Industri perbankan global memasuki fase transformasi radikal dari otomatisasi statis menuju otonomi penuh melalui adopsi Agentic AI yang mampu mengeksekusi tugas kompleks secara mandiri. Dengan peluncuran Claude Opus 4.7 oleh Anthropic, bank kini memiliki “karyawan digital” yang mampu mengelola riset pasar hingga audit laporan keuangan, namun tetap memerlukan pengawasan ketat sesuai regulasi OJK 2025 guna memitigasi risiko bias dan kebocoran data yang mungkin saja terjadi.
Oleh: Deddy H. Pakpahan
Digi-Highlights:
■ Agentic AI Perbankan: Transformasi AI dari sekadar chatbot menjadi agen otonom yang mampu merencanakan dan mengeksekusi tugas finansial kompleks tanpa bantuan.
■ Kepatuhan OJK 2025: Implementasi teknologi agen wajib selaras dengan standar transparansi dan akuntabilitas untuk menjaga keamanan data nasabah bank.
■ Mitigasi Risiko Finansial: Penggunaan sistem multi-agent diperlukan untuk mencegah halusinasi logika keuangan dan memastikan akurasi data melalui kontrol manusia.
Pengumuman terbaru dari Anthropic pekan ini menandai era baru bagi industri keuangan. Dengan peluncuran Claude Opus 4.7 dan sepuluh template agen siap pakai, perbankan kini beralih dari sekadar menggunakan chatbot menjadi mengadopsi Agentic AI. Berbeda dengan AI tradisional yang hanya menjawab pertanyaan, Agentic AI memiliki kemampuan untuk merencanakan, menggunakan alat (tools), dan menyelesaikan tugas kompleks secara mandiri.
Agentic AI bekerja seperti “karyawan digital” yang memiliki akses ke perangkat lunak perbankan (Excel, PowerPoint, sistem internal) dan data pasar (FactSet, Bloomberg). Berdasarkan data Anthropic, cara kerjanya melibatkan tiga komponen utama, yakni:
● Skills (Instruksi & Domain). Di sini agen dibekali pengetahuan spesifik, misalnya aturan KYC (Know Your Customer) atau standar audit internal.
● Connectors (Akses Data Terkelola): Melalui Model Context Protocol (MCP), agen bisa menarik data real-time dari sumber eksternal seperti Moody’s atau Dun & Bradstreet secara aman.
● Sub-agents (Pembagian Tugas): Agen utama (misal: Agen Kredit) dapat memerintah sub-agen untuk melakukan tugas spesifik, seperti melakukan cek silang laporan keuangan di Excel sementara agen utama menyusun narasi memorandum di Word.
Bagaimana Bank Harus Memulai?
Bank tidak perlu membangun dari nol. Berdasarkan blueprint Anthropic, langkah praktisnya adalah:
● Identifikasi High-Volume Tasks: Pilih proses yang paling menyita waktu (misal: pitchbook building, rekonsiliasi buku besar, atau skrining KYC).
● Adopsi Template Siap Pakai: Gunakan referensi arsitektur seperti Claude Managed Agents yang sudah memaketkan instruksi dan konektor data.
● Integrasi ke Workflow Karyawan: Mulai dengan plugin di aplikasi desktop (Excel/Word). Biarkan analis bekerja “bersama” AI sebelum melepasnya secara otonom.
● Uji Coba dengan Sandboxing: Menjalankan agen dalam sesi yang dipantau sepenuhnya melalui audit log untuk melihat bagaimana AI membuat keputusan.
Namun, otonomi bukan berarti tanpa kendali. Di Indonesia, langkah men-deploy Agemtic AI benar-benar harus ini harus selaras dengan panduan tata kelola AI yang dirilis Otoritas Jasa Keuangan (OJK) pada 2025. Regulasi tersebut menekankan pada transparansi dan akuntabilitas. Kabar baiknya, arsitektur agen modern kini dilengkapi fitur auditability yang memungkinkan setiap detak langkah AI terekam dalam log audit, memastikan prinsip Human-in-the-Loop tetap terjaga. Artinya, secanggih apa pun agen tersebut, keputusan final tetap berada di tangan manusia.
Soal regulasi otoritas keuangan tampaknya menjadi perhatian Anthropic, dimana Agentic AI-nya diirancang untuk selaras dengan regulasi ini melalui:
● Auditability: Fitur Claude Console menyediakan log audit lengkap dari setiap panggilan alat (tool call) dan keputusan yang dibuat agen. Ini memenuhi syarat OJK untuk penelusuran keputusan AI.
● Human-in-the-Loop: Sistem memastikan pengguna tetap memegang kendali untuk meninjau dan menyetujui hasil kerja agen sebelum final.
● Governed Access: Penggunaan konektor data memastikan AI hanya mengakses data yang diizinkan sesuai kebijakan privasi data perbankan yang ketat.
Mitigasi Risiko dan Tantangan Pasca-Deploy
Meski canggih, Agentic AI membawa risiko baru yang harus diantisipasi.
Risiko pertama yang perlu diantisipasi adalah halusinasi dalam logika keuangan. Berbeda dengan kesalahan ketik biasa, AI mungkin melakukan kesalahan dalam penghitungan rumus atau logika penilaian aset yang kompleks. Untuk memitigasi hal ini, bank tidak boleh mengandalkan satu agen tunggal. Pendekatan yang efektif adalah menggunakan sistem multi-agent, di mana seorang Valuation Reviewer Agent bertugas khusus untuk mengecek ulang hasil kerja, metodologi, dan konsistensi data yang dihasilkan oleh agen pertama sebelum mencapai tahap peninjauan oleh manusia.
Selanjutnya adalah risiko kebocoran data (Data Leakage) menjadi perhatian utama mengingat agen AI bekerja lintas platform. Risiko data sensitif nasabah keluar dari perimeter keamanan bank sangatlah nyata jika tidak dikelola dengan ketat. Solusinya terletak pada penggunaan infrastruktur yang terisolasi seperti Managed Credential Vaults dan protokol akses data yang terkelola sepenuhnya melalui Model Context Protocol (MCP). Dengan cara ini, AI hanya beroperasi dalam jalur data yang terenkripsi dan sesuai dengan kebijakan tata kelola data perusahaan.
Tantangan berikutnya adalah pergeseran perilaku agen (Agent Drift), di mana agen AI mungkin mengambil tindakan otonom yang melampaui instruksi aslinya. Hal ini bisa terjadi dalam sesi kerja yang berlangsung lama atau kompleks.
Untuk mengendalikan risiko ini, bank harus menerapkan pembatasan izin yang sangat spesifik untuk setiap alat (per-tool permissions). Selain itu, sistem pemantauan real-time melalui audit log di konsol manajemen memungkinkan tim kepatuhan untuk mengintervensi jika ditemukan aktivitas agen yang mulai menyimpang dari prosedur standar.
Tantangan Agent Drift—di mana AI mulai mengambil tindakan di luar instruksi awal—menjadi momok pasca-deploy.
Stephanie Ferris, CEO dan Presiden FIS, menekankan pentingnya kepercayaan (trust) dalam memilih Agentic AI. “FIS menempati posisi sentral dalam ekosistem pergerakan uang global. Ketika kami memutuskan untuk membangun agen AI, kami membutuhkan penyedia jasa yang terpercaya. Anthropic adalah jawaban yang paling logis,” katanya.
Terakhir, risiko bias dalam pengambilan keputusan tetap menjadi ancaman, terutama pada agen yang menangani fungsi sensitif seperti persetujuan kredit atau skrining kepatuhan. Jika tidak diawasi, AI dapat secara tidak sengaja memperkuat diskriminasi sistemik yang ada dalam data historis. Mitigasi yang harus dilakukan adalah melakukan audit rutin terhadap hasil keputusan agen dan menjaga prinsip Human-in-the-Loop.
Dengan memastikan bahwa keputusan akhir tetap memerlukan verifikasi manusia, bank dapat menjamin bahwa otonomi AI tetap selaras dengan nilai etika dan regulasi keadilan yang berlaku sebagaimana yang digariskan regulator.
Ukuran Keberhasilan dan Investasi
Bank dapat mengukur efektivitas Agentic AI melalui metrik berikut:
● Efficiency Gain: Penurunan waktu pengerjaan (misal: investigasi AML dari hitungan hari menjadi menit).
● Accuracy Rate: Perbandingan hasil kerja agen dengan standar ahli manusia (Claude Opus 4.7 saat ini memimpin dengan skor 64.37% pada benchmark Vals AI Finance).
● Cost per Task: Penghematan biaya dibandingkan proses manual tradisional.
● Employee NPS: Tingkat kepuasan staf setelah tugas repetitif mereka diambil alih oleh agen.
Bagi institusi yang ingin memulai, cetak biru yang ditawarkan Anthropic cukup praktis. Bank disarankan memulai dari pain points organisasi, yakni tugas-tugas dengan volume tinggi seperti penyusunan pitchbook, rekonsiliasi buku besar, hingga skrining Know Your Customer (KYC).
Atte Lahtiranta, Head of Core Engineering Citadel, memberikan kesaksiannya mengenai perubahan ini. ”Profesional investasi kami hidup dalam data dan model analitis, dan Claude untuk Excel menemui mereka di sana. Analis menggunakannya untuk membangun dan memperbarui model cakupan, memisahkan sinyal dari kebisingan, dan menguji tekanan kerja mereka—semuanya dengan lompatan efisiensi yang signifikan,” katanya mengutip laman Anthropic.
Soal biaya pengadopsian Agentic AI di bank sangat bervariasi tergantung skala, namun komponen utamanya meliputi:
● Lisensi Model (Usage-Based): Anthropic menggunakan model pay-per-token. Untuk penggunaan skala perusahaan (Enterprise), biaya ditaksir bisa di kisaran US$20,000 – US$100,000+ per bulan tergantung volume transaksi.
● Platform & Managed Services: Biaya untuk Claude Platform (API) dan infrastruktur cloud (seperti AWS Bedrock atau Google Vertex AI).
● Data Connectors: Biaya langganan tambahan untuk penyedia data pihak ketiga (FactSet, Moody’s, dll) yang dihubungkan ke agen.
● Integrasi & Compliance: Biaya internal untuk audit keamanan dan integrasi sistem warisan (legacy systems).
Secara keseluruhan, bagi bank besar, investasi awal mungkin mencapai kisaran angka US$500,000 – US$2 juta untuk fase pilot hingga implementasi penuh, namun ROI bisa terlihat dalam waktu kurang dari 12 bulan melalui efisiensi operasional yang masif. ■
Digi-Insights:
Pergeseran dari AI generatif biasa ke Agentic AI menandai berakhirnya era AI sebagai “tukang jawab” dan dimulainya era AI sebagai “pelaksana tugas.” Dalam konteks perbankan, hal ini berarti bank tidak lagi hanya mengotomatisasi input data, melainkan mendelegasikan alur kerja profesional yang utuh—seperti penyusunan model valuasi di Excel hingga pembuatan draf kebijakan di Word—kepada agen otonom. Dengan kemampuan Claude Opus 4.7 yang mencapai akurasi 64.37% pada skor benchmark finansial, teknologi ini menawarkan lompatan produktivitas yang mampu memangkas proses birokrasi berhari-hari menjadi hitungan menit, sekaligus mengurangi beban kognitif pada tugas-tugas repetitif berisiko tinggi.
Namun, otonomi tanpa kendali adalah resep bencana bagi institusi yang diatur ketat seperti bank. Relevansi panduan OJK 2025 menjadi sangat krusial di sini; setiap langkah otonom yang diambil oleh agen harus meninggalkan jejak audit yang tidak terputus (traceability). Risiko seperti Agent Drift atau halusinasi logika keuangan menuntut bank untuk tidak hanya sekadar membeli lisensi teknologi, tetapi juga membangun arsitektur pengawasan baru. Penggunaan sistem multi-agent—di mana satu agen bertugas mengevaluasi agen lainnya—menjadi standar baru dalam menjaga integritas data sekaligus memastikan bahwa prinsip Human-in-the-Loop tetap menjadi benteng terakhir dalam pengambilan keputusan strategis.
Secara ekonomi, investasi besar di angka US500,000 hingga US2 juta untuk fase awal mungkin membuat para bankir kaget, namun realitas kompetisi global tidak memberikan banyak pilihan bagi perbankan. Bank yang berhasil mengintegrasikan agen AI ke dalam operasionalnya akan memiliki struktur biaya yang jauh lebih ramping dan kecepatan respons pasar yang sulit dikejar oleh kompetitor konvensional. Keberhasilan di masa depan tidak lagi diukur dari seberapa digital sebuah bank, melainkan seberapa efektif mereka mampu mengorkestrasi kolaborasi antara talenta manusia dengan “karyawan digital” yang mampu bekerja 24/7 dengan presisi tinggi. ■
*) Deddy H. Pakpahan, AI-Driven Banking & Media Strategist, senior editor digitalbank.id.
Digionary:
● Agentic AI: Sistem kecerdasan buatan yang memiliki otonomi untuk merencanakan dan mengeksekusi tugas menggunakan berbagai alat digital tanpa instruksi langkah-demi-langkah dari manusia.
● Agent Drift: Fenomena di mana model AI secara bertahap mulai memberikan hasil yang menyimpang dari tujuan asli atau parameter yang ditetapkan saat awal pemasangan.
● Human-in-the-Loop: Model operasional yang memastikan campur tangan atau pengawasan manusia tetap ada dalam proses pengambilan keputusan oleh sistem otomatis.
● KYC (Know Your Customer): Protokol standar perbankan untuk memverifikasi identitas nasabah guna mencegah pencucian uang dan aktivitas ilegal lainnya.
● MCP (Model Context Protocol): Standar teknis yang memungkinkan model AI terhubung secara aman dengan berbagai sumber data dan alat eksternal secara real-time.
● Sandboxing: Lingkungan pengujian yang terisolasi untuk menjalankan program atau teknologi baru tanpa risiko merusak sistem utama atau data asli.
#AgenticAI #PerbankanDigital #Anthropic #ClaudeOpus #OJK2025 #TeknologiKeuangan #FintechIndonesia #KecerdasanBuatan #TransformasiDigital #KeamananData #AuditAI #ManajemenRisiko #EfisiensiBank #DigitalBanking #InovasiKeuangan #AIGovernance #PerbankanOtonom #AnalisisFinansial #TeknologiMasaDepan #BankingStrategy
