Teknologi kecerdasan buatan (AI) diprediksi mampu memberikan dorongan signifikan bagi produktivitas di sektor perbankan. Namun, sejumlah bank besar masih menghadapi kendala dalam memanfaatkan teknologi ini untuk meningkatkan pendapatan mereka.

Saat ini, banyak institusi keuangan global telah mengintegrasikan AI ke berbagai bidang operasional. Teknologi ini digunakan dalam layanan virtual untuk nasabah, serta mendukung pekerjaan internal seperti di divisi sumber daya manusia (HRD), kepatuhan (compliance), dan keuangan (finance). Selain itu, beberapa bank juga mulai mengembangkan solusi manajemen kekayaan berbasis AI.

AI untuk Peningkatan Produktivitas

David Solomon, CEO Goldman Sachs, menyebut bahwa teknologi machine learning dan AI telah menjadi alat penting untuk meningkatkan efisiensi di berbagai aspek operasional, termasuk dalam pemrograman (coding).

“Kami memiliki 11.000 programmer yang menangani banyak pekerjaan coding. Jika produktivitas mereka dapat meningkat sebesar 20% hingga 30%, itu akan menjadi dorongan besar bagi kami,” ujar Solomon.

Bank besar lain, seperti BNY Mellon, juga telah berinvestasi besar-besaran dalam AI untuk mendukung efisiensi kerja. Robin Vince, CEO BNY Mellon, menjelaskan bahwa ribuan pegawai di institusinya kini dapat menggunakan agen berbasis AI untuk membantu aktivitas harian mereka.

“Agen-agen AI ini membantu pekerjaan rutin, membuat staf kami lebih produktif,” kata Vince.

Tantangan Menciptakan Pendapatan dari AI

Meskipun AI telah membawa kemajuan dalam efisiensi kerja, bank-bank besar masih menghadapi tantangan dalam menemukan cara untuk mendulang pendapatan dari teknologi ini.

Kristin Milchanowski, Chief AI and Data Officer BMO, mengakui bahwa dampak AI terhadap pendapatan dan biaya masih belum terasa signifikan.

“Saat ini, tren AI mendapatkan perhatian besar, tapi dampak langsungnya terhadap pendapatan masih minim. Kami belum melihat ada aktivitas yang menghasilkan pendapatan secara langsung dari AI,” kata Milchanowski.

Sebagai contoh, AI telah berhasil mengurangi waktu yang diperlukan oleh tim ekuitas BMO dalam menulis laporan, dari 4 jam menjadi hanya 1 jam. Ini memungkinkan para analis memiliki lebih banyak waktu untuk pekerjaan kreatif. Namun, monetisasi AI dalam skala besar masih menjadi pekerjaan rumah yang belum terpecahkan.

Masa Depan AI di Perbankan

Milchanowski menekankan bahwa menemukan penerapan spesifik (use case) AI adalah kunci untuk masa depan teknologi ini di sektor perbankan. Ia menyebut potensi penggunaan AI untuk mengoptimalkan aktivitas trading atau mencari klien baru sebagai contoh aplikasi konkret yang menjanjikan.

“Sangat penting untuk menemukan use case yang dapat memberikan nilai tambah nyata, bukan hanya sekadar tren teknologi,” ungkapnya.

Meskipun masih berada pada tahap awal, adopsi AI di sektor perbankan terus berkembang. Dengan investasi yang tepat dan inovasi berkelanjutan, teknologi ini berpotensi membuka peluang baru untuk pendapatan dan efisiensi yang lebih tinggi di masa depan.