Dampak Transformatif GenAI pada Layanan Keuangan

Tren Ekonomi

Ringkasan:

AI generatif adalah teknologi canggih yang membuka banyak kemungkinan bagi bisnis sekaligus menimbulkan tantangan. Bagaimana dampaknya terhadap layanan keuangan?

Dunia berada di jalur cepat untuk teknologi baru. Desain, kreasi, pengujian, dan adopsi teknologi baru telah dipercepat secara eksponensial sejak Revolusi Industri. Tidak lagi butuh waktu puluhan tahun, tetapi hari, bagi masyarakat untuk mengadopsi teknologi baru. Revolusi Kecerdasan Buatan Generatif (GenAI) dan Model Bahasa Besar (LLM) semakin mendorong dunia ke realitas baru yang sama sekali baru.

Apa implikasi dari teknologi baru yang hebat ini? Bagaimana ia menata ulang masa depan layanan keuangan? Dan bagaimana kita dapat menyeimbangkan inovasi dengan tanggung jawab manusia untuk penggunaan AI yang etis? Para pembicara pada diskusi panel baru-baru ini di Konferensi Lembaga Resmi Global BNP Paribas (GOIC) berbagi wawasan mereka.

The Transformative Impact of GenAI on Financial Services_1

Apa implikasi GenAI terhadap layanan keuangan? Pembicara pada diskusi panel baru-baru ini di Konferensi Lembaga Resmi Global BNP Paribas (GOIC) berbagi wawasan mereka.

Menghasilkan konten dengan AI

Membuka diskusi, Alexei Grinbaum, Ilmuwan Riset Senior di CEA-Saclay, menjelaskan: “Cara sistem AI menghasilkan konten bersifat asemantik. Sistem AI generatif tidak memahami apa pun sebagaimana manusia dan tidak bekerja dengan dimensi makna manusia. Komputasi hanya berfungsi untuk memilih token berikutnya dalam suatu urutan. Pemilihan token adalah hasil dari komputasi probabilistik, dan hanya itu yang dilakukan GenAI. Yang menarik adalah, meskipun GenAI hanya menghitung token yang hilang, ia sebenarnya menghasilkan konten yang masuk akal bagi kita dan tampak penuh makna bagi pengguna.”

Ia menambahkan: “Generasi AI tidak mengevaluasi apakah suatu konten benar atau salah, karena makna manusia bukan bagian dari proses komputasi. Kita perlu menambahkan sistem filter, yang disebut penyelarasan, untuk menyaring apa yang salah, diskriminatif, atau beracun.”

GenAI tetaplah sebuah mesin. Kualitas yang diberikannya bergantung pada perintah yang kita berikan: "Untuk berbicara dengan agen nonmanusia ini, Anda perlu mempelajari cara berbicara tertentu." Kita tidak bisa hanya menggunakan cara manusia dalam menggunakan bahasa dan berasumsi bahwa ini akan memberikan hasil terbaik dengan sistem AI.

Penerapan GenAI

Setelah Carl Benz menciptakan kendaraan bertenaga gas pertama pada tahun 1886 selama Revolusi Industri, butuh waktu 27 tahun sebelum adopsinya menjadi lebih luas ketika Henry Ford membawanya ke masyarakat luas pada tahun 1913.

Sebagai perbandingan, saat ChatGPT diluncurkan pada November 2022, butuh waktu lima hari untuk mendapatkan 1 juta pengguna. Rekor sebelumnya dipegang oleh Instagram yang butuh waktu dua bulan untuk mencapai jumlah pengguna tersebut, kata Guillaume Bour, Kepala Enterprise di Mistral AI, saat berbicara di GOIC.

Penerapan GenAI berjalan sangat cepat, aplikasinya tampak tak terbatas dan perlombaan menuju batas berikutnya telah dimulai. Membuat teknologi ini gratis untuk digunakan pada sumber terbuka akan semakin mempercepat sifat transformasional GenAI.

Di antara sektor-sektor, layanan keuangan merupakan salah satu industri yang terdepan dalam adopsi AI, dengan semakin banyaknya eksplorasi dalam 18 bulan terakhir serta pergeseran dari aplikasi yang berpusat pada karyawan dan pada aplikasi bisnis non-inti yang sebagian besar merupakan solusi siap pakai menjadi kasus penggunaan bisnis dengan perolehan keunggulan kompetitif yang jauh lebih signifikan, kata Bour. Sebagian besar kasus penggunaan yang ia lihat adalah alat yang meningkatkan tugas-tugas administratif di balik layar, seperti pengambilan keputusan kredit, kenali pelanggan Anda (KYC), ESG, dan peningkatan manajemen risiko.

Aplikasi yang berhadapan dengan klien merupakan persaingan tingkat berikutnya karena perusahaan meningkatkan kemampuan AI pada chatbot pusat kontak yang berhadapan dengan klien. Misalnya, perusahaan rintisan e-commerce Swedia, Klarna , mengklaim memiliki chatbot yang dapat mengelola lebih dari 2 juta percakapan pelanggan dalam sebulan tanpa berdampak negatif pada Net Promoter Score (NPS) yang mengukur kepuasan pelanggan.

Pandangan penyedia

Menjadi penyedia yang baik membutuhkan dua unsur utama: keahlian dan modal. Bour memperkirakan saat ini ada beberapa ribu orang di dunia yang menguasai teknologi ini. Di sisi modal, pengembangan model GenAI sangat padat modal karena perlu menjalankan banyak GPU tanpa henti selama berhari-hari atau bahkan berminggu-minggu.

Model yang besar dan kuat penting untuk penelitian, tetapi tidak selalu layak secara finansial saat memasuki tahap produksi dan penskalaan. "Pengembalian investasi tidak jelas untuk banyak kasus penggunaan," kata Bour. "Untuk mendukung skala perusahaan dan lembaga besar di seluruh dunia dengan rasio biaya-kinerja yang paling efisien, Anda akan memerlukan model yang besar dan sangat kuat, yang lebih mahal, tetapi juga model berukuran sedang yang dapat Anda sesuaikan dan spesialisasikan untuk tugas-tugas tertentu."

Model yang lebih besar memiliki kapasitas penalaran yang lebih besar dan kemampuan untuk melakukan tugas yang lebih canggih, dan juga lebih lambat. Industri perlu menemukan keseimbangan antara kecepatan dan kapasitas penalaran.

Mengambil contoh pemfaktoran ulang kode lama, Bour menjelaskan: “Jika Anda ingin menerjemahkan jutaan baris COBOL ke Java, yang merupakan tantangan yang dihadapi banyak lembaga keuangan, diperlukan banyak akurasi dan kinerja untuk sebuah model. Ini bisa memakan waktu berhari-hari atau bahkan berminggu-minggu, yang sebenarnya tidak masalah. Di sisi lain, jika Anda membangun chatbot untuk pelanggan Anda, maka latensi sangatlah penting. Jadi, Anda sebaiknya memilih model yang lebih kecil yang juga memiliki tingkat kinerja yang sangat baik.”

Faktor pembeda lain bagi Mistral adalah fleksibilitas perusahaan untuk menerapkan modelnya di pusat data klien mereka alih-alih menyimpan data di cloud, yang jelas merupakan nilai jual bagi lembaga keuangan. “Kami yakin bahwa pelanggan kami harus memiliki pilihan untuk membawa model ke data dan bukan sebaliknya,” kata Bour.

Multilingualitas adalah fitur utama lainnya: Multilingualitas adalah kemampuan model untuk memahami dan berkomunikasi secara native dalam bahasa tertentu alih-alih menggunakan terjemahan. Hal ini memastikan model memahami kepekaan dan nuansa budaya. “Ini bukan hanya tentang kosakata atau tata bahasa, tetapi juga tentang aspek budaya, dan menyaring kekhususan suatu bahasa dan budaya,” kata Bour.

Pandangan pengguna

Regulator pasar keuangan Prancis, Autorité des Marchés Financiers (AMF), menganggap dirinya sebagai "konsumen AI," kata Iris Lucas, Kepala Kecerdasan Data AMF. "Memang, di AMF kami bertanya pada diri sendiri tentang penggunaan AI untuk tujuan kami sendiri dan beberapa proyek sedang berlangsung, misalnya perlindungan investor, promosi keuangan berkelanjutan, deteksi penyalahgunaan pasar, dan efisiensi operasional."

AMF menggunakan perangkat AI pertamanya pada tahun 2019, dengan deteksi penipuan yang disebut FISH, Financial Investment Scam Hunter. Pada tahun 2021, AMF meluncurkan program data transversal besar yang disebut ICData, dengan ambisi untuk memperluas penggunaan data guna menjadikan AMF lebih berorientasi pada data.

Terkait keuangan berkelanjutan, AMF menggunakan AI untuk mengekstrak tujuan keberlanjutan dalam kebijakan pengelolaan dana. AI juga merupakan alat berharga yang digunakan AMF untuk pengelompokan dalam pendeteksian penyalahgunaan pasar sementara teknik pembelajaran terbimbing sedang dieksplorasi untuk mengidentifikasi jenis manipulasi pasar tertentu. Dalam efisiensi operasional, AMF sedang mengeksplorasi penggunaan AI untuk pembuatan risalah rapat secara otomatis, dukungan bagi para ahli, dan peningkatan bantuan supervisi, untuk mengurangi tugas manual tanpa nilai tambah. “Sudut pandang kami adalah bahwa LLM tidak akan menggantikan rekan kerja atau ahli kami, tetapi dapat memperluas kemampuan mereka,” kata Lucas.

Melihat penggunaan AI di lembaga keuangan, Léa Deleris, Kepala Riset Risiko Kecerdasan Buatan di BNP Paribas, menjelaskan: “Tim saya mengembangkan kasus penggunaan AI untuk membantu efisiensi dan kemanjuran manajemen risiko. Kami juga mengerjakan strategi fungsi dan berkontribusi di tingkat Grup kepada seluruh komunitas seputar AI, khususnya seputar AI yang bertanggung jawab, yaitu etis, aman, tangguh, bebas bias, memperhatikan jejak karbon, dan dapat dijelaskan.”

Dia menambahkan: “Kami memiliki lebih dari 50 kasus penggunaan dalam produksi yang menangani kasus penggunaan risiko dan kepatuhan, terutama dalam identifikasi dan deteksi.”

Deleris melihat sebagian besar dampak GenAI pada dokumentasi dan kontrol. Lembaga global besar seperti BNP Paribas memiliki kontrol di berbagai wilayah dan yurisdiksi. “Di level BNP Paribas Group, kami ingin memastikan bahwa kami memenuhi kekhususan lokal sekaligus memastikan kami menjaga koherensi global. Memiliki alat yang dapat membaca, meringkas, dan menemukan tantangan akan membantu kami menjadi lebih efisien,” katanya.

Kepala Riset Risiko Kecerdasan Buatan, BNP Paribas

Area lain di mana AI dapat memberikan efisiensi signifikan adalah dalam pemodelan, pengujian stres, mempercepat dokumentasi dan penyelarasan dengan prosedur dan peraturan.

AI yang bertanggung jawab

“Di luar manfaat dan tantangan dalam penerapan AI, topik penting bagi kita semua adalah bagaimana melakukannya dengan cara yang bertanggung jawab,” kata Hugues Even, Chief Data Officer BNP Paribas, yang memoderatori diskusi tersebut.

Inilah tujuan dari UU AI Uni Eropa yang “ditujukan untuk menciptakan kerangka hukum terpadu bagi sistem dan aplikasi AI di seluruh Uni Eropa (UE),” jelas Deleris, seraya menambahkan: “Tujuan UU AI adalah untuk memastikan bahwa sistem AI dikembangkan dan diterapkan dengan cara yang aman, etis, dan tepercaya.”

UU AI mengkategorikan sistem AI berdasarkan tingkat risikonya dan memperkenalkan kewajiban dan persyaratan khusus untuk setiap kategori. Sistem AI berisiko tinggi akan tunduk pada kewajiban kepatuhan yang ketat, termasuk penilaian kesesuaian, tata kelola data, dan persyaratan transparansi.

Deleris memperingatkan bahwa UU AI hanya berfokus pada perlindungan kategori risiko yang memengaruhi hak-hak dasar warga negara. Lembaga menghadapi risiko tambahan seperti serangan siber tetapi juga kerugian operasional atau reputasi akibat penggunaan AI yang tidak tepat. “Manajemen risiko model bukanlah hal baru di lembaga keuangan dan hanya tentang memastikan bahwa model (AI atau tidak) sesuai dengan tujuannya dan digunakan untuk tujuan yang benar. Jadi, kita sudah memiliki kerangka kerja dan sebagian besar perlu memupuk budaya pengelolaan risiko tersebut,” tambahnya.

“Meskipun AMF saat ini tidak mengawasi model AI yang dikembangkan oleh pelaku pasar berdasarkan Undang-Undang AI, hal ini dapat berubah di masa mendatang seiring dengan perkembangan regulasi. Sementara itu, kami secara aktif bekerja sama dengan pelaku pasar untuk memahami bagaimana AI digunakan dan apakah hal itu memengaruhi proses kepatuhan atau manajemen risiko mereka,” kata Lucas. Ia menambahkan bahwa “Tantangan utama tetaplah untuk mencapai keseimbangan antara memanfaatkan peluang yang ditawarkan AI dan mengelola risikonya. Hal ini merupakan inti dari ambisi AMF: untuk mendukung inovasi sekaligus memastikan pasar berfungsi dengan baik.”

Grinbaum di CEA-Saclay setuju: “Undang-Undang AI bukan sekadar prosedur yang lebih birokratis dan sertifikat yang lebih wajib. Ada juga ketentuan yang sangat menarik – bahkan prinsip etika baru – dan seruan penting untuk penelitian lebih lanjut.”

"Teknologi Generative AI yang berkembang pesat menawarkan peluang bagi para pengadopsi awal di pasar mereka, dan potensi serta kasus penggunaan yang telah diterapkan di berbagai bidang seperti pemodelan, deteksi, investigasi, dan pelaporan. Hal ini juga memerlukan pertimbangan kontrol dan etika, serta potensi regulasi termasuk Undang-Undang AI penting Uni Eropa," simpul Even.

Sumber:Bank of America

Untuk terus mendapat informasi terkini tentang semua peristiwa ekonomi hari ini, silakan lihat kami kalender ekonomi

Peringatan Resiko Dan Penafian Investasi

Anda memahami dan mengakui bahwa ada risiko tingkat tinggi yang terlibat dalam strategi trading. Mengikuti strategi atau metodologi investasi apa pun berpotensi mengalami kerugian. Konten di situs ini disediakan oleh kontributor dan analis kami untuk tujuan informasi saja. Anda sendiri yang bertanggung jawab untuk menentukan apakah aset, sekuritas, strategi, atau produk lainnya cocok untuk Anda berdasarkan tujuan investasi dan situasi keuangan Anda.

Pemberitahuan Risiko

Berdagang Instrumen Keuangan Seperti Saham, Mata Uang, Komoditas, Kontrak Berjangka, Obligasi, Dana, Atau Mata Uang Kripto Adalah Perilaku Berisiko Tinggi, Termasuk Kehilangan Sebagian Atau Seluruh Jumlah Investasi Anda, Sehingga Perdagangan Tidak Cocok Untuk Semua Investor.

Anda Harus Melakukan Uji Tuntas Anda Sendiri, Menggunakan Penilaian Anda Sendiri, Dan Berkonsultasi Dengan Penasihat Yang Memenuhi Syarat Saat Membuat Keputusan Keuangan Apa Pun. Konten Situs Web Ini Tidak Ditujukan Kepada Anda, Situasi Keuangan Atau Kebutuhan Anda Juga Tidak Diperhitungkan. Informasi Yang Terdapat Di Situs Web Ini Belum Tentu Tersedia Secara Waktu Nyata, Juga Belum Tentu Akurat. Setiap Pesanan Atau Keputusan Keuangan Lainnya Yang Anda Buat Sepenuhnya Menjadi Tanggung Jawab Anda Dan Anda Tidak Boleh Bergantung Pada Informasi Apa Pun Yang Disediakan Melalui Situs Web. Kami Tidak Memberikan Jaminan Apa Pun Untuk Informasi Apa Pun Di Situs Web Dan Tidak Bertanggung Jawab Atas Kerugian Transaksi Apa Pun Yang Mungkin Timbul Dari Penggunaan Informasi Apa Pun Di Situs Web.

Dilarang Menggunakan, Menyimpan, Menggandakan, Menampilkan, Memodifikasi, Menyebarluaskan Atau Mendistribusikan Data Yang Terdapat Dalam Situs Web Ini Tanpa Izin Tertulis Dari Situs Web Ini. Semua Hak Kekayaan Intelektual Dilindungi Oleh Pemasok Dan Bursa Yang Menyediakan Data Yang Terdapat Di Situs Web Ini.

Pencarian Terkini

Pencarian Populer

Kutipan

Analisis

Pengguna

24/7

Kalender Ekonomi

Pendidikan

Data