Akankah AI Generatif Secara Mendasar Membentuk Kembali Perbankan? – Fintech Singapura

Revolusi teknologi sedang berlangsung untuk mengubah industri perbankan secara mendasar. AI Generatif, yang mulai populer pada awal tahun 2023, memanfaatkan model bahasa alami yang canggih untuk mengotomatisasi berbagai tugas kognitif. Seiring dengan berkembangnya inovasi serbaguna ini di berbagai industri, para pemimpin perbankan bergerak cepat untuk memanfaatkan potensinya.

 Dua pertiga dari pemimpin senior digital dan analitik yang disurvei di a forum McKinsey baru-baru ini mengenai AI generatif mengatakan mereka berharap teknologi ini dapat mengubah bisnis mereka secara mendalam. 

Tantangan mendesak yang kini mereka hadapi bukanlah bagaimana dan di mana menerapkan AI generatif untuk memaksimalkan penciptaan nilai bagi institusi mereka.

Dampak ekonomi dari AI Generatif di perbankan

McKinsey Global Institute memperkirakan bahwa di berbagai industri di seluruh dunia, AI generatif dapat memberikan kontribusi nilai tahunan mulai dari US$2.6 triliun hingga US$4.4 triliun. Perbankan, khususnya, akan memperoleh keuntungan yang signifikan, dengan perkiraan potensi tahunan sebesar US$200 miliar hingga US$340 miliar, setara dengan 9 hingga 15 persen laba operasional.

Secara signifikan, meskipun banyak fokus yang diberikan pada manfaat produktivitas besar yang dimungkinkan oleh AI generatif melalui otomatisasi tugas, pengaruhnya menjanjikan akan jauh lebih beragam. 

Teknologi ini memiliki potensi untuk mengubah model operasi, antarmuka pelanggan, dan kemitraan bisnis secara mendasar, sehingga memunculkan model bisnis perbankan yang baru.

Eksekutif senior bank menghadapi pertimbangan yang rumit dalam merencanakan strategi AI generatif mereka. Seberapa besar AI generatif akan mengubah rantai nilai mereka? Peluang baru apa yang mungkin terungkap sehingga memerlukan penyesuaian terhadap arah strategis? Kemitraan atau kemampuan apa yang penting untuk dikembangkan terlebih dahulu? 

Meskipun ponsel pintar membutuhkan waktu bertahun-tahun untuk mengarahkan operasional perbankan ke era seluler, penerapan AI generatif mengalami kemajuan yang sangat pesat. 

Pertimbangkan Goldman Sachs – pengembangnya adalah sudah menerapkan alat AI untuk mensistematisasikan prosedur pengujian padat karya yang sebelumnya bersifat manual. Sementara itu, Citigroup menggunakan AI generatif untuk memodelkan dampak peraturan modal AS yang tertunda. 

Bagi institusi yang terlalu lamban untuk melakukan perubahan, perubahan mendadak seperti ini dapat memberikan tekanan besar pada struktur operasional yang rapuh dan tidak terbiasa dengan perubahan teknologi.

Tantangan dalam menskalakan AI Generatif

Menaikkan skala AI generatif dalam industri perbankan menghadirkan tantangan unik, yang membedakannya dari adopsi teknologi tradisional. Tantangan-tantangan ini muncul karena beberapa faktor utama. Pertama, cakupan dan implikasi AI generatif memperkenalkan kemampuan dan aplikasi analitik tingkat lanjut. 

Hal ini menuntut tim manajemen untuk menavigasi terminologi asing dan jalur potensial, sehingga memerlukan posisi strategis untuk memanfaatkan berbagai peluang yang dapat diciptakan oleh AI generatif. Tantangan lainnya adalah kompleksitas koordinasi. 

Mengintegrasikan AI generatif menambah kompleksitas dinamika antara bisnis dan teknologi di lembaga keuangan. Analisis dan data semakin penting, sehingga memerlukan kolaborasi yang lebih mendalam antara tim bisnis dan analisis, yang seringkali memiliki prioritas berbeda. Selain itu, laju perubahan yang cepat merupakan faktor penting. 

Berbeda dengan transisi bertahap ke perbankan digital, AI generatif sedang dipercepat, sehingga memaksa bank untuk beradaptasi dengan cepat guna menghindari tekanan pada model operasi mereka yang ada. Terakhir, tantangan bakat adalah hal yang penting. Bank yang tidak mempunyai keahlian AI internal menghadapi tugas berat untuk meningkatkan kemampuan mereka melalui pelatihan dan rekrutmen.

Penskalaan AI Generatif yang berhasil

berhasil menskalakan AI generatif di sektor perbankan memerlukan pendekatan strategis yang berfokus pada tujuh dimensi penting. Hal ini dimulai dengan peta jalan strategis, dimana bank memulai perjalanannya dengan pandangan strategis. 

Memahami dampak AI generatif terhadap bisnis sangatlah penting. Penting untuk memastikan keselarasan dari pimpinan senior, menentukan domain prioritas, menetapkan tujuan yang jelas, mengevaluasi kemampuan yang diperlukan, dan mengembangkan rencana peningkatan yang komprehensif.

Bakat membentuk aspek penting lainnya. Berinvestasi dalam pendidikan eksekutif untuk memperdalam pemahaman tentang AI generatif di antara tim kepemimpinan sangatlah penting. Penting untuk menekankan hubungan teknologi dengan operasional bank, mengatasi kekhawatiran karyawan terkait otomatisasi, dan berkomitmen pada pendekatan berkelanjutan untuk peningkatan keterampilan.

Dalam hal model operasi, mendorong kolaborasi lintas fungsi sangatlah penting. Pendekatan ini memfasilitasi implementasi AI generatif yang lancar, memungkinkan tim produk bekerja sama dengan unit bisnis dan memodifikasi proses untuk memenuhi persyaratan kecepatan, skala, dan kemampuan beradaptasi.

Saat mempertimbangkan teknologi, keputusan strategis apakah akan membangun, membeli, atau menjalin kemitraan untuk solusi AI generatif menjadi titik fokus.

Pertimbangan yang cermat terhadap komponen arsitektur diperlukan untuk memastikan integrasi yang lancar dengan sistem dan alur kerja yang ada. Pentingnya data, terutama data tidak terstruktur, dalam aplikasi AI generatif tidak dapat disepelekan. 

Penting untuk mengembangkan kemampuan untuk memanfaatkan potensinya secara efektif, dengan menekankan kualitas data dan mempertimbangkan implikasi keamanan. Risiko dan pengendalian juga memainkan peran penting.

Mengatasi risiko baru yang terkait dengan AI generatif, termasuk tantangan terkait interpretasi model dan pengambilan keputusan yang tidak memihak, memerlukan perombakan menyeluruh terhadap kerangka risiko dan tata kelola model. 

Terakhir, fokus pada adopsi pengguna dan manajemen perubahan sangat penting untuk keberhasilan penskalaan AI generatif di bank. Hal ini melibatkan penciptaan solusi AI yang ramah pengguna, strategi manajemen perubahan solid yang melibatkan semua orang, memberikan pelatihan, memberikan contoh terbaik melalui kepemimpinan, dan menawarkan insentif yang jelas.

Skala peluang

Potensi AI Generatif untuk mentransformasi operasional perbankan sangatlah besar. Dari menyederhanakan orientasi klien hingga mendeteksi kejahatan keuangan untuk menyesuaikan saran, penerapan praktisnya sudah berjumlah puluhan, dan masih banyak lagi yang masih belum terungkap. 

Namun keberhasilan dalam memanfaatkan janji ini dalam skala besar masih merupakan tantangan kompleks dengan banyak dimensi organisasi. Bank yang mampu dengan terampil mengaktifkan faktor-faktor pendukung (enabler) yang penting mulai dari visi strategis hingga desain yang berpusat pada pengguna akan memperkuat keunggulan first-mover (penggerak pertama) yang signifikan. 

Bagi mereka yang lebih lambat dalam memanfaatkan peluang generasi AI generatif, kondisi di masa depan mungkin akan membuat mereka kesulitan untuk mengejar ketinggalan.

• Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
• PlatoData.Jaringan Vertikal Generatif Ai. Berdayakan Diri Anda. Akses Di Sini.
• PlatoAiStream. Intelijen Web3. Pengetahuan Diperkuat. Akses Di Sini.
• PlatoESG. Karbon, teknologi bersih, energi, Lingkungan Hidup, Tenaga surya, Penanganan limbah. Akses Di Sini.
• PlatoHealth. Kecerdasan Uji Coba Biotek dan Klinis. Akses Di Sini.
• Sumber: https://fintechnews.sg/81936/ai/will-generative-ai-fundamentally-reshape-banking/