Penipuan dan produktivitas menjadi perhatian utama para pemimpin pemikiran AI di perbankan

Para eksekutif teknologi perbankan mendapat penghargaan dalam daftar pemimpin kecerdasan buatan yang dirilis hari Rabu tidak melihat adanya pengurangan dalam investasi dan upaya AI di perusahaan mereka, dan berfokus pada kasus penggunaan praktis seperti deteksi penipuan dan personalisasi.

Krish Swamy, kepala data dan analitik di Citizens Financial Group, memperkirakan investasi bank dalam AI pada tahun 2025 dan 2026 akan lebih tinggi daripada tahun 2024.

“Kami akan melakukan lebih sedikit hal dan melakukannya dengan sangat, sangat baik daripada mencoba melakukan 20 hal yang berbeda dan mengharapkannya berhasil,” katanya dalam sebuah wawancara.

“Menurut saya, masih ada peningkatan tajam dalam investasi AI di industri yang lebih luas, yang saya perkirakan akan terus berlanjut untuk beberapa waktu,” kata Dan Jermyn, kepala AI di Commonwealth Bank of Australia. “Tidak seperti kebanyakan kemajuan teknologi lainnya, implikasi AI sangat mendalam bagi setiap aspek organisasi layanan keuangan modern, jadi ini bukan hanya tentang investasi dalam transformasi organisasi, tetapi juga tentang kemampuan menerapkan model terbaru.”

Swamy dan Jermyn adalah dua pemimpin pemikiran dalam daftar AI 100, yang dikurasi oleh para ilmuwan data di H2O.ai (sebuah firma konsultan perangkat lunak AI) dan Evident (sebuah firma riset AI). Daftar tersebut mencakup tokoh-tokoh AI seperti Fei Fei Li, salah satu direktur Stanford Human-Centered AI Institute dan penulis buku “The Worlds I See,” dan Dr. Yann LeCun, kepala ilmuwan AI di Meta Platforms, serta para eksekutif yang mengadopsi AI di perusahaan mereka.

Bankir lain dalam daftar tersebut antara lain Chintan Mehta, wakil presiden eksekutif dan CIO di Wells Fargo; David Tyrie, kepala petugas digital dan kepala petugas pemasaran di Bank of America; Matthew Burris, kepala strategi jaringan penipuan dan ilmu data di Bank of America; Jamie Dimon, ketua dan CEO JPMorgan Chase; Teresa Heitsenrether, kepala petugas data dan analitik di JPMorgan Chase; dan Dr. Prem Natarajan, kepala ilmuwan dan kepala data perusahaan dan AI di Capital One.

“Kami menyoroti beberapa orang luar biasa yang telah membawa AI ke dalam organisasi mereka dan menggunakannya untuk mengubah produk, tetapi yang lebih penting lagi adalah budaya, dan dengan demikian memperoleh laba atas investasi bagi lembaga mereka,” kata Sri Ambati, pendiri dan CEO H2O.ai. “Untuk menjalankan AI, Anda harus menjadi pemikir hebat, tetapi juga pelaku hebat dan mampu menyatukan orang-orang.”

Tyrie mendapat penghargaan atas kerja timnya dalam mengembangkan chatbot Bank of America, Erica. Menurut bank tersebut, Erica telah menanggapi 800 juta pertanyaan dari lebih dari 42 juta klien dan memberikan wawasan serta panduan yang dipersonalisasi lebih dari 1,2 miliar kali.

Dimon dipilih karena dukungannya yang menyeluruh terhadap AI. Dalam suratnya kepada pemegang saham pada kuartal kedua, Dimon menyamakan AI dengan “mesin cetak, mesin uap, listrik, komputasi, dan internet.” Dimon mengatakan AI akan tertanam dalam setiap proses bank, termasuk perdagangan, penelitian, lindung nilai ekuitas, dan layanan pelanggan, sering kali sebagai semacam pendamping.

Baru-baru ini dilaporkan bahwa JPMorgan Chase telah meluncurkan asisten AI generatif kepada 60.000 karyawan untuk membantu mereka dengan tugas-tugas seperti menulis email dan laporan. Perusahaan telah menyiapkan portal yang memungkinkan karyawan mengakses model bahasa besar eksternal, dimulai dengan model dari OpenAI. Bank juga menggunakan AI generatif untuk membuat posting media sosial, memetakan rencana perjalanan bagi klien agen perjalanan yang dimilikinya, meringkas rapat untuk penasihat keuangan, menentukan lokasi cabang dan ATM, membantu perwakilan pusat panggilan menjawab pertanyaan, dan mencegah penipuan pembayaran.

Dalam wawancara, penerima penghargaan lainnya berbagi beberapa proyek AI teratas yang tengah mereka kerjakan.

Memblokir penipuan

Beberapa bankir dalam daftar AI 100 mengatakan bahwa pencegahan penipuan adalah salah satu kasus penggunaan utama. AI telah digunakan dalam industri keuangan untuk mendeteksi penipuan selama beberapa dekade – model AI dapat menganalisis ribuan atau bahkan jutaan transaksi dengan kecepatan yang tidak akan pernah dapat ditandingi oleh manusia. AI generatif mulai digunakan untuk lebih memahami skema penipuan – misalnya, JPMorgan Chase menggunakan AI generatif untuk mendeteksi serangan kompromi email bisnis.

Burris di Bank of America memimpin tim yang terdiri dari lebih dari 30 ilmuwan data, teknisi data, dan analis pelaporan yang mengembangkan model AI yang dapat memutuskan, secara real time, transaksi mana yang sangat mencurigakan dan karenanya harus diblokir. Burris memperkirakan hal ini melindungi bank dan nasabahnya dari penipuan senilai sekitar $100 juta setiap tahun.

Burris juga menciptakan proses yang menggunakan teknologi grafik untuk mendeteksi dan menyelidiki jaringan kejahatan terorganisasi. Ia mengerjakan pekerjaan ini bersama para ilmuwan data dan 70 analis operasi.

Di Commonwealth Bank of Australia, Jermyn juga memimpin tim yang menggunakan AI untuk melindungi bank dan nasabahnya dari penipuan.

“Satu kasus penggunaan yang khususnya menonjol adalah pendekatan inovatif kami untuk mengatasi penyalahgunaan yang difasilitasi teknologi, di mana sebagian kecil orang menggunakan deskripsi transaksi pembayaran daring sebagai sarana untuk mengirim pesan yang kasar atau mengancam kepada penerima,” kata Jermyn. “Tim mengembangkan kombinasi baru teknik AI untuk mendeteksi dan mengurangi perilaku ini.”

Sejak 2020, model tersebut telah memblokir sekitar 1 juta transaksi yang berisi kata-kata kasar, mengancam, atau menyinggung dalam deskripsi, katanya. Contoh-contoh yang paling berisiko tinggi diteruskan ke spesialis.

Bank tersebut telah menerbitkan penelitian yang mendukung model ini dan menyediakan kode yang mendasarinya kepada organisasi lain, “sehingga setiap organisasi di seluruh dunia dapat memperoleh manfaat, dan mengatasi bentuk penyalahgunaan yang berbahaya ini,” kata Jermyn.

Commonwealth juga telah menggunakan AI untuk menyediakan dukungan langsung kepada pelanggan di daerah bencana alam, dan membantu pelanggan memperoleh lebih dari $1,2 miliar manfaat dan potongan harga pemerintah yang menjadi hak mereka, melalui alat pencari manfaatnya.

Pengembang, produktivitas karyawan

Swamy di Citizens telah membangun model operasi yang dapat digunakan bank untuk membangun dan meningkatkan skala model AI. (Dia telah bekerja di Citizens selama setahun; sebelumnya, dia melakukan pekerjaan serupa di Wells Fargo.)

Model operasi ini memberi ilmuwan data di bidang seperti pemasaran dan penipuan cara yang konsisten dalam memikirkan masalah, melakukan pekerjaan, dan menjalankan model pembelajaran mesin.

“Manfaat besar dari semua itu adalah Anda mendapatkan tingkat standarisasi kualitas dan pengulangan yang sangat tinggi dalam pekerjaan,” kata Swamy.

Hampir 20 tahun yang lalu, ketika Swamy mulai menekuni ilmu data, “banyak dari pekerjaan itu sangat khusus, sangat artisanal,” katanya.

“Diperlukan tim-tim besar yang terdiri dari orang-orang untuk berkumpul. Dan ketika itu terjadi, Anda masih mencari tahu apa yang perlu Anda lakukan – bagaimana menyusun data, di mana akan meletakkannya, bagaimana mengatur upaya pemodelan, dan sebagainya. Pada saat Anda selesai membangun model, Anda harus memikirkan tentang perlindungan model tersebut.” Proses menyeluruh bisa memakan waktu 18 bulan, kata Swamy.

Saat ini, permintaan untuk pembelajaran mesin sangat tinggi, katanya, “dan kita hanya memiliki sedikit ilmuwan data. Kita harus menjadi lebih terorganisasi, lebih efisien, dengan kualitas yang lebih baik – standar kualitas semakin meningkat. Karena regulator semakin terbiasa dengan beberapa alat ini, saya pikir harapan mereka juga mulai meningkat. Jadi, Anda memiliki pertemuan antara pasokan yang terbatas, permintaan yang meningkat, dan harapan yang meningkat dari regulator. Yang Anda perlukan adalah metodologi atau cara standar untuk menyelesaikannya.”

Salah satu manfaat dari pendekatan model operasi ini adalah jika bank memulai proyek dengan beberapa ilmuwan data dan kemudian menemukan bahwa pekerjaan itu lebih besar dari yang diperkirakan sebelumnya dan lebih banyak orang yang ditambahkan, “mereka akan tahu persis apa yang terjadi sebelumnya dan apa yang akan terjadi selanjutnya,” kata Swamy. “Jadi integrasi mereka ke dalam tim itu menjadi jauh lebih lancar, jauh lebih cepat.”

Ia juga berupaya mengotomatiskan sebagian pekerjaan ini, sehingga ilmuwan data dapat menghabiskan lebih banyak waktu untuk mendalami masalah bisnis, seluk-beluk data, dan solusi yang dicari klien.

Bank tersebut juga telah mengujicobakan AI generatif, belajar dari para perintis tersebut dan bersiap untuk menerapkannya dalam produksi. Swamy melihat adanya pergeseran menyeluruh dalam industri ini dari AI generatif yang keren, menarik, dan menyenangkan menjadi sesuatu yang perlu memiliki penerapan praktis.

Salah satu kasus penggunaan AI generatif di Citizens, katanya, adalah kategorisasi keluhan pelanggan – hal ini dapat membantu mencocokkan komentar marah pelanggan dengan peraturan relevan yang menjadi dasar penyampaian pesan tersebut.

“Model-model ini dapat melakukan jenis kategorisasi ini dengan sangat baik, karena Anda hanya perlu memintanya untuk memahami bahasa Inggris dan bertanya, apakah model ini termasuk dalam kategori ini atau kategori lainnya?” kata Swamy. AI generatif juga dapat digunakan untuk mengkategorikan dokumen yang diserahkan dalam proses aplikasi pinjaman, seperti dokumen yang memverifikasi pendapatan, identitas, atau tempat tinggal.