Bagaimana bank menerapkan AI generatif secara nyata?
Selain berita utama dan hype, inti dari pertanyaannya adalah: Bagaimana tepatnya bank terbesar di dunia menggunakan AI generatif? Ini bukan potensi masa depan, bukan publisitas vendor, tetapi di mana aplikasi praktis yang sudah mendarat?
Dalam dua tahun terakhir, industri keuangan global secara diam-diam memasuki era AI generatif. Namun, proses ini tidak seragam, melainkan menunjukkan pola yang berbeda antara internal dan eksternal: penerapan alat internal yang rendah hati, percobaan yang hati-hati kepada pelanggan, serta beberapa inovasi berani, secara bertahap membentuk kembali struktur internal perbankan.
Mulai dari dalam, kemudian secara bertahap meluas ke luar
Aplikasi AI memiliki satu kesamaan: dimulai dari alat produktivitas internal.
Aplikasi utama AI generatif berfokus pada peningkatan produktivitas internal - alat-alat ini membantu karyawan menyelesaikan lebih banyak pekerjaan dengan sumber daya yang lebih sedikit. Dari asisten analis JPMorgan yang menganalisis penelitian ekuitas, hingga alat berbasis GPT yang mendukung penasihat manajemen kekayaan di Morgan Stanley, fokus awalnya adalah untuk memberdayakan praktisi perbankan, bukan menggantikan mereka.
Goldman Sachs sedang membangun asisten AI untuk pengembang; alat ringkasan AI Citi membantu karyawan mengelola memo dan menulis email; "SC GPT" dari Standard Chartered telah diluncurkan di antara 70.000 karyawannya, untuk segala hal mulai dari penulisan proposal hingga masalah sumber daya manusia.
Mengingat kita berada di lingkungan yang sangat teratur, penerapan alat internal menjadi sangat masuk akal. Ini memungkinkan bank untuk bereksperimen dan meningkatkan kemampuan AI tanpa melanggar batasan regulasi. Jika merujuk pada tindakan terbaru CBN (Bank Sentral Nigeria) terhadap Zap, maka "berhati-hati lebih baik" jelas merupakan pilihan yang lebih bijak.
Pengamatan lini bisnis: Di mana nilainya?
Kemajuan aplikasi AI di berbagai departemen bervariasi. Ada perbedaan dalam kecepatan adopsi AI generatif di berbagai departemen bisnis. Di antaranya, bank ritel memimpin dalam volume transaksi. Di bidang ini, chatbot yang didorong oleh AI generatif seperti Fargo dari Wells Fargo dan Erica dari Bank of America menangani ratusan juta interaksi setiap tahun. Di Eropa, Commerzbank baru-baru ini meluncurkan chatbot mereka sendiri, Ava.
Namun, masalahnya adalah bahwa beberapa alat tersebut sebenarnya tidak benar-benar menggunakan AI generatif, melainkan mengandalkan teknologi pembelajaran mesin tradisional. Contohnya, Erica dari Bank of America, cara kerjanya lebih mirip dengan "Mechanical Turk" (turki mekanis, yang berarti menciptakan ilusi otomatisasi melalui operasi manual). Meskipun demikian, yang penting adalah eksperimen itu sendiri, bukan label teknologinya.
Dalam perbankan korporasi dan investasi, transformasi lebih implisit. Alat internal JPMorgan terutama mendukung tim riset dan penjualan, bukan langsung ke pelanggan. Deutsche Bank menggunakan AI untuk menganalisis log komunikasi pelanggan, yang bukan layanan pelanggan, tetapi berkemampuan data, membantu bankir memahami dan melayani pelanggan dengan lebih cepat dan lebih baik.
Manajemen kekayaan berada di antara keduanya. Alat AI Morgan Stanley tidak berkomunikasi langsung dengan klien, tetapi memastikan bahwa penasihat siap sepenuhnya sebelum setiap pertemuan. Deutsche Bank dan First Abu Dhabi Bank sedang menguji asisten yang ditujukan untuk klien utama, yang bertujuan untuk menjawab pertanyaan investasi kompleks secara real-time.
Perbedaan regional: Siapa yang memimpin?
Sumber: Indeks AI Evident
Amerika Utara memimpin seperti yang diharapkan. Bank-bank AS seperti JPMorgan, Capital One, Wells Fargo, Citi dan RBC telah mengubah AI menjadi mesin produktivitas. Berkat kemitraan mereka dengan OpenAI dan Microsoft, mereka adalah yang pertama mendapatkan model AI mutakhir.
Eropa lebih berhati-hati. BBVA, Deutsche Bank, dan HSBC sedang menguji alat AI secara internal dan menerapkan lebih banyak langkah-langkah keamanan. Peraturan Perlindungan Data Umum Eropa (GDPR) memiliki implikasi yang luas. Seperti di masa lalu, Eropa lebih fokus pada regulasi daripada kemajuan teknologi, yang bisa ada biayanya.
Afrika dan Amerika Latin masih berada di tahap awal perkembangan AI, tetapi kemajuannya cepat. Nubank di Brasil menunjukkan kinerja yang menonjol dengan bekerja sama dengan OpenAI, awalnya menerapkan alat AI secara internal, dan akhirnya memperluasnya ke layanan pelanggan. Di Afrika Selatan, Standard Bank dan Nedbank sedang melakukan uji coba di bidang AI, mencakup pengendalian risiko, layanan dukungan, dan pengembangan.
China: Membangun tumpukan teknologi AI mandiri
Bank-bank di China tidak hanya menggunakan AI, tetapi juga membangun tumpukan teknologi AI.
Bank Industrial dan Komersial China (ICBC) telah meluncurkan "Zhiyong", sebuah model bahasa besar dengan 100 miliar parameter, yang dikembangkan secara mandiri di dalam perusahaan. Model ini telah digunakan lebih dari satu miliar kali, mendukung 200 skenario bisnis dari analisis dokumen hingga otomatisasi pemasaran. Ini bukan hanya penerapan alat internal, tetapi juga merupakan perubahan mendasar dalam cara operasional bank.
Ant Group telah meluncurkan dua model bahasa besar di sektor keuangan, Zhixiaobao 2.0 dan Zhixiaozhu 1.0. Yang pertama ditujukan untuk pengguna biasa Alipay dan bertujuan untuk menjelaskan produk keuangan; Yang terakhir mendukung penasihat manajemen kekayaan dengan meringkas laporan pasar dan menghasilkan wawasan portofolio.
Ping An Group, raksasa fintech yang mengintegrasikan asuransi, perbankan, dan teknologi, telah melangkah lebih jauh. Ini mengembangkan AskBob, asisten AI generatif yang melayani pelanggan dan manajer akun. Untuk pelanggan, AskBob dapat menjawab pertanyaan investasi dan asuransi dalam bahasa Mandarin alami; Untuk penasihat, ini mengekstrak dan meringkas riwayat pelanggan, data produk, dan materi pemasaran, mengubah setiap agen menjadi ahli keuangan yang ditingkatkan secara digital. Tujuan Ping An adalah untuk mendefinisikan ulang konsultasi keuangan melalui AI, tidak hanya untuk menjawab pertanyaan, tetapi untuk mengantisipasi permintaan terlebih dahulu.
Di China, kerangka regulasi sangat mendorong lokalitas data dan transparansi model, institusi-institusi ini memilih jalur yang lebih jangka panjang: membangun AI yang disesuaikan yang dapat beradaptasi dengan regulasi domestik, bahasa, dan lingkungan pasar. Selain itu, China memiliki kepadatan talenta yang cukup, sehingga bank dapat mengembangkan model dasar secara mandiri, yang mungkin merupakan pencapaian yang unik di tingkat global.
Siapa yang menyediakan dukungan teknis?
Beberapa perusahaan terkemuka muncul secara global: Microsoft melalui Azure OpenAI menjadi platform yang paling umum saat ini. Dari Morgan Stanley hingga Standard Chartered, banyak bank yang menjalankan model mereka di lingkungan sandbox aman milik Microsoft.
LLM (model bahasa besar) Google juga digunakan, seperti yang dilakukan oleh Wells Fargo menggunakan Flan. Sementara di China, lebih mengandalkan teknologi lokal, seperti DeepSeek, Hunyuan, dll.
Beberapa bank, seperti JPMorgan Chase, Bank of China, dan Ping An Group, sedang melatih model mereka sendiri. Namun, sebagian besar bank melakukan fine-tuning pada model yang sudah ada. Kuncinya bukan pada memiliki model itu sendiri, tetapi pada menguasai lapisan data dan koordinasi operasional model.
Eksplorasi beragam aplikasi AI global
Gambar asli dapat dilihat pada teks aslinya, diterjemahkan oleh: Shenchao TechFlow
Lalu apa?}
Dalam industri yang sangat diatur, kehati-hatian sangat penting, itulah sebabnya bank melibatkan AI daripada langsung berada di garis depan. Namun, seperti yang telah kita amati dalam perubahan platform lainnya, pengambilan keputusan yang menentukan dan eksperimen cepat adalah kuncinya. Regulasi tidak pernah mendahului penegakan, dan tidak bijaksana untuk menunggu regulasi diberlakukan sebelum bereksperimen dengan AI. Saya ingat mendirikan perbankan agen lebih dari satu dekade yang lalu di negara di mana tidak ada peraturan. Setelah kita selesai, kita menjadi orang yang menjelaskan bisnis kepada bank sentral. Jika saya adalah bagian dari dewan direksi bank, saya akan bertanya, "Berapa banyak eksperimen yang kita lakukan?" Berapa banyak wawasan yang kita hasilkan? ”
Untuk benar-benar mengukur kemajuan, kita harus kembali ke prinsip dasar transformasi platform. Strategi AI Anda harus menjawab pertanyaan berikut:
"Apakah strategi AI kami telah membangun kembali arsitektur inti? Apakah telah mengurangi biaya hingga 100 kali lipat? Apakah telah membuka model nilai baru? Apakah telah memicu koneksi ekosistem? Apakah telah mengganggu pasar? Apakah telah mencapai demokratisasi akses?"
Logikanya jelas – skeptisisme diperlukan, tetapi logika dan fakta menunjukkan bahwa AI adalah perubahan platform baru. Selain itu, logika dan fakta juga menunjukkan bahwa perubahan platform masa lalu sering menyebabkan perubahan revolusioner di pasar keuangan. Citibank, misalnya, secara signifikan memperluas bisnis ritelnya dengan penerapan teknologi di tahun 70-an dan 80-an. Capital One telah berkembang dari awal menjadi salah satu dari 10 bank teratas di pasar dan memiliki kehadiran yang kuat di industri terkait seperti pinjaman mobil dan hipotek. Di Afrika, Equity Bank telah merebut gelombang teknologi client-server untuk menjadi bank terbesar di Afrika Timur berdasarkan kapitalisasi pasar. Demikian pula, Access Bank, GT Bank, dan Capitec telah melompat di pasar masing-masing.
Era platform AI telah tiba, dan itu akan menciptakan pemenang. Ini bukan tentang berfokus pada pecundang, ini tentang bagaimana pemenang memiliki pangsa pasar yang signifikan di area tertentu. Keberhasilan Stripe dalam pembayaran, misalnya, adalah contoh kasus. Terobosan awal ini sering mengarah pada perolehan pangsa pasar di segmen yang berdekatan, seperti bisnis kartu kredit Nubank, yang telah menjadi pemain signifikan di sektor UKM dan perbankan ritel.
Pandangan saya adalah bahwa pemenang di era AI akan fokus pada biaya hubungan. Ini bukan lagi hanya permainan perdagangan. Transaksi telah terjadi dan sekarang menjadi permainan pengalaman pelanggan dan manajemen hubungan. Ini adalah wawasan inti yang harus difokuskan oleh para pemimpin jasa keuangan. Bagaimana Anda bisa mencapai peningkatan 100x dalam pengalaman pelanggan dan perbankan hubungan dengan biaya yang lebih murah? Sebagai bank, bagaimana Anda dapat memanfaatkan teknologi pintar untuk membantu nasabah mengelola keuangan, bisnis, dan kehidupan mereka dengan lebih baik? Pemain yang mampu menjawab dan mengeksekusi pertanyaan-pertanyaan ini akan menjadi pemenang utama.
Lihat Asli
Konten ini hanya untuk referensi, bukan ajakan atau tawaran. Tidak ada nasihat investasi, pajak, atau hukum yang diberikan. Lihat Penafian untuk pengungkapan risiko lebih lanjut.
Raksasa perbankan AS dan Tiongkok sedang merangkul AI generatif
Penulis: Samora Kariuki
Kompilasi: Shenchao TechFlow
Gelombang AI global
Bagaimana bank menerapkan AI generatif secara nyata?
Selain berita utama dan hype, inti dari pertanyaannya adalah: Bagaimana tepatnya bank terbesar di dunia menggunakan AI generatif? Ini bukan potensi masa depan, bukan publisitas vendor, tetapi di mana aplikasi praktis yang sudah mendarat?
Dalam dua tahun terakhir, industri keuangan global secara diam-diam memasuki era AI generatif. Namun, proses ini tidak seragam, melainkan menunjukkan pola yang berbeda antara internal dan eksternal: penerapan alat internal yang rendah hati, percobaan yang hati-hati kepada pelanggan, serta beberapa inovasi berani, secara bertahap membentuk kembali struktur internal perbankan.
Mulai dari dalam, kemudian secara bertahap meluas ke luar
Aplikasi AI memiliki satu kesamaan: dimulai dari alat produktivitas internal.
Aplikasi utama AI generatif berfokus pada peningkatan produktivitas internal - alat-alat ini membantu karyawan menyelesaikan lebih banyak pekerjaan dengan sumber daya yang lebih sedikit. Dari asisten analis JPMorgan yang menganalisis penelitian ekuitas, hingga alat berbasis GPT yang mendukung penasihat manajemen kekayaan di Morgan Stanley, fokus awalnya adalah untuk memberdayakan praktisi perbankan, bukan menggantikan mereka.
Goldman Sachs sedang membangun asisten AI untuk pengembang; alat ringkasan AI Citi membantu karyawan mengelola memo dan menulis email; "SC GPT" dari Standard Chartered telah diluncurkan di antara 70.000 karyawannya, untuk segala hal mulai dari penulisan proposal hingga masalah sumber daya manusia.
Mengingat kita berada di lingkungan yang sangat teratur, penerapan alat internal menjadi sangat masuk akal. Ini memungkinkan bank untuk bereksperimen dan meningkatkan kemampuan AI tanpa melanggar batasan regulasi. Jika merujuk pada tindakan terbaru CBN (Bank Sentral Nigeria) terhadap Zap, maka "berhati-hati lebih baik" jelas merupakan pilihan yang lebih bijak.
Pengamatan lini bisnis: Di mana nilainya?
Kemajuan aplikasi AI di berbagai departemen bervariasi. Ada perbedaan dalam kecepatan adopsi AI generatif di berbagai departemen bisnis. Di antaranya, bank ritel memimpin dalam volume transaksi. Di bidang ini, chatbot yang didorong oleh AI generatif seperti Fargo dari Wells Fargo dan Erica dari Bank of America menangani ratusan juta interaksi setiap tahun. Di Eropa, Commerzbank baru-baru ini meluncurkan chatbot mereka sendiri, Ava.
Namun, masalahnya adalah bahwa beberapa alat tersebut sebenarnya tidak benar-benar menggunakan AI generatif, melainkan mengandalkan teknologi pembelajaran mesin tradisional. Contohnya, Erica dari Bank of America, cara kerjanya lebih mirip dengan "Mechanical Turk" (turki mekanis, yang berarti menciptakan ilusi otomatisasi melalui operasi manual). Meskipun demikian, yang penting adalah eksperimen itu sendiri, bukan label teknologinya.
Dalam perbankan korporasi dan investasi, transformasi lebih implisit. Alat internal JPMorgan terutama mendukung tim riset dan penjualan, bukan langsung ke pelanggan. Deutsche Bank menggunakan AI untuk menganalisis log komunikasi pelanggan, yang bukan layanan pelanggan, tetapi berkemampuan data, membantu bankir memahami dan melayani pelanggan dengan lebih cepat dan lebih baik.
Manajemen kekayaan berada di antara keduanya. Alat AI Morgan Stanley tidak berkomunikasi langsung dengan klien, tetapi memastikan bahwa penasihat siap sepenuhnya sebelum setiap pertemuan. Deutsche Bank dan First Abu Dhabi Bank sedang menguji asisten yang ditujukan untuk klien utama, yang bertujuan untuk menjawab pertanyaan investasi kompleks secara real-time.
Perbedaan regional: Siapa yang memimpin?
Sumber: Indeks AI Evident
Amerika Utara memimpin seperti yang diharapkan. Bank-bank AS seperti JPMorgan, Capital One, Wells Fargo, Citi dan RBC telah mengubah AI menjadi mesin produktivitas. Berkat kemitraan mereka dengan OpenAI dan Microsoft, mereka adalah yang pertama mendapatkan model AI mutakhir.
Eropa lebih berhati-hati. BBVA, Deutsche Bank, dan HSBC sedang menguji alat AI secara internal dan menerapkan lebih banyak langkah-langkah keamanan. Peraturan Perlindungan Data Umum Eropa (GDPR) memiliki implikasi yang luas. Seperti di masa lalu, Eropa lebih fokus pada regulasi daripada kemajuan teknologi, yang bisa ada biayanya.
Afrika dan Amerika Latin masih berada di tahap awal perkembangan AI, tetapi kemajuannya cepat. Nubank di Brasil menunjukkan kinerja yang menonjol dengan bekerja sama dengan OpenAI, awalnya menerapkan alat AI secara internal, dan akhirnya memperluasnya ke layanan pelanggan. Di Afrika Selatan, Standard Bank dan Nedbank sedang melakukan uji coba di bidang AI, mencakup pengendalian risiko, layanan dukungan, dan pengembangan.
China: Membangun tumpukan teknologi AI mandiri
Bank-bank di China tidak hanya menggunakan AI, tetapi juga membangun tumpukan teknologi AI.
Bank Industrial dan Komersial China (ICBC) telah meluncurkan "Zhiyong", sebuah model bahasa besar dengan 100 miliar parameter, yang dikembangkan secara mandiri di dalam perusahaan. Model ini telah digunakan lebih dari satu miliar kali, mendukung 200 skenario bisnis dari analisis dokumen hingga otomatisasi pemasaran. Ini bukan hanya penerapan alat internal, tetapi juga merupakan perubahan mendasar dalam cara operasional bank.
Ant Group telah meluncurkan dua model bahasa besar di sektor keuangan, Zhixiaobao 2.0 dan Zhixiaozhu 1.0. Yang pertama ditujukan untuk pengguna biasa Alipay dan bertujuan untuk menjelaskan produk keuangan; Yang terakhir mendukung penasihat manajemen kekayaan dengan meringkas laporan pasar dan menghasilkan wawasan portofolio.
Ping An Group, raksasa fintech yang mengintegrasikan asuransi, perbankan, dan teknologi, telah melangkah lebih jauh. Ini mengembangkan AskBob, asisten AI generatif yang melayani pelanggan dan manajer akun. Untuk pelanggan, AskBob dapat menjawab pertanyaan investasi dan asuransi dalam bahasa Mandarin alami; Untuk penasihat, ini mengekstrak dan meringkas riwayat pelanggan, data produk, dan materi pemasaran, mengubah setiap agen menjadi ahli keuangan yang ditingkatkan secara digital. Tujuan Ping An adalah untuk mendefinisikan ulang konsultasi keuangan melalui AI, tidak hanya untuk menjawab pertanyaan, tetapi untuk mengantisipasi permintaan terlebih dahulu.
Di China, kerangka regulasi sangat mendorong lokalitas data dan transparansi model, institusi-institusi ini memilih jalur yang lebih jangka panjang: membangun AI yang disesuaikan yang dapat beradaptasi dengan regulasi domestik, bahasa, dan lingkungan pasar. Selain itu, China memiliki kepadatan talenta yang cukup, sehingga bank dapat mengembangkan model dasar secara mandiri, yang mungkin merupakan pencapaian yang unik di tingkat global.
Siapa yang menyediakan dukungan teknis?
Beberapa perusahaan terkemuka muncul secara global: Microsoft melalui Azure OpenAI menjadi platform yang paling umum saat ini. Dari Morgan Stanley hingga Standard Chartered, banyak bank yang menjalankan model mereka di lingkungan sandbox aman milik Microsoft.
LLM (model bahasa besar) Google juga digunakan, seperti yang dilakukan oleh Wells Fargo menggunakan Flan. Sementara di China, lebih mengandalkan teknologi lokal, seperti DeepSeek, Hunyuan, dll.
Beberapa bank, seperti JPMorgan Chase, Bank of China, dan Ping An Group, sedang melatih model mereka sendiri. Namun, sebagian besar bank melakukan fine-tuning pada model yang sudah ada. Kuncinya bukan pada memiliki model itu sendiri, tetapi pada menguasai lapisan data dan koordinasi operasional model.
Eksplorasi beragam aplikasi AI global
Gambar asli dapat dilihat pada teks aslinya, diterjemahkan oleh: Shenchao TechFlow
Lalu apa?}
Dalam industri yang sangat diatur, kehati-hatian sangat penting, itulah sebabnya bank melibatkan AI daripada langsung berada di garis depan. Namun, seperti yang telah kita amati dalam perubahan platform lainnya, pengambilan keputusan yang menentukan dan eksperimen cepat adalah kuncinya. Regulasi tidak pernah mendahului penegakan, dan tidak bijaksana untuk menunggu regulasi diberlakukan sebelum bereksperimen dengan AI. Saya ingat mendirikan perbankan agen lebih dari satu dekade yang lalu di negara di mana tidak ada peraturan. Setelah kita selesai, kita menjadi orang yang menjelaskan bisnis kepada bank sentral. Jika saya adalah bagian dari dewan direksi bank, saya akan bertanya, "Berapa banyak eksperimen yang kita lakukan?" Berapa banyak wawasan yang kita hasilkan? ”
Untuk benar-benar mengukur kemajuan, kita harus kembali ke prinsip dasar transformasi platform. Strategi AI Anda harus menjawab pertanyaan berikut:
"Apakah strategi AI kami telah membangun kembali arsitektur inti? Apakah telah mengurangi biaya hingga 100 kali lipat? Apakah telah membuka model nilai baru? Apakah telah memicu koneksi ekosistem? Apakah telah mengganggu pasar? Apakah telah mencapai demokratisasi akses?"
Logikanya jelas – skeptisisme diperlukan, tetapi logika dan fakta menunjukkan bahwa AI adalah perubahan platform baru. Selain itu, logika dan fakta juga menunjukkan bahwa perubahan platform masa lalu sering menyebabkan perubahan revolusioner di pasar keuangan. Citibank, misalnya, secara signifikan memperluas bisnis ritelnya dengan penerapan teknologi di tahun 70-an dan 80-an. Capital One telah berkembang dari awal menjadi salah satu dari 10 bank teratas di pasar dan memiliki kehadiran yang kuat di industri terkait seperti pinjaman mobil dan hipotek. Di Afrika, Equity Bank telah merebut gelombang teknologi client-server untuk menjadi bank terbesar di Afrika Timur berdasarkan kapitalisasi pasar. Demikian pula, Access Bank, GT Bank, dan Capitec telah melompat di pasar masing-masing.
Era platform AI telah tiba, dan itu akan menciptakan pemenang. Ini bukan tentang berfokus pada pecundang, ini tentang bagaimana pemenang memiliki pangsa pasar yang signifikan di area tertentu. Keberhasilan Stripe dalam pembayaran, misalnya, adalah contoh kasus. Terobosan awal ini sering mengarah pada perolehan pangsa pasar di segmen yang berdekatan, seperti bisnis kartu kredit Nubank, yang telah menjadi pemain signifikan di sektor UKM dan perbankan ritel.
Pandangan saya adalah bahwa pemenang di era AI akan fokus pada biaya hubungan. Ini bukan lagi hanya permainan perdagangan. Transaksi telah terjadi dan sekarang menjadi permainan pengalaman pelanggan dan manajemen hubungan. Ini adalah wawasan inti yang harus difokuskan oleh para pemimpin jasa keuangan. Bagaimana Anda bisa mencapai peningkatan 100x dalam pengalaman pelanggan dan perbankan hubungan dengan biaya yang lebih murah? Sebagai bank, bagaimana Anda dapat memanfaatkan teknologi pintar untuk membantu nasabah mengelola keuangan, bisnis, dan kehidupan mereka dengan lebih baik? Pemain yang mampu menjawab dan mengeksekusi pertanyaan-pertanyaan ini akan menjadi pemenang utama.