Courtesy of YahooFinance

Bank Kini Bisa Bangun AI Sendiri Tanpa Bergantung pada Perusahaan Teknologi Besar

Mendorong dan menjelaskan bagaimana bank dan institusi keuangan dapat mengembangkan kemampuan AI sendiri secara mandiri dan menghindari ketergantungan pada penyedia AI hyperscaler, sekaligus memenuhi persyaratan regulasi yang ketat dan meraih keunggulan kompetitif melalui spesialisasi AI.

05 Sep 2025, 17.19 WIB

97 dibaca

Ikhtisar 15 Detik

Bank dapat mengembangkan kapabilitas AI mereka sendiri untuk mengurangi ketergantungan pada penyedia besar.
Penggunaan model risiko dan kepatuhan yang ketat sangat penting dalam penggunaan AI di sektor keuangan.
Kemitraan strategis dapat mempercepat inovasi dan membantu bank menjaga data sensitif tetap aman.

London, United Kingdom - Banyak bank dan institusi keuangan saat ini menghadapi tantangan besar dalam mengadopsi kecerdasan buatan (AI) secara efektif karena sistem lama yang mereka gunakan sulit untuk diintegrasikan dengan teknologi baru. Selama ini, pandangan umum mengatakan bahwa hanya perusahaan teknologi besar yang mampu membangun dan mengelola AI canggih, sehingga bank cenderung mengandalkan produk AI dari pihak ketiga atau hyperscaler.

Namun, dengan munculnya model bahasa besar (LLM) yang lebih mudah diakses, dihosting, dan disesuaikan sendiri, situasi ini mulai berubah. Teknologi terbaru memungkinkan bank untuk menjalankan model AI berperforma tinggi dengan biaya rendah dan perangkat keras standar, menghilangkan kebutuhan investasi besar dan ketergantungan kepada hyperscaler.

Dari sisi regulasi, badan pengawas seperti Financial Conduct Authority dan Bank of England memberikan peringatan penting terkait risiko AI dalam layanan finansial, terutama yang berhubungan dengan data pelanggan sensitif. Penggunaan layanan AI pihak ketiga yang mengandalkan API hyperscaler membuat bank rentan terhadap masalah kepatuhan dan pengelolaan risiko model, mengingat data penting harus keluar dari lingkungan yang aman.

Keuntungan utama menjalankan AI secara internal adalah mampu mengamankan data pelanggan dan mematuhi regulasi yang ketat, sekaligus memungkinkan bank melakukan penyesuaian AI berdasarkan data dan kebutuhan khusus mereka, seperti pola transaksi dan deteksi penipuan unik. Ini memberikan keunggulan kompetitif yang sulit ditiru oleh bank lain yang memakai AI generik dari hyperscaler.

Meskipun begitu, solusi AI bukanlah pilihan hitam-putih antara menggunakan hyperscaler atau mandiri. Banyak bank kini mulai mempertimbangkan kemitraan strategis dengan penyedia yang membantu merancang, mengembangkan, dan mengelola infrastruktur AI internal secara efisien. Pendekatan ini memungkinkan inovasi berkelanjutan, kontrol keamanan data maksimal, dan kemampuan beradaptasi sesuai perkembangan teknologi di masa depan.

Referensi:
[1] https://finance.yahoo.com/news/banks-not-big-tech-permission-101932435.html

Analisis Kami

"Perkembangan teknologi AI yang semakin terjangkau harus dimanfaatkan oleh bank untuk membangun kapabilitas yang mandiri sehingga bisa lebih fleksibel dan cepat berinovasi. Ketergantungan pada hyperscaler bukan hanya membatasi potensi diferensiasi, tapi juga menimbulkan risiko keamanan dan kepatuhan yang tidak seharusnya diabaikan di sektor keuangan."

Analisis Ahli

Simon Thompson

"Dengan kemajuan besar pada LLM dan teknik pelatihan seperti LoRA dan DoRA, bank kini bisa menciptakan sistem AI yang lebih aman, cepat, dan sesuai kebutuhan spesifik tanpa biaya besar seperti sebelumnya."

Prediksi Kami

Bank akan semakin mengadopsi model AI yang dihosting secara internal dan membangun kapabilitas AI khusus yang disesuaikan dengan kebutuhan mereka, sambil memperkuat kemitraan strategis untuk mempercepat inovasi dan kepatuhan regulasi.

Pertanyaan Terkait

Apa tantangan utama dalam mengintegrasikan AI ke dalam sistem legacy di bank?

Tantangan utama adalah akses dan integrasi AI ke dalam sistem legacy yang ada, serta risiko terkait dengan ketergantungan pada penyedia besar.

Mengapa ada kekhawatiran terkait dengan penggunaan AI dari penyedia besar?

Ada kekhawatiran mengenai konsentrasi vendor, yang dapat menyebabkan ketentuan yang tidak menguntungkan dan menghambat inovasi yang sesuai dengan kebutuhan bank.

Apa keuntungan dari mengembangkan kapabilitas AI di dalam organisasi bank?

Keuntungan termasuk peningkatan privasi dan kepatuhan, kemampuan untuk menyesuaikan model dengan data internal, dan diferensiasi kompetitif.

Apa itu metode Low Rank Adaptation (LoRA) dan bagaimana manfaatnya bagi bank?

LoRA memungkinkan bank untuk memperbarui bagian dari model AI tanpa perlu membangun kembali dari awal, menghemat waktu dan biaya.

Mengapa kemitraan strategis penting bagi bank dalam pengembangan kapabilitas AI mereka?

Kemitraan strategis membantu bank mengembangkan kapabilitas internal dengan dukungan eksternal, memungkinkan inovasi yang lebih cepat dan aman.