Perkembangan Kecerdasan Buatan dalam Manajemen Kekayaan

Kecerdasan buatan kini beralih dari pinggiran bidang pengelolaan kekayaan ke inti operasionalnya. Deloitte menemukan bahwa 60% manajer kekayaan memperkirakan teknologi ini akan menjadi pembeda kompetitif yang penting dalam beberapa tahun ke depan. Daya tarik utamanya terletak pada biaya yang lebih rendah dan analisis yang lebih cepat, namun perubahan yang lebih besar berkaitan dengan cara perusahaan memahami klien, memberikan nasihat, dan membagi tugas antara teknologi dan penasihat manusia.

Pengelolaan kekayaan selalu bergantung pada informasi. Para penasihat mengumpulkan data mengenai aset, pendapatan, toleransi risiko, kondisi keluarga, dan tujuan jangka panjang klien sebelum mengolahnya menjadi strategi investasi.

Hingga baru-baru ini, sebagian besar proses tersebut bergantung pada hubungan pribadi, pengalaman profesional, dan model keuangan yang relatif statis. Kecerdasan buatan (AI) menambahkan dimensi baru. AI mampu menganalisis volume besar data pasar dan klien, mengidentifikasi pola, serta memperbarui rekomendasi seiring dengan perubahan kondisi.

Hal ini tidak mengurangi pentingnya penilaian manusia. Hal ini hanya mengubah konteks di mana penilaian tersebut diterapkan.

Dari otomatisasi hingga konsultasi

Sektor jasa keuangan telah berulang kali mengadopsi teknologi yang pada awalnya tampak revolusioner, namun kemudian menjadi hal yang biasa. Mesin ATM mengubah cara masyarakat mengakses layanan perbankan. Platform daring mengurangi kebutuhan untuk mengunjungi cabang bank. Aplikasi seluler membawa informasi rekening dan transaksi ke dalam kehidupan sehari-hari.

Dalam bidang pengelolaan kekayaan, gelombang otomatisasi pertama yang terlihat muncul melalui layanan penasihat robot (robo-advisers). Platform seperti Betterment dan Wealthfront menggunakan algoritma untuk menyusun dan menyeimbangkan kembali portofolio dengan biaya yang lebih rendah dibandingkan model penasihat tradisional.

Kontribusi utama mereka bukanlah tingkat kecanggihan investasi, melainkan skalanya. Platform otomatis mampu melayani sejumlah besar klien dengan campur tangan manusia yang relatif minim, sehingga pengelolaan portofolio dasar dapat diakses oleh para investor yang sebelumnya mungkin tidak memenuhi syarat untuk mendapatkan nasihat yang disesuaikan secara pribadi.

Fase berikutnya memiliki cakupan yang lebih luas. Kecerdasan buatan (AI) kini semakin banyak digunakan di kalangan bank-bank mapan dan manajer kekayaan, bukan hanya oleh para pesaing digital.

UBS, misalnya, telah mengintegrasikan kecerdasan buatan (AI) ke dalam beberapa bagian dari operasi investasi dan layanan nasabahnya. Teknologi ini dapat membantu para penasihat mempersiapkan diri menjelang pertemuan, menganalisis portofolio, serta mengidentifikasi produk atau informasi yang mungkin relevan bagi nasabah tertentu.

Tujuannya bukan sekadar mengotomatisasi layanan konvensional. Tujuannya adalah agar pemberian nasihat menjadi lebih responsif tanpa membuat biayanya menjadi terlalu mahal.

Keunggulan skala

PwC melaporkan bahwa 52% perusahaan jasa keuangan telah berinvestasi dalam kecerdasan buatan (AI) selama tahun lalu. Angka tersebut mencerminkan upaya yang lebih luas untuk menekan biaya pekerjaan yang melibatkan banyak data dan bersifat berulang.

Pemantauan portofolio, pemrosesan dokumen, segmentasi klien, dan pemeriksaan kepatuhan dapat memakan waktu yang cukup banyak bagi staf. Sistem kecerdasan buatan (AI) dapat melaksanakan sebagian tugas-tugas tersebut dengan lebih cepat dan konsisten, sehingga memungkinkan perusahaan melayani lebih banyak klien tanpa perlu menambah jumlah karyawan dengan laju yang sama.

Aspek ekonominya sangat menarik di segmen nasabah berkekayaan menengah ke atas. Nasabah-nasabah ini sering kali memiliki kebutuhan yang terlalu rumit untuk ditangani oleh portofolio otomatis dasar, namun mungkin tidak menghasilkan pendapatan yang cukup untuk mendukung hubungan perbankan pribadi tradisional.

Saran yang didukung AI dapat membuat kelompok ini lebih menguntungkan untuk dilayani. Seorang penasihat manusia mungkin tetap bertanggung jawab atas hubungan tersebut, sementara teknologi menangani pengumpulan data, analisis portofolio, dan komunikasi rutin.

Bagi klien yang lebih besar, proposisi nilainya berbeda. Keluarga kaya tidak selalu membutuhkan layanan konsultasi yang lebih murah. Mereka membutuhkan gambaran yang lebih jelas mengenai portofolio investasi yang kompleks, akses yang lebih cepat ke informasi yang relevan, serta koordinasi yang lebih baik di antara berbagai bank, mata uang, kelas aset, dan yurisdiksi.

Personalisasi bergantung pada data yang berkualitas

AI sering kali digambarkan sebagai jalan menuju pengelolaan kekayaan yang sangat dipersonalisasi. Pada dasarnya, sebuah sistem dapat menganalisis pola pengeluaran, kebutuhan likuiditas, pertimbangan perpajakan, dan preferensi investasi sebelum mengusulkan portofolio yang disesuaikan dengan kebutuhan masing-masing klien.

Kenyataannya jauh lebih menantang. Keandalan personalisasi bergantung sepenuhnya pada kualitas data yang menjadi dasarnya.

Banyak manajer kekayaan masih menyimpan informasi klien di berbagai sistem yang tidak terintegrasi. Data portofolio mungkin tersimpan di satu platform, catatan kesesuaian di platform lain, dan korespondensi di platform ketiga. Aset pribadi mungkin didokumentasikan dalam lembar kerja atau hanya diperbarui secara berkala.

Model kecerdasan buatan (AI) tidak dapat menghasilkan gambaran klien yang dapat diandalkan berdasarkan catatan yang tidak lengkap atau tidak konsisten. Sebelum perusahaan dapat menjanjikan saran yang lebih dipersonalisasi, mereka harus mengatasi masalah-masalah yang kurang menarik seperti kualitas data, integrasi sistem, dan kepemilikan data.

Klien juga harus memahami bagaimana informasi mereka digunakan. Semakin tinggi tingkat personalisasinya, semakin sensitif pula data yang dibutuhkan.

Model risiko menjadi lebih responsif

Kecerdasan buatan dapat memperkuat manajemen risiko dengan mendeteksi perubahan yang mungkin baru dapat diidentifikasi oleh model konvensional setelah terjadi penundaan.

Sistem prediktif dapat menganalisis data pasar, konsentrasi portofolio, dan korelasi antarkelas aset. Sistem tersebut juga dapat memasukkan informasi yang kurang terstruktur, termasuk laporan perusahaan, liputan berita, dan perubahan sentimen investor.

Bagi para penasihat, hal ini dapat memberikan peringatan lebih dini mengenai kerentanan portofolio. Sebuah sistem mungkin dapat mengidentifikasi bahwa diversifikasi yang tampak pada portofolio klien sebenarnya lebih lemah daripada yang terlihat, karena beberapa instrumen investasi bergantung pada faktor ekonomi, sektor, atau pasar geografis yang sama.

Alat-alat semacam itu memang berguna, tetapi tidaklah netral. Model-model tersebut mencerminkan asumsi, data pelatihan, dan tujuan yang dipilih oleh para pengembangnya.

Sistem yang dilatih dalam kondisi pasar yang relatif stabil mungkin akan menunjukkan kinerja yang buruk saat terjadi guncangan yang tidak biasa. Algoritma juga mungkin mengidentifikasi hubungan statistik tanpa menjelaskan apakah hubungan tersebut memiliki makna secara ekonomi.

Bahayanya bukanlah bahwa AI akan selalu mengambil keputusan yang lebih buruk daripada manusia. Melainkan bahwa hasil yang dihasilkannya mungkin diterima dengan keyakinan yang lebih besar daripada yang seharusnya.

Kepatuhan menawarkan contoh penerapan awal

Pekerjaan di bidang regulasi merupakan salah satu bidang yang paling jelas untuk penerapan kecerdasan buatan (AI). Manajer kekayaan harus memantau transaksi, mengelola catatan klien, menilai kesesuaian, dan menyusun dokumentasi untuk pihak regulator.

Proses-proses ini memakan biaya dan rentan terhadap kesalahan manusia. Alat-alat AI dapat meninjau dokumen, menandai informasi yang kurang, dan mengidentifikasi transaksi yang memerlukan penyelidikan lebih lanjut.

Pemrosesan bahasa alami juga dapat membantu perusahaan memantau komunikasi atau membandingkan kebijakan internal dengan persyaratan regulasi.

Peningkatan efisiensi bisa sangat signifikan, namun tanggung jawab tetap berada di pihak lembaga tersebut. Sebuah perusahaan tidak dapat menyalahkan algoritma atas kegagalan dalam mengidentifikasi aktivitas mencurigakan atau atas rekomendasi investasi yang tidak sesuai.

Oleh karena itu, peninjauan oleh manusia tetap diperlukan, terutama dalam hal-hal yang keputusan-keputusannya berdampak pada hak-hak klien, kewajiban hukum, atau pelaporan regulasi.

Peran penasihat menjadi semakin menantang

Prediksi bahwa kecerdasan buatan (AI) akan menggantikan penasihat keuangan mengabaikan esensi dari pengelolaan kekayaan.

Klien tidak mencari nasihat semata-mata karena mereka kekurangan informasi. Mereka mungkin membutuhkan bantuan untuk menyelesaikan prioritas yang saling bertentangan, merencanakan suksesi keluarga, atau mengambil keputusan selama masa-masa ketegangan di pasar.

Situasi-situasi ini melibatkan kepercayaan, penafsiran, dan penilaian. Sebuah model mungkin dapat menghitung dampak finansial dari penjualan bisnis keluarga. Namun, model tersebut tidak dapat sepenuhnya mengatasi ketegangan pribadi yang menyertai keputusan tersebut.

AI lebih mungkin mengubah peran penasihat daripada menghilangkannya. Persiapan dan analisis rutin mungkin akan semakin diotomatisasi. Penasihat diharapkan dapat menghabiskan lebih banyak waktu untuk menjelaskan berbagai pilihan, mengkritisi asumsi, dan mengoordinasikan keputusan terkait urusan keuangan klien secara menyeluruh.

Hal ini berpotensi meningkatkan nilai penasihat yang kompeten sekaligus mengungkap kelemahan penasihat yang kurang mumpuni. Ketika informasi pasar dasar dan penyusunan portofolio menjadi mudah diakses, klien akan memiliki alasan yang lebih sedikit untuk membayar biaya tambahan atas layanan yang pada dasarnya tidak lebih dari sekadar pemilihan produk.

Keamanan menjadi bagian dari penawaran

Sistem kecerdasan buatan bergantung pada akses ke sejumlah besar data klien dan data keuangan. Hal itu menjadikan perlindungan data sebagai isu strategis, bukan sekadar pertimbangan teknis yang diabaikan.

Kegagalan dalam bidang keamanan siber dapat mengakibatkan kerugian finansial langsung, sanksi regulasi, dan kerusakan reputasi yang berkepanjangan. Klien layanan pengelolaan kekayaan sangat rentan terhadap hal ini karena data mereka mungkin berisi informasi terperinci mengenai aset, struktur keluarga, dan transaksi di masa depan.

Perusahaan harus menentukan data apa saja yang dapat diakses oleh sistem AI, di mana sistem tersebut dihosting, dan bagaimana hasilnya disimpan. Mereka juga perlu menerapkan langkah-langkah pengamanan untuk mencegah kebocoran data, manipulasi, dan penggunaan tanpa izin.

Penyedia teknologi pihak ketiga menimbulkan risiko tambahan. Sebuah perusahaan pengelola kekayaan mungkin mengalihdayakan sebagian infrastruktur AI-nya, tetapi tidak dapat mengalihdayakan tanggung jawab untuk melindungi informasi klien.

Kepercayaan akan bergantung sebagian pada kemampuan perusahaan untuk menjelaskan sistem pengendaliannya dengan bahasa yang dapat dipahami oleh klien.

Para pemenang akan memadukan teknologi dan penilaian

Gartner memperkirakan bahwa AI akan mengelola aset senilai lebih dari $2 triliun pada tahun 2025. Apakah aset-aset tersebut benar-benar “dikelola oleh AI” masih terbuka untuk interpretasi. Dalam kebanyakan kasus, teknologi ini mendukung penyusunan portofolio, pemantauan, atau komunikasi, alih-alih mengambil alih tanggung jawab penuh atas keputusan investasi.

Perbedaan ini penting. AI bukanlah manajer kekayaan yang otonom. AI adalah kumpulan alat yang dapat meningkatkan beberapa aspek dalam proses pemberian nasihat.

Dalam tiga hingga lima tahun ke depan, teknologi ini kemungkinan besar akan menjadi fitur standar pada platform investasi. Kemampuan analitis dasar akan semakin mudah diperoleh, sehingga mengurangi nilainya sebagai faktor pembeda.

Keunggulan kompetitif justru akan bergantung pada pelaksanaan. Perusahaan akan membutuhkan data yang andal, infrastruktur yang aman, dan tata kelola yang jelas. Mereka juga harus mengintegrasikan AI ke dalam pekerjaan sehari-hari para penasihat, bukan sekadar menambahkannya sebagai layanan digital yang terpisah.

Pendidikan bagi nasabah juga akan sama pentingnya. Para investor perlu mengetahui kapan mereka berinteraksi dengan sistem otomatis, bagaimana rekomendasi tersebut dihasilkan, dan kapan penasihat manusia tetap bertanggung jawab.

Model yang paling canggih kemungkinan besar tidak akan sepenuhnya manusiawi atau sepenuhnya otomatis. Model tersebut akan menggabungkan kemampuan pemrosesan AI dengan penilaian profesional serta hubungan yang memberikan kepercayaan kepada klien saat mengambil keputusan penting.

Kecerdasan buatan akan mempercepat pengelolaan kekayaan dan berpotensi membuatnya lebih mudah diakses. Apakah hal ini akan membuat industri ini menjadi lebih baik atau tidak, akan bergantung pada bagaimana perusahaan memanfaatkan waktu, informasi, dan skala yang disediakannya.