekonomi yang tidak menguntungkan hingga peningkatan investasi teknologi yang belum membuahkan hasil sesuai harapan, organisasi pengelola aset menghadapi hambatan besar saat kalender bergeser ke tahun 2026.

Dalam analisis tahun 2025 tentang industri pengelolaan aset global, McKinsey & Company menemukan, misalnya, bahwa margin pengelola aset telah menurun sebesar tiga poin persentase di Amerika Utara dan lima poin persentase di Eropa selama lima tahun terakhir akibat faktor-faktor tersebut.

Namun, sebuah katup pelepas tekanan tersedia dalam bentuk penempatan AI yang terarah dan tepat sasaran. AI dalam berbagai bentuknya — generatif, agenik, dll. — mulai menunjukkan nilai dalam berbagai kasus penggunaan di depan, tengah, dan belakang kantor, memberi pengelola aset sarana untuk meraih peningkatan produktivitas dan efisiensi baru, mengidentifikasi dan memanfaatkan peluang bisnis yang menguntungkan sebelum pesaing. Dalam analisisnya, yang didasarkan pada survei terhadap eksekutif tingkat C dari perusahaan pengelola aset di Amerika Utara dan Eropa, McKinsey menentukan bahwa untuk pengelola aset rata-rata, potensi dampak dari AI, gen AI, dan AI agenik “bisa menjadi transformatif, setara dengan 25 hingga 40 persen dari basis biaya mereka.”

Tantangan bagi organisasi pengelolaan aset, maka, adalah menentukan di mana dalam organisasi mereka AI dapat memberikan nilai paling besar.

Menerapkan AI untuk Dampak Maksimal

Perusahaan di seluruh lanskap pengelolaan aset menggunakan AI di berbagai bidang. Sebagian besar aktivitas tersebut terjadi di organisasi besar yang memiliki sumber daya mendalam untuk mengembangkan kemampuan mereka sendiri seputar model bahasa besar, dengan agen AI yang terarah dan sejenisnya. Tetapi sisi lain dari koin AI adalah bahwa AI juga dapat membantu pengelola aset di luar organisasi Tier Satu terbesar bersaing secara lebih setara melawan perusahaan-perusahaan besar ini.

Selain itu, sementara banyak organisasi memfokuskan investasi mereka pada kasus penggunaan AI yang berhadapan langsung dengan pelanggan, penting untuk tidak mengabaikan peluang menciptakan nilai melalui implementasi AI lain yang dapat diskalakan di seluruh depan, tengah, dan belakang kantor. Alih-alih mencari solusi titik yang mungkin tidak terintegrasi dengan baik satu sama lain, pendekatan yang lebih bijaksana untuk menghasilkan nilai dari AI bisa jadi adalah menargetkan investasi yang menghapus tembok virtual antara ketiga lapisan kantor tersebut untuk menciptakan efisiensi, meningkatkan produktivitas, menyederhanakan proses, dan memberikan informasi yang lebih baik dalam perencanaan dan strategi.

Singkatnya, carilah kasus penggunaan AI yang mendorong — dan dapat memanfaatkan — pergerakan data yang lebih bebas di seluruh organisasi. Berikut beberapa yang tampak sangat menjanjikan:

1. Otomatiskan dan percepat penutupan keuangan dan fungsi keuangan lainnya. Keuangan secara historis merupakan area yang penuh proses manual. Dengan bantuan agen AI, organisasi pengelola aset memiliki peluang untuk mengotomatisasi banyak proses di sekitar fungsi keuangan, termasuk penutupan keuangan serta AR, AP, rekonsiliasi faktur dan sejenisnya. Dalam skenario ini, AI dapat mendukung otomatisasi yang lebih baik dalam pergerakan data. Ia juga dapat memberikan pemberitahuan proaktif kepada pengguna bisnis keuangan — dan skenario yang dapat ditindaklanjuti — untuk masalah yang mungkin tidak terlihat terkait surplus/defisit modal, penyesuaian neraca, dan lain-lain.

2. Tingkatkan manajemen risiko melalui penyelarasan yang nyata dengan keuangan. Data dari kantor belakang sangat berharga bagi tim manajemen risiko di kantor tengah. Tim tersebut dapat menggunakan data tentang kepemilikan investor, arus kas, likuiditas pasar, margin/jaminan, dll., yang dikombinasikan dengan data profil dan komunikasi pelanggan untuk mengidentifikasi sinyal awal penebusan klien dan risiko likuiditas terkait.

3. Identifikasi dan mobilisasi cepat peluang untuk struktur biaya dan model bisnis baru. Organisasi dapat memerintahkan alat AI mereka untuk meneliti dan memodelkan dampak perubahan biaya potensial serta model bisnis baru. Apa yang disarankan data historis tentang bagaimana perubahan biaya akan mempengaruhi piutang? Apakah ada peluang untuk membagi area bisnis yang ada (seperti kelas aset tertentu atau dana geografis) menjadi dua atau lebih bagian, atau mengelompokkan pelanggan secara berbeda, dan seberapa kuat justifikasi bisnis untuk langkah-langkah seperti ini?

4. Beri informasi pengambilan keputusan tentang ekspansi ke produk atau wilayah baru. Organisasi Anda sedang mempertimbangkan langkah ke pasar geografis yang menjanjikan tetapi relatif berisiko. Bagaimana hasil langkah serupa di masa lalu dari segi biaya yang diharapkan dan aktual? Apa dampak regulasi dan SDM yang mungkin timbul dari langkah tersebut? Dialog dengan asisten digital AI generatif dapat menghasilkan jawaban berharga untuk pertanyaan-pertanyaan ini, sehingga pengambilan keputusan strategis menjadi lebih baik.

5. Modelkan skenario “bagaimana jika” terkait dampak potensial dari rebalancing portofolio terhadap pendapatan masa depan serta prioritas dan toleransi risiko pelanggan. Alat AI dapat memberikan wawasan tentang dampak potensial dari perubahan semacam ini, sekaligus menawarkan rekomendasi tentang waktu optimal berdasarkan kewajiban hutang dan faktor lainnya. Dengan menghubungkan data seperti ini, AI membantu mengatasi ketidaksesuaian informasi antara fungsi keuangan dan manajemen portofolio di depan, mendukung perencanaan strategis dan penganggaran yang lebih tepat sasaran.

Dalam salah satu perusahaan yang saya tangani, misalnya, mereka berusaha menggabungkan data atribusi portofolio tentang kinerja elemen-elemen individual portofolio mereka dengan data tentang toleransi risiko dan struktur biaya pelanggan. Tujuannya adalah untuk memahami lebih baik dampak keuangan dari rebalancing portofolio terhadap harapan pelanggan dan pendapatan masa depan.

6. Tingkatkan produktivitas. Beberapa eksekutif pengelola aset yang baru saya ajak bicara mengatakan bahwa organisasi mereka berusaha menggandakan aset yang dikelola tanpa peningkatan signifikan dalam jumlah karyawan, hanya dengan memanfaatkan AI dan agen AI secara lebih luas di seluruh organisasi mereka. Mereka menciptakan agen AI dan menempatkannya tepat di samping karyawan — sebagai ekstensi digital dari karyawan tersebut, pada dasarnya. Pada akhirnya, peningkatan produktivitas yang diberikan agen ini memungkinkan perusahaan kecil dan menengah bersaing seimbang dengan perusahaan besar.

7. Perkuat deteksi penipuan selama proses onboarding pelanggan. AI mahir dalam memindai dan memvalidasi keaslian dokumen onboarding secara cepat, mengidentifikasi bahkan anomali kecil sekalipun (dalam ukuran font, format dokumen, dll.) yang dapat menunjukkan bahwa pelanggan tidak seperti yang terlihat dan memerlukan penyaringan lebih lanjut.

Sebagaimana kasus penggunaan ini dapat berdampak besar dalam organisasi pengelolaan aset, memaksimalkan nilainya sangat bergantung pada kualitas dan aksesibilitas data yang menyokongnya. Pertama dan terutama, data harus dapat dipahami oleh manusia dan mesin secara mandiri. Seringkali, perusahaan menarik data dari aplikasi sumber dan memindahkannya ke data lake. Namun, hal ini menghilangkan semantik dan konteks penting yang spesifik untuk lingkungan aplikasi tersebut. Tanpa metadata ini, output AI — dan dampak keseluruhannya — bisa menjadi kurang optimal. Jadi, dalam banyak kasus, organisasi lebih baik membiarkan data tersebut tetap di lingkungan aplikasi aslinya bersama metadata pendukungnya. Anggap saja data dalam aplikasi ini sebagai baterai yang memberi daya pada generative AI, AI agenik, dan analitik cerdas dalam organisasi. Semakin kuat baterainya, semakin baik posisi organisasi pengelola aset untuk memanfaatkan investasi AI mereka dalam menembus hambatan yang menghadang.

Lihat Asli

Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.