Apa itu AI di perbankan?

Secara historis, penyedia layanan keuangan petahana telah berjuang dengan inovasi. Sebuah studi McKinsey¹(tautan berada di luar ibm.com) menemukan bahwa bank-bank besar 40% kurang produktif daripada penduduk asli digital. Banyak perusahaan rintisan perbankan yang merintis contoh penggunaan kecerdasan buatan, sehingga semakin penting bagi bank tradisional untuk mengejar ketertinggalan dan berinovasi.

Perusahaan perbankan investasi telah lama menggunakan pemrosesan bahasa alami (NLP) untuk mengurai sejumlah besar data yang mereka miliki secara internal atau yang mereka tarik dari sumber pihak ketiga. Mereka menggunakan NLP untuk memeriksa kumpulan data untuk membuat keputusan yang lebih tepat seputar investasi utama dan manajemen kekayaan.

Sektor perbankan, khususnya, menyerap manfaat yang diinginkan dari teknologi AI. Pelanggan menginginkan pengalaman perbankan digital: aplikasi di mana mereka dapat mempelajari informasi lebih lanjut tentang layanan yang disediakan, berinteraksi dengan orang atau asisten virtual, dan mengelola keuangan mereka dengan lebih baik. Perusahaan perlu meningkatkan pengalaman pengguna untuk membuat pelanggan senang. Mengadopsi dan menerapkan solusi AI adalah salah satu cara untuk mencapai itu.

Meskipun AI sendiri sudah hebat, menggabungkannya dengan otomatisasi akan membuka potensi yang lebih besar lagi. Otomatisasi yang didukung AI menggabungkan kecerdasan AI dengan otomatisasi yang berulang. Misalnya, AI dapat meningkatkan otomatisasi proses robotik (RPA) untuk mengurai analisis data dengan lebih baik dan mengambil tindakan berdasarkan apa yang dianggap AI sebagai yang terbaik. Salah satu contohnya adalah bank yang menggunakan RPA untuk memvalidasi data nasabah yang diperlukan untuk memenuhi batasan Know Your Customer (KYC), anti pencucian uang (AML), dan uji tuntas nasabah (CDD).

Organisasi jasa keuangan merangkul kecerdasan buatan (AI) karena berbagai alasan, seperti manajemen risiko, pengalaman pelanggan, dan forecasting tren pasar.

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 kerangka kerja yang bijaksana untuk mengurangi risiko dan eksposur.

IBM Institute for Business Value menerbitkan panduan bagi bank yang ingin menanamkan alat dan praktik AI ke dalam operasi mereka dalam laporan Prospek Global untuk Perbankan dan Pasar Keuangan 2024. Beberapa tindakan utama adalah:

• Tentukan tata kelola AI dan profil risiko bank: Setiap bank berbeda, dan para pemimpin setiap bank harus membuat keputusan sendiri tentang risiko dan penerapan AI. Bank harus merangkul AI dengan pengetahuan bahwa AI mengharuskan mereka untuk menangkal potensi risiko dengan langkah-langkah keamanan yang kuat.
• Memprioritaskan kasus penggunaan: Penerapan AI harus dikaitkan dengan contoh penggunaan bisnis tertentu yang mendorong dampak terukur dan selaras dengan tujuan organisasi. Misalnya, contoh penggunaan khusus adalah chatbot yang menghadap pelanggan, strategi investasi yang dipersonalisasi, pencegahan penipuan, dan penilaian kelayakan kredit.
• Pilih platform AI yang tepercaya: Sebagian besar pendekatan AI perusahaan memerlukan penerapan beberapa model AI untuk memastikan bahwa organisasi memiliki semua yang dibutuhkan untuk berhasil. Oleh karena itu, bank perlu memilih apakah akan menggunakan model sumber terbuka, model yang dibuat sendiri, atau keduanya.
• Terapkan arsitektur hybrid cloud: AI mengharuskan bank untuk mengatasi segala inefisiensi teknologi yang mungkin ada dan memprioritaskan manajemen sumber daya aplikasi. Dengan menggunakan arsitektur hybrid cloud , bank dapat beralih antara cloud publik dan cloud privat untuk meningkatkan ketahanan dan responsivitas untuk perbankan digital secara real-time.
• Pelajari dari penerapan awal: Bank yang khawatir tentang risiko harus menerapkan pengujian skala kecil dan contoh penggunaan untuk menilai dampaknya sebelum menskalakan dan menerapkan implementasi baru. Pelajaran awal sangat berharga karena membantu bank lebih memahami infrastruktur lain apa yang perlu mereka terapkan dan di mana mereka perlu melakukan penyesuaian.
• Buatlah sebuah "pabrik AI": Setelah organisasi menetapkan strategi yang dapat diterapkan untuk membangun atau mengadopsi AI untuk contoh penggunaan tertentu, organisasi harus membangun perangkat yang menambahkan AI ke dalam operasinya dan menjadikannya pusat dari semua metode pengembangan dan bisnis.

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

• 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 buatan AI² (tautan berada di luar ibm.com) untuk meniru pelanggan, sehingga membingungkan agen layanan pelanggan. Mereka dapat menggunakan AI untuk membuat email phishing terlihat makin asli. Akibatnya, lembaga keuangan tersebut perlu 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.
• API yang disempurnakan: Operasi perbankan makin bergantung pada penggunaan antarmuka pemrograman aplikasi(API) untuk memungkinkan pelanggan melacak uang mereka di berbagai aplikasi. Misalnya, bank harus memberikan izin API ke aplikasi penganggaran pihak ketiga sehingga pelanggan dapat memantau beberapa rekening bank. AI meningkatkan penggunaan API dengan mengaktifkan lebih banyak tindakan keamanan dan mengotomatiskan tugas-tugas berulang, sehingga menjadikannya lebih canggih.
  
• Perbankan yang dapat disematkan: Ini adalah pengenalan perbankan ke dalam pengalaman nontradisional, seperti saat Starbucks memulai aplikasi pembayarannya sendiri³. Perbankan yang dapat disematkan diharapkan tumbuh sebagai layanan, terutama karena AI membantu pengecer dan perusahaan lain mengumpulkan dan menganalisis data tentang peluang pasar potensial, memprediksi kelayakan kredit, dan mempersonalisasi layanan dengan lebih baik kepada pelanggan.
• Alat bantu pelanggan yang lebih cerdas: Munculnya AI generatif yang didukung oleh pembelajaran mendalam berarti bahwa industri investasi dan perbankan dapat menggunakan alat yang lebih canggih untuk merampingkan 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.
• Pasar dan peluang baru: Mereka juga menggunakan AI untuk analisis prediktif guna memperoleh insight lebih baik tentang pelanggan mereka. Analisis prediktif yang didorong oleh AI dapat mengidentifikasi area pertumbuhan baru bagi bisnis dan pelanggan mereka, serta dapat memperkirakan dengan lebih baik pelanggan mana yang berisiko berhenti berlangganan. Misalnya, bank dapat menganalisis kebiasaan nasabahnya, seperti seberapa sering mereka masuk atau menyetor uang, dan membandingkannya dengan titik data lain untuk menentukan apakah nasabah individu mungkin akan membatalkan akun mereka.
  
• Kartu kredit dan 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 machine learning dapat membantu lembaga keuangan menyetujui atau menolak kartu kredit, peningkatan kredit, dan permintaan pelanggan lainnya dengan kecepatan tinggi.

Memperkenalkan AI di perbankan bukan tanpa risiko dan komplikasi. Studi dari IBM Institute for Business Value, Prospek Global untuk Perbankan dan Pasar Keuangan 2024, menemukan lebih dari 60% CEO perbankan khawatir tentang kerentanan baru yang diperkenalkan oleh AI. Yaitu antara lain adalah:

• 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 cipta⁴(tautan berada di luar ibm.com). 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” hasil. Sebaliknya, model AI mendeteksi pola⁵(tautan sumber di luar ibm.com) dalam data yang diberikan dan menampilkan hasil. Oleh karena itu, model tidak dapat memberi tahu karyawan manusia jika datanya salah atau tidak akurat.
• 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 dilatih pada data buatan manusia, model AI dapat mewarisi beberapa bias yang mempengaruhi 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.

Di masa depan, bank akan mengiklankan penggunaan AI mereka dan bagaimana mereka dapat menerapkan kemajuan lebih cepat daripada pesaing. AI akan membantu bank bertransisi ke model operasi baru, merangkul digitalisasi dan otomatisasi cerdas, serta mencapai profitabilitas yang berkelanjutan di era baru perbankan komersial dan retail.