Selama bertahun-tahun, kecerdasan buatan (AI) dalam perbankan bekerja seperti seorang intern yang membantu. AI menyusun email, merangkum laporan, dan menjawab pertanyaan pelanggan. Berguna, tetapi tidak transformatif.
Kemudian datanglah chatbot. "Asisten digital" ini menjanjikan layanan yang lebih baik tetapi sering kali memberikan jawaban panjang untuk masalah sederhana.
Sekarang modelnya berubah. Gelombang baru AI agentik bergerak melampaui bantuan menuju tindakan. Alih-alih menyarankan tugas, sistem ini dapat melaksanakannya: menyelesaikan perdagangan, memeriksa aturan kepatuhan, atau menandai transaksi mencurigakan.
Singkatnya, perbankan beralih dari AI yang membantu bankir ke AI yang bertindak seperti bankir.
Apa sebenarnya AI Agentik?
Pada intinya, AI agentik mengacu pada sistem AI yang dapat merencanakan, memutuskan, dan melaksanakan tugas secara mandiri dalam beberapa langkah.
Tidak seperti alat AI tradisional yang menunggu perintah, agen AI dapat:
Menurut analisis terbaru oleh tim layanan keuangan Microsoft, sistem agentik memungkinkan bank untuk mengotomatisasi proses kompleks, dari pemeriksaan penipuan hingga onboarding, karena model AI modern sekarang dapat melakukan penalaran multi-langkah dan berinteraksi dengan aman dengan antarmuka pemrograman aplikasi internal (API).
Dalam perbankan, ini berarti sistem melakukan lebih dari sekadar menafsirkan perintah. Sistem dapat menjalankan proses dari awal hingga akhir. Misalnya, sistem dapat meninjau data pasar, memeriksa aturan kepatuhan, dan melaksanakan perdagangan atau penyelesaian melalui sistem yang terhubung.
Alih-alih menunggu persetujuan manusia untuk setiap langkah, AI mengikuti aturan dan menyelesaikan tugas secara otomatis.
Kemampuan untuk mengatur tugas di seluruh sistem inilah yang membuat banyak bank sekarang menggambarkan AI agentik sebagai “AI transaksional.”
AI tidak hanya berbicara tentang tindakan keuangan; AI melaksanakannya.
Generative AI vs. Agentic AI: Apa perbedaannya?
Baik generative AI maupun agentic AI bergantung pada model bahasa besar (LLM). Perbedaan utamanya terletak pada apa yang mereka dirancang untuk lakukan.
Kebanyakan orang saat ini akrab dengan alat generative AI seperti ChatGPT atau Claude. Sistem ini menghasilkan konten: teks, kode, laporan, dan ringkasan. Ini membantu staf menafsirkan informasi tetapi tidak melaksanakan tindakan.
Namun generative AI berhenti pada tahap nasihat. Agentic AI melangkah lebih jauh: dirancang untuk melaksanakan tugas. AI dapat menganalisis data, membuat keputusan dalam aturan yang ditentukan, dan memicu tindakan di seluruh sistem yang terhubung.
Secara sederhana, generative AI menyediakan peta. Agentic AI mengemudikan mobil.
Berikut perbedaannya dalam konteks perbankan:
|
Fitur |
Generative AI |
Agentic AI |
|
Peran inti |
Menghasilkan informasi |
Melaksanakan tugas |
|
Gaya interaksi |
Prompt-respons |
Alur kerja otonom |
|
Contoh dalam perbankan |
Menyusun laporan kepatuhan |
Mengajukan laporan kepatuhan secara otomatis |
|
Contoh dalam perdagangan |
Menganalisis portofolio |
Melaksanakan dan menyelesaikan perdagangan |
Apakah AI Agentik sudah menjalankan bank?
Institusi seperti Goldman Sachs, Lloyds Banking Group, dan Deutsche Bank tidak lagi hanya menguji alat AI. Banyak yang mengintegrasikan sistem berbasis agen ke dalam operasi harian untuk mengotomatisasi bagian dari perdagangan, kepatuhan, dan pemantauan risiko.
Sistem ini sekarang diberi wewenang terbatas untuk menangani tugas-tugas yang sebelumnya memerlukan pemeriksaan manual.
Misalnya, Lloyds Banking Group telah mengumumkan rencana untuk memperluas AI agentik di seluruh bank, mengharapkan lebih dari £100 juta nilai dari inisiatif AI pada tahun 2026, dua kali lipat nilai yang dihasilkan tahun sebelumnya.
Sementara itu, perusahaan Wall Street seperti Goldman Sachs sedang bereksperimen dengan agen AI untuk proses internal seperti akuntansi perdagangan, pemeriksaan onboarding, dan alur kerja kepatuhan.
Tujuannya bukan untuk menggantikan bankir secara langsung, tetapi untuk menghilangkan bagian proses yang paling lambat.
Di mana AI Agentik pertama kali muncul
Bank secara alami berhati-hati. Itu berarti AI agentik tidak dilepaskan di mana-mana sekaligus. Sebaliknya, teknologi ini pertama kali muncul di area dengan aturan terstruktur dan aliran data yang berat, termasuk:
-
Anti pencucian uang (AML)
Tim kepatuhan harus meninjau ribuan peringatan setiap hari.
Sistem AI agentik dapat:
Penelitian akademis telah menunjukkan bahwa sistem AML berbasis agen dapat secara signifikan mempercepat alur kerja kepatuhan sambil meningkatkan akurasi naratif untuk regulator.
-
Onboarding pelanggan dan kenali pelanggan Anda (KYC)
Membuka rekening bank memerlukan verifikasi identitas, pemeriksaan dokumen, dan penyaringan penipuan.
Sistem agentik dapat menjalankan langkah-langkah ini secara otomatis.
-
Operasi perdagangan
Penyelesaian perdagangan back-office, salah satu tugas yang paling banyak aturan dalam keuangan, juga menjadi kandidat utama untuk otomatisasi.
Alih-alih staf merekonsiliasi perdagangan secara manual, agen AI dapat memverifikasi catatan dan memperbarui buku besar secara instan.
Tetapi bisakah bank mempercayai AI otonom?
Inilah kenyataan yang tidak nyaman: AI agentik memperkenalkan risiko baru.
Sistem AI agentik dapat bertindak sendiri untuk menyelesaikan tugas. Jika sistem salah membaca data pasar atau menerapkan aturan yang salah, itu bisa memicu serangkaian tindakan yang salah sebelum manusia campur tangan.
Risiko ini kadang-kadang terkait dengan apa yang disebut peneliti sebagai halusinasi AI, di mana model menghasilkan kesimpulan yang salah dari data yang tidak lengkap atau salah baca. Dalam perbankan, kesalahan semacam itu dapat mempengaruhi pelaksanaan perdagangan, pemeriksaan kepatuhan, atau pemantauan transaksi.
Para ahli memperingatkan tentang 3 tantangan utama:
Transparansi
Keputusan AI harus dapat dijelaskan kepada regulator.
Bias dalam model keuangan
Data pelatihan dapat menyebabkan hasil yang tidak adil.
Perluasan otonomi
Sistem AI mungkin mulai membuat keputusan di luar lingkup yang dimaksudkan.
Untuk mengelola risiko ini, regulator dan organisasi global sedang bekerja pada langkah-langkah pengamanan.
Misalnya, regulator di Uni Eropa (UE) sudah menangani kekhawatiran ini melalui kerangka kerja seperti EU AI Act, yang memerlukan pengawasan ketat untuk sistem AI berisiko tinggi dalam keuangan.
Dengan kata lain, bank mungkin mengotomatisasi alur kerja tetapi akuntabilitas tetap menjadi tanggung jawab manusia.
Jadi... Apakah Agen AI mengambil alih perbankan?
Tidak sepenuhnya. Kenyataannya lebih kompleks.
AI agentik dengan cepat menjadi lapisan tenaga kerja digital di dalam lembaga keuangan. Sistem ini dapat menangani tugas-tugas berulang lebih cepat dan dalam skala besar.
Namun tanggung jawab inti seperti keputusan risiko, hubungan klien, penilaian strategis, masih memerlukan pengawasan manusia.
Bahkan penerapan AI yang paling canggih saat ini beroperasi dengan tata kelola "manusia-dalam-lingkaran", yang berarti staf dapat campur tangan jika diperlukan.
Lembaga keuangan di masa depan mungkin tidak menggantikan bankir dengan AI, tetapi hampir pasti akan mengharapkan bankir bekerja bersama ribuan agen digital.
Dan itu menimbulkan pertanyaan menarik bagi industri:
Jika agen AI sudah dapat melaksanakan transaksi, memantau kepatuhan, dan menganalisis pasar, apa sebenarnya yang akan dilakukan bankir di dekade berikutnya?
Satu hal yang jelas: deskripsi pekerjaan akan segera berubah.
