Evolusi manajemen risiko model (MRM) di sektor perbankan kini menjadi keharusan strategis seiring masifnya adopsi AI generatif dan agen AI, di mana bank dituntut untuk memperbarui kerangka tata kelola agar mampu menyeimbangkan inovasi cepat dengan aspek kepercayaan, akuntabilitas, dan kepatuhan regulasi yang ketat.
DIGI -HIGHLIGHTS:
■ Adopsi AI generatif di perbankan melesat, namun kurang dari 30% bank di Eropa yang telah mengintegrasikan AI ke dalam kerangka kerja manajemen risiko mereka.
■ Otomatisasi validasi model terbukti mampu memangkas waktu proses hingga 50%, mempercepat siklus hidup model tanpa mengorbankan standar pengawasan risiko.
■ Perbankan wajib beralih dari definisi model tradisional ke perspektif berbasis penggunaan (use-case) untuk mengelola kompleksitas ekosistem AI modern.
Selama 15 tahun terakhir, sektor perbankan global telah melewati berbagai fase transformasi dalam tata kelola model. Dimulai dari fokus pada model regulasi prudensial, beralih ke tata kelola model manajerial, hingga kini memasuki gelombang baru: integrasi machine learning, AI generatif, dan agentic AI.
Namun, kecepatan adopsi teknologi ini tidak selalu dibarengi dengan kesiapan infrastruktur manajemen risiko. Data survei terbaru dari McKinsey yang dipublikasikan akhir pekan ini menunjukkan bahwa meski lebih dari 80% organisasi global telah menerapkan AI generatif atau agentic AI, kurang dari 30% bank di Eropa yang benar-benar telah mengintegrasikan model-model canggih tersebut ke dalam kerangka kerja manajemen risiko model (MRM) mereka.
Kesenjangan ini menjadi krusial. Pasalnya, model AI kini tidak lagi sekadar menjadi alat pendukung, tetapi telah memengaruhi keputusan berisiko tinggi—mulai dari alokasi modal hingga penentuan harga produk dan layanan nasabah. Tantangannya bukan lagi soal “apakah model itu berfungsi”, melainkan “apakah organisasi bisa memercayai model tersebut untuk beroperasi dalam skala besar”.
Efisiensi Melalui Otomatisasi
Untuk mengejar ketertinggalan, banyak institusi keuangan mulai mengadopsi otomatisasi dalam proses validasi. Hasilnya cukup signifikan: otomatisasi dapat mengurangi waktu validasi hingga 30% hingga 50% serta mempercepat pengembangan model hingga 20% hingga 40%. Penggunaan agentic automation bahkan memungkinkan bank menyusun alur kerja validasi yang sepenuhnya otomatis, mulai dari ekstraksi data hingga penyusunan laporan.
Dalam kerangka kerja baru ini, terdapat lima imperatif yang menjadi kunci keberhasilan:
1. Definisi Model yang Lebih Luas: Bank harus mendefinisikan ulang apa itu “model”. AI saat ini bukan lagi artefak tunggal, melainkan ekosistem yang melibatkan pipeline data, model dasar, hingga API eksternal.
2. Siklus Hidup Berbasis Penggunaan: Tata kelola tidak bisa lagi disamaratakan. Setiap use-case memerlukan tingkat pengawasan yang berbeda sesuai dengan profil risikonya.
3. Tiering Berbasis Risiko: Klasifikasi model tidak cukup hanya berdasarkan dampak finansial. Kriteria harus mencakup tingkat otonomi model, sensitivitas data, bias, hingga potensi risiko reputasi.
4. Validasi yang Adaptif: Berbeda dengan model tradisional yang statis, AI belajar dan beradaptasi. Oleh karena itu, validasi harus dilakukan secara berkelanjutan (real-time), bukan sekadar penilaian titik waktu (point-in-time).
5. Tata Kelola Risiko yang Terintegrasi: Manajemen risiko model harus menjadi bagian dari kerangka risiko horizontal yang mencakup risiko siber, hukum, dan kepatuhan terhadap pihak ketiga.
Tantangan Regulasi
Di Eropa dan Inggris, evolusi MRM didorong oleh regulasi yang semakin ketat, seperti EU AI Act dan Supervisory Statement SS1/23. Sekitar 40% bank mengakui bahwa kompleksitas regulasi adalah tantangan terbesar mereka dalam 12 bulan ke depan.
“Lembaga-lembaga terkemuka dengan demikian memosisikan ulang MRM untuk AI sebagai pendukung strategis untuk kecepatan, ketahanan, dan kepercayaan,” tulis laporan tersebut.
Institusi yang mampu menyelaraskan kerangka MRM mereka dengan kemajuan AI tidak hanya akan memperkuat ketahanan operasional, tetapi juga membuka pintu untuk beralih dari fase eksperimen AI menuju implementasi skala penuh di seluruh perusahaan.
Bagi perbankan, ini bukan lagi pilihan, melainkan sebuah keharusan untuk tetap relevan di tengah persaingan industri keuangan yang semakin digital. ●
DIGI-INSIGHTS;
Pergeseran paradigma dari prudential models ke decisioning models yang berbasis AI memaksa bank untuk meninggalkan pendekatan “satu ukuran untuk semua”. Di masa lalu, MRM hanya fokus pada validasi model yang berdampak pada modal atau regulasi. Sekarang, dengan AI yang menyentuh ranah operasional, pemasaran, hingga layanan nasabah, bank harus mengadopsi kerangka kerja yang fleksibel namun tetap disiplin. Kegagalan dalam melakukan transisi ini bukan sekadar masalah teknis, melainkan ancaman terhadap kepercayaan nasabah yang bisa berdampak pada reputasi jangka panjang.
Otomatisasi dalam validasi model bukan lagi sekadar upaya efisiensi, melainkan “syarat bertahan hidup”. Dengan pertumbuhan volume model yang eksponensial—didorong oleh demokratisasi pengembangan AI di berbagai divisi—cara kerja manual tidak akan mampu mengimbangi kecepatan bisnis. Institusi yang berhasil mengindustrialisasi alur kerja validasi, dari ekstraksi data hingga interpretasi hasil melalui agentic automation, akan memiliki keunggulan kompetitif berupa time-to-market yang lebih cepat tanpa harus mengorbankan keamanan sistem.
Peran MRM harus bertransformasi dari “polisi” yang menghambat inovasi menjadi “enabler” yang memfasilitasi skalabilitas yang aman. Integrasi MRM ke dalam ekosistem risiko horizontal—yang mencakup siber, hukum, dan risiko pihak ketiga—adalah kunci. Mengingat banyaknya penggunaan model berbasis API dan penyedia pihak ketiga yang sering kali tidak transparan (opaque), bank yang mampu menciptakan fungsi koordinasi terpusat (seperti Center of Excellence) akan jauh lebih efektif dalam mendeteksi bias, risiko keamanan, dan kegagalan sistem sebelum hal tersebut menjadi insiden yang merugikan. ●
DIGIONARY:
● Agentic AI: Sistem AI yang tidak hanya menjawab pertanyaan, tetapi mampu bertindak secara otonom untuk mencapai tujuan tertentu melalui langkah-langkah yang ditentukan sendiri.
● AI Act: Peraturan Uni Eropa mengenai kecerdasan artifisial yang bertujuan memastikan pengembangan AI yang etis dan aman.
● Gen AI (Generative AI): Teknologi AI yang mampu menghasilkan konten baru, seperti teks, gambar, atau kode, berdasarkan pola yang dipelajari dari data yang ada.
● Model Risk Management (MRM): Kerangka kerja yang digunakan oleh institusi keuangan untuk mengidentifikasi, mengukur, dan memitigasi risiko yang timbul dari penggunaan model untuk pengambilan keputusan.
● Tiering: Proses klasifikasi model berdasarkan tingkat risiko atau kepentingan strategisnya untuk menentukan intensitas pengawasan dan validasi.
#manajemenrisiko #perbankan #ai #generativeai #mckinsey #riskmanagement #fintech #transformasidigital #tatakeloladata #bankingindustry #artificialintelligence #compliance #regulasi #cybersecurity #modelriskmanagement #agenticai #inovasibank #stabilitaskeuangan #digitalbanking #risiko
