Lonjakan Biaya Agen AI Perbankan: Pengeluaran Token Diproyeksi Capai 20% Biaya Tenaga Kerja
Evolusi kecerdasan buatan di sektor perbankan membuktikan bahwa disrupsi terbesar di era digital bukan lagi bersumber dari infrastruktur perangkat keras, melainkan dari efisiensi pengelolaan unit komputasi (token economy).
______________
KEY FACTS:
■ Laporan McKinsey & Company memperkirakan biaya pengeluaran token untuk agen AI dapat mencapai 20% dari total biaya tenaga kerja perbankan global.
■ Bank-bank mulai membentuk tim khusus bernama AI FinOps untuk mengendalikan pembengkakan biaya operasional kecerdasan buatan.
■ Berdasarkan survei McKinsey terhadap 46.000 nasabah ritel global, 72% responden menyatakan bersedia mengizinkan agen perbankan AI melakukan transaksi keuangan dengan batasan persetujuan otonom hingga US$500.
■ Sebagian besar bank saat ini masih memblokir agen AI eksternal untuk mengeksekusi transaksi langsung guna mengantisipasi risiko liabilitas dan potensi perpindahan dana dari rekening giro/tabungan konvensional ke instrumen berbunga tinggi.
______________
Industri perbankan global kini dihadapkan pada tantangan baru seiring dengan eskalasi biaya operasional agen kecerdasan buatan (AI agents). Berdasarkan laporan "Global Banking Annual Review" yang dirilis oleh McKinsey & Company, pengeluaran untuk token—unit komputasi yang menggerakkan model kecerdasan buatan—diproyeksikan dapat menelan hingga 20% dari total biaya tenaga kerja perbankan, memicu kebutuhan mendesak bagi lembaga keuangan untuk mengendalikan pengeluaran teknologi tersebut.
Lonjakan biaya ini terjadi ketika adopsi teknologi otonom bergerak jauh lebih cepat dibandingkan gelombang inovasi digital sebelumnya. Di satu sisi, agen AI menjanjikan efisiensi dan pertumbuhan pendapatan yang signifikan; namun di sisi lain, interaksi otonom antar-agen digital menghasilkan konsumsi token yang masif, memaksa bank membentuk tim khusus pengekang biaya yang dikenal sebagai AI FinOps.
Mengendalikan Biaya Token dan Dilema Otonomi Agen AI di Perbankan
Upaya bank untuk meredam biaya AI pada mulanya dilakukan dengan mengarahkan karyawan menggunakan model AI yang berbeda sesuai tingkat kompleksitas kueri. Namun, menurut Vik Sohoni, Senior Partner di McKinsey sekaligus salah satu penyusun laporan tersebut, pendekatan tersebut menjadi tidak efektif ketika agen AI mulai bekerja secara mandiri. Karena agen-agen ini saling berkomunikasi satu sama lain secara terus-menerus, akumulasi konsumsi token melonjak dengan sangat cepat. Akibatnya, bank-bank kini menjadi jauh lebih selektif dalam menyebarkan agentic AI, memfokuskan investasi pada area yang menawarkan pengembalian modal paling pasti serta mendorong pertumbuhan pendapatan baru.
Di sisi lain, adopsi dari sisi nasabah menunjukkan tren yang luar biasa pesat. Teknologi agen AI diprediksi akan diadopsi secara massal dalam kurun waktu tiga tahun ke depan, jauh lebih cepat dibandingkan adopsi internet seluler yang membutuhkan waktu 5 hingga 10 tahun.
Data survei McKinsey mencatat bahwa nasabah ritel global sudah memanfaatkan AI untuk membandingkan layanan perbankan, mencari rekening tabungan dengan imbal hasil (yield) lebih tinggi, hingga melakukan konsolidasi utang. Meskipun demikian, kekhawatiran terhadap risiko hukum dan liabilitas membuat sebagian besar bank tetap memasang pagar pengaman (guardrails) dengan melarang agen AI pihak luar mengeksekusi transaksi secara penuh.
Mampu Menggerus NIM Bank
Pembengkakan biaya operasional akibat penggunaan agen AI membawa implikasi langsung terhadap profitabilitas dan margin bunga bersih (Net Interest Margin) lembaga keuangan. Ketika agen AI nasabah secara otomatis memindahkan dana dari rekening non-bunga ke instrumen simpanan berbunga tinggi demi keuntungan maksimal, beban pendanaan bank akan meningkat tajam.
Bagi regulator dan manajemen bank, fenomena ini menuntut keseimbangan baru antara inovasi otomatisasi layanan dan disiplin pengendalian biaya agar efisiensi yang dicari tidak justru menggerus marjin laba bersih.
Ke depan, fokus industri perbankan akan bergeser dari sekadar ekspansi kapabilitas AI menuju optimalisasi arsitektur biaya melalui implementasi kerangka AI FinOps yang disiplin. Tantangan berikutnya bagi bank adalah merancang batasan risiko yang aman (risk boundaries) sehingga adopsi agentic AI oleh nasabah ritel dapat diintegrasikan ke dalam sistem inti tanpa mengekspos institusi pada kerentanan operasional maupun potensi pelarian likuiditas yang tidak terkendali.
Evolusi kecerdasan buatan di sektor perbankan membuktikan bahwa disrupsi terbesar di era digital bukan lagi bersumber dari infrastruktur perangkat keras, melainkan dari efisiensi pengelolaan unit komputasi (token economy).
Lembaga keuangan yang keluar sebagai pemenang bukanlah yang paling royal menggelontorkan dana untuk model AI terbesar, melainkan yang paling cerdas mengukur nilai tambah pendapatan (ROI) di balik setiap token yang dikonsumsi oleh agen otonom mereka. ■
