Keunggulan AI Bertumpu pada Kepercayaan, Bukan Kecepatan

Kepercayaan AI, bukan kecepatan meluncurkan model, akan menentukan organisasi mana yang mampu memperluas penggunaan kecerdasan buatan secara berkelanjutan. Pandangan itu disampaikan dalam artikel opini tentang AI yang bertanggung jawab, terutama di sektor keuangan yang mengelola data, keputusan, dan uang.

Artikel tersebut menilai fase awal adopsi AI banyak diisi uji coba dan proyek percontohan. Namun, keberhasilan di lingkungan terbatas belum menjamin teknologi yang sama siap digunakan dalam proses kerja sehari-hari atau berhadapan langsung dengan nasabah.

Model AI kini makin mudah diakses dan semakin seragam sebagai komoditas. Karena itu, keunggulan organisasi tidak cukup ditentukan oleh teknologi yang dipakai, melainkan kemampuan menerapkannya dengan aman, berulang, dan dipercaya pelanggan, karyawan, serta regulator.

Kepercayaan AI dibangun sejak rancangan

Dalam layanan keuangan, standar penggunaan AI lebih tinggi karena sistem dapat menyentuh pelanggan, data, keputusan, dan transaksi. Organisasi perlu memastikan teknologi aman, cukup mudah dijelaskan agar orang bisa mengambil tindakan, serta memiliki penanggung jawab ketika terjadi masalah.

Pengawasan juga perlu berjalan setelah sistem digunakan. Akurasi, keadilan, dan dampak yang tidak direncanakan harus dipantau. Tanpa itu, karyawan dapat ragu memakai alat, pelanggan mempertanyakan hasilnya, sementara tim risiko dan regulator meminta jaminan tambahan.

Akibatnya, proyek yang menjanjikan bisa berhenti sebagai uji coba. Hambatannya bukan selalu kemampuan model, melainkan ketidaksiapan organisasi untuk mengandalkannya dalam keputusan nyata.

Kepercayaan perlu dirancang sejak awal. Itu mencakup akuntabilitas, transparansi, pengawasan manusia, privasi, keamanan, dan keadilan. Organisasi juga perlu menetapkan siapa pemilik keputusan, data apa yang digunakan, bagaimana sistem diuji, serta kapan manusia harus turun tangan.

Memang, tahap awal bisa terasa lebih lambat. Perusahaan harus menata ulang alur kerja, menyusun pagar pengaman tata kelola, melatih karyawan, dan menyamakan pemahaman para pemangku kepentingan. Namun, investasi awal ini dapat mengurangi waktu yang terbuang untuk mengatasi hambatan adopsi, risiko tak terduga, dan kontrol yang baru dipasang setelah sistem berjalan.

Angka penggunaan belum berarti kepercayaan penuh

Gambaran di Asia menunjukkan konsumen mulai memakai AI, tetapi belum sepenuhnya nyaman menyerahkan informasi atau keputusan kepada sistem. Studi Visa State of Digital Commerce in Asia-Pacific, yang dilakukan YouGov di 14 pasar, menemukan 74 persen konsumen menggunakan alat berbasis AI untuk menemukan, melacak, atau mempelajari produk.

Namun, 32 persen masih enggan membagikan informasi pribadi atau pembayaran kepada sistem AI. Angka ini memperlihatkan jarak antara ketertarikan pada kemudahan dan kesediaan mempercayakan data sensitif.

Studi UOB Asean Consumer Sentiment Study 2026 mencatat 79 persen konsumen di kawasan menggunakan alat AI untuk kegiatan keuangan setidaknya sekali sepekan. Tetapi, hanya 62 persen yang percaya alat berbasis AI akan bertindak demi kepentingan finansial terbaik mereka.

Salesforce Connected Financial Services Report juga menemukan 50 persen konsumen memperkirakan AI akan memberi dampak lebih besar pada hubungan mereka dengan lembaga keuangan dibandingkan industri lain. Laporan itu menyebut transparansi, validasi manusia, dan kemampuan menjelaskan hasil sebagai faktor penting dalam membangun kepercayaan terhadap agen AI.

Bagi industri keuangan di Indonesia, temuan tersebut memberi konteks yang relevan: kemudahan dan kecepatan layanan perlu berjalan bersama kendali yang jelas. Jika sistem membantu memberi rekomendasi atau memproses kebutuhan nasabah, organisasi perlu menjelaskan peran AI dan memastikan manusia tetap bertanggung jawab atas keputusan penting.

Ukuran keberhasilan perlu melampaui penghematan

Artikel sumber juga mengingatkan perusahaan agar tidak mengukur investasi AI hanya dari penghematan biaya atau tambahan pendapatan. Ukuran itu penting, tetapi manfaat seperti kesiapan adopsi, risiko yang dikurangi, kepercayaan pelanggan, dan kemampuan karyawan menggunakan teknologi juga menentukan apakah proyek bisa berkembang.

Nilai-nilai tersebut memang lebih sulit dihitung. Meski begitu, memasukkannya ke dalam pertimbangan bisnis dapat membantu organisasi menilai apakah sebuah sistem benar-benar siap dipakai, bukan sekadar berhasil dalam demonstrasi.

UOB menggambarkan pendekatannya sebagai penggunaan teknologi untuk memperkuat pertimbangan manusia, bukan menggantikan tanggung jawab. Dalam program UOB FinLab, termasuk AI Ready dan Elevate yang bekerja bersama usaha kecil dan menengah, penerapan AI disebut lebih efektif jika bermula dari masalah kerja nyata dan kebutuhan orang yang akan memakai solusinya.

Di lingkungan internal, UOB menyebut investasi pada fondasi data perusahaan, tata kelola, pengelolaan data, platform aman, dan peningkatan kemampuan karyawan. Bank itu juga menyatakan telah meluncurkan kemampuan Microsoft Copilot kepada sekitar 30.000 kolega.

Pelatihan menjadi bagian penting dari penerapan tersebut. Karyawan perlu memahami pekerjaan yang dapat dibantu AI, keterbatasan teknologi, dan tanggung jawab mereka terhadap hasil yang dihasilkan bersama sistem.

Laporan khusus UOB Asean Insights mendatang, Trusted by Design: From AI Experimentation to Scaled Adoption, mengangkat persoalan serupa. Bahan sumber menyebut jarak antara proyek percontohan yang berhasil dan penerapan berskala luas biasanya bukan terletak pada model AI, melainkan pada cara kerja organisasi di sekitarnya, termasuk alur kerja, tata kelola, dan kesiapan orang.

Langkah berikutnya bagi organisasi adalah membenahi fondasi itu sebelum memperluas penggunaan AI. Kecepatan baru akan berarti ketika sistem dapat dipakai dengan aman, dipahami oleh orang yang mengandalkannya, dan tetap memiliki penanggung jawab yang jelas.