Bagaimana bank menerapkan AI generatif secara nyata?
Jika kita mengabaikan berita utama dan hype, inti dari masalahnya adalah: bagaimana bank terbesar di dunia menggunakan AI generatif? Bukan potensi masa depan, juga bukan iklan dari penyedia, tetapi di mana aplikasi nyata yang sudah diterapkan?
Selama dua tahun terakhir, industri keuangan global secara diam-diam memasuki era AI generatif. Namun, proses ini tidaklah seragam, melainkan menunjukkan pola yang berbeda antara internal dan eksternal: penerapan alat internal yang rendah hati, eksperimen yang hati-hati untuk pelanggan, serta sejumlah inovasi berani, secara bertahap membentuk kembali struktur internal perbankan.
Mulai dari dalam, kemudian memperluas secara bertahap
Aplikasi AI memiliki satu kesamaan: dimulai dari alat produktivitas internal.
Aplikasi utama AI generatif terfokus pada peningkatan produktivitas internal—alat-alat ini membantu karyawan menyelesaikan lebih banyak pekerjaan dengan lebih sedikit sumber daya. Dari asisten analis JPMorgan yang menganalisis penelitian ekuitas, hingga alat berbasis GPT yang mendukung penasihat manajemen kekayaan di Morgan Stanley, fokus awalnya adalah memberdayakan praktisi perbankan, bukan menggantikan mereka.
Goldman Sachs sedang membangun asisten AI untuk pengembang; alat ringkasan AI Citi membantu karyawan menangani memo dan menulis email; "SC GPT" dari Standard Chartered telah diluncurkan di antara 70.000 karyawannya, 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 batasan regulasi. Jika merujuk pada tindakan CBN (Bank Sentral Nigeria) baru-baru ini terhadap Zap, maka "berhati-hati adalah yang utama" jelas merupakan pilihan yang lebih bijaksana.
Pengamatan lini bisnis: Di mana nilainya?
Kemajuan aplikasi AI di berbagai departemen bervariasi. Terdapat perbedaan dalam kecepatan adopsi AI generatif di berbagai departemen bisnis. Di antara mereka, 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. Misalnya, Erica dari Bank Amerika, yang cara kerjanya lebih mirip dengan "Turki Mekanik" (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 lebih bersifat implisit. Alat internal JPMorgan terutama mendukung tim riset dan penjualan, bukan langsung ditujukan kepada klien. Deutsche Bank menggunakan AI untuk menganalisis log komunikasi klien, yang bukan merupakan layanan pelanggan, tetapi pemberdayaan data, membantu banker untuk lebih cepat dan lebih baik memahami serta melayani klien.
Manajemen kekayaan berada di antara keduanya. Alat AI Morgan Stanley tidak berbicara langsung dengan klien, tetapi memastikan bahwa penasihat dipersiapkan dengan baik sebelum setiap pertemuan. Deutsche Bank dan First Abu Dhabi Bank sedang menguji coba asisten untuk klien papan atas yang dirancang 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 diperkirakan. 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 mengakses model AI terbaru.
Eropa lebih berhati-hati. Banco Bilbao Vizcaya Argentaria (BBVA), Deutsche Bank, dan HSBC sedang menguji alat AI secara internal dan menerapkan lebih banyak langkah perlindungan keamanan. Regulasi Perlindungan Data Umum Eropa (GDPR) memiliki dampak yang mendalam. Seperti biasa, Eropa lebih memfokuskan perhatian pada regulasi daripada kemajuan teknologi, yang mungkin akan membuatnya membayar harga.
Afrika dan Amerika Latin masih berada di tahap awal pengembangan AI, tetapi kemajuannya cepat. Nubank dari Brasil menunjukkan kinerja yang 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.
Tiongkok: Membangun tumpukan teknologi AI mandiri
Bank-bank di China tidak hanya menggunakan AI, tetapi juga membangun tumpukan teknologi AI.
Bank Industrial dan Komersial Cina (ICBC) telah meluncurkan "Zhiyong", sebuah model bahasa besar dengan 1000 miliar parameter, yang dikembangkan secara mandiri di dalam. 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 dasar dalam cara operasi 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 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 lokalisasi data dan transparansi model, sehingga lembaga-lembaga ini memilih jalur yang lebih panjang: membangun AI yang disesuaikan untuk dapat beradaptasi dengan regulasi domestik, bahasa, dan lingkungan pasar. Selain itu, China memiliki kepadatan bakat yang cukup, memungkinkan bank untuk 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) Google juga sedang digunakan, seperti Wells Fargo yang memanfaatkan Flan. Sementara itu, di Tiongkok, utama bergantung pada teknologi lokal, seperti DeepSeek, Hunyuan, dan lainnya.
Beberapa bank, seperti JPMorgan Chase, Industrial and Commercial Bank of China, dan Ping An Group, sedang melatih model mereka sendiri. Namun, sebagian besar bank melakukan penyesuaian pada model yang ada. Kuncinya bukan pada memiliki model itu sendiri, tetapi pada menguasai lapisan data dan koordinasi operasional model.
Diversifikasi eksplorasi aplikasi AI global
Gambar asli lihat teks asli, diterjemahkan: 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 anggota dewan bank, saya akan bertanya, "Berapa banyak eksperimen yang kita lakukan?" Berapa banyak wawasan yang 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 membangun kembali arsitektur inti? Apakah itu mengurangi biaya dengan faktor 100? Apakah itu membuka model nilai baru? Apakah itu memicu konektivitas ekosistem? Apakah itu mengganggu pasar? Apakah akses telah didemokratisasi?"
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 perhatian kepada 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 akan membawa pertumbuhan pangsa pasar di bidang terkait, seperti Nubank yang menjadi pemain penting di bidang bank kecil dan menengah serta perbankan ritel melalui bisnis kartu kredit.
Pandangan saya adalah bahwa pemenang di era AI akan fokus pada biaya hubungan. Ini bukan lagi sekadar permainan transaksi. Transaksi telah terjadi, sekarang adalah permainan pengalaman pelanggan dan manajemen hubungan. Ini adalah wawasan inti yang harus diperhatikan oleh 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 membantu pelanggan mengelola keuangan, bisnis, dan kehidupan mereka dengan lebih baik? Pemain yang dapat menjawab dan melaksanakan pertanyaan ini akan menjadi pemenang terakhir.
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 China dan Amerika, sedang menyambut AI generatif
Ditulis oleh: Samora Kariuki
Kompilasi: Shenchao TechFlow
Gelombang AI global
Bagaimana bank menerapkan AI generatif secara nyata?
Jika kita mengabaikan berita utama dan hype, inti dari masalahnya adalah: bagaimana bank terbesar di dunia menggunakan AI generatif? Bukan potensi masa depan, juga bukan iklan dari penyedia, tetapi di mana aplikasi nyata yang sudah diterapkan?
Selama dua tahun terakhir, industri keuangan global secara diam-diam memasuki era AI generatif. Namun, proses ini tidaklah seragam, melainkan menunjukkan pola yang berbeda antara internal dan eksternal: penerapan alat internal yang rendah hati, eksperimen yang hati-hati untuk pelanggan, serta sejumlah inovasi berani, secara bertahap membentuk kembali struktur internal perbankan.
Mulai dari dalam, kemudian memperluas secara bertahap
Aplikasi AI memiliki satu kesamaan: dimulai dari alat produktivitas internal.
Aplikasi utama AI generatif terfokus pada peningkatan produktivitas internal—alat-alat ini membantu karyawan menyelesaikan lebih banyak pekerjaan dengan lebih sedikit sumber daya. Dari asisten analis JPMorgan yang menganalisis penelitian ekuitas, hingga alat berbasis GPT yang mendukung penasihat manajemen kekayaan di Morgan Stanley, fokus awalnya adalah memberdayakan praktisi perbankan, bukan menggantikan mereka.
Goldman Sachs sedang membangun asisten AI untuk pengembang; alat ringkasan AI Citi membantu karyawan menangani memo dan menulis email; "SC GPT" dari Standard Chartered telah diluncurkan di antara 70.000 karyawannya, 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 batasan regulasi. Jika merujuk pada tindakan CBN (Bank Sentral Nigeria) baru-baru ini terhadap Zap, maka "berhati-hati adalah yang utama" jelas merupakan pilihan yang lebih bijaksana.
Pengamatan lini bisnis: Di mana nilainya?
Kemajuan aplikasi AI di berbagai departemen bervariasi. Terdapat perbedaan dalam kecepatan adopsi AI generatif di berbagai departemen bisnis. Di antara mereka, 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. Misalnya, Erica dari Bank Amerika, yang cara kerjanya lebih mirip dengan "Turki Mekanik" (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 lebih bersifat implisit. Alat internal JPMorgan terutama mendukung tim riset dan penjualan, bukan langsung ditujukan kepada klien. Deutsche Bank menggunakan AI untuk menganalisis log komunikasi klien, yang bukan merupakan layanan pelanggan, tetapi pemberdayaan data, membantu banker untuk lebih cepat dan lebih baik memahami serta melayani klien.
Manajemen kekayaan berada di antara keduanya. Alat AI Morgan Stanley tidak berbicara langsung dengan klien, tetapi memastikan bahwa penasihat dipersiapkan dengan baik sebelum setiap pertemuan. Deutsche Bank dan First Abu Dhabi Bank sedang menguji coba asisten untuk klien papan atas yang dirancang 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 diperkirakan. 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 mengakses model AI terbaru.
Eropa lebih berhati-hati. Banco Bilbao Vizcaya Argentaria (BBVA), Deutsche Bank, dan HSBC sedang menguji alat AI secara internal dan menerapkan lebih banyak langkah perlindungan keamanan. Regulasi Perlindungan Data Umum Eropa (GDPR) memiliki dampak yang mendalam. Seperti biasa, Eropa lebih memfokuskan perhatian pada regulasi daripada kemajuan teknologi, yang mungkin akan membuatnya membayar harga.
Afrika dan Amerika Latin masih berada di tahap awal pengembangan AI, tetapi kemajuannya cepat. Nubank dari Brasil menunjukkan kinerja yang 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.
Tiongkok: Membangun tumpukan teknologi AI mandiri
Bank-bank di China tidak hanya menggunakan AI, tetapi juga membangun tumpukan teknologi AI.
Bank Industrial dan Komersial Cina (ICBC) telah meluncurkan "Zhiyong", sebuah model bahasa besar dengan 1000 miliar parameter, yang dikembangkan secara mandiri di dalam. 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 dasar dalam cara operasi 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 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 lokalisasi data dan transparansi model, sehingga lembaga-lembaga ini memilih jalur yang lebih panjang: membangun AI yang disesuaikan untuk dapat beradaptasi dengan regulasi domestik, bahasa, dan lingkungan pasar. Selain itu, China memiliki kepadatan bakat yang cukup, memungkinkan bank untuk 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) Google juga sedang digunakan, seperti Wells Fargo yang memanfaatkan Flan. Sementara itu, di Tiongkok, utama bergantung pada teknologi lokal, seperti DeepSeek, Hunyuan, dan lainnya.
Beberapa bank, seperti JPMorgan Chase, Industrial and Commercial Bank of China, dan Ping An Group, sedang melatih model mereka sendiri. Namun, sebagian besar bank melakukan penyesuaian pada model yang ada. Kuncinya bukan pada memiliki model itu sendiri, tetapi pada menguasai lapisan data dan koordinasi operasional model.
Diversifikasi eksplorasi aplikasi AI global
Gambar asli lihat teks asli, diterjemahkan: 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 anggota dewan bank, saya akan bertanya, "Berapa banyak eksperimen yang kita lakukan?" Berapa banyak wawasan yang 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 membangun kembali arsitektur inti? Apakah itu mengurangi biaya dengan faktor 100? Apakah itu membuka model nilai baru? Apakah itu memicu konektivitas ekosistem? Apakah itu mengganggu pasar? Apakah akses telah didemokratisasi?"
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 perhatian kepada 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 akan membawa pertumbuhan pangsa pasar di bidang terkait, seperti Nubank yang menjadi pemain penting di bidang bank kecil dan menengah serta perbankan ritel melalui bisnis kartu kredit.
Pandangan saya adalah bahwa pemenang di era AI akan fokus pada biaya hubungan. Ini bukan lagi sekadar permainan transaksi. Transaksi telah terjadi, sekarang adalah permainan pengalaman pelanggan dan manajemen hubungan. Ini adalah wawasan inti yang harus diperhatikan oleh 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 membantu pelanggan mengelola keuangan, bisnis, dan kehidupan mereka dengan lebih baik? Pemain yang dapat menjawab dan melaksanakan pertanyaan ini akan menjadi pemenang terakhir.