Menurut Laporan dari IDC, Lembaga keuangan di Asia sedang menggunakan kecerdasan buatan generatif dengan sangat cepat. Pertumbuhan penggunaannya sangat tinggi, sehingga diperkirakan akan meningkat 96,7% setiap tahunnya sampai tahun 2027. Banyak perusahaan di Asia sedang mencoba-coba kecerdasan buatan generatif. Agar tidak buang waktu dan bisa mengembangkan inovasi lebih cepat, mereka harus mulai menggunakan teknologi ini secara penuh dalam bisnis mereka.
Berikut adalah beberapa tren utama di industri jasa keuangan:
Dioptimalkan untuk Setiap Penggunaan
Pelanggan membutuhkan akses ke berbagai macam Model Bahasa Besar (Large Language Models/LLM) untuk menemukan yang paling sesuai dengan kebutuhan mereka dalam waktu yang paling efisien. AI mirip dengan resep, di mana bahan-bahan seperti fungsi logika besar dan sumber data digabungkan dengan hati-hati untuk menghasilkan produk akhir yang sesuai kebutuhan.
Dengan begitu banyak pilihan di 'dapur' AI, organisasi dapat menyesuaikan sistem AI mereka untuk memenuhi berbagai kebutuhan. Perusahaan yang berhasil melakukan ini memiliki resep yang terdiri dari strategi manajemen data yang matang dengan penggunaan AI yang bertanggung jawab. Ini termasuk moderasi konten yang mendeteksi bias dalam data dan menyeimbangkan penilaian manusia dan AI.
Sama seperti dapur serbaguna yang bisa memasak berbagai hidangan untuk selera dan acara yang berbeda, layanan seperti Amazon Bedrock adalah solusi utama bagi pengembang AI. Alih-alih harus mencari dan menyiapkan semua bahan sendiri, layanan seperti ini menyediakan "lemari dapur" yang lengkap dengan model dasar yang sudah jadi dan serbaguna, dilatih dengan berbagai data untuk berbagai penggunaan.
Ambil contoh perusahaan manajemen investasi Amerika Serikat, Bridgewater Associates. Organisasi ini menggunakan model Claude dari Anthropic untuk menciptakan Asisten Analis Investasi yang didukung oleh LLM yang aman. Asisten ini dapat menghasilkan grafik yang kompleks, menghitung indikator keuangan, dan membuat rangkuman hasil.
Sementara itu, Bursa Efek New York sedang bereksperimen dengan berbagai model dasar untuk mengotomatisasi tugas, memahami sentimen pasar dengan lebih baik, dan mendapatkan wawasan prediktif yang berharga tentang fluktuasi harga saham.
Bursa juga sedang mengembangkan Chatbot Intelijen Dokumen Aturan Perdagangan menggunakan AI generatif. Alat ini memproses sekitar 20.000 halaman aturan perdagangan dari semua bursa di Amerika Serikat, sehingga memudahkan pengguna untuk mengajukan pertanyaan dan memahami peraturan perdagangan yang kompleks.
Mempercepat Adaptasi Tanpa Mengabaikan Regulasi
Perusahaan yang memiliki banyak aturan mungkin akan lebih dipermudah dengan adanya AI generatif. Ini membantu mereka berkembang lebih cepat dibandingkan perusahaan yang aturannya lebih sedikit. Contohnya, bank memiliki banyak data dari riset pasar, transaksi, dan penyedia informasi keuangan.
AI generatif dapat dengan cepat menganalisis data ini untuk menemukan informasi penting yang bisa meningkatkan kinerja. Meskipun melindungi data ini sangat penting, bank sudah terbiasa menjaga data pribadi dan keuangan pelanggan, sehingga mereka bisa menggunakan AI dengan lebih cepat. Keahlian dalam mengelola data ini membuat bank lebih unggul dibandingkan perusahaan lain yang belum bisa mengatasi masalah ini.
Memberdayakan Manusia Melalui Augmentasi
Kesuksesan AI generatif bergantung pada kecanggihan algoritma serta pengembangan tenaga kerja terampil yang mampu memanfaatkan potensi penuhnya. Tim yang berpengalaman dalam AI generatif dapat dengan cepat mengulang dan menyempurnakan model, mengurangi waktu dan sumber daya yang diperlukan untuk mencapai hasil yang diinginkan.
Berdasarkan survei keterampilan AI Asia Pasifik (APAC) tahun 2024 yang ditugaskan oleh AWS, 95% dari perusahaan jasa keuangan yang disurvei di APAC memperkirakan akan menggunakan solusi dan alat AI pada tahun 2028. Kelompok yang sama juga bersedia membayar premi gaji lebih dari 40% untuk pekerja dengan keterampilan AI.
BBVA, salah satu pemimpin perbankan global, memiliki lebih dari 1.000 ilmuwan data yang memanfaatkan keterampilan canggih menggunakan layanan AI generatif AWS. Hal ini memungkinkan mereka untuk membangun dan menerapkan model machine learning untuk berbagai macam penggunaan.
Mitsubishi UFJ Financial Group (MUFG), penyedia layanan keuangan terbesar di Jepang, juga berencana untuk memanfaatkan AI generatif untuk meningkatkan produktivitas di seluruh lini bisnisnya, termasuk layanan pelanggan, keuangan, sumber daya manusia, dan penjualan.
Saat ini, misalnya, ketika analis di layanan keuangan menerima peringatan otomatis tentang aktivitas yang mencurigakan, mereka harus melakukan tinjauan awal untuk menentukan apakah aktivitas tersebut memerlukan investigasi lebih lanjut.
Hal ini berbeda dengan Nasdaq. Bursa saham ini merampingkan peninjauan peringatan aktivitas mencurigakan dengan AI untuk mengotomatiskan tugas seperti menyaring informasi, menganalisis laporan, dan merangkum berita serta sentimen pasar. Bahkan, selama pengujian konsep, analis pengawasan berhasil mengurangi waktu investigasi sekitar 33%.
Keterhubungan AI dan ML Tradisional yang Berkelanjutan
Meskipun AI generatif merupakan langkah baru dalam otomatisasi, hal ini tidak membuat AI dan machine learning (ML) tradisional menjadi usang. Sebaliknya, keduanya masih relevan untuk mengatasi kebutuhan yang berbeda. Dunia keuangan sering melibatkan pemodelan risiko, optimasi portofolio, dan tugas kuantitatif lainnya yang membutuhkan kemampuan pemrosesan angka yang tepat. Tugas-tugas ini lebih cocok untuk algoritma AI tradisional yang dirancang khusus untuk analisis numerik dan operasi matematika.
Peta Jalan AI Generatif untuk Layanan Keuangan
Kemampuan lembaga keuangan untuk mengubah ide-ide awal menjadi produk atau layanan yang sebenarnya bergantung pada beberapa faktor. Pertama, ini tergantung pada kualitas data mereka dan keandalan protokol pengujian mereka. Sama seperti seorang koki ahli membutuhkan bahan-bahan terbaik untuk menciptakan hidangan yang luar biasa, model AI canggih juga bekerja paling baik ketika dilatih dengan data berkualitas tinggi yang tidak bias.
Langkah selanjutnya sebelum menggunakan model AI dalam lingkungan produksi adalah melakukan pengujian yang ketat dalam lingkungan terbatas atau "sandbox". Perusahaan harus melakukan pengujian yang menyeluruh dengan mensimulasikan kondisi dunia nyata dan mencoba menantang model mereka dengan berbagai skenario yang mungkin terjadi. Hanya setelah itu mereka dapat dengan percaya diri menggabungkan berbagai model AI untuk menciptakan strategi AI generatif yang kuat.
Yang paling penting adalah menciptakan lingkungan kerja dimana karyawan merasa aman untuk mencoba alat-alat AI tanpa takut gagal, serta menyediakan jalur karir yang jelas bagi mereka yang fokus pada AI. Ini kunci untuk mengembangkan sumber daya manusia yang dibutuhkan untuk mendorong perubahan ini.
Lembaga keuangan yang berhasil melakukan hal ini akan mendapatkan sesuatu yang tak ternilai harganya: waktu.
(Anthony Amni, Country Leader, Indonesia, AWS)
Cek Berita dan Artikel yang lain di
Google News
