Di Balik Angka: Bagaimana AI Menjadi “Karyawan” Paling Menguntungkan di Keuangan

Di media, perbankan dan, lebih luas, keuangan sering digambarkan sebagai orang-orang dengan setelan rapi yang membuat keputusan bisnis dari lantai atas gedung pencakar langit, atau pedagang berbakat yang dapat memahami keadaan pasar dari sedikit data. Karena ini adalah salah satu gambaran paling kuat tentang keuangan, banyak diskusi tentang fitur teknis baru di bidang ini fokus pada bagaimana mereka akan mengubah pekerjaan di meja depan.

AI tidak terkecuali di sini, dan sebagian besar debat tentang adopsi AI di keuangan berfokus pada apakah agen akan menggantikan pedagang atau apakah mereka dapat mengalokasikan modal lebih efektif daripada penasihat. Namun, aplikasi AI yang paling efisien ternyata jauh dari gambaran yang glamor yang banyak orang bayangkan. Pada kenyataannya, kecerdasan buatan membawa lebih banyak uang dari apa yang dapat disebut sisi ” membosankan” dari keuangan, yaitu operasi sehari-hari.

Di Mana AI Benar-Benar Menciptakan Nilai

Manfaat utama AI adalah bahwa ia dapat menangani tugas dengan biaya yang jauh lebih murah dan beberapa kali lebih cepat daripada manusia. Dan dengan melakukan itu, ia secara harfiah menghasilkan keuntungan melalui efisiensi operasional yang ditingkatkan.

Sebagai contoh, dengan bantuan alat AI, Citigroup mengurangi waktu tinjauan dokumen sebelum pembukaan akun dari lebih dari satu jam menjadi hanya 15 menit. Secara alami, pengambilan keputusan yang lebih cepat akan menyenangkan pelanggan dan mungkin bahkan membuat mereka lebih setia. Namun, pada saat yang sama, 45 menit tersebut diterjemahkan menjadi ratusan ribu dolar dalam penghematan biaya untuk bank, karena alat-alat ini membebaskan jam-jam kerja manusia untuk pekerjaan yang lebih penting.

AI membantu mengoptimalkan lapisan birokrasi keuangan dan kerangka internal yang luas yang digunakan perusahaan. Itulah mengapa kasus penggunaan yang paling berharga sering kali berada jauh dari yang paling spektakuler. Pedagang otonom atau chatbot yang menyarankan penawaran terbaik kepada klien mungkin terdengar mengesankan, tetapi prosedur KYC yang otomatis dan pemeriksaan due diligence kemungkinan akan membawa nilai ekonomi yang jauh lebih besar bagi bank atau perusahaan keuangan.

Itu dikatakan, tidak ada yang mencegah perbaikan ini juga membantu pelanggan. Pengguna mungkin menghargai asisten AI pribadi di aplikasi, tetapi mereka akan lebih menghargainya jika keputusan pinjaman dapat dipotong dari hari menjadi menit, atau jika transaksi mereka tidak salah ditandai sebagai penipuan, karena kemungkinan tersebut dikurangi oleh beberapa puluh poin persentase.

Bagaimana AI Menjadi “Karyawan” Paling Menguntungkan?

Biasanya, ketika basis pelanggan bank tumbuh, stafnya juga harus tumbuh hampir proporsional. Dulu tidak mungkin untuk meninjau jumlah transaksi dan dokumen klien yang meningkat dengan ukuran tim yang sama. Berbagai solusi teknologi modern membantu sampai batas tertentu, tetapi pertumbuhan bisnis masih secara tidak terhindarkan menyebabkan pertumbuhan jumlah karyawan. Dan semakin banyak karyawan yang dimiliki perusahaan, semakin banyak manajer yang dibutuhkan dan semakin mahal biayanya untuk mengawasi seluruh struktur.

Sekarang AI telah muncul, masalah ini mulai menghilang, karena jumlah karyawan yang lebih sedikit masih dapat melayani jumlah klien yang meningkat dengan bantuan alat AI. Beberapa perusahaan sudah menggunakan logika ini: Klarna, misalnya, telah klaim bahwa satu asisten AI dapat melakukan pekerjaan 700 orang. Apa pun biaya penerapan alat tersebut, itu tidak mungkin mendekati gaji reguler beberapa ratus karyawan.

Namun, untuk benar-benar membuatnya bekerja, perusahaan harus mengintegrasikan AI dengan baik ke dalam alur kerjanya, melampaui hanya eksperimen. Di keuangan, banyak proyek masih berada pada tahap pilot, yang jelas tidak dapat menghasilkan banyak nilai. Sementara satu perusahaan mungkin membahas apakah akan mengadopsi instrumen baru atau bagaimana menskalakan agen AI, pesaingnya tidak akan berdiri diam, membangun kemampuan AI mereka sendiri.

Ketinggalan dalam perlombaan ini akan menyebabkan kerugian keuangan yang signifikan. Untuk tepat, perusahaan yang gagal memindahkan operasional ke jalur AI lebih awal bisa kehilangan hingga 9% dari keuntungan mereka. Mengejar ketinggalan dengan kelemahan seperti itu nanti tidak akan mudah, dan itu menuntut perusahaan keuangan untuk membangun strategi AI yang solid.

Bagaimana Mengatur Keputusan AI

Ini adalah tantangan terbesar, karena memasukkan agen AI ke dalam operasi keuangan secara tidak terhindarkan akan berarti delegasi sebagian otoritas pengambilan keputusan kepada mereka. Di keuangan, di mana AI telah menjadi sumber “karyawan junior” yang tidak ada habisnya dengan mengoptimalkan operasi back-office dasar, ini menimbulkan risiko yang signifikan. Masalahnya, kesalahan dalam jenis pekerjaan ini sering kali merupakan yang paling mahal.

Umumnya, regulator mencegah organisasi keuangan melakukan sesuatu yang berisiko dan membuat aturan untuk meminimalkan kerugian yang mungkin terjadi. Namun, ketika datang ke AI, industri ini bergerak jauh lebih cepat daripada pengawasan, karena hanya seperempat otoritas mengumpulkan data tentang penggunaan AI dari entitas yang diatur. Ini jelas tidak cukup untuk mengikuti jumlah perusahaan yang meningkat yang menambahkan agen ke operasional mereka.

Sebagai hasilnya, perusahaan keuangan harus menemukan cara untuk mengatur instrumen yang digerakkan oleh AI sendiri. Ini dapat dipahami, mengingat kesalahan di sini dapat menyebabkan kerugian sebesar jutaan dolar. Sebagai contoh, di bank modern, agen diberi izin yang terbatas, seperti halnya karyawan nyata. Jika AI bekerja dengan dokumen klien, jelas tidak perlu hak untuk mengubah peringkat risiko klien. Agen diberi peran operasional yang ketat dan tidak diizinkan untuk melanggarnya.

Mekanisme lain yang mungkin dan tentu saja diperlukan adalah menyimpan catatan rinci dari semua tindakan AI, sehingga jika kesalahan terjadi, setiap langkah yang diambil agen dapat dilacak. Di area seperti KYC dan deteksi penipuan, pertanyaan tentang klien mungkin muncul berbulan-bulan kemudian, sehingga bank absolut memerlukan catatan lengkap logika asisten AI.

Perilaku AI juga dapat diuji dalam sandbox. Bank of England, misalnya, telah mensimulasikan sesi perdagangan AI untuk memahami bagaimana agen akan berinteraksi dengan satu sama lain dan dengan pasar nyata. Pengujian seperti ini membantu mengidentifikasi di mana agen membuat kesalahan dan memperbaiki masalah sebelum diluncurkan.

Akhirnya, perlu diingat bahwa setiap keputusan AI harus dikonfirmasi oleh manusia, yang tetap bertanggung jawab atas keputusan tersebut. Dalam hal kerugian, tidak ada yang akan menerima jawaban “karena model memutuskan demikian,” dan seorang manajer senior masih harus menyetujui tindakan AI dan mengambil tanggung jawab atasnya.

Dari “Banks-vs-Fintech” ke “Fast-vs-Slow”

Regulasi AI juga membentuk persaingan di pasar keuangan. Pelanggan mungkin senang ketika dokumen mereka diproses 30 menit lebih cepat, tetapi mereka pasti tidak akan senang jika bot AI merusak riwayat kredit mereka atau menghabiskan uang mereka. Untuk menghindari masalah seperti itu, mereka lebih cenderung mempercayakan uang mereka kepada perusahaan yang menjelaskan strategi AI mereka secara transparan dan jujur. Dan, tentu saja, yang memiliki masalah yang lebih sedikit dalam mengelolanya.

Perusahaan fintech memiliki keunggulan yang jelas di sini, karena mereka tidak dibebani oleh beban sistem warisan. Fintech modern dapat membangun layanan mereka di sekitar AI dari awal dan mengotomatisasi semua proses segera. Membangun sesuatu yang baru dapat lebih mudah daripada mencoba mengintegrasikan agen AI ke dalam organisasi yang masih mengandalkan mesin faks dan sistem COBOL yang beberapa dekade lama. Tidak mengherankan bahwa hampir setengah dari perusahaan fintech telah mencapai tahap lanjutan adopsi AI, dibandingkan dengan kurang dari satu-third di antara lembaga keuangan tradisional.

Bank tidak akan punah. Setelah semua, mereka telah selamat dari Depresi Besar, 1970-an, Resesi Besar, dan lebih. Mereka tahu bagaimana beradaptasi dengan perubahan. Karena warisan mereka, mereka telah mengumpulkan sejumlah besar data pelanggan, modal, dan reputasi. Namun, untuk menggunakan keunggulan ini secara bermakna, mereka harus mengintegrasikan AI sepenuhnya ke dalam proses mereka, karena hanya menambahkannya ke produk sampingan tidak akan banyak membantu.