AI Membuka Masa Depan Cerah untuk Perbankan, tetapi Pengembangan yang Bertanggung Jawab adalah Kunci

AI telah menjadi sangat umum. Selera pasca-pandemi untuk efisiensi, responsivitas, dan kecerdasan yang lebih besar telah memicu perlombaan kompetitif di antara pemain teknologi terkemuka dunia. Dalam beberapa tahun terakhir, AI telah tumbuh dari teknologi pinggiran yang muncul untuk kasus penggunaan yang sangat khusus menjadi sesuatu yang dapat diakses dengan mudah melalui perangkat yang terhubung. Faktanya, 33% dari semua investasi modal ventura melalui tiga kuartal pertama tahun 2024 telah dialokasikan untuk perusahaan yang terkait dengan AI, peningkatan yang signifikan dari 14% pada tahun 2020. Ini telah diterjemahkan menjadi adopsi AI yang cepat, hampir demam, ke dalam fungsi bisnis inti dan aplikasi untuk penggunaan konsumen.

Meskipun antusiasme eksekutif perbankan untuk mengadopsi AI, pertumbuhan AI di industri ini akan lebih terukur. AI diperkirakan akan menambahkan antara $200 dan $340 miliar dalam nilai untuk bank secara tahunan, terutama melalui produktivitas yang ditingkatkan. 66% dari eksekutif perbankan dan keuangan percaya bahwa potensi peningkatan produktivitas dari AI dan otomatisasi sangat signifikan sehingga mereka harus menerima risikonya untuk tetap kompetitif. Namun, standar regulasi yang ketat dan taruhan tinggi yang mengelilingi data konsumen masih berarti bank harus mendekati AI dengan bijak, fokus pada keamanan dan keandalan.

Mengintegrasikan teknologi AI secara bertahap mengubah perbankan, menjanjikan perbaikan dalam kemudahan penggunaan, efisiensi operasional, dan manajemen biaya – semuanya ini sangat penting untuk menjaga bank tetap kompetitif dan berorientasi pada pelanggan dalam ekonomi digital yang berkembang.

AI berfungsi sebagai katalis untuk inovasi di perbankan dengan mempermudah proses yang kompleks di sektor ini sambil meningkatkan efisiensi, akurasi, dan personalisasi. Dampak ini sangat jelas terlihat di bidang seperti layanan pelanggan, deteksi penipuan, dan pengambilan keputusan kredit. AI chatbot, misalnya, sekarang sudah umum – dengan 72% bank melaporkan pengalaman pelanggan yang ditingkatkan karena penerapan mereka.

Mengintegrasikan pemrosesan bahasa alami (NLP) sangat berharga, memungkinkan interaksi pelanggan yang lebih intuitif. Dalam kasus di mana pelanggan mungkin memerlukan dukungan dengan platform online, AI dapat merespon secara real-time, memberikan pelanggan instruksi dalam bahasa sederhana. Ini dapat meningkatkan pengalaman pengguna, membuat layanan perbankan yang sebelumnya menakutkan menjadi lebih mudah diakses dan ramah pengguna. Selain itu, dengan menganalisis data pelanggan dan riwayat transaksi, platform yang didorong oleh AI menjadi lebih baik dalam menawarkan rekomendasi produk yang dipersonalisasi. Misalnya, jika Anda melakukan transaksi investasi dari satu bank ke bank lain, Anda mungkin melihat penawaran perdagangan tanpa komisi dari salah satu bank tersebut di halaman transaksi Anda. Penawaran yang dipersonalisasi seperti ini dapat meningkatkan loyalitas pelanggan, tetapi tampaknya sektor perbankan memiliki celah yang perlu diisi, karena 74% pelanggan perbankan mengatakan mereka ingin pengalaman yang lebih dipersonalisasi. Bank harus mengambil ini sebagai tanda untuk mengadopsi AI untuk meningkatkan personalisasi, terutama pada saat bank kehilangan 20% dari pelanggan mereka karena pengalaman pelanggan yang buruk.

Manfaat sistem AI meluas tidak hanya pada perbaikan di kantor depan; mereka membuat proses kantor belakang menjadi jauh lebih efisien. Lembaga keuangan telah menggunakan AI untuk mengurangi tinjauan manual yang memakan waktu dan mitigasi risiko. Misalnya, platform Contract Intelligence (COiN) dari JP Morgan dapat memproses 12.000 kontrak setiap tahunnya, yang menghemat 360.000 jam tinjauan untuk tim hukum perusahaan. Platform ini sangat membantu dalam menafsirkan aplikasi pinjaman.

AI Membuat Pengurangan Risiko dan Deteksi Penipuan Lebih Kuat

Di luar meningkatkan interaksi pelanggan dan membuat persetujuan kontrak lebih efisien, teknologi AI juga memperkuat bank dalam deteksi penipuan dan strategi manajemen risiko. Tahun lalu, penipuan menghabiskan biaya lebih dari $442 miliar dalam kerugian yang diperkirakan, sebagian besar dari pembayaran, cek, dan penipuan kartu kredit. Teknologi AI secara signifikan meningkatkan deteksi penipuan dengan mengenali pola yang mungkin menunjukkan aktivitas penipuan. Alat ini juga dapat memantau transaksi secara real-time dan menandai anomali jauh lebih cepat daripada metode tradisional. Misalnya, alat underwriting yang didorong oleh AI membantu bank menilai risiko dalam layanan pedagang dengan menganalisis riwayat transaksi dan mengidentifikasi potensi bendera merah, meningkatkan efisiensi dan keamanan dalam proses persetujuan.

Sementara AI telah membuat kemajuan signifikan dalam pencegahan penipuan, itu tidak tanpa kompleksitas. Munculnya alat AI generatif, yang dapat membuat video dan gambar deepfake, menambahkan lapisan risiko baru. Mereka dapat dieksploitasi untuk pencurian identitas dan skema canggih lainnya – seperti pekerja keuangan yang ditipu untuk membayar $25 juta kepada penipu menggunakan deepfake untuk berpura-pura sebagai chief financial officer mereka.

Ketika sistem deteksi penipuan yang didorong oleh AI meningkat, kerangka yang mengatur penggunaannya juga harus berkembang. Menggembirakan, lembaga keuangan semakin berkolaborasi dengan regulator untuk memastikan sistem AI ini dirancang dan diterapkan secara bertanggung jawab, dengan fokus kuat pada perlindungan pelanggan.

Mengelola Tantangan Etis dan Regulasi

Meskipun banyak manfaatnya, adopsi AI di perbankan datang dengan hambatan etis dan regulasi yang substansial. Mengingat lanskap regulasi yang berat di perbankan, lembaga keuangan menghadapi standar kepatuhan yang ketat, seringkali bervariasi menurut wilayah. Uni Eropa, misalnya, akan menerapkan Undang-Undang AI, yang mencakup denda hingga 7% dari pendapatan tahunan untuk perusahaan yang ditemukan tidak patuh. Serupa, di Amerika Serikat, pengawasan regulasi dari badan seperti Federal Reserve dan Consumer Financial Protection Bureau (CFPB) berarti bank harus menavigasi aturan privasi yang kompleks saat menerapkan model AI.

Masalah regulasi kritis dengan AI adalah risiko bias dalam model bahasa besar, yang dapat memiliki konsekuensi yang tidak diinginkan dengan skor kredit atau keputusan persetujuan pinjaman. Misalnya, model AI yang dilatih pada data yang bias atau bermasalah bisa menolak aplikasi pinjaman dari kelompok demografis tertentu secara tidak proporsional, potensialmente memaparkan bank pada risiko reputasi, tindakan hukum, tindakan regulasi, atau kombinasi dari ketiganya.

Untuk mengatasi masalah ini, bank berinvestasi dalam kerangka “explainable AI” yang memungkinkan transparansi yang lebih besar dalam keputusan yang didorong oleh AI. Explainable AI memberikan wawasan tentang bagaimana model AI membuat prediksi, membantu bank menunjukkan akuntabilitas kepada regulator dan pelanggan. Juga penting bahwa bank mempertahankan strategi “human-in-the-loop” untuk mengesampingkan keputusan yang dibuat oleh AI, terutama jika mereka percaya keputusan AI bisa menyebabkan tindakan disiplin.

Selain itu, memastikan keamanan data dan privasi pelanggan dalam aplikasi AI sangat kritis karena bank menangani sejumlah besar informasi sensitif. Sistem AI harus mengintegrasikan enkripsi lanjutan dan anonimisasi data untuk melindungi terhadap pelanggaran. Biaya rata-rata pelanggaran data di industri jasa keuangan adalah $4,45 juta per insiden – biaya yang AI dapat potensialmente mitigasi, asalkan diterapkan dengan langkah keamanan lain yang kuat.

Keperluan untuk Pengembangan AI yang Bertanggung Jawab

Setiap beberapa minggu, perkembangan baru dalam teknologi AI tampaknya membuat berita, menimbulkan pertanyaan penting: apakah kemajuan ini didasarkan pada tanggung jawab atau didorong oleh insentif keuangan? Pendekatan yang bertanggung jawab terhadap pengembangan AI sangat penting untuk memanfaatkan AI sepenuhnya, terutama bagi bank. Ini melibatkan pemantauan, pengujian, dan penyesuaian model AI secara terus-menerus untuk memastikan mereka beroperasi seperti yang diharapkan. Strategi AI yang komprehensif mencakup validasi model yang ketat, protokol deteksi bias, audit reguler, dan yang paling penting, pembersihan data. Selain itu, sistem AI harus dirancang untuk melengkapi pengawasan manusia daripada menggantinya, terutama dalam skenario pengambilan keputusan yang kompleks. Pendekatan ini memastikan bahwa AI berfungsi sebagai alat pemberdayaan, memungkinkan karyawan perbankan untuk fokus pada tugas yang memerlukan pemikiran kritis, empati, dan interaksi pelanggan.

Menciptakan Jalan yang Seimbang ke Depan

Potensi AI untuk merevolusi perbankan tidak dapat disangkal, tetapi jalan ke depan memerlukan pertimbangan yang hati-hati terhadap kebutuhan teknologi dan etika. Bank secara unik berposisi untuk memimpin adopsi AI yang bertanggung jawab, menetapkan standar bagi industri lain tentang bagaimana mengintegrasikan inovasi dengan akuntabilitas. Dengan fokus pada model AI yang transparan, patuh, dan berorientasi pada pelanggan, lembaga keuangan dapat mengubah pengalaman perbankan, menawarkan layanan yang lebih efisien tanpa mengorbankan kepercayaan atau kepatuhan regulasi.

Menghadap ke depan, adopsi AI yang sukses di perbankan akan bergantung pada kolaborasi di seluruh industri. Bank, regulator, dan penyedia teknologi harus bekerja sama untuk menetapkan praktik terbaik, berbagi wawasan, dan beradaptasi dengan lanskap yang bergerak cepat. Ketika bank menavigasi kompleksitas AI, mereka yang dapat memanfaatkan potensi AI sambil mengelola risiko akan tanpa ragu muncul sebagai pemimpin di masa depan keuangan.