Keuangan otonom adalah konvergensi organik dari semua inovasi teknologi yang telah kita lihat selama bertahun-tahun, mulai dari AI hingga akses data yang belum pernah ada sebelumnya, hingga akhirnya menghasilkan keuangan otonom." Rachid Molinary, wakil presiden senior strategi dan inovasi digital di Banco Popular Spanyol
Para pemimpin keuangan memiliki tujuan digital yang besar namun memiliki pemahaman yang kuno tentang apa yang dapat dilakukan dengan teknologi modern. Untuk membantu para profesional di bidang keuangan dalam mengatur ulang pandangan mereka tentang potensi digital di awal perjalanan digital mereka, artikel ini menyoroti enam kapabilitas digital yang penting.
Para Pimpinan Keuangan Akan Melanjutkan Perjalanan Menuju Keuangan Otonom di Tahun 2023
Menurut Gartner, pada tahun 2023 dan seterusnya, para pemimpin keuangan akan melanjutkan perjalanan mereka menuju keuangan otonom, terutama saat ekonomi melemah. Para pemimpin industri berakselerasi dalam penurunan dengan berinvestasi secara berani pada inisiatif yang penting, sesuai dengan pelajaran yang dipetik dari resesi sebelumnya. Pilihan investasi ini saat ini sepenuhnya berkisar pada digital. Prioritas ini merupakan cerminan dari bagaimana fungsi ini berkembang untuk memberikan wawasan real-time dan prediktif yang lebih baik, kepatuhan yang mudah, dan fleksibilitas yang lebih besar dalam strategi keuangan. Hal ini akan membuka peluang baru untuk meningkatkan profitabilitas sekaligus mempersiapkan perusahaan dalam menghadapi turbulensi ekonomi.
Hanya sedikit CFO yang bergerak menuju keuangan otonom, meskipun mayoritas responden (64%) percaya bahwa hal itu akan menjadi kenyataan dalam enam tahun ke depan. Misalnya, hanya 21% perusahaan yang menggunakan blockchain, 12% menggunakan pemrosesan bahasa alami, dan 19% menggunakan analisis preskriptif. Para pemimpin keuangan perlu menyadari peluang investasi mereka jika mereka ingin mempercepat investasi dalam teknologi digital. Untuk memberikan pengetahuan yang komprehensif kepada para profesional keuangan tentang potensi digital mereka, kami membahas enam kapabilitas digital yang penting di sektor keuangan.
Keuntungan Menggunakan Keuangan Otonom
Keuangan otonom menawarkan beberapa keuntungan, termasuk:
Akurasi yang lebih baik: Sistem keuangan otonom menggunakan algoritme canggih dan teknik pembelajaran mesin untuk menganalisis data keuangan dalam jumlah besar, yang dapat menghasilkan prediksi yang lebih akurat dan pengambilan keputusan yang lebih baik.
Peningkatan efisiensi: Proses keuangan otomatis dapat mengurangi waktu dan upaya yang diperlukan untuk mengelola keuangan, sehingga Anda dapat meluangkan lebih banyak waktu untuk aktivitas lain.
Personalisasi yang lebih baik: Sistem keuangan otonom dapat menganalisis situasi keuangan individu dan memberikan rekomendasi yang dipersonalisasi yang disesuaikan dengan kebutuhan dan tujuan spesifik mereka.
Hemat biaya: Sistem keuangan otonom bisa lebih murah daripada layanan keuangan tradisional, karena sistem ini tidak memerlukan perantara manusia dan dapat diakses melalui platform digital berbiaya rendah.
Aksesibilitas: Keuangan otonom dapat memperluas akses ke layanan keuangan bagi masyarakat yang kurang terlayani, karena dapat diakses dari mana saja dengan koneksi internet.
Keamanan: Sistem keuangan otonom dapat menggunakan teknologi blockchain, yang menyediakan buku besar yang tidak dapat berubah untuk semua transaksi keuangan, sehingga lebih aman dan transparan.
Enam Kemampuan Digital yang Penting di Sektor Keuangan
Tanpa menyadari peluang investasi mereka, para pemimpin keuangan tidak dapat mempercepat investasi dalam teknologi digital; mereka harus selalu mengetahui apa yang sekarang dapat dilakukan. Untuk membantu para profesional keuangan agar lebih memahami peluang investasi digital mereka, berikut ini adalah enam kapabilitas digital yang penting untuk diterapkan untuk mencapai keuangan otonom.
Otomasi Proses Keuangan yang Didukung oleh Otomasi Proses Robotik (RPA)
RPA digunakan dalam proses keuangan transaksional dan berbasis penilaian untuk mengotomatiskan prosedur yang berulang dan sangat manual. Waktu yang dihabiskan oleh karyawan keuangan untuk pekerjaan yang sangat manual dapat dikurangi secara signifikan dengan menggunakan RPA untuk mengotomatiskan beberapa operasi manual. Lima prosedur berikut ini dapat diotomatisasi dengan baik dengan RPA: pelaporan, peringatan, migrasi, validasi, dan perhitungan. Setiap kali, bot perangkat lunak dibuat untuk menjalankan operasi yang sangat berulang dengan kecepatan yang jauh lebih cepat dan bebas dari kesalahan. Karena kemampuan untuk memantau dan menilai perilaku bot RPA untuk kepatuhan, mengotomatiskan operasi semacam itu juga dapat meningkatkan kontrol. Fakta bahwa hanya satu atau dua robot yang dibutuhkan RPA untuk mulai menghasilkan laba atas investasi menjadikannya salah satu penggunaan teknologi digital yang paling populer di industri perbankan.
Menurut Gartner, otomatisasi proses yang digerakkan oleh RPA sedang diterapkan atau telah diterapkan di 45 persen fungsi keuangan, sementara hanya 13 persen yang saat ini belum menerapkannya.
Mengotomatiskan Keputusan Bisnis Sehari-hari
Subjektivitas dan bias manusia hadir dalam sejumlah besar keputusan bisnis sehari-hari yang bersifat manual. Subjektivitas ini berkurang ketika pilihan bisnis rutin dibuat menggunakan teknologi digital. Bot RPA biasanya diajarkan aturan keputusan untuk secara otomatis menerapkan tindakan tertentu pada item tertentu dalam sebagian besar skenario otomatisasi keputusan bisnis rutin. Otomatisasi keputusan bisnis rutin membebaskan waktu yang sebelumnya dihabiskan untuk keputusan yang relatif mendasar, yang memungkinkan bagian keuangan untuk dengan cepat memberi saran tentang masalah yang rumit seiring dengan meningkatnya ekspektasi pelanggan akan waktu pengambilan keputusan yang lebih singkat. Saat ini, kasus penggunaan berikut ini adalah yang paling umum:
Pengambilan keputusan kredit otomatis. Menetapkan kriteria untuk penolakan atau penerimaan otomatis berdasarkan tingkat risiko yang dapat diterima perusahaan. Aturan-aturan ini akan mengatur proses pengambilan keputusan kredit. Hanya keputusan tentang kredit yang dibuat oleh karyawan keuangan ketika proses otomatis tidak jelas.
Alokasi kas otomatis. Mengurangi hari penjualan yang belum tertagih (DSO) dan memperpendek periode penagihan rata-rata dengan secara otomatis membaca, mencocokkan, dan mencatat item yang masih terbuka dengan pembayaran yang diterima secara real time dengan perangkat lunak piutang.
Mengotomatiskan proses keuangan yang cerdas (hiper)
Untuk menjalankan operasi keuangan yang rumit dengan lebih baik, otomatisasi proses keuangan yang cerdas (hyper) menggunakan kombinasi metode otomatisasi (biasanya RPA dan ML digabungkan). Model Machine Learning (ML) harus digunakan untuk proses bisnis yang berpotensi meningkatkan dan menghasilkan penghematan biaya yang signifikan atau dampak pendapatan karena model ini sangat baik untuk meramalkan kuantitas atau kategori.
Mengembangkan solusi ML lebih mudah daripada yang terlihat, meskipun beberapa kepala keuangan mungkin percaya bahwa ML sangat intensif sumber daya dan membutuhkan kemampuan ilmu komputer yang kuat di luar karyawan keuangan mereka. Memilih prediksi bisnis yang tepat, mengumpulkan data historis, dan memanfaatkan alat ML open-source adalah persyaratan utama. Untuk tujuan membuat prediksi di masa depan, model ML dilatih dengan menggunakan data historis. Percontohan Pembelajaran Mesin Dasar sebagai Contoh
Iron Mountain menggunakan pembelajaran mesin untuk membuat strategi penanganan pelanggan yang ditargetkan ketika pembayaran pelanggan yang terlambat menghambat bagian keuangan dalam membuat estimasi dan rencana yang akurat berdasarkan proyeksi pendapatan. Dengan memperkirakan kemungkinan bahwa klien akan membayar faktur terlambat, perusahaan ini pertama-tama menemukan peluang untuk meningkatkan proses A/R-nya. Kedua, perusahaan mengumpulkan informasi klien yang diperlukan untuk set pelatihan ML. Model ML yang telah dilatih kemudian digunakan. Terakhir, perusahaan memfokuskan keterlibatan langsung pada pelanggan berisiko tinggi dan bernilai tinggi. Hasilnya, waktu penyelesaian untuk akun yang termasuk dalam pilot ML terpangkas hingga 40%. Untuk nasabah berisiko tinggi, rata-rata waktu penyelesaian turun dari 68 hari menjadi 40 hari.
Peningkatan Keputusan Bisnis
Peningkatan keputusan bisnis sedang diperkenalkan atau telah diterapkan di 14% fungsi keuangan. Peningkatan keputusan bisnis, seperti otomatisasi keputusan rutin, mengurangi bias manusia dalam penilaian bisnis. Alih-alih bot RPA, biasanya bot RPA memanfaatkan AI untuk mendukung keputusan yang lebih rumit yang menuntut penilaian tingkat tinggi. Misalnya, meskipun bot RPA dapat menjawab pertanyaan dengan "ya" atau "tidak" yang sederhana, kemampuan belajar mandiri AI dapat menghasilkan respons yang lebih individual berdasarkan data dalam jumlah besar. Peningkatan keputusan bisnis sangat membantu ketika kategorisasi dan prediksi yang cepat atau ekstensif diperlukan, dan kemungkinan besar akan bermanfaat ketika data didefinisikan dengan baik dan berkualitas tinggi.
Contoh yang baik adalah alat simulasi penetapan harga (Perusahaan Makanan dan Minuman). Alat simulasi berkemampuan AI digunakan oleh perusahaan pembuat bir untuk membantu para pengambil keputusan menilai efek yang diantisipasi dari berbagai strategi penetapan harga di berbagai pasar internasional. Untuk memahami hubungan antara harga dan permintaan di berbagai pasar, pabrik bir tersebut pertama-tama melakukan evaluasi efek. Kedua, brewery menggunakan alat simulasi yang didukung oleh AI yang menerapkan strategi pemodelan pilihan diskrit dan data dari sumber indikator ekonomi dan demografi. Hal ini memungkinkan para pengambil keputusan untuk bereksperimen dan melihat bagaimana rencana penetapan harga yang diusulkan akan memengaruhi penjualan serta penjualan yang hilang dari pesaing. Pabrik bir tersebut menemukan peluang untuk menaikkan harga sebesar 16%, yang dapat meningkatkan pendapatan sebesar $250 juta.
Analisis dan Dukungan Keputusan dengan AI
Bagian keuangan kini dapat secara otomatis menghasilkan analisis yang lebih rumit daripada laporan yang umumnya ditawarkan oleh bot RPA berkat kemampuan analisis dan dukungan keputusan dengan bantuan AI. Untuk mencapai kemampuan ini, fungsi keuangan mungkin perlu menggunakan berbagai alat AI dalam prosedur multi-langkah. Misalnya, alat yang dapat memperbaiki data yang tidak konsisten dan tidak terstruktur, mengidentifikasi tren data dengan mengkorelasikan dan mengelompokkan data, membuat langkah-langkah perbaikan yang disarankan, atau melakukan semua hal di atas akan dibutuhkan oleh industri keuangan. Dengan memungkinkan para ahli keuangan untuk berkonsentrasi pada bantuan keputusan yang lebih praktis dan analisis yang lebih individual, kapasitas ini dapat sangat meningkatkan penawaran layanan mandiri di bidang keuangan.
Contoh utamanya adalah analisis tren yang didukung oleh pembelajaran mesin (UBS). Untuk menilai data biaya karyawan dan mengotomatiskan pelaporan terkait, UBS menggunakan AI dan Natural language processing (NLP). Pertama, ML secara otomatis memperbaiki ketidakkonsistenan yang ditemukan dalam berbagai tanda terima perjalanan karyawan yang sering kali tidak terstruktur. Kedua, ML menemukan tren pengeluaran dalam data yang telah dibersihkan dan secara otomatis menambahkannya ke dalam presentasi yang menarik secara visual bagi para pemangku kepentingan. Untuk meringkas tren, NLP menghasilkan teks ringkasan. UBS dapat menawar harga pemesanan dan pengaturan perjalanan yang lebih baik dengan pemasok dan agen di seluruh dunia karena memiliki pemahaman yang lebih menyeluruh dan langsung tentang aktivitas dan kebutuhan perjalanan karyawannya.
Dorongan yang Didukung AI
Nudges, yang awalnya dikembangkan sebagai konsep ekonomi perilaku, adalah isyarat halus yang dimaksudkan untuk memengaruhi perilaku orang dengan cara yang dapat diprediksi tanpa membatasi pilihan atau memperkenalkan insentif keuangan baru. Dorongan adalah alat yang ampuh untuk operasi keuangan yang dapat digunakan untuk secara diam-diam atau secara tidak langsung mendorong staf untuk membuat keputusan yang "lebih baik" (lebih masuk akal secara finansial). Ketika staf keuangan tidak dapat memberikan tingkat pengawasan ini, hal ini menambahkan lapisan tambahan pada kontrol kualitas atau kepatuhan.
Dalam proses di mana penilaian manusia tidak dapat sepenuhnya dihilangkan tetapi masih harus ditingkatkan, keterampilan ini sangat membantu. Misalnya, dorongan yang diaktifkan oleh AI dapat mendeteksi titik-titik pilihan dengan risiko tertinggi (yang lebih mungkin mengakibatkan kesalahan manusia dalam penilaian) dan memberikan petunjuk digital untuk menyampaikan risiko melanjutkan keputusan tertentu atau/dan keuntungan mengejar keputusan alternatif.
Sebuah dana melatih para analisnya untuk meluangkan lebih banyak waktu menganalisis transaksi anomali yang berbahaya dengan menggunakan kemampuan AI. AI pertama-tama mengurutkan potensi anomali berdasarkan bahaya dan potensi biaya. Jumlah waktu yang dihabiskan analis untuk anomali dengan tingkat risiko yang berbeda dilacak menggunakan alat pelacak waktu, dan ditemukan bahwa anomali yang paling berisiko menerima terlalu sedikit perhatian dari analis. AI kemudian menggunakan algoritme permainan catur untuk "menantang" penilaian analis secara real-time terhadap anomali. AI menyarankan analis untuk melihat kembali jika mereka mengambil keputusan tentang kelainan yang berisiko terlalu cepat. Perusahaan ini mampu menangkap persentase kesalahan transaksi berisiko tinggi yang lebih tinggi dengan menggabungkan kecerdasan buatan dan kecerdasan manusia berkat kemampuan dana untuk menahan penilaian analis terhadap kesalahan transaksi.
Mulai Keuangan Otonom Anda Hari Ini!
Memulai perjalanan Anda menuju keuangan otonom dapat menjadi cara yang bagus untuk mengendalikan keuangan Anda dan meningkatkan hasil keuangan Anda. Para pemimpin keuangan harus mulai dengan mengambil tindakan berikut saat mereka memikirkan bagaimana dan di mana memperkenalkan enam kemampuan digital ini dalam keuangan:
Pikirkan bagaimana cara meningkatkan proses keuangan yang ditargetkan dan/atau serangkaian aktivitas, bukan hanya apakah proses tersebut dapat ditingkatkan
Membuat peta jalan untuk investasi teknologi digital keuangan untuk membantu menentukan prioritas investasi.
Untuk menentukan apakah aplikasi teknologi digital tertentu sesuai, bicarakan dengan mitra pendukung TI organisasi (seperti TI keuangan, TI perusahaan, chief digital officer, dan chief information officer), terutama saat memikirkan kemampuan digital yang lebih canggih yang menggunakan AI.
Dengan pendekatan dan pola pikir yang tepat, keuangan otonom dapat memberikan banyak manfaat dan membantu Anda mencapai tujuan keuangan dengan lebih efisien dan efektif.
Jadi, mengapa tidak memulai perjalanan keuangan otonom Anda hari ini? Butuh bantuan dalam perjalanan keuangan otonom Anda? Kontak tim kami sekarang!