Generative Artificial Intelligence (GenAI) telah menjadi salah satu teknologi paling transformatif dalam perbankan digital, membawa perubahan signifikan dalam cara dunia perbankan dan lembaga keuangan beroperasi.
Namun demikian, untuk memanfaatkan potensi penuh GenAI, perusahaan perlu memilih dan menerapkan model operasi yang tepat. Model operasi ini harus memungkinkan penskalaan teknologi secara efisien dan menyelaraskan dengan struktur dan budaya organisasi perusahaan.
Pentingnya Model Operasi
Model operasi adalah cetak biru bagaimana perusahaan berjalan. Ini mencakup tiga komponen utama: struktur, proses, dan sumber daya manusia. Struktur meliputi peran dan tanggung jawab, tata kelola, dan pengambilan keputusan.
Proses mencakup manajemen kinerja, sistem, dan teknologi, sementara sumber daya manusia mencakup keterampilan, budaya, dan jaringan informal.
Lembaga keuangan yang berhasil menggunakan GenAI telah mengembangkan model operasi yang disesuaikan dengan karakteristik dan risiko teknologi baru. Mereka tidak hanya menambahkan GenAI ke model operasi yang sudah ada, tetapi merancang ulang model operasi untuk mendukung teknologi tersebut.
McKinsey mengamati bahwa sebagian besar lembaga keuangan yang memanfaatkan GenAI menggunakan model operasi teknologi yang lebih terpusat, meskipun bagian lain dari perusahaan lebih terdesentralisasi. Hal ini kemungkinan akan berkembang seiring dengan semakin matangnya teknologi.
Aktivitas Utama dalam Model Operasi GenAI
Model operasi yang tepat memungkinkan lembaga keuangan melaksanakan tiga jenis aktivitas utama secara efisien: kemudi strategis, pengaturan standar, dan eksekusi.
Kemudi strategis melibatkan identifikasi klaster atau domain kasus penggunaan GenAI yang selaras dengan tujuan strategis perusahaan, mengurutkannya berdasarkan prioritas ke dalam peta jalan yang memaksimalkan nilai sekaligus mengelola risiko, dan memantau penciptaan nilai untuk memastikan alokasi sumber daya yang efisien.
Pengaturan standar berfokus pada penetapan standar umum seperti standar mengenai pilihan arsitektur teknologi, praktik data, serta kerangka kerja dan pengendalian risiko untuk meningkatkan efisiensi dan menggunakan wawasan yang dipelajari dari proyek yang telah selesai pada proyek baru.
Eksekusi mencakup merancang dan menguji solusi teknis kasus penggunaan, memasukkan kasus penggunaan yang memenuhi kriteria kinerja dan keselamatan yang sesuai ke dalam produksi, dan menskalakan kasus tersebut jika ada alasan bisnis untuk melakukannya, untuk memastikan bahwa dampaknya terlacak dan terlaksana.
