Kecerdasan buatan di perbankan, asuransi, dan kepatuhan

Tingkat adopsi

Gambaran yang paling andal mengenai penggunaan AI di sektor keuangan Swiss berasal dari survei yang dilakukan oleh Otoritas Pengawas Pasar Keuangan Swiss (FINMA) antara akhir November 2024 dan pertengahan Januari 2025 terhadap sekitar 400 lembaga yang diawasi, termasuk bank, perusahaan efek, perusahaan asuransi, manajer dana dan infrastruktur pasar keuangan. Sekitar separuh lembaga yang disurvei menggunakan AI atau memiliki aplikasi awal yang sedang dikembangkan, dan seperempat lainnya berencana memperkenalkan AI dalam tiga tahun. Lembaga yang menggunakan AI rata-rata memiliki sekitar lima aplikasi yang beroperasi dan sembilan yang sedang dikembangkan, dengan perusahaan yang lebih besar menerapkan lebih banyak. Dari lembaga yang menggunakan AI, 91 persen juga menggunakan AI generatif seperti chatbot generasi baru. FINMA mencatat bahwa hal ini meningkatkan ketergantungan pada segelintir penyedia teknologi besar.¹

Survei yang sama menemukan bahwa sekitar separuh lembaga telah menuangkan AI dalam suatu strategi yang eksplisit. Risiko utama yang disebutkan oleh responden adalah kualitas data, perlindungan data, keterjelasan, kelemahan keamanan, ketidakakuratan dan alih daya. Sebagian besar lembaga menggabungkan pengembangan internal dengan penyedia eksternal, meskipun lembaga yang lebih kecil sering kali sepenuhnya mengandalkan solusi yang dikembangkan pihak eksternal. Sebuah studi yang ditugaskan oleh asosiasi Swiss FinTech Innovations dan diterbitkan oleh Asosiasi Bankir Swiss pada akhir 2025 menemukan bahwa 40 persen inisiatif AI di bank-bank Swiss masih berada pada tahap gagasan atau studi kelayakan, 17 persen telah mencapai tahap penerapan dan 11 persen sedang ditingkatkan skalanya. Di antara kasus yang sudah berjalan dalam produksi, 65 persen telah memenuhi atau melampaui ekspektasi.²

Kasus penggunaan di perbankan

Asosiasi Bankir Swiss mengelompokkan penggunaan AI generatif di perbankan ke dalam empat kategori. Yang pertama adalah produktivitas karyawan, termasuk peringkasan dokumen, penerjemahan, transkripsi rapat dan penelusuran pengetahuan internal melalui retrieval-augmented generation. Efisiensi operasional berada di urutan kedua, dengan otomatisasi entri data, dukungan untuk pelaporan kepatuhan (compliance), penilaian risiko dan pemrosesan kredit. Pengalaman nasabah, termasuk chatbot dan rekomendasi yang dipersonalisasi, membentuk kelompok ketiga, dan kelompok keempat mencakup pengembangan produk dan perangkat lunak. Asosiasi tersebut mengidentifikasi tujuh risiko utama: misinformasi dan deepfake, halusinasi, pelanggaran hak kekayaan intelektual, bias, ancaman siber seperti prompt injection, risiko pihak ketiga dan pergeseran model (model drift). Mengenai kerahasiaan bank, Asosiasi merekomendasikan agar data yang mengidentifikasi nasabah tidak digunakan oleh karyawan dalam prompt atau untuk melatih model, dan agar penyedia eksternal hanya dilibatkan dengan pengamanan kontraktual dan teknis khusus.³

Bank terbesar di Zurich menggambarkan skala yang telah dicapai adopsi ini. Pada Oktober 2025, UBS mengumumkan bahwa Daniele Magazzeni, sebelumnya Chief Analytics Officer di J.P. Morgan untuk kawasan EMEA dan mantan akademisi di King’s College London, akan menjadi Chief Artificial Intelligence Officer pertamanya mulai 1 Januari 2026, berkedudukan di London. Pada saat itu UBS melaporkan lebih dari 300 kasus penggunaan AI yang berjalan dalam produksi. UBS sedang meluncurkan Microsoft 365 Copilot dan asisten AI miliknya sendiri, “Red”, kepada semua karyawan, dan telah memulai program transformasi dengan label internal “Big Rocks”.⁴

Di bidang kepatuhan, penggunaan yang paling penting bagi pusat keuangan dengan reputasi seperti Zurich adalah penerimaan nasabah (onboarding), peninjauan kenali nasabah Anda (know-your-customer) dan pemantauan transaksi. Perangkat AI dapat mengekstrak informasi dari dokumen identitas, daftar perusahaan dan uraian asal-usul kekayaan, membandingkannya dengan basis data sanksi dan pemberitaan negatif, serta menyiapkan rancangan penilaian risiko untuk ditinjau oleh petugas kepatuhan. Dalam pemantauan transaksi, model pembelajaran mesin dapat mengurangi tingginya jumlah positif palsu yang dihasilkan oleh sistem tradisional berbasis aturan dan dapat mengidentifikasi pola yang terlewat oleh ambang batas yang tetap. FINMA melaporkan bahwa dalam pengawasannya FINMA telah memeriksa aplikasi AI awal di bidang pengelolaan aset, pemantauan transaksi dan manajemen likuiditas.⁵ Kewajiban hukumnya sendiri tidak berubah. Berdasarkan Undang-Undang Antipencucian Uang (AMLA), lembaga tetap bertanggung jawab untuk mengidentifikasi pemilik manfaat (beneficial owner) dan mengklarifikasi transaksi yang tidak lazim, apa pun perangkat yang digunakannya, sebagaimana dijelaskan dalam bab I.III.

Layanan nasihat merupakan bidang lain. Model bahasa dapat menyiapkan catatan rapat, menyusun rancangan dokumentasi kesesuaian berdasarkan Undang-Undang Layanan Keuangan (FinSA) dan menghasilkan rancangan pertama korespondensi dengan nasabah dalam beberapa bahasa. Model tersebut juga dapat meringkas laporan riset bagi relationship manager. Dalam praktik, lembaga pada umumnya tetap menempatkan penasihat manusia di antara model dan nasabah, baik karena alasan tanggung jawab hukum maupun karena FinSA mengaitkan kewajiban kesesuaian dan kepatutan dengan penyedia layanan keuangan. Nasihat yang sepenuhnya otomatis memang ada dalam bentuk robo-adviser, tetapi perpaduan kekayaan lintas batas yang kompleks dan hubungan personal yang menjadi ciri private banking Zurich menjadikan AI yang diawasi manusia sebagai model yang dominan.

Kasus penggunaan di asuransi

Zurich juga merupakan tempat kedudukan Zurich Insurance Group dan Swiss Re, dua dari grup asuransi dan reasuransi terbesar di dunia, yang penggunaan AI-nya sama luasnya dengan bank. Zurich Insurance menguraikan penerapan di bidang klaim dan underwriting. Di bidang klaim, sistem mengotomatiskan penerimaan pemberitahuan dan, di beberapa pasar, menyelesaikan klaim kesehatan sederhana dalam hitungan menit. Di bidang underwriting, AI menganalisis citra udara untuk menilai atap dan mendeteksi kerusakan dalam bisnis properti, membaca program asuransi multinasional lintas bahasa dan menjawab pertanyaan underwriting melalui chatbot internal yang digunakan di 29 unit bisnis. Grup tersebut melaporkan bahwa suatu workbench untuk underwriting komersial di Britania Raya mengurangi waktu pemrosesan sebesar 78 persen. Tantangan internalnya untuk AI agentik pada 2025 menghasilkan 218 prototipe, lima di antaranya masuk ke tahap produksi.⁶

Bagi perusahaan asuransi, sensitivitas regulasinya berbeda dengan bank. Penetapan harga berbasis risiko dengan pembelajaran mesin menimbulkan pertanyaan mengenai keadilan dan diskriminasi, khususnya dalam asuransi kesehatan dan jiwa. Penggunaan data pribadi dalam jumlah besar dalam underwriting menyentuh aturan perlindungan data mengenai profiling dan keputusan otomatis. Pertanyaan-pertanyaan ini dibahas di bawah dalam konteks ekspektasi FINMA dan Undang-Undang AI Uni Eropa (UE/EU), yang daftar sistem berisiko tingginya mencakup AI yang digunakan untuk penilaian risiko dan penetapan harga dalam asuransi jiwa dan kesehatan.

Catatan

1. FINMA, “FINMA survey: artificial intelligence gaining traction at Swiss financial institutions”, 24 April 2025, https://www.finma.ch/en/news/2025/04/20250424-mm-umfrage-ki/. ↩
2. Asosiasi Bankir Swiss, Stefan Neumann dan Patrik Schmid, “From pilots to production: Scaling AI in Swiss finance”, 19 Desember 2025, https://www.swissbanking.ch/en/media-politics/opinions/from-pilots-to-production-scaling-ai-in-swiss-finance. ↩
3. Asosiasi Bankir Swiss, Generative AI in Banking – A Comprehensive Overview, April 2025, https://www.swissbanking.ch/_Resources/Persistent/2/0/3/b/203b937e175f25819ea271c883a095fe1dfa1ee0/SBA_Generative-AI-in-Banking_EN.pdf. ↩
4. UBS, “UBS appoints Chief AI Officer to drive its AI strategy”, 16 Oktober 2025, https://www.ubs.com/global/en/media/display-page-ndp/en-20251016-ai-strategy.html. ↩
5. FINMA, “Künstliche Intelligenz” (dosir Fintech), https://www.finma.ch/en/documentation/dossier/dossier-fintech/kuenstliche-intelligenz/ (diakses September 2026). ↩
6. Zurich Insurance Group, “AI at Zurich”, https://www.zurich.com/about-us/ai-at-zurich (diakses September 2026). ↩

Hanya untuk informasi umum. Artikel ini bukan merupakan nasihat hukum atau pajak, tidak menggantikan nasihat atas kasus individual, dan tidak menimbulkan hubungan antara advokat dan klien. Artikel ini mencerminkan keadaan hukum per Oktober 2026.