Paradoks Belanja AI di Industri Manajemen Aset

Perubahan ini bukan fenomena yang baru dimulai. Sebanyak 56% perusahaan telah mulai mengintegrasikan AI ke dalam operasional mereka sejak empat hingga lima tahun lalu. Hanya 9% yang baru memulainya dalam setahun terakhir . Artinya, sebagian besar industri sudah berada di tengah perjalanan adopsi AI, bukan baru memasuki tahap awal.

Dua Pertiga Khawatir Belanja AI Sudah Berlebihan

Di balik derasnya aliran dana tersebut, industri belum memiliki kesepakatan tentang berapa besar investasi AI yang ideal.

• 66% manajer investasi khawatir perusahaan mereka berinvestasi terlalu banyak pada AI .
• Sebaliknya, 25% menilai organisasi mereka masih belum berinvestasi cukup .

Clearwater menyebut kondisi ini sebagai "investment paradox" atau paradoks investasi. Di satu sisi, AI dipandang penting untuk mengubah cara perusahaan bekerja. Di sisi lain, perusahaan masih kesulitan mengukur tingkat belanja yang sepadan dengan hasil dan manfaat yang diperoleh.

Souvik Das, Chief Technology Officer Clearwater Analytics, mengatakan industri masih berusaha mengkalibrasi komitmen terhadap teknologi yang bersifat transformatif, tetapi tingkat pengembalian investasinya belum selalu mudah diprediksi .

Area yang Diperkirakan Paling Terpengaruh AI

Para responden memperkirakan dampak terbesar AI akan muncul pada pekerjaan yang berhubungan dengan pemrosesan informasi dan dukungan terhadap pengambilan keputusan manusia.

• 62% memperkirakan AI akan membawa perubahan transformatif pada pembuatan dan peringkasan data .
• 58% menyebut dampak besar pada sistem pendukung keputusan, termasuk proses penyeimbangan kembali portofolio .
• 57% menyebut dampak besar pada pemodelan prediktif dan stress testing .

Angka-angka ini mengindikasikan bahwa manajer aset lebih melihat AI sebagai pengakselerasi pekerjaan analitis dan operasional yang padat data, bukan semata-mata sebagai pengganti pengelola portofolio.

Kualitas Data Menentukan Hasil Investasi

Besarnya anggaran tidak otomatis menghasilkan manfaat yang lebih besar. Riset tersebut menemukan perbedaan nyata antara perusahaan yang memiliki data berkualitas tinggi dan perusahaan yang masih menghadapi masalah akurasi data.

Sebanyak 44% perusahaan yang menilai akurasi datanya baik atau sangat baik mengatakan manajemen risiko mereka menjadi "jauh lebih proaktif" berkat AI. Namun, angka itu turun menjadi hanya 17% pada perusahaan yang menilai kualitas datanya sedang atau buruk .

Seperti dirangkum Institutional Investor, perusahaan manajemen aset memang meningkatkan belanja AI secara agresif, tetapi anggaran yang lebih besar tidak selalu berubah menjadi hasil yang lebih baik . Perusahaan dengan tata kelola data yang kuat lebih mampu memperoleh manfaat operasional, sementara perusahaan dengan data yang tidak rapi berisiko mengeluarkan dana tanpa mendapatkan peningkatan yang sebanding.

Pelajaran bagi Industri Manajemen Aset

Riset "GenAI and the Data Divide" menggambarkan industri yang berani bertaruh pada teknologi dengan potensi besar, tetapi masih belum memiliki tolok ukur keberhasilan yang seragam. Anggaran meningkat, adopsi sudah berlangsung selama beberapa tahun, dan mayoritas eksekutif memperkirakan perubahan besar dalam waktu dekat. Namun, pada saat yang sama, 66% pemimpin perusahaan mencemaskan kemungkinan terjadinya investasi berlebihan.

Pesan paling praktis dari temuan ini adalah bahwa kualitas data dapat lebih menentukan daripada besarnya anggaran. Sebelum menambah belanja AI, perusahaan perlu memastikan data yang digunakan akurat, konsisten, dan dikelola dengan baik. Tanpa fondasi tersebut, model AI yang canggih pun mungkin tidak mampu memperbaiki manajemen risiko maupun kualitas pengambilan keputusan.