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 sepolar AI; putusannya berkisar dari, di ujung yang lebih positif, sebagai frontier 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 untuk menyaksikan inovasi berkembang di seluruh spektrum perusahaan FS&I.

Pertama-tama, ada adopsi yang kuat dari hedge fund kuantitatif, yang memanfaatkan investasi besar dalam AI untuk meningkatkan hasil, dan juga asuransi, yang mendapatkan manfaat dari data dalam jumlah besar – keduanya dapat dengan mudah membenarkan 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 masih berada di tahap awal adopsi. Selain itu, 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.

Sering kali saya melihat adanya perbedaan minat dalam organisasi yang sama, dengan dewan direksi, generasi muda yang lebih paham digital, dan fungsi operasional/keuangan yang sering lebih menyambut ide ini, dibandingkan dengan rekan-rekan di bidang kepatuhan. Kekhawatiran yang sering muncul meliputi sifat “kotak hitam” dari teknologi, kekhawatiran tentang penerapan AI secara etis, dan kurangnya kejelasan regulasi.

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

Sering kali, penggunaan pertama yang diterapkan adalah alat produktivitas seperti ChatGPT, Co-pilot, atau Claude, yang sering menjadi titik masuk bagi banyak rekan dalam menerima ide AI, dan kadang 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 dan keahlian yang relevan, serta mendorong berbagi pengetahuan. Pandangan jangka panjang juga diperlukan dalam merelokasi kembali rekan kerja yang peran mereka tergantikan oleh efisiensi yang didorong AI.

Ada banyak perhatian yang tepat pada nilai tambah AI; beberapa bank memiliki ratusan kasus penggunaan potensial dan menavigasi mana yang harus diuji coba dan diluncurkan secara lebih luas bisa menjadi tantangan. Praktik terbaik, untuk teknologi baru seperti ini, baru mulai muncul. Pada awalnya, menyaring dari banyak kemungkinan kasus penggunaan 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 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 operasi rutin, harus ada kebijakan pengembangan iteratif berkelanjutan untuk memaksimalkan hasil dan memastikan kesesuaian dengan prioritas strategis – ini sering menjadi ciri budaya tim yang berkinerja tinggi.

Baru-baru ini, saya diundang berbicara tentang AI dengan regulator. Dalam sebuah diskusi industri, muncul pertanyaan yang sangat membingungkan: “Satu 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 terus bergulat dengan pertanyaan ini selama bertahun-tahun.

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