Agensi AI di Keuangan: Bagaimana Pemimpin Data Mengembangkan Skala dengan Aman

Di seluruh Eropa, pemimpin data di layanan keuangan menemukan diri mereka berjalan di atas tali tightrope – ingin mengimplementasikan dan mengembangkan alat AI, namun terbatas oleh kepatuhan, manajemen risiko, dan tantangan untuk membuktikan nilai yang nyata. Menurut survei CDO Insights 2025, lebih dari 97% pemimpin data global mengatakan bahwa mereka kesulitan untuk membuktikan nilai bisnis AI yang jelas. Dan, sementara 87% berencana untuk mempercepat investasi di AI, 67% mengakui bahwa mereka telah mengalihkan kurang dari setengah proyek AI mereka ke dalam penerapan skala penuh.

Salah satu hambatan terbesar adalah memperoleh persetujuan dari pimpinan. Lebih dari sepertiga (35%) mengatakan bahwa memperoleh dukungan dan membuktikan nilai adalah tantangan utama yang menghambat peluncuran AI. Ini berarti bahwa banyak yang masih terjebak dalam pola menunggu, ragu-ragu untuk berkomitmen pada peluncuran yang lebih luas tanpa bukti yang jelas.

Keraguan ini berbeda tajam dengan potensi teknologi. McKinsey memperkirakan bahwa AI dan analitik dapat memberikan nilai tambah hingga $1 triliun per tahun untuk perbankan global, sementara AI generatif saja dapat memberikan kontribusi hingga $340 miliar untuk laba operasional. Ini adalah kesempatan yang terlalu besar untuk diabaikan – tetapi harus diatasi dengan cara yang menjaga kepatuhan, membangun kepercayaan, dan menghasilkan pengembalian yang terbukti.

Jalan ke depan

Meskipun ada hambatan signifikan, ada organisasi di seluruh Eropa, dan di seluruh dunia, yang sedang mengembangkan peluncuran AI mereka, menjelajahi bagaimana mereka dapat memanen hasil dari agen AI. Mereka yang sedang menggerakkan jarum tidak melakukannya dengan melompat langsung ke dalam penerapan yang kompleks dan panjang. Sebaliknya, mereka mengadopsi pendekatan yang terukur: memulai kecil, membangun kepercayaan, membuktikan nilai, dan hanya mengembangkan skala setelah teknologi membuktikan efikasinya.

Peluncuran AI yang paling sukses tidak terjadi dalam semalam. Mereka dimulai dengan langkah-langkah kecil yang berdampak tinggi yang membangun kepercayaan dan menghasilkan hasil. Berikut adalah tiga langkah untuk memulai.

1. Gunakan AI untuk membersihkan data sebelum mengembangkan skala

Bahkan dengan persetujuan kepatuhan, sistem AI hanya sekuat data yang mereka bangun. Kualitas data yang buruk akan melemahkan akurasi, efisiensi, dan kepercayaan. Faktanya, 43% pemimpin data mengatakan bahwa masalah data adalah hambatan terbesar mereka untuk mengembangkan AI generatif.

Menggembirakan, AI itu sendiri dapat membantu memperbaiki masalah data ini. Di layanan keuangan, misalnya, beberapa perusahaan menggunakan alat AI untuk membersihkan data piutang, menghapus duplikat, memperbaiki entri yang sudah ketinggalan zaman, dan menyelesaikan catatan yang tidak cocok. Setelah data sejalan dan dapat diandalkan, perusahaan dapat mengautomasi tindakan lanjutan, memperbaiki arus kas, dan beroperasi dengan kepercayaan yang lebih besar dalam wawasan AI mereka. Ini juga merupakan prioritas investasi utama. 86% pemimpin data berencana untuk meningkatkan pengeluaran manajemen data, dengan hampir setengahnya menyebutkan membuat data siap untuk AI sebagai motivator utama.

2. Mulai dengan agen eksekutor yang fokus

Menggunakan agen “eksekutor” dengan tujuan yang sempit adalah salah satu cara tercepat untuk menghasilkan kemenangan yang dapat diukur. Agen-agen ini dirancang untuk menangani tugas yang sangat spesifik dan terdefinisi dengan baik, seperti mengompilasi ringkasan pertemuan, memproses transaksi standar, atau mengategorikan pertanyaan pelanggan yang masuk.

Karena agen eksekutor relatif mudah untuk dipantau, mereka menghasilkan output yang jelas dapat dilacak dan lebih mudah untuk divalidasi untuk akurasi. Ini tidak hanya mengurangi risiko operasional, tetapi juga menyediakan bukti awal untuk pemangku kepentingan, membantu memperoleh persetujuan untuk adopsi yang lebih luas.

Setelah kesuksesan telah dibuktikan dengan agen tunggal, organisasi dapat memperkenalkan struktur agen yang lebih kompleks, seperti perencana dan pengatur, untuk menangani alur kerja multi-langkah.

3. Mengoptimalkan pelaporan kepatuhan melalui otomatisasi

Kepatuhan adalah area yang sangat intensif sumber daya di layanan keuangan. Pelaporan regulasi sering memerlukan mengumpulkan dan mengoreksi data dari beberapa sumber, proses yang dapat menghabiskan ratusan jam dan bergantung pada sekelompok kecil spesialis terlatih. AI unggul di sini, menyediakan titik awal yang sangat baik untuk menguji dan mengembangkan teknologi.

Setelah data dasar dibersihkan dan terstruktur, AI dapat mengambil alih beberapa tugas berat. Misalnya, menghasilkan laporan yang sesuai dengan BCBS 239 dapat sebagian diotomatisasi menggunakan pemetaan metadata yang dikombinasikan dengan model AI agen. Sistem ini dapat menghasilkan draf awal yang akurat yang kemudian ditinjau oleh petugas kepatuhan, mengurangi waktu putaran sambil mempertahankan kontrol kualitas.

Potensi di sini sangat signifikan. McKinsey menyoroti satu bank global yang mencapai peningkatan produktivitas sebesar 200% hingga 2.000% dalam proses Know-Your-Customer (KYC) dengan mengadopsi pendekatan “pabrik agen AI”. Mereka mempertahankan pengawasan manusia tetapi mengotomatisasi langkah-langkah yang paling memakan waktu.

Pelajaran dari perjalanan data bank multinasional

Satu bank multinasional Belanda mengakui pentingnya membangun fondasi data untuk kesuksesan AI. Mereka menyadari pentingnya manajemen data, membuat itu prioritas. Mereka berinvestasi dalam proses organisasi yang tepat untuk memungkinkan pengiriman skala, membuat pilihan yang disengaja untuk memberdayakan tim. Dan mereka memberikan tim arahan yang jelas dan kolaborasi lintas fungsional yang kuat untuk sukses. Kombinasi data yang tepercaya, tim yang diberdayakan, dan arahan strategis yang jelas ini adalah yang memungkinkan AI untuk menghasilkan nilai bisnis — bukan hanya hasil teknologi.

Membangun momentum tanpa kehilangan kontrol

Dengan 76% perusahaan layanan keuangan berencana untuk meluncurkan solusi AI agen dalam 12 bulan ke depan, momentum sedang terbangun. Namun, jelas bahwa organisasi yang paling sukses tidak terburu-buru untuk melakukan transformasi skala penuh. Mereka mengembangkan AI secara strategis, fokus pada kasus penggunaan yang kecil dan terkandung yang menghasilkan nilai yang dapat diukur dan meningkatkan efisiensi operasional. Mereka juga membenamkan tata kelola ke setiap tahap, memastikan tim kepatuhan terlibat sejak awal dan sering.

Dengan mengadopsi pendekatan inkremental ini, perusahaan dapat mempercepat adopsi AI tanpa mengorbankan kepercayaan atau keselarasan regulasi, mengubah “memulai kecil” dari keterbatasan yang dirasakan menjadi strategi pertumbuhan yang terbukti. Dalam adopsi AI, kecepatan penting, tetapi keselamatan dan skalabilitas lebih penting. Lembaga jasa keuangan yang memulai kecil, membuktikan nilai, dan mengembangkan skala dengan kepercayaan akan menjadi yang paling siap untuk membuka potensi triliunan dolar AI.