Pengelolaan Kekayaan Berbasis Kecerdasan Buatan

Kecerdasan buatan tidak lagi sekadar teknologi pendukung dalam pengelolaan kekayaan. Teknologi ini kini menjadi bagian inti dari cara para penasihat menganalisis portofolio, mengelola risiko, melayani klien, dan mengembangkan bisnis mereka.

Selama bertahun-tahun, digitalisasi di sektor kekayaan pribadi sebagian besar berfokus pada efisiensi: pengurangan proses manual, pelaporan yang lebih baik, proses onboarding yang lebih lancar, dan biaya eksekusi yang lebih rendah. Kecerdasan buatan (AI) mengubah arah tujuan tersebut. Teknologi ini memungkinkan perusahaan untuk mengolah kumpulan data yang lebih besar, mengidentifikasi kebutuhan klien lebih dini, memberikan saran yang disesuaikan, serta mendeteksi risiko yang mungkin tidak terdeteksi dalam tinjauan portofolio konvensional.

Potensinya sangat besar. Begitu pula risikonya. Manajemen kekayaan didasarkan pada kepercayaan, kerahasiaan, dan penilaian. Kecerdasan buatan (AI) dapat mendukung ketiga hal tersebut. Namun, AI juga dapat melemahkan ketiganya jika perusahaan menggunakannya secara sembarangan.

Lapisan Operasional Baru

Gelombang pertama teknologi investasi berfokus pada otomatisasi. Layanan penasihat investasi berbasis robot seperti Betterment dan Wealthfront membuktikan bahwa penyusunan portofolio dapat distandardisasi dan disediakan secara massal. Mereka membuat pengelolaan investasi menjadi lebih terjangkau, lebih sederhana, dan lebih mudah diakses, terutama bagi nasabah dengan kebutuhan yang tidak terlalu rumit.

Kekayaan pribadi merupakan pasar yang berbeda. Klien dengan kekayaan bersih tinggi dan sangat tinggi jarang hanya membutuhkan alokasi aset. Mereka membutuhkan koordinasi perpajakan, perencanaan warisan, pengelolaan likuiditas, tata kelola keluarga, kegiatan filantropi, akses ke pasar swasta, serta pelaporan lintas batas.

Kompleksitas tersebut menjelaskan mengapa AI tidak menggantikan peran penasihat di segmen atas manajemen kekayaan. AI justru menjadi lapisan operasional yang mendukung mereka.

Seorang penasihat yang dulu bergantung pada laporan statis kini dapat menggunakan alat yang didukung kecerdasan buatan (AI) untuk mendeteksi konsentrasi portofolio, memodelkan kebutuhan likuiditas, memantau perkembangan pasar, dan mempersiapkan pembicaraan dengan klien yang lebih disesuaikan. Nilainya tidak terletak pada menghilangkan unsur hubungan manusia, melainkan pada membuatnya menjadi lebih terinformasi.

Dari Saran Umum hingga Pendekatan yang Disesuaikan

Personalisasi telah lama menjadi salah satu janji utama dalam pengelolaan kekayaan. Namun, dalam praktiknya, hal ini sering kali terbatas. Banyak klien masih menerima proposal investasi yang pada dasarnya serupa, tinjauan berkala, dan paket pelaporan standar.

Kecerdasan buatan (AI) dapat mengubah hal itu. AI mampu menganalisis perilaku klien, toleransi risiko, riwayat portofolio, kebutuhan arus kas, preferensi komunikasi, dan batasan investasi. Hal ini memungkinkan perusahaan untuk memberikan saran yang lebih tepat sasaran.

Bagi seorang wirausahawan muda yang baru saja menjual perusahaannya, hal-hal yang perlu diperhatikan mungkin meliputi likuiditas, perpajakan, diversifikasi, dan eksposur di pasar swasta. Bagi keluarga multigenerasi, prioritasnya mungkin terletak pada suksesi, tata kelola, pendidikan, dan pelaporan kepada para ahli waris. Bagi klien yang lebih tua, stabilitas pendapatan dan perencanaan warisan mungkin lebih penting daripada pertumbuhan.

Kecerdasan buatan (AI) dapat membantu penasihat mengenali perbedaan-perbedaan ini lebih awal dan memberikan rekomendasi yang lebih relevan. Manfaat komersialnya jelas: personalisasi yang lebih baik dapat meningkatkan keterlibatan klien, retensi, dan pangsa pengeluaran klien.

Manajemen Risiko Menjadi Lebih Dinamis

Risiko merupakan salah satu penerapan AI yang paling signifikan dalam manajemen kekayaan. Pelaporan risiko konvensional sering kali bersifat retrospektif. Pelaporan tersebut mengandalkan volatilitas historis, alokasi aset, analisis kontribusi kinerja, dan skenario stres.

Alat-alat tersebut tetap penting. Namun, efektivitasnya berkurang ketika pasar bergerak dengan cepat, ketika korelasi berubah, atau ketika risiko muncul di luar data keuangan standar.

AI mampu memproses berita, sinyal pasar, indikator makroekonomi, laporan perusahaan, dan data portofolio dengan cepat. AI juga dapat mendeteksi pola yang tidak biasa, mengidentifikasi risiko tersembunyi, serta mendukung analisis skenario. Hal ini sangat bermanfaat bagi klien dengan aset yang tersebar di berbagai bank, entitas, dan yurisdiksi.

Platform Aladdin milik BlackRock sering disebut sebagai contoh bagaimana manajemen risiko investasi telah menjadi lebih terstandarisasi. Pentingnya platform ini terletak pada prinsip yang lebih luas: manajemen risiko sedang beralih dari pelaporan yang terpisah-pisah menuju analisis terintegrasi.

Kekayaan pribadi mengikuti tren yang sama, meskipun dengan kebutuhan yang berbeda. Sebuah family office atau bank swasta tidak hanya perlu mengetahui kinerja portofolio pada kuartal lalu. Mereka juga perlu mengetahui di mana risiko sedang menumpuk saat ini.

Perubahan Peran Penasihat

Kecerdasan buatan tidak akan membuat peran penasihat menjadi tidak relevan. Sebaliknya, hal itu justru akan membuat saran yang kurang berkualitas menjadi lebih terlihat.

Klien mungkin masih bisa menerima layanan standar saat pasar tenang dan imbal hasil tinggi. Namun, mereka tidak akan sefleksibel itu ketika volatilitas meningkat, nilai portofolio turun, atau likuiditas menipis. Pada saat-saat seperti itu, penasihat harus menjelaskan apa yang terjadi, hal-hal apa yang penting, dan langkah apa yang harus diambil.

AI dapat melakukan analisis. Namun, AI tidak dapat memikul tanggung jawab fidusia.

Di sinilah peran manusia menjadi semakin penting. Para penasihat perlu menafsirkan hasil model, menguji asumsi-asumsi, memahami psikologi klien, dan menjelaskan trade-off dengan jelas. Mereka juga perlu tahu kapan harus tidak mengikuti model.

Sebuah sistem dapat merekomendasikan penyesuaian portofolio. Namun, sistem tersebut tidak dapat sepenuhnya memahami perselisihan keluarga, masalah warisan, ikatan emosional pendiri terhadap saham perusahaan, atau ketakutan klien akan kehilangan kendali.

Oleh karena itu, penasihat di masa depan akan lebih analitis, bukan justru kurang manusiawi.

Bagian Back Office Akan Merasakannya Lebih Dulu

Sebagian besar dampak AI tidak akan terlalu terlihat oleh klien. Pemeriksaan kepatuhan, peninjauan dokumen, proses onboarding, pelaporan, pemantauan transaksi, dan alur kerja administratif adalah bidang-bidang di mana AI dapat mengurangi beban kerja manual.

Program COiN dari JPMorgan Chase, yang memanfaatkan pembelajaran mesin untuk meninjau dokumen hukum, menunjukkan bagaimana lembaga keuangan besar dapat menerapkan kecerdasan buatan pada proses-proses yang bersifat repetitif dan padat karya. Dalam bidang manajemen kekayaan, prinsip serupa juga berlaku untuk dokumentasi klien, penilaian kesesuaian, pelaporan, dan pengendalian operasional.

Hal ini penting karena pengelolaan kekayaan pribadi seringkali memerlukan banyak proses administratif. Layanan yang sangat personal bisa jadi mahal untuk disediakan. Jika AI dapat mengurangi beban administratif, para penasihat dapat menghabiskan lebih banyak waktu untuk melayani klien dan lebih sedikit waktu untuk mengurus proses administratif.

Namun, otomatisasi harus ditangani dengan hati-hati. Kesalahan dalam dokumentasi, kesesuaian, atau kepatuhan dapat menimbulkan konsekuensi hukum dan reputasi. Efisiensi hanya bernilai jika pengendalian tetap ketat.

Data Adalah Kendala Sebenarnya

Hambatan terbesar bukanlah algoritmanya. Melainkan datanya.

Manajer kekayaan sering kali harus bekerja dengan informasi yang terpisah-pisah. Aset klien mungkin tersebar di berbagai bank, lembaga kustodian, manajer aset, perusahaan induk, dan penasihat eksternal. Penilaian aset pribadi mungkin tidak dilakukan secara teratur. Struktur keluarga mungkin rumit. Dokumen-dokumen mungkin tidak lengkap atau tidak konsisten.

AI tidak dapat mengatasi masalah tata kelola data yang buruk sendirian. Jika data masukan berkualitas rendah, hasil yang dihasilkan pun bisa menyesatkan. Risikonya adalah perusahaan menyajikan kesimpulan yang dihasilkan AI dengan tingkat keyakinan yang lebih tinggi daripada yang seharusnya didasarkan pada informasi yang mendasarinya.

Sebelum kecerdasan buatan (AI) dapat merevolusi pengelolaan kekayaan, perusahaan memerlukan arsitektur data yang lebih terstruktur, integrasi yang lebih kuat, dan kepemilikan informasi yang lebih jelas. Ini bukanlah pekerjaan yang glamor. Namun, hal ini sangat penting.

Pemerintah Tidak Akan Berdiam Diri

Penggunaan kecerdasan buatan (AI) dalam layanan konsultasi keuangan akan menjadi sorotan. Pihak regulator akan ingin memahami bagaimana model-model tersebut dibangun, bagaimana rekomendasi-rekomendasi tersebut diawasi, bagaimana data klien dilindungi, dan siapa yang bertanggung jawab jika terjadi masalah.

Hal ini sangat sensitif dalam bidang pengelolaan kekayaan karena saran yang diberikan harus sesuai dengan kebutuhan klien. Jika kecerdasan buatan (AI) memengaruhi rekomendasi portofolio, penentuan profil risiko, atau pemilihan produk, perusahaan harus mampu menjelaskan proses tersebut.

Kurangnya transparansi akan menjadi masalah. Sebuah perusahaan tidak bisa sekadar menyatakan bahwa suatu model telah menghasilkan suatu jawaban. Perusahaan tersebut harus memahami mengapa jawaban tersebut dihasilkan, apakah jawaban tersebut tepat, dan bagaimana proses peninjauannya.

Oleh karena itu, arah regulasi dapat diprediksi: AI akan diizinkan, tetapi tata kelola akan menjadi hal yang penting.

Kesenjangan Kompetitif Mulai Terbuka

Kecerdasan buatan (AI) akan memperlebar jurang antara manajer kekayaan yang benar-benar berinvestasi dalam teknologi dan mereka yang hanya menganggapnya sebagai tema pemasaran.

Perusahaan besar mungkin memiliki keunggulan dalam hal data, infrastruktur, dan keahlian internal. Namun, perusahaan kecil pun tidak ketinggalan. Mereka dapat memanfaatkan platform khusus, penyedia layanan eksternal, dan alat yang lebih terfokus untuk meningkatkan pelaporan, riset, dan layanan pelanggan.

Faktor penentunya bukanlah sekadar ukuran. Melainkan integrasi.

Perusahaan yang menerapkan AI pada model operasional yang terfragmentasi mungkin tidak akan meraih banyak hasil. Sebaliknya, perusahaan yang memiliki data yang terkelola dengan baik, proses yang terstruktur, dan penawaran layanan yang jelas kepada klien dapat memanfaatkan AI untuk meningkatkan kualitas layanannya.

Apa yang Harus Dilakukan Para Manajer Kekayaan Saat Ini

Titik awalnya sebaiknya bersifat praktis, bukan sekadar promosi.

Perusahaan sebaiknya mengidentifikasi bidang-bidang di mana AI dapat mengatasi masalah nyata: pemantauan portofolio, pelaporan klien, peninjauan dokumen, kepatuhan, riset investasi, atau produktivitas penasihat. Setiap kasus penggunaan memerlukan data, mekanisme pengendalian, dan tingkat pengawasan manusia yang berbeda-beda.

Mereka juga perlu melatih para penasihat. Alat-alat AI hanya berguna jika orang-orang yang menggunakannya memahami batasannya. Para penasihat tidak perlu menjadi ilmuwan data, tetapi mereka harus mampu mengajukan pertanyaan yang lebih baik kepada sistem yang mereka gunakan.

Klien harus diberi penjelasan yang jelas mengenai bagaimana AI mendukung layanan tersebut. Teknologi ini seharusnya membuat saran yang diberikan menjadi lebih transparan, bukan justru semakin membingungkan.

Ujian Sejati Adalah Kepercayaan

Dalam beberapa tahun ke depan, kecerdasan buatan (AI) akan semakin terintegrasi dalam pengelolaan kekayaan. Teknologi ini akan mendukung manajemen risiko, pelaporan, segmentasi klien, riset investasi, dan efisiensi operasional. Di beberapa segmen pasar, AI akan menekan biaya. Di segmen lain, AI akan meningkatkan kualitas nasihat yang bersifat personal.

Namun, industri ini sebaiknya tidak melebih-lebihkan. Kecerdasan buatan (AI) tidak akan menghilangkan ketidakpastian di pasar. AI tidak akan menggantikan penilaian manusia. AI juga tidak akan mengubah penasihat yang kurang kompeten menjadi penasihat yang dapat diandalkan.

Nilai sesungguhnya dari hal ini terletak pada hal-hal lain: informasi yang lebih baik, analisis yang lebih cepat, layanan yang lebih disesuaikan, dan deteksi risiko yang lebih dini.

Bagi para manajer kekayaan, pertanyaannya bukan lagi apakah AI akan berperan penting. AI memang sudah berperan penting. Pertanyaan yang lebih sulit adalah apakah mereka dapat memanfaatkannya dengan cara yang memperkuat hubungan dengan klien, bukan malah melemahkannya.

Dalam pengelolaan kekayaan pribadi, teknologi hanya akan berhasil jika mampu memperkuat rasa kepercayaan.