Di bank, AI generatif membantu pemula, bukan pekerja terampil

Penggunaan AI generatif tampaknya membantu karyawan menjadi lebih produktif, baik di bank maupun di tempat kerja lainnya. Namun sejauh ini, hasil yang diperoleh jauh lebih baik bagi kaum muda dan pemula dibandingkan pekerja terampil, yang bahkan dapat terkena dampak negatif dari teknologi.

Kasus penggunaan AI generatif – model bahasa besar yang dapat membuat konten baru berdasarkan perintah – banyak terdapat di perbankan. Bank Warga sedang menciptakan kopilot AI untuk membantu perwakilan pusat panggilan menjawab pertanyaan. Citi meluncurkan GitHub Copilot ke semua pengembangnya. Sekutu Keuangan menggunakan AI generatif untuk menyediakan rekaman ringkasan pasca-panggilan di pusat kontak. JPMorgan Chase menyediakan model bahasa besar kepada seluruh karyawannya untuk menghasilkan draf email dan laporan; itu juga menggunakan gen AI untuk memahami dan mendeteksi serangan phishing.

“Ini seperti kami baru saja merilis Excel dan ini tahun 1980,” kata Michael Abbott, pimpinan perbankan global di Accenture, dalam sebuah wawancara. “Anda mempunyai alat yang luar biasa baru ini, namun tidak ada yang tahu cara menggunakannya. Alat ini akan mengubah cara kita bekerja, namun orang-orang masih mencari tahu apa yang bisa dilakukan alat ini.”

Dimana gen AI membuat pegawai bank menjadi lebih efisien

AI generatif membawa efisiensi bagi bank “di beberapa kantong,” menurut Alexandra Mousavizadeh, CEO Evident, yang merilis Indeks AI pada hari Kamis. “Pasti ada area di mana hal ini benar-benar berhasil. Hal ini cenderung terjadi ketika bukti konsepnya cukup kecil – mari kita coba dan perbaiki kesalahan yang didorong oleh model ini dalam platform perdagangan kita. Dan mereka menggunakan gen AI untuk memikirkan kembali proses dan mengidentifikasinya.”

Dalam pengelolaan kekayaan, beberapa bank kini telah melihat keuntungan nyata, katanya dalam sebuah wawancara. “Hal ini sangat bergantung pada apakah bank berupaya melakukan pelatihan? Karena Anda dapat membuat alat dan memberikannya kepada analis, namun sebenarnya alat tersebut sulit dioperasikan. Masyarakat cenderung tidak menggunakannya.”

Salah satu contoh bank yang mulai melihat penghematan waktu dari penggunaan AI generatif adalah dalam pengembangan perangkat lunak (seperti penggunaan Github Copilot oleh Citi). Bank melihat peningkatan produktivitas sebesar 30%-50% di bidang ini, menurut Alenka Grealish, analis utama di Celent, yang berbicara dalam podcast American Banker yang akan tayang pada 22 Oktober.

Untuk mendapatkan manfaat penuh dari pemberian AI generatif kepada pengembang perangkat lunak, bank harus membangun “siklus baik” di sekitarnya, kata Xavier Lhuer, mitra McKinsey, dalam sebuah wawancara.

“Jika Anda melihat cara pengembang perangkat lunak menghabiskan waktunya, mereka biasanya hanya menghabiskan 30% hingga 40% waktunya untuk menulis kode, berinteraksi dengan manajer program untuk mencari tahu apa yang akan dibuat,” kata Lhuer. Lebih dari 60% waktu mereka dihabiskan untuk menerapkan perangkat lunak dan mendapatkan persetujuan tata kelola serta penyediaan infrastruktur. Menghapus birokrasi tersebut dapat membantu membuat pengembang lebih produktif.

Baik untuk pemula, buruk untuk staf berpengalaman

Dalam satu kasus penggunaan AI generatif di bank – membantu agen call center melakukan pekerjaan mereka – a belajar yang dilakukan oleh para peneliti di Universitas Stanford dan MIT menemukan bahwa teknologi tersebut hanya membantu pekerja berketerampilan rendah.

Para peneliti mempelajari tiga juta percakapan antara pelanggan dan 5.179 agen dukungan pelanggan di sebuah perusahaan perangkat lunak besar. Beberapa agen menggunakan chatbot AI berdasarkan GPT-3 OpenAI yang menghasilkan saran tentang bagaimana agen harus merespons pelanggan serta tautan ke dokumentasi internal perusahaan untuk masalah teknis.

Rata-rata, akses ke alat ini meningkatkan produktivitas, yang diukur dengan jumlah obrolan yang dapat diselesaikan oleh seorang pekerja per jam, sebesar 14%. Di antara pekerja pemula dan berketerampilan rendah, terjadi peningkatan sebesar 34%.

Namun di antara pekerja dengan keterampilan tertinggi, para peneliti tidak melihat perbedaan dalam waktu penanganan panggilan dan kecil namun signifikan secara statistik berkurang dalam tingkat resolusi dan kepuasan pelanggan.

“Hasil ini konsisten dengan gagasan bahwa alat AI generatif dapat berfungsi dengan memaparkan pekerja berketerampilan rendah terhadap praktik terbaik yang dilakukan oleh pekerja berketerampilan tinggi,” kata laporan tersebut. “Pekerja berketerampilan rendah mendapat manfaat karena bantuan AI memberi mereka solusi baru, sedangkan pekerja dengan kinerja terbaik mungkin hanya merasakan sedikit manfaat jika mereka mengetahui praktik terbaik mereka.”

Dampak negatif terhadap produktivitas di kalangan agen berpengalaman “menunjukkan bahwa rekomendasi AI dapat mengalihkan perhatian para pekerja terbaik, atau mengarahkan mereka untuk memilih opsi yang lebih cepat (mengikuti saran) daripada meluangkan waktu untuk memberikan tanggapan mereka sendiri.”

Abbott telah melihat dinamika ini di bank-bank tempat dia bekerja.

“Apa yang kami temukan dengan AI generatif adalah bahwa Anda jarang membuat yang terbaik menjadi lebih baik, namun Anda membuat kelas bawah dan menengah menjadi lebih baik, dan oleh karena itu Anda mengubah keseluruhan kurva,” katanya. Dalam pengujian manajemen pengetahuan di sebuah call center, misalnya, Accenture menemukan bahwa pengguna pemula menjadi lebih efisien, namun para ahli tidak mendapat manfaat apa pun, “karena mereka sudah mengetahui di mana semua masalahnya dan mereka sudah mengetahui cara menyelesaikannya. “

Mousavizadeh juga melihat hal ini terjadi di kalangan pengembang perangkat lunak yang menggunakan gen AI.

“Apa yang saya dengar adalah pembuat kode yang sangat berpengalaman akan sedikit frustrasi dengan hal ini,” katanya. “Mereka seperti, akan lebih mudah kalau aku melakukannya sendiri.” Dan bagi pengembang yang sangat tidak berpengalaman, “hal ini tidak terlalu membantu karena mereka tidak dapat menemukan kesalahan” yang dilakukan model AI generatif, katanya. Di kalangan programmer tingkat menengah, ini berguna, katanya.

Lebih buruk lagi, studi MIT/Stanford juga menemukan bahwa model pelatihan tentang pekerjaan agen berpengalaman dan memberikan hasilnya kepada pemula memanfaatkan pekerja terampil.

“Pekerja top umumnya tidak dibayar atas kontribusi mereka terhadap data pelatihan yang digunakan sistem AI untuk menangkap dan menyebarkan keterampilan mereka,” kata laporan tersebut. “Namun, tanpa kontribusi ini, sistem AI mungkin akan kurang efektif dalam belajar menyelesaikan permasalahan baru. Oleh karena itu, penelitian kami menimbulkan pertanyaan tentang bagaimana pekerja harus diberi kompensasi atas data yang mereka berikan ke sistem AI.”

Studi ini juga mengungkap dampak positif yang menarik dari AI generatif pada pekerja call center: AI membantu mereka terdengar lebih profesional, sehingga pelanggan memperlakukan mereka dengan lebih baik.

Laporan tersebut mencatat bahwa agen call center biasanya diperlakukan kasar oleh pelanggan yang kesal. Namun penggunaan AI generatif membantu agen berkomunikasi dengan lebih efektif, sehingga mengurangi kemungkinan mereka dianggap “mekanis atau tidak autentik”. Sentimen pelanggan meningkat dan lebih sedikit pelanggan yang mempertanyakan kompetensi agen dengan meminta untuk berbicara dengan supervisor.

Menggunakan AI generatif untuk meringkas panggilan di pusat kontak dapat menghemat waktu penanganan panggilan rata-rata sebesar 15% hingga 20%, menurut Abbott.

Penghematan waktu serupa dapat dicapai dalam penjaminan hipotek, katanya.

“Anda dapat mengambil kebijakan penjaminan hipotek Fannie dan Freddie dan memberi tahu model bahasa besar untuk bertindak seperti penjamin emisi pinjaman dan mencari semua tanda bahaya terhadap kebijakan yang mungkin ada dalam pinjaman,” katanya. “Ini akan mencakup semua dokumentasi dari pinjaman, kebijakan, dan mulai mencari tanda-tanda bahaya tersebut. Masih ada manusia yang terlibat, karena Anda harus yakin dari perspektif model manajemen risiko bahwa Anda melakukan hal yang sama. hal yang benar.”

Dalam kasus seperti ini, ketika AI generatif melakukan tugas yang berulang dan membosankan, bank dapat memperoleh peningkatan produktivitas sekitar 20%, perkiraan Abbott.

AI generatif tidak masuk akal untuk keputusan pinjaman sebenarnya, kata Abbott. “Sebagian besar bank telah memasukkan semua data yang secara hukum dapat dimasukkan ke dalam proses penjaminan emisi,” katanya. “Jadi menambahkan gen AI, yang akan memberi Anda jawaban acak, tidak akan menambah apa pun.”

Tempat lain di mana gen AI dapat mencapai peningkatan produktivitas, dalam pandangan Abbott, adalah dalam pembuatan nota kredit, dalam pemasaran proses produksi, dalam risiko dan pengendalian, serta dalam pemetaan data.

Dalam prosesnya, AI generatif dapat meningkatkan kepuasan kerja, kata Grealish.

“Jika seorang karyawan dapat melakukan sesuatu yang lebih menarik – membantu konsumen mengatasi masalah yang lebih menantang dengan lebih baik dan lebih cepat – kepuasan kerja pasti akan meningkat,” katanya. “Ketika Anda tidak harus melakukan bagian pekerjaan yang rutin dan membosankan, orang-orang akan lebih tertarik pada pekerjaan mereka dan mampu memberikan nilai tambah. Dan pelanggan pada akhirnya adalah pemenangnya.”