Ambisi AI Perbankan Global Tersandera Sistem Usang dan Anggaran IT Membengkak

Ilustrasi Artificial Intelligence (AI)

​Di tengah gegap gempita revolusi kecerdasan buatan (AI), industri perbankan korporasi dan investasi (Corporate and Investment Banking) justru sedang menghadapi tembok besar.

Laporan terbaru dari Capgemini Research Institute mengungkapkan realitas pahit. Mayoritas inisiatif AI di sektor ini masih tertahan di fase uji coba (pilot project). Sementara anggaran teknologi justru habis tersedot untuk merawat infrastruktur kuno.

Sekitar lebih dari 80 persen eksekutif perbankan gagal melihat keuntungan nyata dari investasi teknologi mereka.

Sebanyak 4 dari 5 responden menyatakan bahwa implementasi produk baru tidak mendongkrak pendapatan. Bahkan, 51 persen lainnya mengakui bahwa inovasi tersebut gagal memberikan penghematan biaya yang diharapkan.

​Beban Berat Sistem Lawas

​Akar masalahnya terletak pada ketimpangan alokasi anggaran IT. Di saat ekspektasi nasabah terhadap layanan berbasis AI terus melonjak, tangan para pemimpin teknologi seolah terikat.

Eksekutif perbankan mengungkapkan bahwa hanya 29 persen dari anggaran IT tahunan yang dialokasikan untuk teknologi transformatif.

Sebaliknya, porsi yang jauh lebih besar hingga mencapai 43 persen terkuras habis hanya untuk memelihara sistem lama (legacy systems).

​Capgemini menyusun laporan itu berdasarkan survei terhadap 150 pemimpin senior perbankan korporasi dan investasi, serta 600 eksekutif senior dari institusi keuangan non-bank dan korporasi global.

​”Permintaan nasabah telah bergeser secara drastis. Meskipun perbankan korporasi dan investasi telah berinvestasi besar-besaran pada AI, banyak yang kesulitan untuk melangkah melampaui tahap uji coba,” ujar Catherine Chedru-Refeuil, Global Head of Corporate and Investment Banking di Capgemini, dalam keterangan resminya seperti dikutip CIO Dive.

​Jurang Ekspektasi Nasabah

​Kondisi itu menciptakan kesenjangan antara kemampuan bank dan keinginan konsumen. Lebih dari separuh nasabah mengharapkan respons waktu nyata (real-time), 49 persen menginginkan keterlibatan yang dipersonalisasi, dan 40 persen mencari produk inovatif. Namun, faktanya, kurang dari 20 persen nasabah merasa bank telah memenuhi ekspektasi tersebut.

​Tekanan kian terasa karena pertumbuhan pendapatan perbankan diprediksi akan melambat dalam lima tahun ke depan dari rata-rata 6,5 persen pada periode 2022-2024 menjadi hanya 5,4 persen.

Penurunan itu dipicu oleh persaingan ketat, tantangan teknologi, hingga melemahnya hubungan dengan nasabah.

​”Lembaga non-bank dan fintech melakukan skalasi dengan cepat, dan ekspektasi terus meningkat,” kata Kartik Ramakrishnan (CEO unit bisnis strategis layanan keuangan Capgemini).

Ramakrishnan mengungkapkan ada beberapa tantangan yang menggerus margin keuntungan
bank petahana (incumbent) yaitu teknologi yang menua, persyaratan ketahanan siber yang lebih ketat, serta tuntutan data dan kepatuhan. Pada akhirnya, tantangan itu akan mempersempit kapasitas investasi mereka untuk berinovasi.

​Strategi Keluar dari Jebakan Infrastruktur

​Untuk bisa memimpin di depan, Ramakrishnan menekankan bahwa perbankan harus segera menilai kembali cara mereka memodernisasi infrastruktur lama, mendesain ulang model operasional, dan menanamkan AI ke dalam seluruh lini bisnis.

​Laporan Capgemini menyarankan para pemimpin teknologi untuk memperkenalkan model operasional yang lebih fleksibel.

Penguatan fondasi data dengan Large Language Models (LLM), model AI yang mendasari percakapan canggih menjadi krusial untuk mendukung interaksi waktu nyata serta mempertajam pengambilan keputusan.

​Selain infrastruktur, faktor manusia menjadi kunci. Namun, Capgemini menemukan ketimpangan dalam strategi tenaga kerja.

Sebanyak 40 persen bank lebih memprioritaskan merekrut talenta AI dari luar, sementara hanya 23 persen yang berinvestasi dalam pelatihan ulang (reskilling) karyawan internal.

​Masalah regulasi juga tetap menjadi momok. Hampir dua pertiga eksekutif menyebutkan tingginya biaya kepatuhan regulasi sebagai hambatan utama bisnis.

Karena itu, membangun tata kelola (governance) yang kuat sejak awal menjadi syarat mutlak agar AI bisa diterapkan dalam skala besar tanpa melanggar aturan.

​”Untuk berhasil, perbankan harus mengadopsi pendekatan yang disiplin: menciptakan platform kelas perusahaan dan membina ekosistem mitra yang terpercaya,” tegas Chedru-Refeuil.

Baca Juga