Kecerdasan buatan (AI) berpotensi mengubah dunia keuangan secara radikal. Perusahaan menghabiskan miliaran dolar untuk teknologi yang mereka harap akan memungkinkan pengambilan keputusan yang lebih cerdas dan layanan pelanggan yang lebih baik, mengurangi kerentanan terhadap penipuan dan, mereka berharap, dapat menghemat banyak uang.

Perusahaan Autonomous memperkirakan industri keuangan akan mampu mengurangi biayanya sebesar 22 persen pada tahun 2030 melalui AI. Itu sekitar satu triliun dolar.

Namun, industri keuangan masih berada pada tahap awal mengenai topik ini dan baru sekarang mulai memasukkan teknologi ke dalam sistemnya. Lembaga keuangan besar seperti Bank of America atau Capital One menggunakan AI untuk chatbots atau asisten suara yang seharusnya menjawab pertanyaan sederhana pelanggan tentang uang mereka, misalnya tentang transfer. Paypal menggunakan teknologi serupa untuk memberikan pelanggannya wawasan yang lebih rinci tentang transaksi mereka. Artinya, nasabah sebaiknya menghindari menelepon pegawai lembaga keuangan Amerika. Ini menghemat Paypal $25 juta per tahun.

Perusahaan juga menggunakan teknologi untuk membuat keputusan yang tepat mengenai siapa yang akan mereka beri pinjaman – dan siapa yang tidak. Mereka menggunakan gambaran holistik dan berbasis data yang memberi mereka informasi tentang calon debitur dan tidak memerlukannya setelah peninjauan kredit biasa. Misalnya, perusahaan kredit Discover Financial Services bekerja sama dengan startup AI ZestFinance untuk memutuskan pemberian pinjaman individu dan ingin menghindari tingkat gagal bayar dengan menemukan perilaku pelanggan yang tidak biasa, seperti kebiasaan berbelanja pelanggan di toko diskon.

Bank berlomba untuk mengatur dan membersihkan data mereka serta memajukan teknologi cloud yang diperlukan untuk menganalisis kumpulan data yang sangat besar. Para eksekutif bank berharap mesin tersebut akan mampu menganalisis kumpulan data pasar yang sangat besar dan obrolan Bloomberg untuk menawarkan ide investasi yang disesuaikan kepada pelanggan.

AI dimaksudkan untuk mengatasi kemerosotan imbal hasil

Di sisi investasi, manajer bintang di hedge fund besar seperti DE Saw atau Two Sigma menggunakan kecerdasan buatan untuk menyaring pola dan sinyal dari kumpulan data yang sangat besar yang bahkan tidak dapat dideteksi oleh tim analis yang besar. Harapannya, hedge fund akan mengambil keputusan investasi yang lebih baik dan tidak hanya berdasarkan intuisi dan analisis dasar seperti yang terjadi di masa lalu. Hal ini juga dimaksudkan untuk mengatasi kemerosotan imbal hasil – masih harus dilihat apakah taruhan pada kecerdasan buatan akan berhasil di bidang ini.

Indeks Hedge Fund Eureka AI, yang mengukur kinerja perusahaan yang menggunakan kecerdasan buatan, melaporkan penurunan penjualan sebesar lima persen untuk perusahaan-perusahaan ini. Indeks dana lindung nilai secara umum hanya mengalami penurunan penjualan sebesar empat persen. Namun, studi kasus ini masih relatif kecil dibandingkan dengan potensi besar yang diharapkan banyak ahli dari AI. Industri ini juga berada pada tahap awal penggunaan kecerdasan buatan.

“Pembelajaran mesin dan kecerdasan buatan – menurut saya kita baru berada di awal perjalanan di sini,” kata Gordon Smith, presiden JPMorgan, pada konferensi keuangan.

JPMorgan tidak ingin membuat kesalahan dalam hal kecerdasan buatan dan pembelajaran mesin

Samik Chandarana menekankan bahwa pembelajaran mesin tidak akan memberikan jawaban atas setiap pertanyaan terbuka. Ini mungkin merupakan berita yang tidak menyenangkan bagi ribuan eksekutif yang telah menggunakan dua kata kunci yaitu pembelajaran mesin dan kecerdasan buatan untuk membuat perusahaan mereka terlihat baru dan modern. Fakta bahwa pernyataan ini datang dari seseorang seperti Chandarana, yang telah menjadi kepala analisis data, kecerdasan buatan, dan pembelajaran mesin di Bank Investasi JPMorgan sejak 2017, pasti terdengar aneh juga.

Namun hal ini juga menjadi pelajaran penting ketika Anda melihat ekspektasi yang semakin tinggi terhadap teknologi baru. Wall Street menghemat $41,1 miliar pada tahun 2018 dengan menggunakan kecerdasan buatan. Hal tersebut tampak dari laporan IHS Markit. Nilai pasar AI akan meningkat menjadi $300 miliar di seluruh dunia pada tahun 2030.

Jadi bagaimana seharusnya perusahaan menerapkan teknologi baru?

Chandarana bersama rekannya di JPMorgan, Lidia Mangu dan Manuela Veloso, hadir dengan pendekatan yang canggih. Teknologi harus digunakan sebagai sistem pendukung umum untuk perbankan investasi di JPMorgan dan bukan dalam kasus individual. Salah satu contohnya adalah DeepX, algoritma pembentuk pasar yang sebelumnya disebut LOXM yang menerapkan teknik pembelajaran mesin untuk memutuskan kapan dan sejauh mana pesanan harus dipenuhi bergantung pada likuiditas pasar saat ini. Proyek ini awalnya diprakarsai oleh unitCK, sebuah perusahaan perdagangan saham yang pernah mencari keahlian Chandarana di masa lalu. Teknologi ini mulai berlaku pada tahun 2017.

“Mereka paling ahli, mereka tahu bisnisnya,” kata Chandarana kepada Business Insider. “Kontribusi harian saya dibandingkan dengan apa yang mereka lakukan di sana relatif kecil. Saya membawa sumber daya dan kumpulan sumber daya untuk membantu mereka mempercepat bisnis.”

Namun, hal ini tidak selalu terjadi. Terkadang dewan direksi mendengar tentang teknologi baru dan memaksa karyawannya menemukan cara baru untuk menggunakan teknologi tersebut. Hal ini menjadikan teknologi ini lebih sebagai alat pemasaran daripada alat yang berguna untuk bisnis keuangan. Sekali melihat blockchain sudah cukup…

Dengan anggaran teknologi sebesar $11,4 miliar pada tahun 2019, JPMorgan memiliki dana terbesar untuk berinvestasi dalam kecerdasan buatan dan pembelajaran mesin. Namun hal ini juga berarti bahwa bank akan mengalami kerugian besar jika tidak mengembangkan teknologi secara bijak. “Anda tidak dapat mengembangkan sebuah alat demi sebuah alat,” kata Chandarana. “Anda membangunnya, menggunakannya kasus per kasus dan memastikan hal itu menghasilkan perbedaan komersial.”

Chandarana mengembangkan proses tiga fase untuk mengevaluasi, menguji, dan menggabungkan teknik dari dunia kecerdasan buatan ke dalam perusahaannya. Dia bertanggung jawab atas salah satu langkah ini, sementara Magu, kepala Pusat Keunggulan Pembelajaran Mesin di JPMorgan, dan Veloso, kepala penelitian AI di bank tersebut, mengawasi dua langkah lainnya.

Chandarana membawahi tingkat pertama, yang menghubungkan spesialis data dengan rekan-rekan dari kantor pusat dan kantor lapangan yang berhubungan langsung dengan pelanggan. Spesialis data bekerja dengan tim dari segmen pasar, pembayaran, atau aplikasi untuk memahami apa yang dilakukan rekan-rekan mereka dan bagaimana kecerdasan buatan dapat membantu mereka. Chandarana menghindari pembentukan tim paralel untuk menghilangkan masalah yang sebaiknya ditangani bersama.

“Anda memimpin orang-orang yang memiliki hubungan dan pengetahuan mendalam tentang bisnis keuangan untuk memajukan agenda dan menemukan solusi terbaik untuk bisnis yang mereka layani,” kata Chandarana.

Mangu, yang menghabiskan 17 tahun di Watson Research Center IBM sebelum bergabung dengan JPMorgan, mengawasi langkah kedua. Hal ini terutama bergantung pada pakar teknis yang berasal dari berbagai bidang kecerdasan buatan. Tim ini menggunakan analisis bahasa, format ucapan-ke-teks, dan pembelajaran mendalam untuk mendukung kelompok ini dari langkah pertama dengan menerjemahkan dokumen dan penelitian ke dalam kode komputer yang dapat digunakan di seluruh departemen bank.

Sementara tim Mangu mengkaji isu-isu terkini, Chandarana mengatakan bank tidak akan menggunakan teknologi tersebut hanya karena sedang tren. “Banyak orang menyebutnya sebagai teknologi paling inovatif yang pernah ada,” kata Chandarana. “Kami berhutang budi kepada pelanggan kami untuk mengembangkan teknologi dalam skala yang terkendali. Inilah sebabnya mengapa kami mementingkan teknologi yang tepat, bukan teknologi yang paling inovatif. Kata “pantas” itu penting.”

Langkah terakhir khususnya bersifat teoritis. Hal ini dilakukan oleh tim peneliti yang dipimpin oleh Veloso, seorang akademisi elit yang dipekerjakan oleh bank tersebut pada tahun 2018. Tim Anda mencoba menjelaskan bagaimana suatu algoritma benar-benar menghasilkan solusi. Jadi, Anda menjelaskan interpretasi algoritme dan memimpin diskusi tentang etika dan keadilan. Tim juga membantu dalam dua langkah pertama ketika diperlukan penelitian dan analisis mendalam.

Penting untuk menjelaskan di mana teknologi baru tersebut tidak boleh digunakan

Ada kolaborasi lain juga, kata Chandarana. Pertama, Rob Casper, chief data officer JPMorgan, yang timnya memainkan peran penting dalam membersihkan, mengumpulkan, dan menyusun kumpulan data yang diperlukan. Lalu ada Apoorv Saxena, kepala global kecerdasan buatan dan pembelajaran mesin JPMorgan, yang timnya berupaya memperluas aplikasi AI di bank dengan mengembangkan platform umum, layanan dan solusi yang dapat digunakan kembali.

Tujuan dari strategi ini adalah untuk berhasil menerapkan teknologi AI. Namun, yang juga sama pentingnya adalah mengidentifikasi area di mana teknologi tersebut tidak boleh digunakan. JPMorgan menciptakan sistem logging untuk setiap proyek.

Apakah data tidak tersedia dalam bentuk yang dapat digunakan atau suatu proyek tidak layak untuk dilaksanakan – semua keadaan ini harus dicatat secara tertulis agar kesalahan tidak terulang kembali. “Membuat hal-hal seperti ini dapat ditemukan berarti kita mengetahui sedikit lebih baik dibandingkan kemarin,” kata Chandarana. “Mungkin ini berarti masyarakat bisa bekerja sama dan menghasilkan ide-ide baru tentang cara mengatasi masalah seperti ini. Atau berarti mereka tidak perlu lagi menyelesaikan permasalahannya, karena hal tersebut sudah terjadi.”