AI di Industri Keuangan: LLM, Quantamental, dan Tantangan Regulasi
ORBITINDONESIA.COM – AI di industri keuangan kini bergerak dari sekadar eksperimen menjadi penentu strategi, dari trading hingga credit scoring. Andrew W. Lo dari MIT Sloan menyebutnya “definitely not business as usual,” menandai titik balik yang akan mengubah cara bank, investor, dan regulator bekerja.
Gelombang artificial intelligence dan machine learning mengubah lanskap finansial dengan janji efisiensi, akurasi, dan skala yang belum pernah ada. Namun, perubahan ini juga membawa risiko baru, terutama ketika keputusan bernilai miliaran rupiah bergantung pada model yang sulit dijelaskan.
Andrew W. Lo merespons situasi ini lewat kelas eksekutif “Artificial Intelligence for Financial Services: Tools, Opportunities, and Challenges.” Tujuannya bukan memuja teknologi, melainkan menyiapkan pengambil keputusan menghadapi dampak AI dalam lima tahun ke depan.
Relasi machine learning dan large language models (LLM) kini menjadi pusat perhatian, karena LLM dapat “menerjemahkan” keluaran model kuantitatif agar lebih mudah dipahami. Dalam praktiknya, ini seperti menambahkan lapisan narasi pada angka, sehingga rekomendasi investasi tampak lebih transparan dan bisa dipertanggungjawabkan.
Di sisi lain, transparansi itu bisa semu, karena LLM dirancang terdengar yakin meski keliru. Lo mengingatkan bahwa ketika LLM menghasilkan proyeksi finansial atau sinyal sentimen, profesional wajib tahu bagaimana kesimpulan dibuat dan apakah layak dipercaya.
Sub-keyword yang kini ramai dibicarakan adalah quantamental investing, hibrida antara strategi kuantitatif dan fundamental. Kuantitatif mengandalkan algoritma dan data untuk pola, sementara fundamental membaca “kesehatan” bisnis secara lebih kualitatif, dan Lo menilai LLM membuka peluang menggabungkan keduanya secara lebih kuat.
Jika benar, ini berpotensi mengubah kompetisi manajer investasi, karena keunggulan bukan lagi sekadar akses data, melainkan kemampuan mengorkestrasi data terstruktur dan tak terstruktur. Laporan, transkrip earnings call, berita, hingga memo internal dapat diproses menjadi sinyal, lalu diuji ulang dengan model statistik.
Dampak AI juga menyentuh dinamika pasar dan manajemen risiko, karena teknik data dan algoritma baru dapat mempercepat identifikasi peluang dan alokasi modal. Namun percepatan ini bisa membuat pasar lebih rapuh jika banyak pelaku memakai model serupa, mengejar sinyal yang sama, dan keluar-masuk posisi pada waktu yang berdekatan.
Tantangan paling “mahal” justru muncul saat AI dipindahkan dari laboratorium ke produksi, karena institusi harus mengintegrasikan model ke workflow yang ketat. Mereka harus menata data tak terstruktur, menguji produktivitas secara ekonomi, dan memastikan kontrol risiko berjalan sebelum manfaatnya terasa.
Di titik inilah AI governance, transparansi, dan regulasi menjadi medan yang menentukan. Lo menegaskan bahwa ketika kegagalan terjadi, pertanyaan “siapa yang bertanggung jawab” menjadi sulit dijawab, dan regulator kerap kesulitan memverifikasi bagaimana keputusan dibuat.
Janji terbesar AI di industri keuangan bukan sekadar otomatisasi, melainkan perluasan kapasitas analisis dalam skala besar. Tetapi yang sering luput, semakin “pintar” sistem, semakin besar godaan untuk menyerahkan keputusan tanpa memahami batasnya.
LLM dapat membuat keputusan terlihat masuk akal, padahal fondasinya rapuh, dan ini berbahaya di sektor yang mengandalkan kepercayaan. Jika narasi model mengalahkan disiplin verifikasi, maka industri tidak sedang menjadi lebih canggih, melainkan hanya lebih meyakinkan saat salah.
Quantamental investing pun bisa menjadi pedang bermata dua, karena menggabungkan intuisi fundamental dengan mesin kuantitatif dapat menghasilkan strategi yang lebih adaptif. Namun tanpa tata kelola, ia juga dapat menciptakan “ilusi kedalaman,” seolah semua variabel sudah dibaca, padahal bias data dan bias prompt tetap mengintai.
Karena itu, ukuran keberhasilan AI seharusnya bukan jumlah model yang dipasang, melainkan seberapa akuntabel keputusan yang dihasilkan. Desain sistem yang bisa diaudit, diuji, dan dipertanggungjawabkan harus diperlakukan sebagai produk utama, bukan fitur tambahan.
Lo benar bahwa kita sedang berada di titik belok, ketika AI mengubah produk, pasar, dan kapabilitas organisasi secara serempak. Pertanyaannya bukan apakah AI akan dipakai, melainkan apakah ia dipakai dengan disiplin yang sepadan dengan dampaknya.
Jika industri keuangan ingin memetik manfaat AI tanpa menambah risiko sistemik, maka transparansi dan akuntabilitas harus menjadi standar, bukan slogan. Pada akhirnya, teknologi akan terus maju, tetapi kepercayaan publik hanya bertahan jika manusia tetap memegang kendali dan tanggung jawab.
(Orbit dari berbagai sumber, 12 Juli 2026)
