Kesenjangan Besar dalam AI: Survei Baru Pemimpin di Sektor Jasa Keuangan

By Rico Muhammad Aziz On Mar 27, 2025

Get real time updates directly on you device, subscribe now.

Santa Clara, California, itechmagz.id – Kemajuan pesat teknologi kecerdasan buatan (AI) menimbulkan tekanan luar biasa terhadap infrastruktur data tradisional, memaksa pelaku industri di sektor perbankan, jasa keuangan, dan asuransi (BFSI) untuk memprioritaskan antara keamanan, kualitas, dan keberlanjutan, demikian menurut survei terbaru dari Hitachi Vantara, anak perusahaan Hitachi, Ltd. (TSE: 6501) yang bergerak di bidang penyimpanan data, infrastruktur, dan manajemen cloud hybrid.

Berdasarkan masukan dari 231 pemimpin TI dan bisnis global, Laporan State of Data Infrastructure 2024 menemukan bahwa meskipun 36% responden mengakui pentingnya kualitas data untuk keberhasilan AI, para pemimpin sektor keuangan tetap lebih fokus pada keamanan data — yang pada akhirnya menciptakan celah dalam kinerja AI dan pengembalian investasi (ROI) jangka panjang.

“Lembaga keuangan di seluruh dunia tengah mempercepat adopsi AI, namun banyak yang menyadari bahwa infrastruktur data mereka belum siap untuk mendukungnya,” ujar Joe Ong, Vice President dan General Manager untuk wilayah ASEAN di Hitachi Vantara. “Penelitian global ini mencerminkan apa yang juga kami dengar di Asia Tenggara — bahwa hambatan utama dalam keberhasilan AI bukan pada teknologinya, melainkan pada kemampuan untuk mengelola data secara aman, akurat, dan dalam skala besar. Organisasi keuangan perlu memperkuat fondasi data mereka agar AI dapat memberikan dampak nyata dan berkelanjutan.”

Hampir setengah (48%) responden menyebut keamanan data sebagai perhatian utama dalam penerapan AI, mencerminkan pentingnya perlindungan terhadap ancaman baik dari dalam maupun luar organisasi. Hal ini dapat dipahami mengingat 84% responden mengakui bahwa kehilangan data akibat serangan atau kesalahan akan berdampak katastrofik.

Namun, hasil studi juga menunjukkan bahwa mengabaikan kualitas data membawa konsekuensi serius bagi institusi BFSI, di antaranya:

Di perusahaan BFSI, data hanya tersedia saat dan di tempat yang dibutuhkan seperempat waktu (25%), dan model AI di sektor BFSI hanya akurat 21% dari waktu.
36% responden mengkhawatirkan risiko kebocoran data akibat AI internal, dan 38% khawatir tidak mampu memulihkan data dari serangan ransomware.
Meskipun serangan ransomware menjadi perhatian utama para pemimpin TI di sektor BFSI, 36% menyatakan bahwa kebocoran data akibat kesalahan AI merupakan tiga kekhawatiran teratas mereka, dan 32% khawatir bahwa serangan yang didukung AI dapat menyebabkan pelanggaran data.

“Model bisnis dalam layanan keuangan secara inheren sangat bergantung pada kepercayaan. Kerusakan reputasi merupakan risiko yang sangat besar, sehingga dalam industri kami, interaksi antara keamanan dan akurasi menjadi tantangan yang krusial sekaligus kompleks,” ujar Mark Katz, CTO untuk sektor Jasa Keuangan, Hitachi Vantara. “Sebagai contoh, jika sebuah chatbot secara tidak sengaja mengungkapkan informasi sensitif yang terdapat dalam data pelatihan, hal tersebut dapat menimbulkan konsekuensi serius. Selain itu, biaya dari jawaban yang salah atau hallucination (hasil yang tidak akurat dari AI) juga menimbulkan risiko besar; jika seseorang mengambil keputusan berdasarkan data yang salah, akan muncul berbagai pertanyaan terkait tanggung jawab hukum.”

Meskipun terdapat tantangan akurasi, adopsi AI di sektor BFSI terus mengalami percepatan. Namun, banyak organisasi yang menerapkan AI tanpa persiapan memadai, dengan 71% responden mengakui bahwa mereka melakukan pengujian dan iterasi langsung pada implementasi aktif, sementara hanya 4% yang menggunakan lingkungan sandbox (uji coba terkendali).

Adsense

Penelitian ini menegaskan bahwa para pemimpin sektor jasa keuangan meyakini kualitas data sebagai pertimbangan paling penting untuk keberhasilan implementasi AI. Namun, kekhawatiran seperti keamanan data terlalu mendesak untuk diabaikan—dan hal ini berdampak pada menurunnya return on investment (ROI).

Survei ini menguraikan sejumlah pertimbangan utama dalam membangun infrastruktur yang lebih tangguh dan siap untuk AI, guna membantu organisasi BFSI mempersiapkan diri menghadapi masa depan, di antaranya:

Eksperimen yang Bertanggung Jawab: Dua dari lima pemimpin BFSI (42%) menyatakan bahwa mereka membangun keterampilan yang dibutuhkan untuk menerapkan AI melalui eksperimen. Pengujian yang bertanggung jawab di lingkungan sandbox yang aman dapat mengurangi risiko sekaligus membuka potensi AI.
Keberlanjutan di Setiap Tingkatan: Mulai dari penyimpanan data yang hemat energi hingga perangkat lunak yang dioptimalkan, para pemimpin bisnis dan TI harus mengintegrasikan prinsip keberlanjutan ke dalam infrastruktur, aplikasi, model, praktik data, dan strategi sejak awal.
Menyederhanakan dan Menyatukan Sistem: Kurangi kompleksitas dengan mengelola lingkungan hybrid secara terpadu, mengotomatisasi tugas-tugas keamanan, dan memanfaatkan platform data yang terintegrasi untuk mempercepat wawasan dan menyederhanakan pelatihan AI.
Memastikan Ketahanan Data dan Memanfaatkan AI untuk Pertahanan: Rancang rencana pemulihan dengan sistem redundansi, penyimpanan roll-back, dan pemulihan model AI untuk mengurangi risiko akibat kegagalan atau serangan. Gunakan AI untuk mengidentifikasi risiko, meningkatkan proses pemulihan, dan mengamankan data melalui penyimpanan yang immutable, terenkripsi, dan dapat memperbaiki diri secara otomatis—sebagai langkah melawan ancaman dari pelaku yang juga memanfaatkan AI.

Laporan ini disusun berdasarkan Survei Global State of Data Infrastructure 2024 dari Hitachi Vantara, dan mewakili pandangan dari 231 spesialis BFSI, eksekutif tingkat C, serta pengambil keputusan di bidang TI yang berasal dari 15 negara di seluruh dunia.

Unduh laporan industri Perbankan, Jasa Keuangan, dan Asuransi di sini:

https://hitachivantara.com/en-us/gated-forms/state-of-bfsi-data-infrastructure

Untuk informasi lebih lanjut mengenai bagaimana Hitachi Vantara membantu pelanggan menerapkan pendekatan berbasis data dalam membangun infrastruktur data modern, silakan klik di sini.

Materi Tambahan