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

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

Temukan berita dan acara fintech teratas!

Berlangganan buletin FinTech Weekly

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

Sedikit topik yang sepolarising seperti AI; keputusan bervariasi dari, di sisi yang lebih positif, batasan berikutnya dari kemajuan manusia, solusi teknologi yang mencari masalah untuk diperbaiki, atau, yang terburuk, potensi untuk menciptakan akhir umat manusia.

Sebagai Kepala Strategi untuk Softcat, yang mendukung 2.500 perusahaan layanan keuangan melalui layanan IT dan infrastruktur, saya memiliki tempat duduk barisan depan yang istimewa untuk menyaksikan inovasi berkembang di seluruh spektrum perusahaan FS&I.

Pertama kali keluar dari gerbang, terdapat peningkatan yang kuat dalam dana lindung nilai kuantitatif, yang menerima investasi signifikan dalam AI untuk meningkatkan pengembalian, dan juga asuransi, yang mendapat manfaat dari sejumlah besar data – keduanya dapat dengan mudah membenarkan penggunaan kasus yang jelas dengan ROI yang kuat.
 
Perusahaan layanan keuangan telah melakukan pemodelan matematis dan pembelajaran mesin hampir satu dekade sebelum AI dipasarkan dalam bentuknya yang sekarang, tetapi baru-baru ini kinerja luar biasa dari infrastruktur AI telah memicu peningkatan yang kuat oleh dana perdagangan kuantitatif dan perusahaan asuransi serta manajemen kekayaan, semuanya mencari manfaat dari jumlah data besar yang sekarang tersedia bagi mereka.

Lebih jauh, banyak dari apa yang dijual sebagai AI hanyalah inkarnasi berikutnya dari otomatisasi.

Sementara kita melihat minat besar dalam AI di semua jenis perusahaan layanan keuangan, berdasarkan potensi besar teknologi tersebut, kita pada akhirnya masih berada di kaki bukit adopsi. Lebih jauh lagi, terdapat variasi besar dalam penggunaan kasus – sebuah bank tier satu akan menerapkan AI dengan cara yang sangat berbeda dibandingkan, katakanlah, sebuah lembaga masyarakat lokal dengan sepuluh cabang.

Saya sering melihat selera yang berbeda dalam organisasi yang sama, dengan dewan, generasi yang lebih muda yang lebih melek digital, dan fungsi operasi/keuangan seringkali lebih menerima ide tersebut, dibandingkan, katakanlah, rekan-rekan kepatuhan. Kekhawatiran yang sering diangkat mencakup sifat “kotak hitam” dari teknologi, kekhawatiran tentang penerapan AI yang etis, dan kurangnya kejelasan regulasi.

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

Kami sering melihat penggunaan kasus pertama untuk diterapkan dalam alat produktivitas seperti ChatGPT, Co-pilot, atau Claude, yang sering menjadi titik masuk bagi banyak rekan dalam mengadopsi ide AI, dan kadang-kadang disebut dengan kering sebagai “narkoba pintu gerbang”!
 
Secara kultural, mengadopsi AI dapat menjadi perubahan besar dari status quo, dan tim kepemimpinan yang sangat efektif akan berusaha untuk mempersiapkan organisasi mereka untuk masa depan. Strategi HR yang berpikiran maju sangat penting, membangun kapabilitas dan keahlian AI internal, fokus pada keterampilan yang dapat diterapkan, keahlian, dan mendorong berbagi pengetahuan. Pandangan jangka panjang perlu diambil untuk mendistribusikan kembali rekan-rekan yang perannya digantikan oleh efisiensi yang didorong oleh AI.

Ada fokus yang tepat pada nilai tambah AI; ada beberapa bank yang memiliki ratusan potensi penggunaan kasus dan menavigasi mana yang akan masuk ke dalam bukti konsep, dan menyebarkannya lebih luas, bisa menjadi tantangan. Praktik terbaik, untuk teknologi baru seperti itu, baru saja muncul. Dalam kasus pertama, menyaring melalui sejumlah besar potensi penggunaan kasus untuk memprioritaskan yang menawarkan penciptaan nilai terbesar bisa sangat menakutkan, dan triase yang tanpa ampun dapat dilakukan berdasarkan dampak, biaya, kelayakan, dan keselarasan dengan tujuan bisnis yang lebih luas, untuk mengevaluasi potensi ROI.

Perlu ada kerangka pengukuran yang dipikirkan dengan baik untuk mengevaluasi proyek AI, dengan KPI yang relevan, metodologi pengumpulan data yang solid, dan mekanisme pelaporan yang didefinisikan dengan jelas. Setelah proyek AI menjadi bagian dari BAU, perlu ada kebijakan pengembangan iteratif yang berkelanjutan seiring waktu untuk memaksimalkan pengembalian dan memastikan keselarasan dengan prioritas strategis - sekali lagi ini seringkali merupakan fitur budaya tim yang berkinerja tinggi.

Baru-baru ini, saya diundang untuk berbicara tentang AI dengan seorang regulator. Selama meja bundar industri, sebuah pertanyaan yang sangat membingungkan diajukan: “Masalah apa yang dapat diselesaikan AI dengan lebih baik daripada yang lain?” Tidak mengherankan, setiap organisasi memiliki jawaban yang sama sekali berbeda, dan saya mengharapkan perusahaan-perusahaan akan bergumul dengan pertanyaan ini selama bertahun-tahun yang akan datang.

Mereka yang tidak dapat bersikap strategis tentang AI, dan menerapkannya dengan cara yang tepat dan tepat waktu, akan berada pada posisi yang signifikan.