Kamis (18/01), Program Studi Magister Sains dan Doktor (MD) Fakultas Ekonomika dan Bisnis Universitas Gadjah Mada (FEB UGM) menyelenggarakan kuliah umum dengan mengangkat topik “Pengaruh Kecerdasan Buatan Generatif terhadap Industri Jasa Keuangan” (Inggris: Generative Artificial Intelligence (GAI)’s Effects on the Financial Services Industry). Narasumber pada kesempatan kali ini adalah Prof. Nir Kshetri dari Bryan School of Business and Economics, The University of North Carolina-Greensboro. Kuliah umum ini diselenggarakan di Auditorium BRI lantai 3 Gedung MD FEB UGM dan disiarkan secara daring melalui Zoom Meetings.
Generative Artificial Intelligence (GAI) memiliki potensi besar dalam merevolusi lanskap industri jasa keuangan. Integrasi strategisnya tidak hanya memberikan manfaat jangka panjang, tetapi juga menciptakan dasar untuk keunggulan kompetitif yang berkelanjutan. Dengan memanfaatkan data pelanggan yang melimpah, bank dapat memperoleh wawasan yang akurat tentang perilaku, preferensi, dan risiko, memungkinkan pengambilan keputusan yang lebih terinformasi. Selain itu, GAI memfasilitasi pembongkaran silo data, meningkatkan efisiensi di berbagai fungsi seperti hukum, teknik, dan pemasaran. Pemangkasan operasional ini tidak hanya mengoptimalkan penggunaan sumber daya tetapi juga membentuk struktur organisasi yang lebih tangkas dan responsif, lebih siap untuk beradaptasi dengan dinamika pasar yang terus berkembang.
Selain itu, GAI berperan sebagai fasilitator yang kokoh untuk penguatan keamanan cyber di dalam lembaga keuangan. Dengan kemampuannya untuk memprediksi dan menanggulangi ancaman cyber melalui simulasi skenario dan deteksi anomali real-time, GAI menawarkan pendekatan proaktif untuk melindungi data keuangan yang sensitif. Contoh seperti deteksi penipuan Stripe dan platform underwriting asuransi Cowbell menggambarkan potensi transformatif GAI dalam meningkatkan langkah-langkah keamanan cyber. Selain itu, inovasi yang dipicu oleh GAI membentang ke ranah data sintetis, menawarkan solusi baru untuk tantangan seperti deteksi penipuan dan penilaian risiko. Kemajuan ini tidak hanya memperkuat ketahanan sistem keuangan, tetapi juga membuka jalan untuk kepercayaan dan keyakinan yang lebih besar di antara para pemangku kepentingan dalam ekosistem keuangan digital.
Mengimplementasikan GAI di sektor keuangan melibatkan berbagai tantangan yang harus diatasi agar berjalan efektif. Salah satu tantangan utamanya adalah menjelaskan proses pengambilan keputusan yang rumit dari sistem GAI, yang seringkali beroperasi seperti “kotak hitam”, sulit untuk dipahami keandalannya, keakuratannya, dan potensi biasnya. Ketidaktransparanan ini tidak hanya mempersulit penilaian terhadap informasi yang dihasilkan oleh GAI, tetapi juga menimbulkan kekhawatiran mengenai keadilan dan akuntabilitas dari keputusan yang dibuatnya. Selain itu, risiko penipuan canggih yang terkait dengan GAI juga memperparah tantangan ini, sehingga memerlukan pemahaman yang mendalam tentang taktik penipuan yang muncul untuk mengembangkan strategi mitigasi yang kokoh dalam layanan keuangan.
Hambatan lain dalam menerapkan GAI di bidang keuangan adalah penanganan data terstruktur dan tak terstruktur. Sementara sektor perbankan telah mahir dalam memanfaatkan data terstruktur, menggabungkan GAI ke dalam proses yang bergantung pada data tak terstruktur, seperti pemrosesan bahasa alami, menimbulkan tantangan tersendiri. Keterbatasan daya komputasi dan kompleksitas data tak terstruktur membatasi kemampuan sistem AI, yang memerlukan solusi inovatif untuk mengoptimalkan potensi mereka. Selain itu, penerapan GAI untuk interaksi dengan pelanggan juga membawa tantangan tersendiri, termasuk risiko manipulasi dan penyebaran informasi yang tidak akurat. Meskipun berpotensi meningkatkan efisiensi layanan pelanggan, menjaga integritas dan keandalan interaksi yang didorong oleh AI tetap menjadi fokus utama bagi lembaga keuangan.
Reportase: Adella Wahyu Pradita
