Wealth Management Asia Perlu Strategi Baru Data dan AI untuk Hadapi Tuntutan Regulasi dan Nasabah

Industri wealth management di Asia dinilai membutuhkan pendekatan baru dalam mengelola data dan kecerdasan buatan (AI) agar mampu menjawab tuntutan nasabah yang semakin kompleks sekaligus memenuhi standar regulasi yang semakin ketat.

Perkembangan teknologi mendorong lembaga keuangan untuk menghadirkan layanan yang lebih personal, analisis real-time, serta pengalaman digital yang mulus bagi nasabah. Namun di sisi lain, regulator di berbagai negara juga memperketat standar penerapan AI yang bertanggung jawab.

Di Singapura, misalnya, Monetary Authority of Singapore meningkatkan standar transparansi dan akuntabilitas penggunaan AI di sektor keuangan. Sementara di Indonesia, Otoritas Jasa Keuangan (OJK) juga mendorong perbankan memanfaatkan AI untuk mempercepat transformasi digital dengan tetap menjunjung tinggi prinsip etika, keamanan, dan kepatuhan regulasi.

Country Manager Indonesia Cloudera Sherlie Karnidta mengatakan kondisi tersebut menciptakan tantangan ganda bagi institusi keuangan.

“Institusi keuangan di Asia berada di garis depan dalam pengadopsian AI. Khusus di sektor Wealth Management, lajunya bahkan lebih terasa. Nasabah kini menuntut layanan yang semakin personal, insight secara real-time, dan interaksi digital yang mulus tanpa hambatan,” tulis Sherlie Karnidta dalam keterangannya.

Namun, banyak bank masih menghadapi kendala infrastruktur data yang terfragmentasi. Sistem lama yang berjalan secara terpisah sering kali membuat institusi keuangan kesulitan menghadirkan personalisasi real-time, mendeteksi penipuan secara adaptif, maupun mengembangkan AI yang dapat dijelaskan secara transparan.

Laporan global Cloudera bersama Finextra Research menunjukkan bahwa 97 persen organisasi jasa keuangan mengakui silo data menjadi hambatan utama dalam implementasi model AI secara efektif.

Kondisi tersebut mendorong banyak institusi keuangan mulai mengembangkan arsitektur data terpadu yang mampu menyatukan sistem cloud, on-premise, dan edge dalam satu fondasi yang terkelola dengan baik. Dengan pendekatan ini, bank dapat mempercepat pengambilan keputusan sekaligus menjaga kontrol terhadap data sensitif nasabah.

Tren ini juga terlihat dari meningkatnya adopsi hybrid AI di sektor jasa keuangan. Saat ini sekitar 62 persen institusi keuangan telah menggunakan pendekatan hybrid yang menggabungkan lingkungan cloud dan sistem internal, sementara 91 persen organisasi secara global menilai model ini memberikan nilai strategis bagi operasional mereka.

Beberapa bank di Asia mulai merasakan dampak nyata dari penerapan teknologi ini. Bank of Singapore, misalnya, memanfaatkan AI untuk mengotomatiskan laporan sumber kekayaan nasabah. 

Proses yang sebelumnya membutuhkan waktu hingga 10 hari kini dapat diselesaikan hanya dalam satu jam dengan tingkat akurasi dan kepatuhan yang lebih baik.

Implementasi AI juga berdampak pada perubahan peran tenaga kerja di sektor wealth management. Relationship manager yang sebelumnya banyak mengerjakan tugas administratif kini dapat lebih fokus pada interaksi strategis dengan nasabah berkat dukungan analitik berbasis data.

Sherlie menegaskan penerapan AI di sektor keuangan tidak hanya soal inovasi teknologi, tetapi juga tentang membangun sistem yang transparan dan dapat dipercaya.

“Tata kelola harus mengalir di sepanjang rantai pasok AI, mulai dari akses data dan pelatihan model, hingga deployment dan monitoring. Dengan menanamkan guardrails di setiap tahap, organisasi dapat memastikan outcome dari AI tetap dapat dijelaskan, adil, dan mematuhi regulasi,” tulisnya.

Sejumlah bank global juga mulai menempatkan tata kelola data sebagai prioritas utama. Standard Chartered Bank, misalnya, memperkuat pengawasan risiko melalui platform data terpadu yang mendukung data lineage serta penegakan kebijakan secara konsisten di seluruh operasi global.

Di Indonesia, BNI juga memanfaatkan teknologi AI untuk memperkuat keamanan sistem serta meningkatkan efisiensi operasional. Melalui AI inference yang dijalankan secara on-premise, bank dapat menjaga kedaulatan data nasabah sekaligus memastikan model AI berjalan transparan, termasuk dalam upaya pencegahan penipuan dan aktivitas ilegal.

Selain tata kelola, tantangan lain yang dihadapi bank adalah ketergantungan terhadap sistem teknologi tertentu. Institusi yang terlalu bergantung pada satu platform atau model implementasi berisiko kehilangan fleksibilitas ketika kondisi pasar dan regulasi berubah.

Sebagai solusi, banyak bank mulai mengadopsi arsitektur data lakehouse yang memungkinkan mereka menjalankan beban kerja sensitif dalam lingkungan yang terkontrol sekaligus bereksperimen dan memperluas sistem di cloud.

Pendekatan ini terbukti membantu bank memperkuat efisiensi operasional. United Overseas Bank (UOB), misalnya, berhasil mengonsolidasikan data dari lebih dari 30 sumber setelah sebelumnya tersebar di lebih dari 95 sistem berbeda. 

Fondasi data terpadu tersebut kini mendukung layanan personalisasi berbasis AI di aplikasi UOB TMRW serta sistem prediktif untuk operasional ATM yang mampu mengurangi perjalanan pengisian ulang hingga 33 persen.

Sherlie menilai transformasi tersebut menandai titik penting bagi industri wealth management di Asia.

“Wealth Management di Asia sedang berada di titik krusial yang menuntut kerangka strategi baru. Bank yang memodernisasi fondasi data mereka, menanamkan tata kelola secara menyeluruh, serta mendiversifikasi infrastrukturnya, tidak hanya akan memenuhi tuntutan regulasi, mereka akan menetapkan standar global untuk AI yang bertanggung jawab dan berorientasi pada nasabah,” pungkasnya.

Dengan meningkatnya peran AI dalam layanan keuangan, kemampuan bank mengelola data secara terpadu dan transparan akan menjadi faktor penentu dalam menjaga kepercayaan nasabah sekaligus meningkatkan daya saing di era ekonomi digital.