Wilayah Amerika Utara berada di posisi terdepan seperti yang diharapkan.
Ditulis oleh: Samora Kariuki
Terjemahan: Shen Chao TechFlow
Gelombang AI Global
Bagaimana bank menerapkan AI generatif secara praktis?
Jika kita mengabaikan berita utama dan sensasi, inti dari masalahnya adalah: bagaimana bank terbesar di dunia menggunakan AI generatif? Bukan potensi di masa depan, bukan juga promosi dari penyedia, tetapi aplikasi nyata yang sudah diterapkan di mana?
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 terhadap 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 difokuskan pada peningkatan produktivitas internal – alat yang membantu karyawan melakukan lebih banyak hal dengan lebih sedikit. Dari asisten analis JPMorgan yang mengungkap riset ekuitas hingga alat bertenaga GPT Morgan Stanley yang mendukung penasihat manajemen kekayaan, fokus awalnya adalah memberdayakan bankir, bukan menggantikannya.
Goldman Sachs sedang membangun asisten AI untuk pengembang; alat ringkasan AI dari Citi membantu karyawan menangani memo dan menulis email; "SC GPT" dari Standard Chartered telah diluncurkan di antara 70.000 karyawan mereka, digunakan untuk segala hal mulai dari penulisan proposal hingga masalah sumber daya manusia.
Mengingat kita berada di lingkungan yang sangat diatur, penerapan alat internal menjadi sangat masuk akal. Ini memungkinkan bank untuk bereksperimen dan meningkatkan kemampuan AI tanpa melanggar garis merah regulasi. Jika merujuk pada tindakan terbaru CBN (Bank Sentral Nigeria) terhadap Zap, maka "berhati-hati adalah pilihan yang lebih bijak."
Pengamatan lini bisnis: Di mana nilainya?
Kemajuan aplikasi AI di berbagai departemen berbeda-beda. Terdapat perbedaan kecepatan adopsi AI generatif di antara departemen bisnis yang berbeda. Di antara ini, bank ritel memimpin dalam hal volume transaksi. Di bidang ini, chatbot yang didukung 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 chatbotnya sendiri, Ava.
Namun, masalahnya adalah bahwa beberapa alat tersebut sebenarnya tidak benar-benar menggunakan AI generatif, melainkan bergantung pada teknik pembelajaran mesin tradisional. Misalnya, Erica dari Bank of America, yang lebih berfungsi seperti "Turki Mekanis" (Mechanical Turk, yang berarti menciptakan ilusi otomatisasi melalui operasi manual). Meskipun demikian, yang penting adalah eksperimen itu sendiri, bukan label teknologinya.
Dalam bidang perusahaan dan bank investasi, transformasi menjadi lebih tersamar. Alat internal JPMorgan terutama mendukung tim riset dan penjualan, bukan langsung menghadapi klien. Deutsche Bank menggunakan AI untuk menganalisis log komunikasi klien, yang bukan merupakan layanan klien, tetapi pemberdayaan data, membantu banker memahami dan melayani klien 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 coba asisten untuk klien-klien utama, yang ditujukan untuk menjawab pertanyaan investasi yang kompleks secara real-time.
Perbedaan Wilayah: Siapa yang Memimpin?
Sumber: Indeks AI Evident
Wilayah Amerika Utara berada di posisi terdepan seperti yang diharapkan. Bank-bank di Amerika Serikat, seperti JPMorgan, Capital One, Wells Fargo, Citi, dan RBC, telah mengubah AI menjadi mesin produktivitas. Berkat kerja sama dengan OpenAI dan Microsoft, mereka menjadi yang pertama mendapatkan akses ke model AI yang paling mutakhir.
Eropa lebih berhati-hati. Banco Bilbao Vizcaya Argentaria (BBVA), Deutsche Bank, dan HSBC sedang menguji alat AI secara internal dan telah menetapkan lebih banyak langkah perlindungan keamanan. Peraturan Perlindungan Data Umum Eropa (GDPR) memiliki dampak yang mendalam. Seperti biasa, Eropa lebih fokus pada regulasi daripada kemajuan teknologi, yang mungkin akan membuat mereka membayar harganya.
Afrika dan Amerika Latin masih berada di tahap awal pengembangan AI, tetapi kemajuan sangat cepat. Nubank di Brasil menonjol, 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 percobaan di bidang AI, mencakup pengendalian risiko, layanan dukungan, dan pengembangan.
China: Membangun Tumpukan Teknologi AI Mandiri
Bank-bank di Cina tidak hanya menggunakan AI, tetapi juga membangun tumpukan teknologi AI.
Bank Industri dan Perdagangan Tiongkok (ICBC) telah meluncurkan "Zhi Yong", sebuah model bahasa besar dengan 1000 miliar parameter, yang dikembangkan secara mandiri di dalam negeri. 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 perubahan mendasar dalam cara operasional bank.
Ant Group telah meluncurkan dua model bahasa besar di bidang keuangan - Zhixiaobao 2.0 dan Zhixiaozhu 1.0. Yang pertama ditujukan untuk pengguna umum Alipay, bertujuan untuk menjelaskan produk keuangan; yang kedua mendukung penasihat manajemen kekayaan, dapat merangkum laporan pasar dan menghasilkan wawasan portofolio investasi.
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 lokalisasi data dan transparansi model, dan lembaga-lembaga ini memilih jalan yang lebih jangka panjang: membangun AI yang dapat disesuaikan 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 seluruh dunia.
Siapa yang menyediakan dukungan teknis?
Beberapa perusahaan terkenal 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 Microsoft.
LLM (model bahasa besar) milik Google juga sedang digunakan, misalnya, Wells Fargo memanfaatkan Flan untuk mendukung Fargo-nya. Sedangkan di China, lebih mengandalkan teknologi lokal, seperti DeepSeek, Hunyuan, dan lain-lain.
Beberapa bank, seperti JPMorgan Chase, Bank of China, dan Ping An Group, sedang melatih model mereka sendiri. Namun, sebagian besar bank melakukan penyesuaian pada model yang sudah ada. Kunci bukanlah memiliki model itu sendiri, tetapi mengendalikan lapisan data dan koordinasi operasional model.
Eksplorasi Diversifikasi Aplikasi AI Global
Gambar asli lihat teks asli, diterjemahkan: Shenchao TechFlow
Lalu apa?
Dalam industri yang sangat diatur, bertindak dengan hati-hati adalah hal yang sangat penting, itulah sebabnya bank melibatkan AI, alih-alih langsung berada di garis depan. Namun, seperti yang telah kita amati dalam transformasi platform lainnya, pengambilan keputusan yang tegas dan eksperimen cepat adalah kunci. Regulasi tidak akan pernah mendahului eksekusi, dan menunggu regulasi siap sebelum melakukan eksperimen AI bukanlah langkah yang bijak. Saya ingat lebih dari sepuluh tahun yang lalu membangun bisnis perbankan agen di negara yang tidak memiliki regulasi terkait. Begitu kami menyelesaikan pembangunan, kami malah menjadi orang yang menjelaskan bisnis ini kepada bank sentral. Jika saya adalah anggota dewan bank, saya akan bertanya: "Berapa banyak eksperimen yang sedang kami lakukan? Berapa banyak wawasan yang sedang kami 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 menurunkan biaya hingga 100 kali lipat? Apakah telah membuka model nilai baru? Apakah telah menginspirasi koneksi ekosistem? Apakah telah mengganggu pasar? Apakah telah mewujudkan 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 penggunaan teknologi pada 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 memanfaatkan gelombang teknologi client-server untuk menjadi bank terbesar berdasarkan kapitalisasi pasar di Afrika Timur. Demikian pula, Access Bank, GT Bank, dan Capitec telah melompat di pasar masing-masing.
Era platform AI telah tiba, dan itu akan menciptakan pemenang. Fokusnya bukan pada melihat para pecundang, tetapi pada bagaimana para pemenang mengambil pangsa pasar yang signifikan di bidang tertentu. Misalnya, keberhasilan Stripe di bidang pembayaran adalah contoh yang khas. Terobosan awal ini sering kali menghasilkan pertumbuhan pangsa pasar di bidang terkait, seperti Nubank yang menjadi pemain penting di sektor usaha kecil dan menengah serta perbankan ritel melalui bisnis kartu kredit.
Pandangan saya adalah, pemenang di era AI akan fokus pada biaya hubungan. Ini bukan lagi sekadar permainan transaksi. Transaksi sudah terjadi, sekarang adalah permainan pengalaman pelanggan dan manajemen hubungan. Ini adalah wawasan inti yang harus diperhatikan oleh para pemimpin layanan keuangan. Bagaimana cara mencapai perbaikan 100 kali lipat dalam pengalaman pelanggan dan perbankan hubungan dengan biaya yang sangat rendah? Sebagai sebuah bank, bagaimana cara memanfaatkan teknologi cerdas untuk lebih baik membantu pelanggan mengelola keuangan, bisnis, dan kehidupan mereka? Pemain yang dapat menjawab dan melaksanakan pertanyaan-pertanyaan ini akan menjadi pemenang yang sebenarnya.
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 Cina dan Amerika, sedang merangkul AI generatif
Ditulis oleh: Samora Kariuki
Terjemahan: Shen Chao TechFlow
Gelombang AI Global
Bagaimana bank menerapkan AI generatif secara praktis?
Jika kita mengabaikan berita utama dan sensasi, inti dari masalahnya adalah: bagaimana bank terbesar di dunia menggunakan AI generatif? Bukan potensi di masa depan, bukan juga promosi dari penyedia, tetapi aplikasi nyata yang sudah diterapkan di mana?
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 terhadap 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 difokuskan pada peningkatan produktivitas internal – alat yang membantu karyawan melakukan lebih banyak hal dengan lebih sedikit. Dari asisten analis JPMorgan yang mengungkap riset ekuitas hingga alat bertenaga GPT Morgan Stanley yang mendukung penasihat manajemen kekayaan, fokus awalnya adalah memberdayakan bankir, bukan menggantikannya.
Goldman Sachs sedang membangun asisten AI untuk pengembang; alat ringkasan AI dari Citi membantu karyawan menangani memo dan menulis email; "SC GPT" dari Standard Chartered telah diluncurkan di antara 70.000 karyawan mereka, digunakan untuk segala hal mulai dari penulisan proposal hingga masalah sumber daya manusia.
Mengingat kita berada di lingkungan yang sangat diatur, penerapan alat internal menjadi sangat masuk akal. Ini memungkinkan bank untuk bereksperimen dan meningkatkan kemampuan AI tanpa melanggar garis merah regulasi. Jika merujuk pada tindakan terbaru CBN (Bank Sentral Nigeria) terhadap Zap, maka "berhati-hati adalah pilihan yang lebih bijak."
Pengamatan lini bisnis: Di mana nilainya?
Kemajuan aplikasi AI di berbagai departemen berbeda-beda. Terdapat perbedaan kecepatan adopsi AI generatif di antara departemen bisnis yang berbeda. Di antara ini, bank ritel memimpin dalam hal volume transaksi. Di bidang ini, chatbot yang didukung 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 chatbotnya sendiri, Ava.
Namun, masalahnya adalah bahwa beberapa alat tersebut sebenarnya tidak benar-benar menggunakan AI generatif, melainkan bergantung pada teknik pembelajaran mesin tradisional. Misalnya, Erica dari Bank of America, yang lebih berfungsi seperti "Turki Mekanis" (Mechanical Turk, yang berarti menciptakan ilusi otomatisasi melalui operasi manual). Meskipun demikian, yang penting adalah eksperimen itu sendiri, bukan label teknologinya.
Dalam bidang perusahaan dan bank investasi, transformasi menjadi lebih tersamar. Alat internal JPMorgan terutama mendukung tim riset dan penjualan, bukan langsung menghadapi klien. Deutsche Bank menggunakan AI untuk menganalisis log komunikasi klien, yang bukan merupakan layanan klien, tetapi pemberdayaan data, membantu banker memahami dan melayani klien 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 coba asisten untuk klien-klien utama, yang ditujukan untuk menjawab pertanyaan investasi yang kompleks secara real-time.
Perbedaan Wilayah: Siapa yang Memimpin?
Sumber: Indeks AI Evident
Wilayah Amerika Utara berada di posisi terdepan seperti yang diharapkan. Bank-bank di Amerika Serikat, seperti JPMorgan, Capital One, Wells Fargo, Citi, dan RBC, telah mengubah AI menjadi mesin produktivitas. Berkat kerja sama dengan OpenAI dan Microsoft, mereka menjadi yang pertama mendapatkan akses ke model AI yang paling mutakhir.
Eropa lebih berhati-hati. Banco Bilbao Vizcaya Argentaria (BBVA), Deutsche Bank, dan HSBC sedang menguji alat AI secara internal dan telah menetapkan lebih banyak langkah perlindungan keamanan. Peraturan Perlindungan Data Umum Eropa (GDPR) memiliki dampak yang mendalam. Seperti biasa, Eropa lebih fokus pada regulasi daripada kemajuan teknologi, yang mungkin akan membuat mereka membayar harganya.
Afrika dan Amerika Latin masih berada di tahap awal pengembangan AI, tetapi kemajuan sangat cepat. Nubank di Brasil menonjol, 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 percobaan di bidang AI, mencakup pengendalian risiko, layanan dukungan, dan pengembangan.
China: Membangun Tumpukan Teknologi AI Mandiri
Bank-bank di Cina tidak hanya menggunakan AI, tetapi juga membangun tumpukan teknologi AI.
Bank Industri dan Perdagangan Tiongkok (ICBC) telah meluncurkan "Zhi Yong", sebuah model bahasa besar dengan 1000 miliar parameter, yang dikembangkan secara mandiri di dalam negeri. 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 perubahan mendasar dalam cara operasional bank.
Ant Group telah meluncurkan dua model bahasa besar di bidang keuangan - Zhixiaobao 2.0 dan Zhixiaozhu 1.0. Yang pertama ditujukan untuk pengguna umum Alipay, bertujuan untuk menjelaskan produk keuangan; yang kedua mendukung penasihat manajemen kekayaan, dapat merangkum laporan pasar dan menghasilkan wawasan portofolio investasi.
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 lokalisasi data dan transparansi model, dan lembaga-lembaga ini memilih jalan yang lebih jangka panjang: membangun AI yang dapat disesuaikan 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 seluruh dunia.
Siapa yang menyediakan dukungan teknis?
Beberapa perusahaan terkenal 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 Microsoft.
LLM (model bahasa besar) milik Google juga sedang digunakan, misalnya, Wells Fargo memanfaatkan Flan untuk mendukung Fargo-nya. Sedangkan di China, lebih mengandalkan teknologi lokal, seperti DeepSeek, Hunyuan, dan lain-lain.
Beberapa bank, seperti JPMorgan Chase, Bank of China, dan Ping An Group, sedang melatih model mereka sendiri. Namun, sebagian besar bank melakukan penyesuaian pada model yang sudah ada. Kunci bukanlah memiliki model itu sendiri, tetapi mengendalikan lapisan data dan koordinasi operasional model.
Eksplorasi Diversifikasi Aplikasi AI Global
Gambar asli lihat teks asli, diterjemahkan: Shenchao TechFlow
Lalu apa?
Dalam industri yang sangat diatur, bertindak dengan hati-hati adalah hal yang sangat penting, itulah sebabnya bank melibatkan AI, alih-alih langsung berada di garis depan. Namun, seperti yang telah kita amati dalam transformasi platform lainnya, pengambilan keputusan yang tegas dan eksperimen cepat adalah kunci. Regulasi tidak akan pernah mendahului eksekusi, dan menunggu regulasi siap sebelum melakukan eksperimen AI bukanlah langkah yang bijak. Saya ingat lebih dari sepuluh tahun yang lalu membangun bisnis perbankan agen di negara yang tidak memiliki regulasi terkait. Begitu kami menyelesaikan pembangunan, kami malah menjadi orang yang menjelaskan bisnis ini kepada bank sentral. Jika saya adalah anggota dewan bank, saya akan bertanya: "Berapa banyak eksperimen yang sedang kami lakukan? Berapa banyak wawasan yang sedang kami 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 menurunkan biaya hingga 100 kali lipat? Apakah telah membuka model nilai baru? Apakah telah menginspirasi koneksi ekosistem? Apakah telah mengganggu pasar? Apakah telah mewujudkan 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 penggunaan teknologi pada 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 memanfaatkan gelombang teknologi client-server untuk menjadi bank terbesar berdasarkan kapitalisasi pasar di Afrika Timur. Demikian pula, Access Bank, GT Bank, dan Capitec telah melompat di pasar masing-masing.
Era platform AI telah tiba, dan itu akan menciptakan pemenang. Fokusnya bukan pada melihat para pecundang, tetapi pada bagaimana para pemenang mengambil pangsa pasar yang signifikan di bidang tertentu. Misalnya, keberhasilan Stripe di bidang pembayaran adalah contoh yang khas. Terobosan awal ini sering kali menghasilkan pertumbuhan pangsa pasar di bidang terkait, seperti Nubank yang menjadi pemain penting di sektor usaha kecil dan menengah serta perbankan ritel melalui bisnis kartu kredit.
Pandangan saya adalah, pemenang di era AI akan fokus pada biaya hubungan. Ini bukan lagi sekadar permainan transaksi. Transaksi sudah terjadi, sekarang adalah permainan pengalaman pelanggan dan manajemen hubungan. Ini adalah wawasan inti yang harus diperhatikan oleh para pemimpin layanan keuangan. Bagaimana cara mencapai perbaikan 100 kali lipat dalam pengalaman pelanggan dan perbankan hubungan dengan biaya yang sangat rendah? Sebagai sebuah bank, bagaimana cara memanfaatkan teknologi cerdas untuk lebih baik membantu pelanggan mengelola keuangan, bisnis, dan kehidupan mereka? Pemain yang dapat menjawab dan melaksanakan pertanyaan-pertanyaan ini akan menjadi pemenang yang sebenarnya.