Menemukan nilai dalam AI: Pelajaran bagi bank dari para pemimpin industri

Saat beberapa lembaga keuangan berlomba-lomba meluncurkan kecerdasan buatan, para ahli memperingatkan bahwa mereka perlu mencari tahu cara menghasilkan nilai nyata dari teknologi tersebut dalam jangka panjang. Penghematan biaya mungkin tidak cukup, kata para praktisi di panel konferensi Finovate Fall di New York minggu ini.

“Penghematan biaya adalah target yang sangat mudah,” kata Milton Santiago, kepala solusi digital global di Silicon Valley Bank. “Ketika kita mulai melihat cara meningkatkan nilai, itu lebih sulit… meningkatkan nilai akan sangat berbeda untuk setiap nasabah dan untuk setiap bank.”

AI, khususnya adopsi AI generatif, semakin meluas di berbagai lembaga keuangan. Dalam sebuah studi EY survei dari 300 pemimpin layanan keuangan yang dirilis pada Desember 2023, 99% mengatakan organisasi mereka menerapkan AI dalam beberapa cara, dengan semua responden mengatakan organisasi mereka sudah menggunakan, atau berencana untuk menggunakan, AI generatif.

Mendefinisikan nilai

Panelis mengatakan, ada risiko melanjutkan AI generatif tanpa tujuan bisnis yang jelas.

“Jangan lakukan itu hanya demi menggunakan AI generatif. Lakukan itu karena Anda akan menciptakan nilai,” kata Dan Latimore, kepala peneliti di The Financial Revolutionist. “Pengungkit klasiknya adalah peningkatan pendapatan, penurunan pendapatan,” dan mitigasi risiko, tambahnya.

Pemangkasan biaya dan efisiensi dapat dianggap sebagai hasil yang mudah dicapai dalam peluncuran AI, tetapi KPI akan bergantung pada kebutuhan sasaran bisnis dan basis klien masing-masing institusi, kata Santiago.

Sarah Hinkfuss, mitra di Bain Capital Ventures, mengatakan perangkat AI harus dirancang untuk melaksanakan tugas-tugas tertentu dengan hasil yang lebih berkualitas daripada metode lama, dan dengan harga yang lebih rendah. Sebagai contoh, ia menyebutkan satu produk yang meninjau komunikasi untuk tujuan regulasi, sehingga mengurangi kebutuhan manusia untuk mengerjakan tugas tersebut dari awal.

Pendekatan spesialis versus pendekatan platform

Pendekatan platform terhadap adopsi AI — di mana satu alat dapat menyelesaikan serangkaian kasus penggunaan — memiliki tempatnya, tetapi mungkin ada kasus bisnis yang menarik untuk menerapkan apa yang disebut solusi titik — di mana satu alat mengatasi kebutuhan tertentu, kata Hinkfuss.

“Jika Anda mencoba untuk bertindak terlalu luas, terlalu cepat, Anda akan berakhir menjadi ‘tiga hal yang tidak dapat dilakukan siapa pun,'” katanya. “Anda tidak dapat memiliki kualitas yang lebih tinggi, biaya yang lebih rendah, dan kecepatan yang lebih tinggi. Anda harus sangat sempit, terutama ketika Anda mencoba untuk mengotomatiskan pekerjaan, dan semua aplikasi agen (agen AI otonom yang melakukan tugas dengan sedikit atau tanpa campur tangan manusia) melakukan hal itu.”

Bagi Santiago dari Silicon Valley Bank, cara penerapan alat AI dievaluasi berdasarkan kasus per kasus.

“Mungkin ada solusi yang memungkinkan saya memilih solusi terpadu dibandingkan solusi poin, tergantung pada nilai yang ingin saya dapatkan… setiap kasus bisnis memiliki manfaat biaya,” katanya.

Perlombaan AI

Berbagai pendekatan untuk penerapan AI — baik secara internal maupun dengan melibatkan mitra pihak ketiga — menghadirkan banyak peluang dan risiko. Bank-bank besar mungkin lebih suka mengembangkan kapabilitas secara internal, tetapi hal itu membawa risiko yang lebih cepat terhadap pasar, saran Hinkfuss.

“Banyak bank besar sebenarnya fokus membangunnya secara internal,” katanya. “Kami masih belum tahu apakah tingkat spesialisasi tambahan itu … benar-benar memberi keuntungan (dibandingkan) model sumber terbuka, misalnya, dan menyempurnakannya dalam lingkungan Anda.”

Dapat dikatakan bahwa bank-bank regional yang lebih kecil yang melengkapi solusi siap pakai “lebih cepat memulai dengan menggunakan alat yang telah terbukti,” sementara bank-bank besar berfokus pada diferensiasi, katanya. Masuknya bank-bank yang lebih kecil ke dalam AI generatif melalui penyedia platform pihak ketiga dapat dilakukan dengan harga yang jauh lebih rendah karena pihak ketiga melakukan penelitian dan menyediakan keamanan dan kesiapan untuk peluncuran, kata Santiago.

Namun, lembaga yang lebih kecil mungkin menghadapi tantangan masalah budaya saat mereka memutuskan seberapa cepat mereka akan maju.

“Akan ada orang-orang yang penasaran dengan AI, ada orang-orang yang takut dengan AI, dan ada orang-orang yang tergila-gila dengan teknologi,” kata Santiago.

Implikasi internal

Pengarusutamaan AI generatif di seluruh lembaga keuangan — baik untuk kasus penggunaan konsumen maupun internal — kemungkinan akan meningkatkan ekspektasi di antara para rekrutan baru, terutama karena semakin banyak tugas rutin yang didelegasikan ke perangkat AI, kata panelis. Standar untuk perekrutan karyawan tingkat pemula akan lebih tinggi, tetapi dapat memberdayakan individu berbakat untuk naik jabatan.

“Piramida (tenaga kerja) akan jauh lebih sempit,” kata Ihar Mahaniok, mitra pengelola di Geek Ventures. “Orang-orang berbakat dengan pengalaman yang minim — yang dipersenjatai dengan perangkat AI masa kini — bisa sangat berharga bagi perusahaan … mereka akan menjadi orang yang tepat untuk benar-benar tumbuh ke jajaran senior.”