Menurut penelitian terbaru dari 1LoD, yang ditugaskan oleh Shield, sebuah perusahaan global yang bergerak di bidang communications risk management dan dirancang khusus untuk financial institutions, bank semakin mempercepat investasi dalam AI-driven surveillance. Namun, banyak bank masih kesulitan untuk mengubah investasi tersebut menjadi penerapan yang nyata dalam kegiatan operasional.

Meskipun investasi meningkat dan adopsi AI semakin cepat, tantangan terbesar dalam surveillance di industri perbankan ternyata tidak banyak berubah sejak 2024. Lebih dari 90% institusi masih beroperasi dalam kondisi yang dipenuhi alerts, dan false positives tetap menjadi tantangan utama dalam surveillance di industri, tanpa adanya peningkatan yang berarti sejak 2024. Temuan ini menunjukkan adanya kesenjangan dalam penerapan yang semakin besar: banyak institusi masih menghadapi keterbatasan akibat legacy systems, data yang terfragmentasi, dan operating models yang dirancang untuk era yang berbeda, sehingga membatasi kemampuan mereka untuk mengubah investasi AI menjadi transformasi dalam skala besar.

Temuan tersebut berasal dari laporan berjudul “The Future of Surveillance: Turning AI Ambition into Operational Reality” yang diterbitkan oleh 1LoD, penyedia konferensi dan informasi khusus yang berfokus pada non-financial risk dan compliance di industri perbankan. Laporan ini didasarkan pada tanggapan dari para profesional senior di bidang surveillance dan compliance dari berbagai institusi keuangan. Laporan tersebut membandingkan hasil temuannya dengan survei benchmarking 1LoD pada 2024 untuk melihat bagaimana tantangan yang dihadapi industri telah berkembang.

False positives tetap menjadi tantangan utama, yang dinilai sangat signifikan oleh 52% perusahaan, diikuti oleh keterbatasan anggaran dan sumber daya sebesar 41%, keterbatasan akses terhadap data yang berkualitas sebesar 37%, serta legacy systems atau sistem yang sudah usang sebesar 37%. Sebaliknya, hanya 7% responden yang menilai tekanan regulasi sebagai hal yang sangat signifikan. Hal ini memperkuat salah satu temuan utama dalam laporan tersebut: bagi sebagian besar institusi, hambatan utama untuk meningkatkan surveillance bukan lagi ketidakpastian regulasi, melainkan penerapan dan pelaksanaan operasional.

Data penerapan Shield sendiri, yang dikutip dalam laporan dan berasal dari evaluasi terhadap jutaan komunikasi, menunjukkan bahwa jumlah alerts yang tidak relevan dapat berkurang sekitar tiga kali lipat dibandingkan dengan legacy systems. Dalam perbandingan langsung, hal ini menghasilkan peningkatan akurasi hingga 44% dan sekitar tiga kali lebih banyak actionable escalations, yaitu peringatan yang benar-benar membutuhkan tindakan lebih lanjut. Hal ini menunjukkan bahwa alerts yang lebih sedikit

tetapi lebih tepat sasaran dapat membantu bank mengidentifikasi risiko dengan lebih efektif.

“Ambisi untuk menggunakan AI saat ini semakin banyak dibicarakan. Namun, yang masih kurang adalah penerapannya,” ujar Shiran Weitzman, Co-Founder dan CEO Shield. “Investasi terus meningkat, tetapi hal-hal dasar tetap penting. AI tidak dapat memberikan manfaat secara maksimal ketika surveillance masih terkendala oleh data yang terpisah-pisah, legacy infrastructure, dan sistem operasional yang menghasilkan terlalu banyak alerts. Menutup kesenjangan tersebut akan membedakan perusahaan yang hanya menggunakan AI dengan perusahaan yang benar-benar meningkatkan cara mereka mendeteksi dan memahami risiko.”

Laporan tersebut juga menjelaskan hal-hal yang membedakan organisasi compliance yang sudah lebih maju dengan organisasi yang masih kesulitan menerapkan AI dalam kegiatan sehari-hari dan mendapatkan hasil yang nyata dari investasi tersebut. Perusahaan-perusahaan ini mulai beralih dari sistem yang hanya mengikuti aturan tetap ke sistem yang dapat menyesuaikan diri dan belajar dari pola perilaku. Mereka juga menggabungkan data dan proses kerja yang sebelumnya terpisah ke dalam satu platform, serta menggunakan investasi surveillance untuk mengurangi pekerjaan pemeriksaan secara manual. Laporan tersebut menekankan bahwa perubahan dalam cara kerja ini menjadi faktor penting dalam menentukan apakah investasi AI benar-benar dapat membantu perusahaan mendeteksi risiko dengan lebih baik.

Laporan tersebut menyimpulkan bahwa surveillance mulai bergerak menuju sistem yang menggunakan data yang saling terhubung, dapat mendeteksi risiko dengan melihat konteks, mengurangi alerts yang tidak perlu, dan menghasilkan manfaat yang dapat diukur. Institusi yang mampu mengurangi kesenjangan antara teknologi yang tersedia dan penerapannya dalam kegiatan sehari-hari berpeluang mengurangi biaya sekaligus meningkatkan kemampuan dalam mendeteksi risiko yang sebenarnya.

Kesimpulan:

AI dapat membantu bank menekan biaya Financial Risk Management dan meningkatkan kemampuan dalam mendeteksi Risiko. Akan tetapi, penerapannya masih menghadapi berbagai kendala, seperti legacy systems, data yang terpisah, dan banyaknya peringatan yang tidak relevan. Dengan sistem dan proses kerja yang lebih terintegrasi, penggunaan AI dapat memberikan manfaat yang lebih nyata bagi bank.

Referensi:

• CPA. 2026. AI Is Cutting Financial Risk Management Costs, But Most Firms Aren’t Capturing the Savings Yet. https://www.cpapracticeadvisor.com/2026/09/09/ai-is-cutting-financial-risk-management-costs-but-most-firms-arent-capturing-the-savings-yet/189922/