13 August 2026
Perkembangan kecerdasan buatan memasuki fase baru. Setelah internet, distributed computing, cloud computing, dan perangkat mobile mengubah cara perusahaan beroperasi selama beberapa dekade terakhir, AI kini tumbuh di atas seluruh fondasi teknologi tersebut. Namun bagi industri perbankan dan pembayaran, pertanyaannya tidak berhenti pada seberapa canggih sebuah model AI, melainkan seberapa jauh teknologi tersebut dapat dipercaya ketika berhadapan dengan uang, data pribadi, serta keputusan yang menyangkut nasabah.
Hal itulah yang menjadi benang merah paparan Kenneth Siow, Senior Vice President INF Tech. Menurutnya, dunia tengah bergerak menuju lingkungan AI yang ditandai oleh banyak model, berbagai infrastruktur, arsitektur terbuka, serta kombinasi teknologi dari beragam penyedia.
Ia melihat semakin banyak perusahaan teknologi mengembangkan large language model masing-masing. Model tertutup seperti yang dikembangkan sejumlah perusahaan Amerika Serikat hadir berdampingan dengan berbagai model open source, termasuk dari perusahaan teknologi Tiongkok. Pada saat bersamaan, pilihan infrastrukturnya juga semakin beragam, mulai dari public cloud, sovereign cloud, on-premise, hingga beragam penyedia GPU.
Bagi institusi keuangan, kondisi tersebut justru membuka pilihan yang lebih luas.Pesannya sederhana: institusi tidak perlu menggantungkan seluruh strategi AI pada satu model atau satu penyedia teknologi.
Kenneth menyoroti paradoks dalam adopsi AI saat ini. Penggunaan AI meningkat pesat di berbagai organisasi, tetapi hanya sebagian kecil yang telah memperoleh manfaat dalam skala besar. Banyak proyek masih berhenti pada fase proof of concept atau POC.
Menurutnya, penyebabnya bukan karena teknologi belum tersedia. Persoalan utama justru terletak pada operating model atau model operasional yang mengelilingi teknologi tersebut.
“Technology itself is not the bottleneck. The operating model is the bottleneck,” katanya.
Kenneth melihat gelombang berikutnya bukan lagi sekadar persaingan mengenai siapa yang memiliki model terbesar. Menurutnya, model AI dan infrastrukturnya akan semakin menjadi komoditas. Nilai berikutnya justru akan muncul pada agentic AI, yakni AI yang dapat menjalankan tugas dan alur kerja tertentu secara lebih otonom.
Dalam industri keuangan, penerapannya dapat berkembang mulai dari fraud detection, KYC, proses onboarding, layanan nasabah, kepatuhan, penilaian kredit, hingga berbagai proses kompleks lainnya.
Namun transformasi itu perlu dilakukan secara bertahap. Kenneth menyarankan organisasi memulai dari penggunaan yang memiliki risiko relatif lebih rendah seperti kolaborasi dan produktivitas karyawan, kemudian berkembang menuju customer engagement, dilanjutkan dengan area berisiko tinggi seperti AML, fraud, dan compliance, sebelum akhirnya masuk ke penggunaan agen AI otonom untuk menjalankan alur kerja kompleks.
Di antara berbagai pesan yang disampaikan Kenneth, satu prinsip muncul berulang kali: preserve optionality. Arsitektur terbaik hari ini belum tentu menjadi pilihan terbaik 12 hingga 18 bulan mendatang.
Karena itu, ia merekomendasikan pendekatan hybrid multi-model dan open architecture. Institusi dapat memilih model berbeda sesuai kebutuhan, mempertahankan kontrol terhadap data sensitif, serta mengganti teknologi ketika muncul pilihan yang lebih baik tanpa harus membangun kembali seluruh fondasi sistem.
Pada akhirnya, menurut Kenneth, kompetisi AI tidak lagi semata-mata tentang membangun model yang terbesar.
Bagi industri keuangan, pesan tersebut menjadi penting. Nilai AI tidak hanya ditentukan oleh kecanggihan algoritma, tetapi oleh kemampuan institusi mengintegrasikan teknologi, data, proses bisnis, keamanan, dan tata kelola dalam satu fondasi yang konsisten. Dengan arsitektur terbuka, strategi multi-model, dan kepercayaan sebagai prinsip utama, AI dapat bergerak dari sekadar eksperimen teknologi menuju sumber nilai bisnis yang berkelanjutan.