Strategi Efektif Penerapan AI dalam Layanan Keuangan
Mengatasi hambatan penerapan AI dalam layanan keuangan memerlukan pendekatan ‘land and expand’ yang membuktikan nilai lebih awal sambil tetap mematuhi regulasi. Pemimpin data sering terjebak dalam ketidakpastian, dihadapkan pada tekanan untuk mempercepat adopsi AI dan kebutuhan untuk mengelola risiko. Menurut laporan CDO Insights 2025, 65% pemimpin data di Eropa hanya memindahkan kurang dari setengah pilot AI mereka ke produksi. Tantangan utama lainnya adalah membuktikan ROI, dengan sepertiga (35%) pemimpin data Eropa kesulitan mendapatkan dukungan dari kepemimpinan untuk investasi AI karena mereka tidak dapat menunjukkan nilai. Namun, meskipun ada hambatan ini, AI diperkirakan dapat memberikan hingga $1 triliun nilai tambahan setiap tahun untuk perbankan global.Beberapa organisasi layanan keuangan telah menunjukkan potensi AI dengan menerapkan agen AI secara aman tanpa memicu alarm kepatuhan. Dari tugas real-time seperti mitigasi penipuan, evaluasi risiko kredit, hingga pengaturan layanan pelanggan, perusahaan yang membuat kemajuan tidak bertaruh besar. Mereka menggunakan pendekatan ‘land and expand’, mulai kecil, membuktikan nilai lebih awal, dan meningkatkan setelah keamanan dan efektivitas terbukti. Ada tiga cara praktis pendekatan ini diterapkan:Pertama, menerapkan agen eksekutor untuk kemenangan yang terukur. Memulai kecil dan menunjukkan pengembalian yang jelas adalah kunci. Memulai program AI dengan agen tugas tunggal yang fokus dan memiliki tujuan yang jelas dapat membuka jalan bagi sistem agen yang lebih maju. Alat-alat ini memiliki keluaran yang mudah diukur dan hasil yang mudah disajikan, membantu membangun alasan kuat untuk berkembang lebih lanjut.Kedua, menggunakan AI untuk memperbaiki data terlebih dahulu. Keberhasilan penerapan AI bergantung pada kualitas data yang diberikannya. Laporan CDO Insights 2025 menunjukkan bahwa 77% pemimpin data Eropa berencana meningkatkan investasi dalam manajemen data tahun ini. AI dapat membantu mengatasi masalah kualitas data yang telah lama ada, seperti catatan yang tidak cocok dan entri yang usang, sehingga memungkinkan proses tindak lanjut otomatis yang mempercepat pengumpulan dan meningkatkan arus kas.Ketiga, mengurangi pekerjaan manual dalam pelaporan kepatuhan. Kepatuhan dapat menjadi tempat yang baik untuk memulai pengembangan penerapan AI. Pelaporan kepatuhan yang memakan waktu dapat diotomatisasi dengan AI, seperti dokumentasi untuk laporan regulasi BCBS 239. Dengan menggabungkan pemetaan metadata dan agen AI, lembaga dapat mengotomatisasi draf pertama laporan ini, sambil tetap memastikan kepatuhan regulasi melalui pengawasan manusia.Dengan 76% organisasi layanan keuangan berencana menerapkan agen AI dalam 12 bulan ke depan, bisnis memiliki jalan yang jelas ke depan. Memulai kecil dan bekerja ke atas memungkinkan tim data dan kepatuhan untuk bekerja sama mengembangkan model yang melayani organisasi, mempertahankan tata kelola yang baik, dan meningkatkan kinerja secara keseluruhan.
