"Kompetisi AI" dalam laporan tahunan bank yang terdaftar: Pada tahun 2025, enam bank utama akan menginvestasikan lebih dari 130B 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

Seiring berakhirnya musim laporan tahunan bank yang terdaftar di A股 pada tahun 2025, serangkaian angka menggambarkan lanskap baru transformasi cerdas sektor keuangan—investasi teknologi keuangan Bank Industri dan Komersial sepanjang tahun mencapai 28.59B yuan, Bank招商 mengklaim bahwa aplikasi AI (kecerdasan buatan) mereka dalam setahun telah menggantikan lebih dari 15,56 juta jam kerja manusia, sementara skenario aplikasi model besar di Bank 平安 berlipat ganda dalam setahun hingga mendekati 400⋯⋯

Seorang reporter《每日经济新闻》 (selanjutnya disebut “reporter 每经”) memperhatikan bahwa pada tahun 2025, enam bank milik negara besar seperti Bank Industri dan Komersial, Bank Pertanian, Bank of China, Bank Konstruksi, Bank Komunikasi, dan Bank Pos Tabungan telah menggabungkan investasi dalam teknologi keuangan yang totalnya melebihi 130B yuan, meningkat lagi dibanding 125.46B yuan pada tahun 2024. Di balik investasi besar tersebut, terjadi sebuah perubahan yang lebih mendalam: AI telah beralih dari bagian bab “melihat masa depan” dalam laporan tahunan menjadi tolok ukur kunci untuk mengukur daya saing inti bank.

Sementara itu, di seberang lautan, JPMorgan sedang melukiskan gambaran AI yang lain—CEO Jamie Dimon menempatkan AI sebagai “teknologi transformatif yang setara dengan mesin cetak dan mesin uap”, serta mengumumkan bahwa mereka menginvestasikan lebih dari 2 miliar dolar AS setiap tahun, dengan tujuan membangun “perusahaan kolaborasi serba-AI”. raksasa keuangan Wall Street ini tidak puas hanya pada aplikasi satu titik, melainkan berupaya mengintegrasikan AI sedalam mungkin ke setiap “urat kapiler” organisasi.

Di satu sisi, terdapat investasi AI yang terstruktur dan berskala serta penerapan skenario di industri perbankan domestik; di sisi lain, raksasa keuangan global mendorong rekonstruksi cerdas secara menyeluruh dengan pemikiran berbasis ekosistem. Gelombang kecerdasan keuangan yang melintasi Pasifik ini secara diam-diam sedang mengubah setiap mata rantai inti, mulai dari persetujuan kredit, penetapan harga risiko, hingga keputusan investasi.

Namun, di balik suntikan dana dan visi AI yang hangat ini, juga ada pengujian terhadap kedalaman dan keberlanjutannya: “lubang dalam” tata kelola data, risiko nyata dari “halusinasi” model, serta tantangan kepatuhan yang ditimbulkan oleh “kotak hitam” algoritme. Perjalanan AI industri keuangan, selain menunjukkan potensi besar, juga memasuki tahap kunci yang membutuhkan lebih banyak kebijaksanaan dan kehati-hatian.

Peningkatan Strategi: Kompetisi strategi dari “digital” ke “digital cerdas”

Reporter 每经 menelusuri laporan kinerja bank-bank terdaftar pada 2025 dan menemukan bahwa “kecerdasan buatan” telah melompat dari bab wawasan teknologi menjadi indikator kinerja kunci untuk mengukur daya saing inti masa depan. Fokus kompetisi ini bergeser dari “apakah menerapkan AI” menjadi “seberapa dalam penerapannya dan seberapa kuat sistemnya”, yang menampilkan ciri penerapan yang terstruktur dan berskala.

Bank-bank milik negara besar, berbekal sumber daya yang kuat, sedang membangun “infrastruktur dasar” berat untuk transformasi AI. Dalam laporan tahunannya, Bank Industri dan Komersial secara jelas menyatakan bahwa strategi “Digital ICBC” (D-ICBC) yang telah dijalankan selama empat tahun telah ditingkatkan sepenuhnya menjadi “Digital Cerdas ICBC” (AI-ICBC), dan model besar inti “Gongyin Zhiyong” telah diterapkan pada lebih dari 30 bidang bisnis, dengan lebih dari 500 skenario aplikasi. Bank Konstruksi mengungkapkan bahwa teknologi kecerdasan buatan telah memberi mandat secara berskala untuk 398 skenario di dalam grup. Bank of China kemudian membangun platform kemampuan model besar BOCAI, dengan total penempatan asisten cerdas lebih dari 400.

Bank-bank berbasis saham dan bank kota menunjukkan ketangkasan yang lebih kuat dalam kecepatan dan keluasan penerapan skenario. Pada rapat rilis kinerja, Bank招商 mengungkapkan bahwa skenario aplikasi AI mereka telah mencapai 856, dengan menggantikan pekerja manusia melalui AI lebih dari 15,56 juta jam sepanjang tahun, yang setara dengan terbentuknya efisiensi tenaga kerja penuh waktu melebihi 8.000 orang. Yang lebih penting, AI sedang beralih dari “pusat biaya” menjadi “mesin manfaat”. Asisten cerdas yang ditujukan untuk manajer hubungan nasabah mendorong peningkatan 14% pada rata-rata jumlah kunjungan yang efektif per orang, dan peningkatan 20% pada skala transaksi per nasabah. Skenario aplikasi model besar di Bank 平安 meningkat dari “lebih dari 200” menjadi “lebih dari 390” dalam setahun, dan porsi kode yang dihasilkan AI telah melampaui 30%. Bank 信用中信 membangun pola kolaborasi “model besar + model kecil”; hingga akhir 2025, skenario penerapan model besar telah melampaui 120.

Dari “AI lebih dulu” ke “AI asli”, bank-bank terdepan berupaya menyisipkan kedalaman kecerdasan ke dalam struktur organisasi, sekaligus membangun pagar persaingan baru.

Seorang peneliti senior industri perbankan menganalisis kepada reporter 每经 bahwa pencapaian AI yang banyak diungkap dalam laporan tahunan 2025 menandai transformasi digital industri perbankan Tiongkok yang telah masuk ke “wilayah perairan dalam”, dengan pengambilan keputusan cerdas dan rekayasa ulang proses sebagai inti. Di balik itu ada pilihan yang tak terelakkan untuk mencari efisiensi dan pertumbuhan melalui teknologi, seiring margin bunga bersih bersih industri yang terus menyempit. Investasi AI tidak lagi semata-mata menjadi proyek anggaran departemen teknologi, melainkan investasi strategis yang langsung terkait dengan indikator kinerja operasional utama seperti penurunan biaya dan peningkatan efisiensi, pengendalian risiko, serta peningkatan pendapatan.

Pendalaman Aplikasi: Revolusi efisiensi penerapan untuk manajemen risiko, inklusi keuangan, dan operasional

Setelah bertahun-tahun eksplorasi, penggunaan AI dalam perbankan telah melampaui layanan pelanggan cerdas awal dan pembayaran pakai wajah, serta masuk jauh ke inti bisnis, menunjukkan potensi yang mengguncang 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”. Kontrol risiko tradisional bergantung pada data historis dan aturan statis, sehingga sulit menghadapi risiko baru yang kompleks dan berubah-ubah. Adapun sistem manajemen risiko cerdas yang berpusat pada machine learning dan komputasi graf, dapat memproses secara real time kumpulan data heterogen dalam jumlah besar. Contohnya, Bank Pos Tabungan membangun sistem model anti-penipuan berantai penuh; pada paruh pertama 2025, secara kumulatif telah melindungi lebih dari 100k akun calon korban. Platform manajemen risiko online Bank招商 pada tahun 2025 menyetujui skala kredit korporasi yang hampir mencapai 100k yuan, meningkat 44%; peringatan risiko pasca-pinjaman yang dibantu AI rata-rata dapat dibuat 42 hari lebih awal dibanding pola tradisional manual.

Dalam bidang keuangan inklusif, AI melalui analisis data alternatif sedang memecahkan masalah klasik “kesulitan pendanaan dan biaya pendanaan yang mahal” bagi usaha mikro dan kecil. Banyak bank menggunakan model AI untuk mengintegrasikan data pajak perusahaan, faktur, rantai pasok, bahkan data air dan listrik, lalu membuat “profil” kredit bagi usaha mikro dan kecil yang tidak memiliki agunan tradisional, sehingga memungkinkan pemberian kredit yang cepat.

Operasional cerdas dan layanan pelanggan adalah wujud paling langsung dari penurunan biaya dan peningkatan efisiensi oleh AI. Asisten cerdas Bank招商 untuk lebih dari 10.000 manajer nasabah Jin Kuihua telah menjadi “mitra cerdas” dalam pekerjaan harian. Bank 平安 memanfaatkan Generative AI (AIGC) untuk membantu membuat konten pemasaran; hanya untuk satu hal ini, pada tahun 2025 mereka menghemat biaya sekitar 60 juta yuan. Di bagian operasional back-end, “karyawan digital” berbasis AI sedang mengambil alih banyak pekerjaan repetitif. Bank 信用中信 mendorong penanganan terpusat untuk pembukaan rekening korporasi, perubahan informasi, dan proses sejenis, sehingga efektivitas penanganan bisnis terpusat meningkat lebih dari 2 kali.

“Keberhasilan AI di bidang-bidang ini kuncinya adalah karena AI menyelesaikan masalah yang sulit ditangani oleh tenaga manusia dalam model keuangan tradisional berupa volume besar data, pola kompleks yang sulit tercakup aturan, serta kebutuhan respons real time dalam situasi berkapasitas tinggi.” Peneliti perbankan tersebut menilai bahwa aplikasi yang matang ini membentuk “basis utama” kemampuan AI bank, dan nilainya tercermin langsung pada penghematan biaya, penurunan risiko, serta peningkatan pengalaman.

Ia menilai, aplikasi saat ini lebih banyak “mengoptimalkan proses yang ada”; pada tahap berikutnya, persaingan akan berfokus pada bagaimana memanfaatkan AI untuk “menciptakan proses baru” bahkan “menciptakan bisnis baru”, yaitu dari “efisiensi di internal” menuju “pendapatan di eksternal”.

Kondisi di luar negeri: terobosan dari optimasi proses menuju penciptaan nilai

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

Dalam bidang venture capital (VC) dan private equity (PE), AI sedang membentuk ulang logika dasar penemuan proyek dan uji kelayakan (due diligence). Pola tradisional yang mengandalkan jejaring relasi dan riset industri (seperti platform Wind, Bloomberg, dll.) sedang berubah. Sebagai contoh, Sequoia Capital telah mengembangkan alat AI internal sejak lama, untuk mengotomatisasi pemindaian data perusahaan rintisan di seluruh dunia, makalah akademik, paten, dan berita; pada waktu tetap setiap hari, alat tersebut mengirimkan ringkasan analisis awal kepada tim investasi untuk meningkatkan keluasan dan efisiensi penyaringan proyek.

Dalam bidang manajemen kekayaan yang berorientasi pada nasabah dan investment banking, AI sedang bergeser dari bantuan back-end menuju layanan front-end. JPMorgan bahkan sejak 2023 mengajukan merek dagang untuk produk bernama “IndexGPT”, yaitu alat penasihat investasi yang memanfaatkan teknologi generative AI untuk secara otomatis menganalisis dan memilih instrumen/sekuritas investasi, berdasarkan tema atau bidang yang dimasukkan oleh nasabah. Model ini dilatih berdasarkan model besar umum, dengan memanfaatkan data privat skala besar yang khas milik JPMorgan, seperti makro ekonomi dan riset perusahaan, dengan tujuan memberikan saran portofolio investasi yang dipersonalisasi bagi nasabah.

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

Peneliti perbankan yang disebutkan sebelumnya menafsirkan bahwa praktik AI institusi keuangan luar negeri mengungkap dua tren kunci: pertama, aplikasi AI bergerak dari “optimasi proses internal” menuju “penciptaan nilai eksternal”, dengan masuk langsung ke inti penciptaan nilai seperti memberikan saran investasi dan desain produk; kedua, institusi terdepan memanfaatkan benteng data unik berkualitas tinggi mereka (misalnya data transaksi dan riset mendalam) untuk melatih model besar di bidang vertikal, sehingga membangun “parit” kompetitif baru yang sulit ditiru. Sebaliknya, institusi keuangan domestik masih memiliki ruang berkembang dalam memanfaatkan AI untuk mendorong langsung keputusan investasi dan menyediakan layanan penasihat investasi cerdas yang mendalam; ini mungkin menjadi “puncak” yang perlu ditembus di masa depan.

Karang Terjal ke Depan: Ujian tata kelola data, “halusinasi” AI, dan kekurangan talenta

Di luar aplikasi matang seperti anti-penipuan dan layanan pelanggan cerdas, industri keuangan sedang dengan hati-hati mengarahkan AI ke bidang yang lebih mutakhir dan lebih inti, mencoba membuka nilai baru agar AI dapat berperan sebagai “analis” bahkan “pengambil keputusan tingkat awal” dalam aktivitas keuangan yang lebih kompleks.

Reporter 每经 mengetahui bahwa dalam analisis sentimen media cerdas dan peringatan pasar, sudah ada lembaga yang sedang melatih AI untuk secara real time menangkap dan menganalisis berita, laporan riset, media sosial, bahkan gambar satelit, serta data non-terstruktur dalam jumlah besar, untuk menangkap “sinyal” risiko yang mungkin memengaruhi pasar atau perusahaan tertentu. Misalnya, platform kecerdasan buatan “Oriental Brain” milik Oriental Securities, rata-rata dapat memproses hampir 70k item informasi sentimen pasar per hari, secara otomatis mengidentifikasi entitas perusahaan dan mengklasifikasikan sentimen negatif.

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

Eksplorasi yang lebih mengguncang terjadi di jantung transaksi dan investasi. Dalam bidang investasi kuantitatif, selain mengoptimalkan strategi transaksi yang ada, eksplorasi yang lebih mutakhir adalah mengembangkan “trader virtual” yang dapat belajar sendiri struktur mikro pasar dan mengeksekusi sebagian instruksi transaksi secara mandiri. Dilaporkan bahwa JPMorgan telah merilis platform AI kuantitatifnya, yang mendukung integrasi cerdas antara trading frekuensi tinggi dan strategi berbasis multi-faktor. Dalam perdagangan atas nama klien (seperti perdagangan valas dan derivatif suku bunga), AI juga sedang diteliti untuk menyediakan saran penawaran harga terbaik secara real time dan strategi lindung nilai bagi trader.

Namun, meski prospeknya luas, penerapan mendalam AI di area inti keuangan masih menghadapi hambatan; tata kelola data, “halusinasi” model besar, serta kekurangan talenta tipe majemuk adalah “tiga gerbang” yang harus dilalui oleh institusi keuangan.

Pertama adalah kesulitan tata kelola data. Data berkualitas tinggi dan terstandarisasi adalah “bahan bakar” AI. Namun, data keuangan melibatkan privasi pribadi dan rahasia bisnis yang sangat sensitif, dan sering kali tersebar di berbagai divisi bisnis sehingga membentuk “pulau data”. Seorang pakar dari KPMG menyatakan bahwa institusi keuangan umumnya menghadapi tantangan seperti sulitnya kolaborasi data heterogen dari sumber yang beragam, dan sulitnya pertukaran serta pembagian data internal.

Kedua adalah “halusinasi” model besar dan risiko keandalan. Masalah “halusinasi” bawaan pada model bahasa besar adalah hal yang fatal ketika keputusan keuangan menuntut nol kesalahan. Peneliti Bank Pos Tabungan Pos Tiongkok, Lou Feipeng, menyatakan bahwa jika “halusinasi” terjadi di area manajemen risiko, dapat menyebabkan bank tidak memahami logika risiko, sehingga tidak dapat mengambil langkah penanganan yang efektif.

Ketiga adalah kekurangan talenta tipe majemuk dan rasa sakit perubahan organisasi. Talenta yang benar-benar memahami logika bisnis keuangan yang kompleks sekaligus mahir dalam algoritme 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 agile yang dibutuhkan AI, yaitu iterasi cepat dan toleransi terhadap kesalahan.

Peneliti perbankan yang disebutkan sebelumnya menyimpulkan bahwa kompetisi industri keuangan di masa depan adalah perebutan ekosistem komprehensif “teknologi—data—tata kelola—talenta”. Hanya institusi yang dapat lebih dulu membangun aset data berkualitas tinggi, membentuk kerangka tata kelola AI yang tepercaya, serta mendorong transformasi sukses organisasi dan budaya, yang akan memenangkan keunggulan jangka panjang dalam revolusi “digital cerdas” yang mendalam ini.

(Penyunting: Qian Xiaorui)

Kata kunci：