AI di bidang perbankan

Untuk tetap menjadi yang terdepan dalam tren fintech, meningkatkan keunggulan kompetitif mereka dan memberikan layanan yang berharga dan pengalaman pelanggan yang lebih baik, bank dan perusahaan jasa keuangan lainnya telah merangkul inisiatif transformasi digital.

Munculnya teknologi AI telah membuat transformasi digital semakin penting dan mengubah industri. AI bukan lagi sebuah pilihan, melainkan sebuah keharusan, dan lembaga keuangan yang berinvestasi pada platform AI memiliki potensi yang lebih besar untuk unggul dan berkembang.

Secara historis, penyedia layanan keuangan pemegang jabatan telah berjuang dengan inovasi. Sebuah studi McKinsey menemukan bahwa bank-bank besar 40% kurang produktif dibandingkan dengan bank-bank yang merupakan penduduk asli digital.¹ Banyak perusahaan rintisan perbankan yang merintis contoh penggunaan kecerdasan buatan, sehingga semakin penting bagi bank tradisional untuk mengejar ketertinggalan dan berinovasi.

Para bankir telah lama menggunakan pemrosesan bahasa alami (NLP) untuk mengurai sejumlah besar data yang mereka miliki secara internal atau yang mereka dapatkan dari sumber pihak ketiga. Mereka menggunakan alat analisis data untuk mengungkap insight dan tren serta membuat keputusan yang lebih tepat seputar investasi utama dan manajemen kekayaan.

Sektor perbankan, khususnya, semakin mengandalkan keunggulan teknologi AI untuk tetap kompetitif. Pelanggan menginginkan pengalaman perbankan digital yang lancar: aplikasi yang mengantisipasi kebutuhan mereka dan kemampuan untuk berinteraksi dengan orang atau asisten virtual bergantung pada kompleksitas masalah mereka. Perusahaan perlu meningkatkan pengalaman pengguna untuk membuat pelanggan senang. Mengadopsi dan menerapkan solusi AI generatif, ditambah dengan manajemen data yang efektif, adalah langkah kunci menuju tujuan itu.

Meskipun AI sendiri sudah hebat, menggabungkannya dengan otomatisasi akan membuka potensi yang lebih besar lagi. Otomatisasi yang didukung AI menggabungkan kecerdasan AI dengan keandalan otomatisasi. Alat bantu tradisional seperti Robotic Process Automation (RPA) sangat berharga untuk menyederhanakan tugas yang berulang, tetapi bank sekarang mulai mengadopsi sistem AI agen untuk menangani alur kerja yang lebih kompleks.

Agen AI mampu melakukan pengambilan keputusan secara otonom dan dapat, misalnya, memandu aplikasi pinjaman dari awal hingga akhir. Sistem ini dapat berinteraksi dengan pelanggan, verifikasi dokumen, memeriksa kelayakan kredit terhadap basis data internal dan eksternal, dan menandai masalah kepatuhan. Ini beradaptasi dengan perubahan informasi dan memutuskan secara real time alih-alih hanya mengikuti aturan yang telah ditetapkan, semua dengan intervensi manusia minimal.

Organisasi perbankan dan jasa keuangan merangkul AI karena berbagai alasan, termasuk manajemen risiko, meningkatkan pengalaman pelanggan  dan merampingkan proses front, middle, dan back-office.

AI membantu pelanggan meningkatkan pengambilan keputusan mereka tentang masalah keuangan. Mereka cenderung memilih bank yang menggunakan teknologi AI mutakhir untuk membantu mereka mengelola uang dengan lebih baik.

Namun, mengingat peraturan industri yang luas, bank dan organisasi layanan keuangan lainnya memerlukan strategi komprehensif untuk mendekati AI. Menggunakan AI membutuhkan strategi AI dan kerangka kerja yang memaksimalkan nilai bisnis sambil mengurangi risiko.

IBM Institute for Business Value (IBV) menerbitkan panduan bagi bank yang ingin menanamkan alat dan praktik AI ke dalam operasi mereka dalam laporan Global Outlook for Banking 2025.² Beberapa tindakan utama adalah:

Sesuaikan model bisnis untuk memanfaatkan digitalisasi layanan keuangan. Revisi strategi bisnis Anda dengan mengubah cara Anda melayani klien. Perluas kemampuan Anda untuk melayani klien dengan keuangan tertanam, memungkinkan mereka melakukan perbankan di mana saja, kapan saja. Tingkatkan proposisi konsultasi dengan AI untuk menangkap biaya layanan baru, baik untuk konsumen, bisnis, dan bidang khusus seperti perbankan investasi. Pertimbangkan kembali inisiatif pembayaran sebagai tulang punggung data baru untuk memperkuat manajemen risiko didukung AI di seluruh ekosistem.

Dorong efisiensi operasional menggunakan AI. Fokus pada beban kerja berdampak tinggi untuk merampingkan dan menyempurnakan penawaran, membuatnya ramah digital dengan lancar. Rangkul AI untuk menata ulang proses menyeluruh, mendorong efisiensi dan inovasi. Desain untuk hybrid cloud untuk mengoptimalkan biaya dan menyederhanakan operasi.

Perbarui budaya manajemen risiko Anda—budaya di mana setiap bankir menjadi manajer risiko AI. Percepat pengembangan perangkat lunak dengan AI, tetapi jangan abaikan risiko peningkatan kompleksitas—berinvestasilah dalam tata kelola platform yang jelas untuk mengelola keamanan, kepatuhan, dan ketahanan seiring berkembangnya inovasi. Prioritaskan tata kelola data untuk menjaga kerahasiaan, integritas, dan ketersediaan, membantu memastikan bahwa model AI dibangun di atas kerangka kerja yang kuat untuk mengurangi risiko seperti pelanggaran data, ketidakpastian hukum, dan bias model.

Menerapkan program pendidikan cerdas yang mengikuti kemajuan teknologi. Perspektif kami adalah bahwa AI adalah keuntungan otomatisasi serta peluang augmentasi, memberdayakan para bankir untuk membayangkan kembali kontribusi mereka dalam industri yang diubah secara digital. Pendekatan ini sama-sama berlaku untuk domain bisnis dan departemen teknologi. Bank mungkin kesulitan untuk menemukan keterampilan yang tepat dan tidak mampu menunda pelatihan ulang pekerja yang sering terjebak dalam tugas-tugas rutin dan tidak dapat mengikuti inovasi yang cepat.

Gunakan AI atau tertinggal. Bank harus mengartikulasikan strategi bisnis mereka dengan jelas untuk membedakan diri mereka dari pesaing di era AI— inovasi teknologi saja tidak cukup. Beralih dari berinovasi dengan AI ke berinovasi berdasarkan AI menuntut pendekatan “mengedepankan AI”, di mana AI menjadi pusat dari semua strategi bisnis dan operasional 

Ada beberapa manfaat utama bagi bank yang merangkul dan menerapkan AI.

API yang disempurnakan: Operasi perbankan makin bergantung pada penggunaan antarmuka pemrograman aplikasi (API) untuk memungkinkan pelanggan melacak uang mereka di berbagai aplikasi. Contohnya, bank harus memberikan izin API ke aplikasi pengelolaan anggaran pihak ketiga agar konsumen dapat memantau beberapa rekening bank. AI meningkatkan penggunaan API dengan mengaktifkan lebih banyak tindakan keamanan dan mengotomatiskan berbagai tugas berulang, sehingga menjadikannya lebih canggih.

Alat pelanggan yang lebih cerdas: Munculnya AI generatif dan AI agen yang didukung oleh pembelajaran mendalam berarti bahwa industri investasi dan perbankan dapat menerapkan alat yang lebih canggih untuk menyederhanakan layanan pelanggan. Chatbot dan asisten virtual yang didukung AI dapat meningkatkan dukungan pelanggan, membantu pelanggan memecahkan masalah kecil sendiri. AI juga dapat memberi daya pada aplikasi penganggaran yang membantu pelanggan mengelola keuangan mereka dengan lebih baik dan menghemat lebih banyak uang.

Penilaian kredit yang lebih cerdas: Menentukan kelayakan kredit adalah aktivitas layanan perbankan yang sangat penting. Bank perlu mengolah data nasabah dalam jumlah besar untuk membuat keputusan kredit yang penting, seperti apakah mereka akan menerima aplikasi kartu kredit atau menyetujui kenaikan kredit. Algoritma AI dan teknik machine learning dapat membantu lembaga keuangan menyetujui atau menolak kartu kredit, peningkatan kredit, dan permintaan pelanggan lainnya dengan kecepatan tinggi.

Keamanan siber dan deteksi penipuan yang ditingkatkan: Penyerang siber makin sering menggunakan AI untuk menciptakan cara yang lebih canggih untuk menipu lembaga keuangan. Mereka dapat menggunakan audio yang diciptakan AI³ untuk meniru pelanggan, sehingga membingungkan agen layanan pelanggan. Mereka dapat menggunakan AI untuk membuat email phishing terlihat makin asli. Akibatnya, lembaga keuangan tersebut dapat menggunakan algoritma AI untuk melindungi karyawan mereka dari ancaman keamanan siber secara real-time, sambil menciptakan alat untuk membantu pelanggan menghindari trik yang sama. Lembaga keuangan dan lembaga pemerintah juga dapat menggunakan sistem AI untuk menggagalkan kejahatan keuangan lainnya seperti pencucian uang atau peniruan.

Perbankan yang dapat disematkan: Ini adalah pengenalan perbankan ke dalam pengalaman nontradisional, seperti saat Starbucks memulai aplikasi pembayarannya sendiri.⁴ Perbankan yang dapat disematkan diharapkan tumbuh sebagai layanan. AI memainkan peran penting dalam pertumbuhan ini karena membantu retailer dan perusahaan lain mengumpulkan dan menganalisis data tentang peluang pasar potensial, memprediksi kelayakan kredit, dan mempersonalisasi layanan dengan lebih baik kepada pelanggan.

Pasar dan peluang baru: Alat analisis prediktif dan forecasting berbasis AI dapat mengidentifikasi area pertumbuhan baru, meningkatkan proses penjaminan, dan memperkirakan lebih baik pelanggan mana yang merupakan risiko churn. Misalnya, bank dapat menganalisis kebiasaan pelanggan mereka dan membandingkannya dengan titik data lain untuk menentukan apakah seorang pelanggan berpotensi menutup akunnya.

Memperkenalkan AI di perbankan bukan tanpa risiko dan komplikasi. Sebuah studi IBM® IBV tahun 2025 menemukan bahwa 55% CEO pasar bisnis dan keuangan mengatakan bahwa potensi peningkatan produktivitas dari otomatisasi sangat besar sehingga mereka harus menerima risiko yang signifikan untuk tetap kompetitif.⁵  Beberapa risiko di antaranya termasuk:

Keamanan siber: Teknologi AI generatif dapat digunakan untuk pencegahan penipuan dan manajemen kepatuhan, tetapi juga menghasilkan risiko. Menanamkan alat dan teknologi AI terbuka ke dalam sistem TI perbankan menciptakan beberapa tantangan keamanan karena model AI merupakan target yang sangat berharga bagi pelaku kejahatan. Itulah mengapa bank membutuhkan pendekatan tata kelola AI holistik yang secara efektif menyeimbangkan antara inovasi dan manajemen risiko.

Ketidakpastian hukum terkait dengan operasi: Model AI generatif memerlukan pelatihan pada kumpulan data yang ada agar efektif. Masih ada beberapa masalah yang belum terpecahkan mengenai apakah menganalisis data yang tersedia untuk umum, seperti berita dan video penjelasan, merupakan pelanggaran hak cipta⁶. 77% CEO BFM mengatakan bahwa standar dan peraturan yang tidak konsisten menghambat kemampuan mereka untuk mengembangkan bisnis mereka.² Salah satu cara untuk menghindari masalah ini adalah dengan menggunakan model AI yang telah dilatih pada data yang dimiliki bank, seperti interaksi layanan pelanggan atau penelitian miliknya sendiri.

Kesulitan dalam mengendalikan akurasi hasil: Saat ini, model AI tidak menalar atau “memahami” output. Sebaliknya, model AI mendeteksi pola dalam data yang diberikan dan menampilkan hasil. Oleh karena itu, model tidak dapat memberi tahu karyawan manusia apakah data tersebut salah atau tidak akurat. Keadaan ini membuat keterjelasan menjadi penting, terutama dalam industri yang diatur seperti perbankan, di mana sangat penting untuk memahami cara sebuah model mencapai keputusannya.

Prasangka dari bias model: Bank-bank makin banyak berinvestasi dalam inisiatif lingkungan, sosial, dan tata kelola (ESG) sebagai cara untuk menunjukkan transparansi dan akuntabilitas atas tindakan mereka. Karena model AI dilatih dengan data buatan manusia, mereka dapat mewarisi beberapa bias yang memengaruhi manusia. Bank perlu menghilangkan bias dalam cara mereka memasarkan produk dan menentukan faktor-faktor seperti kelayakan kredit, yang secara historis berdampak negatif pada demografi tertentu.

Lembaga perbankan berada di bawah tekanan yang semakin besar untuk melakukan transformasi digital. Nasabah menuntut pengalaman otomatis dengan kemampuan layanan-mandiri, tetapi mereka juga menginginkan interaksi yang terasa personal dan unik.

Bank terus memprioritaskan investasi AI untuk tetap menjadi yang terdepan dalam persaingan dan menawarkan kepada pelanggan alat yang semakin canggih untuk mengelola uang dan investasi mereka. Nasabah terus memprioritaskan bank yang dapat menawarkan aplikasi AI yang dipersonalisasi yang membantu mereka mendapatkan visibilitas tentang peluang keuangan mereka.

Masa depan AI dalam perbankan kemungkinan akan mencakup lembaga yang mengiklankan penggunaan AI mereka dan bagaimana mereka dapat menerapkan kemajuan lebih cepat daripada pesaing. AI akan membantu bank bertransisi ke model operasi baru, menyederhanakan alur kerja, merangkul digitalisasi dan otomatisasi serta mencapai profitabilitas berkelanjutan di era baru perbankan komersial dan retail.

Gunakan kumpulan data yang beragam dan representatif serta jalankan pengujian bias algoritmik berlanjut untuk mendeteksi dampak berbeda di seluruh kelas yang dilindungi. Menanamkan kontrol dalam kerangka kerja manajemen risiko model (MRM) formal untuk memvalidasi, memantau, dan mendokumentasikan model. Memastikan kepatuhan terhadap undang-undang pinjaman yang adil dan Equal Credit Opportunity Act (ECOA), yang bersama-sama melarang keputusan kredit yang diskriminatif dan memerlukan keterjelasan.

Lakukan pendekatan yang mengutamakan API yang menambahkan layanan AI pada sistem perbankan inti yang sudah ada, bukan mengganti sepenuhnya. Gunakan middleware dan layanan mikro untuk memisahkan kemampuan AI baru dari arsitektur lama, memodernisasi pipeline data untuk akses real-time, dan terapkan secara bertahap untuk mengelola risiko operasional dan peraturan.

Untuk mendukung hiper-personalisasi, AI menggunakan model machine learning yang dilatih berdasarkan riwayat transaksi, sinyal perilaku, dan data peristiwa kehidupan untuk memberikan penawaran, harga, dan saran keuangan yang dipersonalisasi. Agen AI kemudian dapat bertindak berdasarkan insight ini secara real time dengan melibatkan pelanggan secara proaktif atau menyesuaikan rekomendasi. Analisis prediktif mengantisipasi kebutuhan pelanggan (seperti peluang pinjaman) dan data privasi yang kuat.

Tentukan KPI contoh penggunaan yang jelas terkait dengan nilai bisnis, seperti pertumbuhan pendapatan, penghematan biaya, pengurangan penipuan, peningkatan kerugian kredit atau retensi pelanggan dan bandingkan kinerja dasar versus kinerja yang didukung AI. ROI juga harus memperhitungkan pengembalian yang disesuaikan dengan risiko, termasuk keuntungan efisiensi modal dan pengurangan kerugian operasional yang didorong oleh pengambilan keputusan yang lebih baik.

Organisasi dapat mempertahankan kepercayaan pelanggan dengan memperlakukan AI sebagai kemampuan strategis dan risiko terkelola, didukung oleh struktur tata kelola AI yang jelas yang mendefinisikan akuntabilitas, pengawasan, dan standar etika. Mengintegrasikan manajemen risiko model, kontrol keamanan siber, dan tata kelola data ke dalam proses risiko perusahaan, bersama dengan pelaporan transparan dan pemantauan kinerja, membantu memastikan bahwa sistem AI aman dan selaras dengan harapan pelanggan.