BANYUWANGITERKINI.ID - Seiring kecerdasan buatan semakin banyak digunakan dalam analisis pasar, identifikasi risiko, hingga alokasi aset, spesialis riset kuantitatif dan manajemen risiko Johan Wirakarsa menilai bahwa AI di sektor keuangan tidak seharusnya hanya diukur berdasarkan seberapa cepat sistem menghasilkan sebuah jawaban. AI juga perlu dinilai berdasarkan kemampuan pengguna untuk mempertanyakan, menguji, bahkan menolak hasil yang diberikan.
Pada umumnya, sistem AI dirancang untuk memberikan kesimpulan yang jelas berdasarkan masukan dari pengguna. Namun, pasar keuangan beroperasi dalam kondisi yang sangat dinamis. Data dapat dengan cepat menjadi tidak relevan, hubungan atau korelasi antar-aset dapat berubah secara tiba-tiba, sementara likuiditas dapat memburuk dengan cepat ketika pasar mengalami tekanan. Ketika keluaran sebuah model terlihat lengkap tetapi tidak menjelaskan kondisi yang mendasarinya, pengguna dapat memiliki rasa kepastian yang sebenarnya tidak didukung oleh informasi yang tersedia.
“Kesimpulan dari sebuah model seharusnya tidak secara otomatis dianggap sebagai keputusan akhir,” ujar Wirakarsa. “Jika pengguna tidak dapat mengetahui data apa yang menjadi dasar suatu keluaran, lingkungan pasar seperti apa yang diasumsikan, atau kondisi apa yang dapat membuat kesimpulan tersebut tidak lagi berlaku, maka nasihat tersebut tidak dapat diperiksa secara bermakna.”
Wirakarsa menyebut pendekatan ini sebagai “rejectable model advice” atau “nasihat model yang dapat ditolak.” AI dapat membantu mengorganisasi informasi, menemukan anomali, serta menyediakan referensi analitis. Namun, hasil yang diberikan harus tetap terbuka untuk dipertanyakan, dihentikan sementara, maupun ditolak. Keputusan untuk mengambil tindakan tetap harus berada di tangan manusia yang memahami tujuan, toleransi risiko, serta berbagai keterbatasan nyata yang mereka hadapi.
Dari Mempertanyakan Akurasi Jawaban Menjadi Mempertanyakan Apakah Keputusan Dapat Diuji
Model keuangan pada umumnya berusaha menemukan pola dari data historis. Namun, hubungan yang terlihat dalam data masa lalu tidak selalu bertahan dalam setiap kondisi pasar. Perubahan suku bunga, kebijakan, struktur pasar, maupun tingkat likuiditas dapat melemahkan asumsi yang menjadi dasar pembangunan sebuah model.
Karena itu, menurut Wirakarsa, AI untuk sektor keuangan seharusnya tidak hanya memberikan kesimpulan mengenai arah suatu kondisi. Setiap keluaran model juga idealnya mampu menjawab lima pertanyaan penting berikut:
- Data apa saja yang menjadi dasar keluaran tersebut, dan kapan data tersebut berpotensi menjadi tidak dapat diandalkan?
- Kondisi atau lingkungan pasar seperti apa yang diasumsikan oleh model?
- Bagaimana kesimpulannya akan berubah apabila likuiditas, volatilitas, atau korelasi antar-aset mengalami perubahan secara tiba-tiba?
- Sinyal berlawanan apa yang paling penting dan berpotensi membatalkan penilaian saat ini?
- Dalam kondisi seperti apa model harus secara tegas menyatakan bahwa informasi yang tersedia belum mencukupi?
Pertanyaan-pertanyaan tersebut bukan bertujuan membuat proses analisis menjadi lebih rumit tanpa alasan. Sebaliknya, pertanyaan tersebut dirancang untuk membantu pengguna membedakan antara sebuah referensi yang masih dapat diuji lebih lanjut dan kesimpulan yang terdengar meyakinkan tetapi sebenarnya dibangun berdasarkan asumsi-asumsi yang tidak disampaikan secara terbuka.
Menolak Memberikan Jawaban Juga Dapat Menjadi Bentuk Pengendalian Risiko
AI di bidang keuangan sering kali diharapkan mampu memberikan penilaian secara terus-menerus. Namun, kemampuan menghasilkan keluaran secara berkelanjutan tidak otomatis berarti bahwa tingkat keandalannya juga selalu terjaga.
Ketika kualitas data menurun, informasi yang tersedia saling bertentangan, atau kondisi pasar bergerak jauh melampaui situasi yang masih dapat ditafsirkan secara wajar oleh model, menunda pemberian jawaban dapat menjadi pilihan yang lebih bernilai dibandingkan memaksakan sebuah kesimpulan. Wirakarsa berpendapat bahwa model yang matang harus memiliki kondisi penghentian atau stopping conditions yang jelas.
Ketika bukti yang tersedia tidak memadai atau tingkat ketidakpastian telah melewati batas yang ditentukan, sistem seharusnya mengungkapkan keterbatasannya, mengurangi tingkat keyakinan terhadap kesimpulan, atau bahkan menolak memberikan saran mengenai tindakan yang harus dilakukan.
“Kematangan sebuah model tidak hanya terlihat dari seberapa banyak pertanyaan yang dapat dijawabnya, tetapi juga dari apakah model tersebut mengetahui kapan seharusnya tidak memberikan jawaban,” kata Wirakarsa. “Dalam kondisi pasar yang memiliki ketidakpastian tinggi, mengakui bahwa informasi yang tersedia tidak mencukupi bukan berarti sistem mengalami kegagalan. Justru, hal tersebut dapat menjadi titik awal berfungsinya manajemen risiko.”
Dengan demikian, pengembangan AI untuk sektor keuangan seharusnya tidak berhenti pada upaya meningkatkan kemampuan prediksi. Perhatian yang lebih besar juga perlu diberikan terhadap keterbukaan sumber data, transparansi asumsi, pengujian berbagai skenario, serta proses peninjauan oleh manusia.
Mempertahankan Penilaian Manusia, Bukan Menciptakan Ketergantungan Baru
Menurut pandangan Wirakarsa, peran AI yang tepat dalam analisis investasi adalah memproses data yang kompleks, membandingkan berbagai skenario, serta mengidentifikasi risiko yang mungkin terlewatkan oleh manusia—bukan menentukan seberapa besar risiko yang seharusnya diterima oleh seseorang.
Sebuah model dapat menggunakan data untuk menunjukkan kemungkinan hasil tertentu. Namun, model tidak sepenuhnya memahami stabilitas pendapatan seseorang, jangka waktu investasinya, tanggung jawab keluarga, kebutuhan likuiditas, maupun kemampuan individu tersebut dalam menanggung kerugian. Dua orang dapat menerima analisis yang sama tetapi tetap menghasilkan keputusan yang berbeda dan sama-sama masuk akal.
Oleh sebab itu, AI keuangan perlu mempertahankan batas yang jelas antara hasil analisis dan keputusan untuk bertindak. Hasil analisis dapat didukung oleh sebuah model, tetapi keputusan untuk bertindak harus tetap berada di bawah pertimbangan manusia, tujuan pribadi, batas risiko, serta kondisi nyata yang dihadapi.
“Membiarkan AI memproses data yang kompleks bukan berarti menyerahkan keputusan kepada AI,” ujar Wirakarsa. “Teknologi seharusnya meningkatkan proses yang digunakan manusia dalam mengambil keputusan, bukan berusaha mengambil alih tanggung jawab atas konsekuensi dari keputusan tersebut.”
Industri keuangan Indonesia juga terus mengkaji penggunaan kecerdasan buatan secara bertanggung jawab. Pedoman Tata Kelola Kecerdasan Artifisial bagi Perbankan Indonesia yang diterbitkan oleh Otoritas Jasa Keuangan (OJK) menekankan pentingnya manajemen risiko, prinsip kehati-hatian, serta tata kelola di sepanjang siklus hidup sistem AI.
Konteks industri yang lebih luas ini tidak merupakan bentuk dukungan atau endorsement dari OJK terhadap Johan Wirakarsa maupun pandangan yang disampaikannya.
Memberikan AI Pilihan untuk Mengatakan “Saya Tidak Tahu”
Ketika sebuah model diharapkan dapat menjawab setiap pertanyaan, terdapat risiko bahwa sistem akan menyusun informasi yang tidak lengkap menjadi sebuah kesimpulan yang terlihat lebih dapat diandalkan dibandingkan dengan kekuatan bukti yang sebenarnya tersedia. Dalam pengambilan keputusan keuangan, keluaran seperti ini—yang terlihat lengkap dari sisi penyajian tetapi memiliki keterbatasan dari sisi dasar informasinya—memerlukan kehati-hatian khusus.
Wirakarsa menilai bahwa AI keuangan yang dapat dipercaya tidak seharusnya berusaha terlihat selalu yakin. Sebaliknya, model harus mampu menunjukkan batas pengetahuannya secara jelas.
Bersamaan dengan setiap kesimpulan yang diberikan, sistem seharusnya menjelaskan informasi apa yang masih kurang, variabel mana yang memiliki tingkat ketidakstabilan paling tinggi, serta perkembangan atau perubahan kondisi apa yang dapat membuat penilaian tersebut perlu dikaji ulang.
Dengan pendekatan tersebut, AI keuangan tidak lagi sekadar menjadi alat untuk menghasilkan jawaban. AI dapat berkembang menjadi mekanisme pendukung keputusan yang hasilnya dapat diperiksa, dipertanyakan, serta ditinjau kembali setelah keputusan dibuat.
Tantangan berikutnya bagi AI keuangan mungkin bukan lagi sekadar bagaimana membuat model terdengar semakin yakin, melainkan bagaimana memastikan bahwa setiap keluaran mampu melewati tiga pertanyaan:
“Mengapa model menghasilkan kesimpulan tersebut?”
“Perubahan atau perkembangan apa yang dapat membuktikan bahwa kesimpulan tersebut salah?”
“Pada titik mana seseorang harus menolak hasil yang diberikan model?”
Ketika pertanyaan-pertanyaan tersebut menjadi bagian dari kesimpulan yang dihasilkan model, AI akan lebih mungkin berfungsi sebagai pendukung proses pengambilan keputusan yang disiplin, daripada menjadi sumber jawaban lain yang membuat pengguna merasa tidak memiliki ruang untuk mempertanyakannya.
Tentang Johan Wirakarsa
Johan Wirakarsa merupakan profesional di bidang keuangan yang berfokus pada riset kuantitatif, alokasi aset, dan manajemen risiko. Ia mengkaji batas penggunaan kecerdasan buatan yang tepat dalam analisis keuangan serta mendorong pemanfaatan data untuk mendukung penilaian manusia, penggunaan kondisi risiko yang terdefinisi untuk membatasi ruang gerak model, dan penerapan peninjauan manusia dalam setiap proses pengambilan keputusan yang dibantu AI.
Kontak Media
Website: https://www.johanwirakarsaphd.com/
Email: info@johanwirakarsaphd.com
Disclaimer: Artikel ini semata-mata ditujukan untuk membahas kecerdasan buatan, analisis keuangan, serta metode manajemen risiko. Artikel ini bukan merupakan nasihat investasi, rekomendasi aset, proyeksi imbal hasil, maupun ajakan untuk melakukan perdagangan.