Menghadapi Adopsi AI di Sektor Keuangan: Mengatasi Tantangan Operasional

Teknologi kecerdasan buatan generatif kini semakin banyak digunakan para penipu untuk meniru suara dan video yang sulit dibedakan dengan aslinya. Hal ini menyebabkan kerugian besar bagi bank-bank di Amerika Serikat, dengan angka yang diperkirakan naik dari 12,3 miliar dolar pada 2023 menjadi 40 miliar dolar pada 2027. Regulator dan perusahaan keuangan harus segera mencari cara agar mampu melawan ancaman ini yang terus berkembang. Salah satu metode penting adalah penggunaan autentikasi suara multi-faktor, yang menggabungkan biometrik suara dengan kode PIN, pertanyaan keamanan, dan biometrik perilaku. Selain itu, sistem autentikasi konteks juga dipakai agar bisa memeriksa siapa yang menelepon, kapan, dan dari mana asal panggilan tersebut, untuk mendeteksi panggilan mencurigakan yang berpotensi penipuan. Robocall atau panggilan otomatis yang digunakan untuk menipu juga terus menjadi masalah. Namun, berbagai perusahaan mendapatkan manfaat dengan menggunakan kecerdasan buatan untuk memantau dan menganalisis pola panggilan secara real-time. AI dapat membantu memperkirakan dan mencegah ancaman sebelum mereka menyebar lebih luas. Selain teknologi, faktor manusia juga sangat penting. Pelatihan dan pendidikan tentang skenario penipuan dan penggunaan deepfake harus diberikan kepada eksekutif dan agen call center agar tahu cara mengenali serta menangani penipuan berbasis suara. Keamanan data suara pun perlu diperketat dengan enkripsi dan kontrol akses agar tidak mudah disalahgunakan. Kesimpulannya, meskipun penipuan berbasis AI menimbulkan risiko besar, dengan investasi strategis pada autentikasi, deteksi, edukasi, serta kemitraan antar lembaga, perusahaan keuangan dapat mengubah risiko menjadi peluang untuk menciptakan lingkungan finansial yang lebih aman dan terpercaya di masa depan.

Agentic AI adalah generasi baru kecerdasan buatan yang mampu melakukan tugas secara proaktif tanpa perlu pengawasan manusia terus-menerus. Ini mengubah cara kerja di berbagai industri, termasuk perbankan retail yang memproses konten pemasaran dengan sangat ketat karena regulasi yang kompleks. Model AI ini bertugas seperti rekan kerja yang bisa membantu mempercepat dan memperbaiki pekerjaan sehari-hari. Di industri perbankan, proses review konten pemasaran yang melibatkan tim pemasaran, hukum, dan kepatuhan sangat memakan waktu dan biaya. Setiap materi harus dipastikan sesuai dengan standar peraturan federal dan negara bagian yang ketat untuk menghindari risiko hukum. Hal ini menyebabkan konten yang baik sering terlambat tayang sehingga menurunkan efektivitas pemasaran. Agentic AI yang khusus dilatih untuk memahami regulasi dan pedoman merek kini dapat membantu memeriksa dan mengedit konten secara cepat. AI ini dapat mengidentifikasi risiko kepatuhan seperti klaim yang tidak dapat dibuktikan atau pernyataan yang menyesatkan serta memberikan revisi yang sesuai tanpa mengurangi daya tarik pesan pemasaran. Contoh koreksi yang diberikan AI menunjukkan bagaimana copywriting dapat diubah agar sesuai dengan regulasi seperti FCRA, FTC, TILA, dan UDAAP, sekaligus mempertahankan konten yang menarik dan efektif. Sistem ini juga mendidik tim pemasaran agar lebih terbiasa membuat konten yang langsung sesuai di masa depan, mempercepat proses kerja dan mengurangi stress tim. Dengan penghematan waktu review dan perbaikan kualitas materi pemasaran, agentic AI berpotensi mengurangi biaya hingga miliaran dolar per tahun hanya di sektor perbankan retail. Selain itu, AI ini memberi keuntungan kompetitif dengan memungkinkan kampanye berjalan lebih cepat, tepat waktu, dan menghasilkan konversi yang lebih tinggi. Semua ini menunjukkan masa depan cerah teknologi AI proaktif dalam bisnis.

Menurut laporan terbaru dari Thomson Reuters Institute, mayoritas profesional akuntansi yakin bahwa kecerdasan buatan (AI) generatif akan menjadi bagian penting dari alur kerja mereka dalam lima tahun ke depan. Namun, masih banyak organisasi yang belum siap, karena sebagian besar belum mendapatkan pelatihan dan kebijakan terkait AI belum diatur secara jelas. Ini menjadi tantangan besar untuk memanfaatkan teknologi ini secara efektif di sektor akuntansi. Para pemimpin dari platform besar seperti QuickBooks, Sage, Xero, dan FreshBooks membagikan visi mereka bahwa AI tidak akan menggantikan manusia, melainkan membebaskan mereka dari tugas-tugas rutin yang memakan banyak waktu, seperti mengelola faktur dan pembayaran. AI dapat mengotomatisasi pekerjaan administratif sehingga para profesional keuangan bisa fokus pada tugas yang lebih strategis dan bernilai tambah. AI dapat menampilkan data secara real-time dan membantu dalam pengambilan keputusan yang lebih cepat, misalnya dalam menentukan proyek yang menguntungkan atau mengelola anggaran pembayaran vendor. Namun, tantangan terbesar dalam adopsi AI adalah membangun kepercayaan, karena banyak orang masih ragu dengan akurasi dan keamanan teknologi ini saat menangani uang dan informasi sensitif. Para eksekutif menekankan pentingnya pendekatan 'human in the loop' agar manusia tetap memvalidasi keputusan penting, terutama dalam hal kepatuhan dan penilaian yang memerlukan intuisi. Selain itu, teknologi AI harus dirancang agar tidak menakutkan dan mudah diintegrasikan dalam pekerjaan sehari-hari, sehingga mengurangi rasa takut dan ketidakpastian di kalangan pengguna. Dengan AI mengotomatisasi pekerjaan administratif, profesi akuntansi diyakini akan lebih menarik bagi generasi muda yang kini kurang berminat memilih jurusan ini. AI akan membantu para akuntan untuk lebih fokus pada strategi bisnis dan konsultasi, yang membuat pekerjaan mereka lebih menantang dan bermanfaat. Pada akhirnya, organisasi yang berhasil menggabungkan AI ke dalam proses mereka akan mendapatkan keunggulan kompetitif di pasar.

Banyak proyek AI di bidang keuangan gagal bukan karena masalah teknis seperti data atau model, tetapi karena mereka dibangun untuk menyelesaikan masalah yang kurang tepat. Sering kali tim hanya bertanya apa yang bisa dilakukan AI daripada apa hasil bisnis yang ingin dicapai, sehingga solusi yang dibuat tidak sesuai kebutuhan. Sebuah riset menunjukkan bahwa 90% pengambil keputusan di bidang keuangan kini menggunakan AI dalam pengambilan keputusan. Meski begitu, keberhasilan tidak bisa diukur dari adopsi AI saja, melainkan bagaimana AI berinteraksi dengan pengalaman dan pengetahuan manusia dalam proses bisnis. Desain AI yang baik harus menentukan dengan jelas kapan AI bekerja sendiri, kapan hanya memberikan rekomendasi, dan kapan melibatkan manusia sebagai pengambil keputusan terakhir. Contohnya untuk keputusan kredit, AI dapat menyetujui transaksi standar tapi harus mengeskalasikan kasus-kasus yang kompleks untuk dicek manusia. Selain itu, penting untuk membangun mekanisme umpan balik agar AI belajar dari keputusan manusia dan justifikasi saat manusia memilih untuk menolak rekomendasi AI. Ini membantu meningkatkan akurasi dan juga membangun kepercayaan tim terhadap AI. Agar sukses, perusahaan harus merombak cara kerja mereka, melatih tim untuk berpikir kritis, dan melibatkan mereka sejak awal dalam desain AI. Fokus utama adalah menggunakan AI untuk mengotomatisasi tugas rutin sehingga manusia dapat fokus pada pengambilan strategi dan keputusan yang lebih kompleks.