AI Memperluas Manajemen Kekayaan, Bukan Menggantikan Penasihat

Hampir setiap industri melihat para profesional khawatir bahwa AI dapat mengambil pekerjaan mereka, terutama di sektor putih kerah yang berbasis pengetahuan.

Ini, tentu saja, berlaku untuk pemrograman, penulisan, dan tugas lain di mana AI modern berbasis LLM (Model Bahasa Besar) sangat mahir. Namun hal ini juga berlaku bagi profesional keuangan, yang semakin melihat AI dan yang disebut robo-advisor sebagai pesaing potensial bagi manajemen kekayaan tradisional yang dibuat manusia.

Sebuah studi baru oleh dua peneliti China di Universitas Shanghai menantang gagasan ini. Dengan menganalisis efek LLM pada perusahaan manajemen kekayaan China, mereka menemukan bahwa bertentangan dengan prediksi penggantian, adopsi LLM secara signifikan meningkatkan jumlah penasihat. Efek ini dipicu oleh restrukturisasi sumber daya manusia yang kuat di perusahaan manajemen kekayaan, dan LLM sebenarnya merangsang perekrutan, terutama untuk peran junior dan dukungan.

Mereka mempublikasikan temuan mereka di International Review of Economics& Finance¹, dengan judul “Do large language models displace or complement investment advisors? Evidence from Chinese wealth management firms”.

From Routine Labor To Advanced Tasks

Apa yang membuat LLM menjadi jenis otomatisasi yang secara radikal berbeda adalah jenis tugas yang dapat mereka otomatisasi. Sebelumnya, otomatisasi kebanyakan menggantikan pekerjaan manual rutin, sementara LLM dapat memproses informasi tidak terstruktur, melakukan penalaran logis, dan menghasilkan teks kompleks.

Jadi LLM lebih mirip robot kompleks dan fleksibel pada jalur produksi daripada mesin sederhana dan berulang yang tidak dapat menangani tugas fleksibel. Dan di dunia fisik, kemampuan semacam ini telah menyebabkan pengurangan tenaga kerja secara besar-besaran di sektor manufaktur. Jadi tidaklah tidak masuk akal bagi pekerja pengetahuan untuk takut tergantikan oleh teknologi semacam itu: bahkan jika tidak sepenuhnya menggantikan manusia, teknologi tersebut dapat secara drastis mengurangi tenaga kerja yang dibutuhkan untuk suatu tugas.

Namun mengotomatisasi tugas sepenuhnya bukanlah satu-satunya dampak teknologi.

Kemungkinan lain adalah membuat tugas yang sebelumnya kompleks, yang hanya dapat ditangani oleh profesional terlatih dan berpengalaman, menjadi lebih mudah. Dalam konteks ini, LLM dapat lebih mirip mesin awal pada revolusi industri, mengubah tugas kompleks yang memerlukan keahlian ahli menjadi proses manufaktur yang lebih sederhana dan memerlukan pelatihan lebih sedikit.

“Dengan menurunkan ambang pengetahuan yang diperlukan untuk penyelesaian tugas secara mandiri, teknologi semacam itu dapat memperluas rentang tugas yang dapat ditangani secara otonom oleh pekerja junior.”

Jika demikian, penerapan praktis LLM seharusnya memiliki dampak tidak hanya pada pekerjaan, tetapi juga pada struktur perusahaan yang menggunakannya.

“Teknologi mengurangi biaya perolehan pengetahuan, pekerja produksi memperluas otonomi pemecahan masalah mereka, mengurangi jumlah masalah rutin yang harus naik ke tingkat atas, dan memperluas jangkauan kontrol spesialis senior, secara efektif meratakan hierarki.”

Wealth Management, AI & Competitive Advantages

AI & Money Has A Trust Issue

Dalam kegiatan sehari-hari, karyawan di manajemen kekayaan melakukan banyak tugas rutin: pengumpulan informasi pasar, penyusunan laporan, dan dokumentasi kepatuhan. Semua ini merupakan tugas kognitif yang dapat dikodifikasi di mana AI memiliki keunggulan komparatif yang jelas.

Namun, proposisi nilai inti industri bergantung pada kepercayaan, tugas fidusia, dan manajemen hubungan. Ini adalah tugas interpersonal yang memerlukan pengetahuan tacit dan kecerdasan sosial yang saat ini masih sulit ditiru oleh AI.

Kesenjangan ini telah membatasi penerapan AI di industri keuangan sejauh ini, karena trust in AI advisors remains low.

AI Could Help Wealth Management Grow

Pada saat yang sama, AI yang menurunkan biaya nasihat keuangan dapat membantu industri tumbuh secara signifikan, karena biaya penasihat yang tinggi membatasi layanan pribadi hanya untuk individu berkekayaan tinggi, meninggalkan segmen mass-affluent yang sangat luas secara kronis kurang terlayani dalam hal nasihat manajemen kekayaan.

“Jika LLM mengurangi biaya marginal layanan rutin secara cukup, mereka dapat memungkinkan perusahaan menembus pasar ekor panjang ini secara menguntungkan, memicu skala berbasis AI yang mendorong ekspansi layanan dan pertumbuhan pekerjaan alih-alih penggantian.”

Dalam konteks ini, pasar China terutama menarik untuk dianalisis dampak LLM pada industri:

• Kekayaan rumah tangga yang berkembang pesat menciptakan permintaan laten yang signifikan di segmen mass-affluent.
• CSRC dan SAC China menegakkan persyaratan manusia dalam lingkaran yang ketat, melarang algoritma mengambil wewenang diskresi penuh dan mewajibkan pengawasan penasihat berlisensi atas semua rekomendasi pribadi.
  • Aturan-aturan ini mengarahkan adopsi AI ke model hibrida manusia-mesin, menciptakan kondisi yang sangat menguntungkan untuk komplementaritas daripada substitusi total.
• Ekosistem keuangan digital China dan infrastruktur fintech yang luas menghasilkan variasi adopsi LLM yang signifikan antar perusahaan, memungkinkan identifikasi kausal yang kredibel.

AI’s Impact On Wealth Management

What Can LLMs Do In Wealth Management?

Para peneliti membedakan tiga kategori tugas dalam manajemen kekayaan yang dapat dipengaruhi oleh LLM, masing-masing dengan tingkat substitusi yang berbeda.

Set tugas pertama adalah analisis teknis, termasuk analisis data pasar, konstruksi portofolio, sintesis riset investasi, dan dokumentasi kepatuhan. Berkat aturan eksplisit, input data terstruktur, dan output standar, tugas-tugas ini ideal untuk menggunakan LLM menggantikan tenaga kerja manusia.

Set tugas kedua adalah tugas penilaian dan keputusan, termasuk penilaian risiko, analisis skenario, dan perancangan solusi pribadi. Tugas-tugas ini memerlukan integrasi pengetahuan tacit dan kesadaran kontekstual, sehingga LLM hanya dapat menggantikan tenaga kerja manusia secara moderat.

Terakhir, ada tugas manajemen hubungan. Ini mencakup membangun kepercayaan, dukungan emosional selama volatilitas pasar, dan pemeliharaan hubungan jangka panjang. Tugas-tugas ini memerlukan sensitivitas interpersonal, penilaian kontekstual, dan koneksi manusia yang otentik, sehingga LLM sebagian besar tidak cocok untuk peran ini.

Gathering The Data

Para peneliti mengumpulkan berbagai basis data regulasi, pengungkapan korporat, dan data pasar untuk menyusun dataset panel komprehensif yang mencakup perusahaan manajemen kekayaan China, dengan total 7.795 observasi selama 2019-2024.

Untuk mengidentifikasi adopsi LLM tingkat perusahaan, lowongan pekerjaan dan informasi profil karyawan dikumpulkan dari platform rekrutmen utama.

Personel manajemen kekayaan dibagi menjadi penasihat junior (≤3 tahun pengalaman), penasihat menengah (4–10 tahun pengalaman), dan penasihat senior (>10 tahun pengalaman).

Akhirnya, analisis tingkat klien mencakup pengembalian investasi, alokasi aset, struktur biaya, dan status retensi klien.

Who Is Most Impacted

Studi sebelumnya menunjukkan bahwa meskipun adopsi LLM di lingkungan kerja menghasilkan peningkatan produktivitas antara 14-56%, manfaatnya secara tidak proporsional dirasakan oleh pekerja yang kurang berpengalaman dan berkemampuan lebih rendah. Akibatnya, perusahaan menekankan kemampuan interpersonal dan layanan pelanggan setelah mengadopsi LLM. Namun, permintaan akan keterampilan teknis tradisional tidak berkurang secara signifikan, yang menunjukkan bahwa AI mengubah kemampuan manusia pelengkap yang dihargai perusahaan, bukan membuat keahlian teknis menjadi tidak diperlukan.

“Pola ini, di mana AI meningkatkan alih-alih sekadar menggantikan pekerjaan berkemampuan rendah, berbeda secara signifikan dari gelombang adopsi TI sebelumnya yang biasanya melengkapi pekerja berkemampuan tinggi.”

Akibatnya, adopsi LLM berhubungan positif dengan peningkatan penekanan pada soft skill (kemampuan komunikasi, kecerdasan emosional, manajemen hubungan klien).

Use Of LLMs

Hanya 17,8% dari observasi perusahaan-per tahun yang melibatkan adopsi LLM, menunjukkan bahwa meskipun penggunaan LLM masih relatif jarang, proporsi signifikan perusahaan manajemen kekayaan telah mulai mengintegrasikan teknologi ini.

Lokasi pusat teknologi menunjukkan efek yang lebih besar dibandingkan lokasi non-pusat teknologi. Pola ini kemungkinan mencerminkan akses yang lebih baik ke talenta AI, infrastruktur teknologi yang lebih kuat, dan klien yang lebih canggih yang menghargai layanan berbasis AI di pusat teknologi utama.

Penggunaan LLM paling kuat berhubungan dengan penasihat junior, secara sedang dengan penasihat menengah, dan paling lemah dengan penasihat senior, sesuai dengan profil yang diharapkan dari penerapan AI di industri manajemen kekayaan.

Saat melihat peran utama penggunaan LLM, studi menunjukkan korelasi kuat antara penggunaan LLM dengan peran dukungan dan hampir tidak ada kaitannya dengan posisi yang berhadapan langsung dengan klien.

Better Services, Same Prices

Studi menunjukkan bahwa penggunaan LLM secara signifikan berhubungan positif dengan semua metrik kualitas layanan: pengembalian portofolio, pengembalian yang disesuaikan dengan risiko, retensi klien, dan pertumbuhan AUM. Penggunaan LLM juga terkait dengan penurunan tingkat keluhan dan tindakan regulasi.

Penggunaan LLM menghasilkan peningkatan 11,5% pada rata-rata pengembalian portofolio. Peningkatan 2,5 poin persentase dalam retensi mewakili penurunan 23,8% dalam attrisi klien.

Namun, tidak ada korelasi antara penggunaan LLM dan biaya penasihat.

Hal ini kemungkinan menunjukkan bahwa tekanan kompetitif dapat mencegah perusahaan mengambil biaya yang lebih tinggi, meskipun ada peningkatan layanan yang terbukti, dengan manfaat utama mengalir ke klien bukan produsen. Hal ini terutama berlaku di industri di mana kualitas layanan dapat diamati, dan perusahaan bersaing berdasarkan kinerja.

AI Does Not Replace But Restructure Human Labor

Secara keseluruhan, temuan menunjukkan bahwa AI merestrukturisasi tugas dalam manajemen kekayaan, namun tidak menghasilkan efek penggantian bersih.

Saat LLM mengambil alih tugas analitis rutin, perusahaan semakin menghargai karyawan yang dapat menggunakan penilaian (keterampilan kognitif), bekerja efisien dengan alat AI (keterampilan efisiensi), berkomunikasi efektif dengan klien (keterampilan sosial), dan mempertahankan hubungan kuat dengan klien (keterampilan pelanggan).

Temuan ini tidak menyiratkan bahwa keterampilan teknis menjadi tidak diperlukan. Sebaliknya, temuan ini menunjukkan bahwa kemampuan manusia yang khas menjadi lebih berharga bersamaan dengan keahlian teknis ketika AI mengambil bagian yang lebih besar dari pekerjaan analitis rutin.

Dengan mengurangi biaya tugas teknis, AI dapat menjadi bukan hanya alat produktivitas tetapi alat skala yang kuat bagi industri manajemen kekayaan, membantu memperluas pasar yang dapat dijangkau ke segmen populasi yang lebih besar.

Temuan ini dapat diterapkan pada industri lain dengan kondisi serupa: permintaan laten yang belum terpenuhi, regulasi manusia dalam lingkaran, dan model layanan berbasis hubungan.

Investing In AI Wealth Management

Studi ini tidak meneliti Morgan Stanley (MS ) atau memastikan bahwa hasil yang sama akan terjadi di luar China. Namun, studi ini mengidentifikasi kondisi di mana manajemen kekayaan berbantuan AI dapat berkembang secara sukses. Morgan Stanley menawarkan investor eksposur pada bisnis yang menggabungkan jaringan penasihat besar, investasi mandiri, layanan tempat kerja, dan kemampuan AI yang semakin canggih.

Morgan Stanley

Morgan Stanley adalah raksasa perbankan, pemberian pinjaman, dan manajemen kekayaan yang telah lama berdiri, dengan total aset klien sebesar $9,3T pada 2025, di mana sekitar 3/4^th berasal dari kategori manajemen kekayaan. Perlu juga dicatat bahwa total aset klien telah tumbuh sangat cepat sejak 2020.

Sumber: Morgan Stanley

Platform robo-advisor utama Morgan Stanley adalah merek E*TRADE miliknya, yang mengenakan biaya penasihat tahunan sekitar 0,30%.

Selain robo-advisor murni, Morgan Stanley juga menyediakan layanan manajemen kekayaan lainnya:

• Virtual Advisors: Akses berbasis telepon ke tim penasihat remote untuk perencanaan terstruktur tanpa broker manusia layanan penuh yang berdedikasi.
• Full-Service Financial Advisors: Perencanaan tradisional satu-satu yang berdedikasi untuk kebutuhan manajemen kekayaan yang kompleks.

Sumber: Morgan Stanley

Struktur ini sangat mirip dengan model manusia-mesin yang diteliti dalam studi: AI menangani pengambilan informasi, dokumentasi pertemuan, dan persiapan rutin sementara penasihat berlisensi tetap bertanggung jawab atas hubungan klien dan rekomendasi.

Seiring kemampuan AI berkembang, hal ini seharusnya memungkinkan Morgan Stanley secara bertahap mengurangi biaya untuk keterampilan teknis dan mendistribusikan kembali tenaga kerja ke penggunaan sentuhan manusia yang lebih luas diperlukan untuk nasihat yang lebih langsung dan pribadi.

Ukuran dan reputasi Morgan Stanley di semua tingkatan pelanggan akan membantu mereka menerapkan AI secara efisien kepada jutaan klien dan memperluas pasar manajemen kekayaan.

Perlu dicatat bahwa AI sudah digunakan sebagai titik masuk yang menyalurkan pelanggan ke tingkat manajemen kekayaan yang lebih tinggi, dengan 7 juta hubungan klien baru sejak 2020, sebagian besar berasal dari E-TRADE dan Workplace, platform terkemuka pasar untuk penasihat keuangan.

Sumber: Morgan Stanley

“Morgan Stanley at Work mengawasi sekitar $1,2 triliun aset melalui bisnis solusi keuangan tempat kerjanya. Perusahaan membayangkan klien korporat pada akhirnya berinteraksi dengan platform ‘dengan cara yang sepenuhnya agen, menggunakan alat berbasis AI alih-alih masuk langsung ke ShareWorks atau Equity Edge.’”

Jadi AI dapat menjadi keunggulan kompetitif bagi Morgan Stanley melalui berbagai mekanisme:

• Meningkatkan jumlah klien yang dapat didukung setiap penasihat
• Memperluas layanan pribadi lebih jauh ke pasar mass-affluent
• Meningkatkan produktivitas penasihat tanpa mengurangi kualitas layanan
• Memperkuat retensi melalui interaksi yang lebih sering dan personal
• Meningkatkan pendapatan manajemen kekayaan tanpa pertumbuhan administratif yang proporsional

Hal ini tidak berarti bahwa AI pasti akan meningkatkan keuntungan Morgan Stanley, karena studi ini menunjukkan bahwa peningkatan dan keuntungan tersebut mungkin sebagian besar mengalir ke pelanggan. Namun, AI seharusnya membantu memperkuat posisi kepemimpinan mereka di industri, dan kemungkinan ekspansi global pasar manajemen kekayaan berkat AI akan menguntungkan seluruh industri.

Latest Morgan Stanley (MS) Stock News and Developments

Study Referenced

^{1. Lina Song dan Huaili Lyu. Apakah model bahasa besar menggantikan atau melengkapi penasihat investasi? Bukti dari perusahaan manajemen kekayaan China. International Review of Economics& Finance. Oktober 2026. Artikel: 105636. Volume 111. 10.1016/j.iref.2026.105636}