Dampak Kecerdasan Buatan terhadap Industri Keuangan: Dari Kecemasan Awal ke Aplikasi yang Rasional

Kehadiran ChatGPT telah memicu gelombang kecemasan di industri keuangan. Sebagai industri yang percaya pada teknologi, para pelaku keuangan khawatir akan tertinggal di era kecerdasan buatan yang berkembang pesat. Kecemasan ini sempat menyebar ke berbagai sudut, bahkan di kuil pun bisa terdengar para profesional keuangan mendiskusikan teknologi model besar.

Namun, seiring berjalannya waktu, kecemasan ini perlahan mereda, dan pemikiran orang-orang menjadi lebih jelas dan rasional. Sikap industri keuangan terhadap model besar telah mengalami beberapa fase: kekhawatiran dan kecemasan awal, diikuti dengan tindakan positif, kemudian berpikir rasional setelah menghadapi kesulitan nyata, dan sekarang memasuki fase mencoba secara selektif skenario yang telah terverifikasi.

Perlu dicatat bahwa banyak institusi keuangan telah mulai memberi perhatian strategis pada teknologi model besar. Menurut statistik, setidaknya ada 11 bank di perusahaan yang terdaftar di A-share yang secara jelas menyebutkan dalam laporan setengah tahun terbaru mereka bahwa mereka sedang mengeksplorasi penerapan model besar. Dari tindakan baru-baru ini, institusi-institusi ini sedang melakukan pemikiran dan perencanaan yang lebih mendalam dari sudut pandang strategis dan desain tingkat atas.

Dari Semangat Tinggi ke Kembali Rasional

Pada awal tahun, ketika ChatGPT baru diluncurkan, pemahaman dunia keuangan tentang model besar masih sangat terbatas, meskipun antusiasme sangat tinggi. Beberapa bank besar mengambil langkah pertama, mulai melakukan berbagai promosi pemasaran. Sementara itu, departemen teknologi beberapa lembaga keuangan terkemuka secara aktif berdiskusi dengan perusahaan teknologi besar mengenai pembangunan model besar.

Namun setelah bulan Mei, terhalang oleh kekurangan sumber daya komputasi, biaya yang tinggi, dan faktor lainnya, banyak lembaga keuangan mulai mengalihkan perhatian mereka dari pembangunan model murni ke fokus pada nilai aplikasi. Perusahaan dengan skala yang berbeda juga mulai mengambil strategi yang berbeda: lembaga keuangan besar cenderung mengadopsi model dasar besar yang terdepan di industri dan membangun model besar perusahaan mereka sendiri, sementara lembaga keuangan kecil dan menengah lebih mempertimbangkan untuk mengadopsi berbagai layanan model besar sesuai kebutuhan.

Meskipun demikian, karena tuntutan tinggi industri keuangan terhadap kepatuhan data, keamanan, dan kepercayaan, kemajuan penerapan model besar di bidang ini sebenarnya lebih lambat dari yang diperkirakan di awal tahun. Untuk mengatasi berbagai hambatan dalam proses penerapan, lembaga keuangan sedang mengambil berbagai pendekatan, termasuk membangun kekuatan komputasi sendiri, penerapan campuran, dan lainnya. Pada saat yang sama, semakin banyak lembaga keuangan juga mulai memperkuat kerja tata kelola data.

Memasuki dari Skenario Periferal

Selama lebih dari setengah tahun terakhir, lembaga keuangan dan penyedia layanan model besar telah aktif menjelajahi berbagai skenario aplikasi, termasuk kantor pintar, pengembangan cerdas, pemasaran cerdas, layanan pelanggan cerdas, penelitian dan investasi pintar, serta pengendalian risiko cerdas. Setiap lembaga keuangan memiliki imajinasi yang kaya tentang model besar.

Namun, dalam implementasinya, konsensus umum adalah memulai dari aplikasi internal terlebih dahulu, kemudian secara bertahap memperluas ke eksternal. Ini karena teknologi model besar saat ini masih belum matang, dan industri keuangan adalah bidang yang sangat diatur dengan persyaratan keamanan yang tinggi. Oleh karena itu, banyak lembaga memilih untuk memulai dari skenario yang relatif mudah diimplementasikan, seperti asisten kode dan asisten layanan pelanggan.

Perlu dicatat bahwa skenario yang telah diterapkan secara luas ini sebenarnya bukan aplikasi inti dari lembaga keuangan. Model besar perlu waktu dan terobosan teknologi tertentu untuk benar-benar mendalami aspek bisnis industri keuangan.

Sementara itu, beberapa perubahan pada tingkat desain tingkat atas sedang dilakukan. Semakin banyak lembaga keuangan mulai membangun kerangka sistem multi-level berdasarkan model besar, menjadikan model besar sebagai pusat, sekaligus mengintegrasikan model tradisional, dan menerapkan strategi multi-model untuk mengoptimalkan hasil.

Kekurangan talenta masih besar

Penerapan model besar telah mulai menantang dan mengubah struktur tenaga kerja di industri keuangan. Beberapa posisi tradisional menghadapi risiko penggantian, tetapi pada saat yang sama juga menciptakan peluang dan permintaan baru.

Banyak lembaga keuangan ingin meningkatkan kualitas layanan dan efisiensi kerja karyawan melalui model besar, bukan sekadar menggantikan tenaga kerja. Namun, tantangan utama yang dihadapi industri saat ini adalah kekurangan serius tenaga ahli yang terkait dengan model besar.

Institusi keuangan membutuhkan tenaga kerja yang memiliki pemahaman baik tentang keuangan maupun AI, terutama dalam hal membangun model besar industri atau perusahaan. Untuk itu, beberapa institusi telah mulai mengambil langkah, seperti merancang kursus pelatihan, membentuk kelompok proyek bersama, dan lain-lain, untuk meningkatkan kemampuan terkait di dalam perusahaan.

Dengan perkembangan dan penerapan teknologi model besar yang terus berlangsung, struktur personel di lembaga keuangan juga akan mengalami penyesuaian dan perubahan. Mereka yang mampu menguasai teknologi model besar dengan baik, akan lebih mungkin untuk menonjol dalam lingkungan yang cepat berubah ini.