Snowflake Dorong Industri Keuangan Bangun AI Berbasis Data

Pemanfaatan kecerdasan artifisial di industri jasa keuangan kini memasuki fase baru. Jika sebelumnya perusahaan berlomba mengadopsi model AI terbaru, kini perhatian mulai bergeser pada bagaimana data dikelola agar mampu menghasilkan keputusan bisnis yang lebih cepat, akurat, dan dapat dipercaya.

Perubahan tersebut menjadi salah satu sorotan dalam Focus Group Discussion (FGD) "Data & AI in Finance: Shaping the Future of Financial Services" yang dihadiri pelaku industri perbankan, asuransi, pembiayaan, pasar modal, hingga fintech di Indonesia.

Dalam kesempatan tersebut, Kaushik GD, Head of Financial Services APJ Snowflake, memaparkan perjalanan transformasi perusahaan menuju Decision Intelligence, sebuah pendekatan yang menempatkan data, AI, serta tata kelola sebagai fondasi utama dalam pengambilan keputusan bisnis.

Menurut Kaushik, sektor jasa keuangan saat ini menghadapi tantangan yang jauh lebih kompleks dibanding beberapa tahun lalu. Di satu sisi, nasabah menginginkan layanan digital yang semakin cepat, personal, dan tersedia kapan saja. Namun di sisi lain, lembaga keuangan juga harus menjaga keamanan data, memenuhi regulasi, hingga menghadapi ancaman siber yang berkembang semakin cepat.

"Industri keuangan tidak hanya sedang mengadopsi AI. Industri ini sedang mengubah cara mengambil keputusan melalui AI yang didukung data berkualitas," ujar Kaushik dalam paparannya.

AI Mengubah Cara Industri Keuangan Bekerja

Kaushik menjelaskan bahwa perkembangan AI telah mengubah paradigma operasional di sektor perbankan. Jika sebelumnya AI lebih banyak dikembangkan oleh tim riset atau laboratorium inovasi, kini teknologi tersebut mulai digunakan langsung oleh unit bisnis untuk mempercepat pengembangan produk maupun meningkatkan pelayanan kepada nasabah.

"AI tidak lagi menjadi proyek penelitian. Kepemilikannya kini berpindah ke unit bisnis yang setiap hari berinteraksi dengan pelanggan dan memahami kebutuhan pasar," kata Kaushik.

Selain itu, perusahaan juga mulai mengubah cara mengukur keberhasilan implementasi AI. Apabila sebelumnya banyak organisasi berfokus pada kemampuan model AI atau jumlah token yang diproses, kini indikator keberhasilannya bergeser menjadi dampak nyata terhadap bisnis.

"Perusahaan mulai meninggalkan vanity metrics. Yang menjadi ukuran sekarang adalah apakah AI benar-benar meningkatkan produktivitas, mempercepat inovasi, dan menghasilkan nilai bisnis yang dapat diukur," jelasnya.

Di sisi lain, Kaushik juga mengingatkan bahwa AI membawa konsekuensi baru terhadap keamanan siber. Ia mengatakan AI telah memperpendek jarak waktu antara ditemukannya sebuah kerentanan dengan upaya eksploitasi oleh pelaku kejahatan siber.

"Risikonya bukan hanya munculnya ancaman baru, tetapi kecepatan ancaman itu berkembang. AI membuat seluruh siklus serangan menjadi jauh lebih cepat dibanding sebelumnya," ujarnya.

Persaingan Vendor AI Semakin Terbuka

Dalam paparannya, Kaushik juga menampilkan tren terbaru mengenai ekosistem AI global. Berdasarkan data yang dipaparkan, sebanyak 67 persen implementasi AI baru pada kuartal pertama 2026 berasal dari vendor di luar pemain tradisional. Angka tersebut meningkat hampir dua kali lipat dibandingkan tahun sebelumnya.

Menurut Kaushik, kondisi ini menunjukkan bahwa perusahaan kini tidak lagi terpaku pada nama besar penyedia teknologi. Yang menjadi pertimbangan utama adalah kemampuan platform dalam memberikan hasil bisnis yang nyata.

Ia kemudian mengutip pernyataan CEO JPMorgan Chase, Jamie Dimon, mengenai investasi AI.

"Kami selalu melihat enterprise AI sebagai sebuah investasi. Yang terpenting adalah apa yang benar-benar kami dapatkan dari investasi tersebut," kata Kaushik mengutip Jamie Dimon.

AI Bukan Sekadar Model Besar

Salah satu pesan yang paling ditekankan Kaushik adalah bahwa banyak organisasi terlalu fokus pada model AI, padahal kualitas AI sangat bergantung pada data yang menjadi sumber pembelajarannya. Ia mengibaratkan kondisi tersebut sebagai AI Iceberg.

Menurutnya, model AI hanyalah bagian kecil yang terlihat di permukaan. Di bawahnya terdapat fondasi berupa data, metadata, konteks, hingga semantic layer yang justru menentukan kualitas jawaban AI.

"Semua orang fokus pada model AI yang terlihat di permukaan. Padahal model hanya akan sebaik data yang mendukungnya. Tanpa data yang terorganisasi, AI hanya menghasilkan jawaban dari informasi yang tidak terstruktur," kata Kaushik.

Karena itu, ia menilai organisasi perlu membangun infrastruktur data yang mampu menjaga kualitas, konsistensi, dan konteks informasi sebelum mengimplementasikan AI dalam skala besar.

Masalah Terbesar Masih Ada pada Data

Menurut Kaushik, hambatan terbesar implementasi AI di sektor jasa keuangan justru bukan berasal dari model AI, melainkan kondisi data yang masih tersebar di berbagai aplikasi. Ia menyebut kondisi tersebut sebagai Dark Tunnel of Data Integration.

Dalam banyak organisasi, setiap aplikasi menyimpan data secara terpisah sehingga menciptakan silo data. Untuk menghubungkan berbagai aplikasi tersebut biasanya dibuat integrasi point-to-point yang semakin lama semakin rumit.

Akibatnya, kualitas data menurun, biaya integrasi meningkat, dan organisasi kesulitan memperoleh gambaran menyeluruh mengenai bisnis.

"Ketika setiap aplikasi menyimpan datanya sendiri, perusahaan kehilangan kemampuan melihat pelanggan secara utuh. Kompleksitas integrasi akhirnya menjadi penghambat utama inovasi AI," ujar Kaushik.

Ia menambahkan bahwa AI tidak akan mampu memberikan rekomendasi yang akurat apabila data yang digunakan masih terfragmentasi.

Evolusi dari Data Warehouse Menuju Decision Intelligence

Dalam paparannya, Kaushik menjelaskan bahwa transformasi data di industri keuangan tidak berhenti pada pembangunan data warehouse. Evolusi tersebut terdiri dari tiga tahap.

Tahap pertama adalah Data Warehouse, yang berfungsi sebagai pusat analitik dan pelaporan. Selanjutnya berkembang menjadi Data Hub, yaitu platform yang memungkinkan berbagai sistem berbagi data secara lebih terbuka sehingga membentuk ekosistem data yang terintegrasi.

Tahap terakhir adalah System of Intelligence, yakni platform yang mampu memahami makna data melalui semantic layer serta mengorkestrasi AI agent untuk membantu proses pengambilan keputusan.

"Tujuan akhirnya bukan sekadar menyimpan data di satu tempat, tetapi membangun intelligence yang dapat digunakan seluruh organisasi untuk mengambil keputusan dengan lebih cepat dan lebih tepat," kata Kaushik.

Keamanan Menjadi Fondasi

Selain kualitas data, Kaushik juga menyoroti pentingnya keamanan dan tata kelola dalam implementasi AI. Menurutnya, lembaga keuangan tidak bisa hanya mengejar inovasi tanpa memastikan seluruh data tetap terlindungi.

Karena itu, Snowflake mengembangkan arsitektur keamanan berlapis yang mencakup pendekatan zero trust, kontrol identitas dan akses berbasis peran, klasifikasi otomatis data sensitif, enkripsi sesuai standar industri, hingga kemampuan audit untuk melacak seluruh aktivitas data.

"Kepercayaan merupakan hal utama industri keuangan. Karena itu, AI harus dibangun di atas fondasi keamanan, governance, dan transparansi yang kuat," ujarnya.

Kaushik juga menjelaskan bahwa saat organisasi menggunakan model AI melalui Snowflake Cortex, data tetap dikirim menggunakan jalur koneksi terenkripsi. Proses inferensi AI berlangsung secara stateless, sementara histori percakapan dan data tetap dikelola di wilayah asal sehingga membantu memenuhi kebutuhan kepatuhan.

Data Harus Menjadi Produk

Menurut Kaushik, masa depan AI bukan hanya tentang membangun model yang lebih pintar, melainkan menjadikan data sebagai produk yang dapat digunakan kembali oleh seluruh organisasi. Ia menggambarkan proses tersebut dimulai dari sentralisasi data, kemudian menghadirkan AI langsung ke lokasi data berada.

Selanjutnya data berkembang menjadi data product, berubah menjadi semantic knowledge, lalu dimanfaatkan AI agent untuk menghasilkan tindakan otomatis yang tetap berada dalam kendali manusia.

"Visi kami adalah menghadirkan agility with integrity. Organisasi harus mampu bergerak secepat rasa ingin tahunya, tetapi tetap menjaga makna, tata kelola, dan asal-usul data di setiap proses AI," kata Kaushik.

AI Mulai Memberikan Dampak Finansial

Dalam paparannya, Kaushik juga menunjukkan bahwa implementasi AI di industri keuangan mulai menghasilkan manfaat bisnis yang terukur.

Di NatWest, implementasi AI disebut mampu menghasilkan penghematan biaya hingga US$136 juta hanya pada kuartal pertama. Waktu pengembangan produk baru juga berkurang drastis, dari enam minggu dengan 12 engineer menjadi hanya enam jam dengan tiga engineer yang didukung tujuh AI agent.

Sementara itu, Citi menargetkan peningkatan imbal hasil sebesar 11–13 persen hingga periode 2027–2028 melalui transformasi AI yang mencakup proses end-to-end seperti Know Your Customer (KYC), operasional pinjaman, hingga pemrosesan dokumen.

Adapun Danske Bank memproyeksikan manfaat produktivitas tahunan mencapai US$315 juta pada 2028 sebagai hasil dari integrasi AI secara menyeluruh.

Kaushik menilai berbagai contoh tersebut menunjukkan bahwa AI telah berkembang dari sekadar proyek eksperimental menjadi mesin penggerak efisiensi dan pertumbuhan bisnis.

"Masa depan industri jasa keuangan bukan sekadar memiliki AI yang lebih pintar, melainkan membangun keputusan yang lebih cerdas melalui data yang berkualitas, tata kelola yang kuat, dan AI yang bertanggung jawab. Itulah esensi Decision Intelligence," pungkas Kaushik.