Peter Plochan, Penasehat Utama Manajemen Risiko EMEA di SAS – Seri Wawancara

Peter Plochan adalah Penasehat Utama Manajemen Risiko EMEA di SAS yang membantu lembaga keuangan mengatasi tantangan mereka terkait regulasi keuangan dan risiko, manajemen risiko perusahaan, tata kelola risiko, analisis risiko ke depan, stress testing, manajemen risiko model, pemodelan risiko, dan manajemen risiko perubahan iklim.

Peter memiliki latar belakang keuangan (gelar Master di Perbankan) dan bersertifikat Financial Risk Manager (FRM) dengan pengalaman lebih dari 19 tahun dalam manajemen risiko di sektor keuangan. Ia telah membantu berbagai institusi perbankan dan asuransi dalam implementasi manajemen risiko berskala besar baik secara internal maupun eksternal sebagai penasihat manajemen risiko (PwC). Sejak bergabung dengan SAS pada tahun 2014, Peter berperan sebagai pakar domain global – memanfaatkan tren terbaru dalam analitik risiko & teknologi dengan keahlian mendalamnya dalam manajemen risiko & keuangan.

Anda telah bekerja di berbagai institusi keuangan besar dan firma konsultan termasuk PwC, ABN AMRO, Atradius, dan kini SAS, dengan pengalaman luas dalam regulasi perbankan, manajemen risiko perusahaan, dan stress testing keuangan. Menengok kembali karier Anda, kelemahan struktural apa dalam pendekatan bank terhadap risiko geopolitik yang masih belum teratasi secara mengejutkan?

Saya baru-baru ini menjadi pembawa webinar bersama pakar risiko geopolitik. Seorang chief risk officer bank merangkum tantangan yang sedang berlangsung dengan baik ketika ia mencatat, “Manajemen risiko yang lambat adalah manajemen risiko yang buruk.” Saat menghadapi guncangan geopolitik, bank sering membutuhkan respons yang tiba-tiba dan cepat.

Ekonomi dunia semakin saling terhubung. Dan ini berarti kecepatan penyebaran apa pun dari guncangan geopolitik juga semakin meningkat.

Tentu saja, guncangan geopolitik beragam, mulai dari perubahan harga minyak hingga perang dagang dan tarif hingga konflik bersenjata, dan lain-lain.

Bank dan institusi layanan keuangan tidak dapat menunggu terlalu lama untuk menilai dampak guncangan tersebut terhadap neraca mereka. Kecepatan tetap menjadi faktor utama.

Dalam 10 tahun terakhir, industri layanan keuangan telah meningkatkan kemampuan mereka dalam menjalankan perhitungan risiko lebih cepat daripada sebelumnya. Namun stress testing tetap menjadi salah satu aktivitas yang paling intensif komputasi dan proses berat di institusi keuangan.

Bank perlu membuat inventarisasi pinjaman dan aset mereka, kemudian menilai bagian mana dari neraca yang rentan terhadap guncangan tertentu. Faktor kunci keberhasilan dalam upaya ini adalah seberapa detail dan lengkap bank menyusun inventaris tersebut, serta seberapa menyeluruh analisis dan penilaian risiko mereka.

Sebagai contoh, bank perlu melihat tidak hanya pada guncangan geopolitik itu sendiri, tetapi juga pada efek tidak langsungnya, yang kadang kurang jelas dan berkembang lebih lambat dibandingkan guncangan itu sendiri. Apa dampak lonjakan harga minyak tidak hanya pada pompa bensin tetapi di seluruh rantai pasokan? Dan bagaimana kenaikan harga minyak dapat memengaruhi tidak hanya bensin, diesel, dan biaya transportasi lainnya, tetapi juga biaya dan harga pupuk, plastik, bahkan obat farmasi yang diproduksi di negara atau wilayah tertentu?

Dalam banyak kasus, bank tidak memiliki pemahaman mendalam tentang potensi efek guncangan geopolitik pada nasabah mereka dan rantai pasokan nasabah, yang membuat manajemen risiko geopolitik menjadi lebih sulit.

Melalui manajemen risiko geopolitik, bank berusaha lebih memahami dan menilai dampak guncangan pada nasabah mereka dan pinjaman nasabah, yang merupakan mayoritas neraca bank. Manajemen risiko geopolitik bagi bank mencoba menjawab pertanyaan yang tampak sederhana di permukaan namun rumit di dalamnya: Apa arti guncangan ini bagi setiap nasabah bank dan kemampuan mereka untuk membayar kembali pinjaman?

Seperti halnya manajemen risiko iklim (yang memiliki banyak paralel dengan manajemen risiko geopolitik), setiap bank perlu menggali jauh lebih dalam daripada biasanya. Dengan mengumpulkan dan menganalisis data yang tepat serta menerapkan metodologi seperti stress testing, bank dapat lebih memahami eksposur nasabah mereka terhadap guncangan serta risiko neraca mereka sendiri.

Dengan memperlakukan semua manajemen risiko – untuk risiko geopolitik, risiko iklim, risiko kredit, risiko likuiditas dan lain-lain – sebagai lebih dari sekadar latihan kepatuhan, bank dapat menemukan wawasan yang dapat membimbing perencanaan bisnis inti.

Dengan menggunakan wawasan analitis dari program manajemen risiko yang kuat (termasuk stress testing), bank dapat membuat keputusan bisnis yang lebih baik untuk mengurangi risiko geopolitik dan risiko lainnya serta memperkuat ketahanan operasionalnya.

Bagi pembaca yang tidak familiar dengan istilah ini, apa sebenarnya “stress testing” dalam perbankan, dan mengapa hal itu menjadi semakin penting dalam lingkungan geopolitik dan ekonomi saat ini?

Stress testing adalah bentuk analisis skenario. Dengan menggunakan simulasi ke depan, bank atau perusahaan layanan keuangan lainnya dapat memeriksa situasi ekonomi (misalnya, inflasi menurun, pajak atau biaya listrik naik) atau perubahan dan menilai dampaknya terhadap indikator keuangan dan risiko serta kinerja bank.

Stress testing adalah salah satu aktivitas paling rumit dan intensif komputasi di institusi keuangan, membutuhkan banyak perhitungan kompleks. Untuk menjawab pertanyaan kunci “bagaimana jika” dan lebih memahami efek risiko geopolitik, iklim, dan risiko lainnya, bank perlu mengumpulkan data tentang nasabah mereka, tren ekonomi (dari sumber publik dan swasta) serta sensitivitas mereka terhadap risiko spesifik yang ingin dinilai. Selanjutnya mereka harus menganalisis data tersebut untuk menemukan potensi dampak pada portofolio pinjaman dan neraca mereka.

Stress testing geopolitik berfokus pada menentukan kinerja masa depan bank berdasarkan efek guncangan seperti perang, pembatasan perdagangan, tarif, dan sanksi, antara lain. Stress testing geopolitik memiliki banyak karakteristik yang sama dengan stress testing iklim, yang berfokus pada efek guncangan iklim (misalnya, banjir atau suhu yang terus meningkat).

Stress testing adalah alat manajemen risiko utama dan mesin pengambilan keputusan. Karena tidak ada bank yang memiliki bola kristal, mereka tidak tahu skenario atau guncangan apa yang akan terjadi selanjutnya. Namun bank dapat melakukan analisis “bagaimana jika” berdasarkan skenario yang mungkin untuk menentukan risiko dan kemungkinan masa depan – bahkan peluang – bagi nasabah mereka dan operasi mereka sendiri, serta menggunakan hasilnya untuk mulai mempersiapkan diri secara tepat.

Risiko geopolitik semakin meningkat, dengan guncangan yang datang lebih cepat daripada sebelumnya dan sering tumpang tindih. Karena peristiwa geopolitik memengaruhi pasar, perdagangan, dan rantai pasokan secara bersamaan, stress testing membantu bank mensimulasikan skenario masa depan lebih awal dan menyiapkan respons potensial.

Seperti yang dikatakan CRO lain kepada saya dalam sebuah panel baru-baru ini, “Wawasan tanpa tindakan tidak memiliki nilai.” Dengan menerapkan wawasan analitis, stress testing mendukung keputusan bisnis yang lebih baik. Hasilnya? Bank dapat mengambil tindakan yang terinformasi untuk mengatasi guncangan geopolitik sambil menyempurnakan strategi bisnis mereka.

Guncangan geopolitik saat ini sering terjadi secara bersamaan di bidang perdagangan, energi, komoditas, ancaman siber, dan rantai pasokan. Apakah model risiko perbankan tradisional masih mampu menangani jenis risiko sistemik yang saling terhubung ini?

Sebagian.

Ketika kita memikirkan pemodelan risiko perbankan tradisional dan kemampuannya menangani risiko yang saling terhubung dan sistemik, ada dua lapisan di mana bank menilai dampak guncangan geopolitik pada portofolio mereka.

Lapisan pertama berada pada tingkat makroekonomi. Jika ada guncangan harga minyak, misalnya, bank akan mencoba memahami dampak tingkat tinggi pada ekonomi regional atau lokal tempat nasabah berada.

Jadi jika nasabah bank adalah produsen besar berbasis di Texas, ekonomi negara bagian tersebut mungkin justru membaik selama guncangan minyak, karena Texas memproduksi minyak. Pemodelan risiko makroekonomi bank mungkin menunjukkan bahwa perusahaan di Texas lebih mungkin berkembang karena pengangguran menurun dan volume bisnis meningkat secara lokal, misalnya. Di sisi lain, sebagian besar ekonomi lainnya akan terdampak negatif, yang akan merugikan aktivitas bisnis semua perusahaan di Texas.

Saat ini, pada tingkat makroekonomi, sebagian besar bank memiliki fondasi yang kuat dalam hal pemodelan. Dalam stress testing mereka, mereka dapat menerjemahkan guncangan geopolitik menjadi indikator makroekonomi (pada tingkat negara bagian, negara, atau wilayah).

Dengan menggunakan contoh kami, bank akan memiliki model yang memprediksi apa yang akan terjadi pada sektor manufaktur di Texas dalam hal probabilitas gagal bayar jika PDB negara bagian meningkat dengan persentase tertentu.

Jadi model risiko perbankan sudah dilengkapi untuk menganalisis dampak makroekonomi guncangan geopolitik pada nasabah bank (dan peminjam).

Namun lapisan kedua tetap menjadi tantangan.

Pada tingkat mikro, bank perlu memperbesar untuk menilai sensitivitas nasabah tertentu terhadap guncangan geopolitik tertentu dan risiko gagal bayar nasabah tersebut sebagai akibatnya.

Apa yang akan terjadi jika produksi pupuk turun 50% bagi produsen mobil? Tidak banyak, setidaknya tidak secara langsung (meskipun produsen ini hampir pasti akan merasakan efek inflasi tinggi yang dihasilkan). Namun jika nasabah adalah produsen pertanian, hal itu bisa berarti penurunan pendapatan yang signifikan.

Pada tingkat mikro, bank membutuhkan granularitas data dan spesifikasi dalam stress testing dan pemodelan risiko mereka. Mereka perlu memperbesar ke sektor bisnis, wilayah, dan pihak lawan individu dalam portofolio mereka, serta memahami nasabah mana yang sensitif terhadap jenis risiko geopolitik tertentu. Pada akhirnya bank memerlukan wawasan tentang bagaimana guncangan spesifik akan memengaruhi setiap nasabah dan kemampuan mereka untuk membayar kembali pinjaman, serta mendukung keputusan apakah akan memberikan pinjaman, mengubah syarat, atau bahkan memilih untuk tidak memberikan kredit.

Apa yang membuat pemodelan mikro khususnya menantang adalah bahwa Anda sering tidak dapat menggeneralisasi di seluruh industri atau wilayah. Salah satu nasabah pertanian bank mungkin merupakan produsen hijau yang tidak menggunakan pupuk sama sekali. Jadi membuat asumsi berdasarkan industri atau sektor nasabah dapat menghasilkan informasi dan keputusan yang buruk.

Karena bank biasanya tidak memiliki data granular tentang operasi nasabah, mereka perlu menyeimbangkan biaya dan upaya dalam mengumpulkan data detail ini – misalnya melalui survei dan kuesioner – dengan manfaat yang mereka peroleh dari memiliki granularitas lebih tinggi dalam model mereka.

Kadang-kadang data ini sulit diperoleh. Misalnya, nasabah bank mungkin tidak tahu apakah pupuk mereka melewati Selat Hormuz.

Semakin granular data yang dikumpulkan bank, semakin banyak wawasan potensial yang dapat dihasilkan. Namun semakin dalam penelitiannya, semakin mahal dalam hal waktu dan upaya untuk mengumpulkan informasi tersebut.

Untuk mengatasi tantangan ini, bank sering menggunakan pendekatan Pareto – aturan 80/20 yang lama masih berlaku. Bank sering memiliki 80% eksposur atau risiko mereka dalam 20% portofolio atau nasabah. Jadi mereka dapat memusatkan perhatian pada eksposur utama mereka dan mencoba menyederhanakan sisanya. Penyederhanaan dapat mencakup melakukan analisis pada tingkat (sub)wilayah dan/atau (sub)sektor daripada pada tingkat nasabah individu.

Seperti pada stress testing iklim, memiliki data terbatas atau tidak ada bukan alasan untuk mengurangi penilaian risiko ini.

Pesan utama dari panduan Bank Sentral Eropa tentang risiko iklim juga berlaku untuk risiko geopolitik. ECB mengakui bahwa bank sering tidak memiliki semua data yang diperlukan untuk melakukan stress testing iklim. Dan bahwa tindakan bank berdasarkan data terbatas akan menimbulkan tantangan dan kesalahan. Namun ECB mencatat bahwa tidak mengambil tindakan sama sekali merupakan risiko yang lebih tinggi. Jadi bank perlu bertindak, bahkan dengan data terbatas. Logika yang sama berlaku untuk analisis risiko geopolitik.

Bagaimana bank mulai menggunakan kecerdasan buatan dan model bahasa besar untuk memantau perkembangan geopolitik secara real-time dan mengubahnya menjadi penilaian risiko yang dapat ditindaklanjuti?

Bank mulai menggunakan agen AI untuk menganalisis data tidak terstruktur, sebuah kasus penggunaan tipikal untuk AI.

Sebagai contoh, bank dapat menerapkan agen AI pada portal berita, mencari teks yang telah ditentukan sebelumnya yang mungkin menunjukkan guncangan geopolitik akan datang, dan menyalakan alarm di dalam institusi.

Dan seperti yang telah dibahas sebelumnya, bank ingin lebih memahami nasabah kunci mereka dan di mana operasi serta rantai pasokan mereka tersebar secara geografis. Beberapa bank menerapkan agen AI untuk menelusuri pengungkapan nasabah dan informasi publik lainnya guna memahami di mana pabrik dan pemasok utama perusahaan berada. Ketika guncangan terjadi di wilayah tertentu, bank dapat lebih memahami dampaknya pada nasabah tersebut.

Bank dengan ratusan perusahaan dalam portofolio mereka perlu menjalankan analisis ini secara skala besar. Agen AI dapat membantu mengotomatisasi bagian perhitungan stress testing. Jadi jika peristiwa geopolitik tertentu melampaui ambang batas yang telah ditentukan bank, agen dapat menyiapkan skenario makroekonomi dan secara otomatis melakukan perhitungan stress testing.

Dan dalam contoh lain, AI dan model bahasa besar (LLM) dapat membantu menjelaskan hasil stress test kepada pengguna bisnis dan manajer senior. Berdasarkan buku pedoman yang telah ditentukan, agen AI bahkan dapat menyarankan tindakan korektif tertentu.

Jadi AI sudah digunakan untuk berbagai bagian proses stress testing, meskipun kita masih berada pada tahap awal.

Banyak institusi keuangan sudah menghadapi keterbatasan staf dan sumber daya di dalam tim risiko dan kepatuhan. Di mana AI saat ini memberikan keuntungan operasional terbesar?

Untuk tim risiko dan kepatuhan bank, AI membantu mengotomatisasi pengumpulan data, pembuatan skenario, pelaksanaan perhitungan, dan interpretasi. Hal ini memberi tim lebih banyak waktu untuk menginterpretasikan hasil analisis model dan memberi saran kepada kepemimpinan tentang strategi risiko.

AI tradisional, generatif, dan agen juga mendukung banyak aktivitas dalam stress testing geopolitik. Ini mencakup pengumpulan data dan analisis sensitivitas nasabah (dan operasi, rantai pasokan, dll.) serta portofolio bank terhadap guncangan geopolitik. Seperti yang disebutkan sebelumnya, LLM dan agen AI juga dapat membantu menjelaskan hasil stress test kepada kepemimpinan untuk mendukung keputusan yang lebih baik.

Perlu disebutkan bahwa penggunaan AI dan model analitis untuk keputusan memperkenalkan risiko tambahan, karena model tersebut mungkin salah atau tidak cukup akurat.

Bank telah melakukan manajemen risiko model selama lebih dari satu dekade. Dan seperti yang sering dikatakan oleh banyak manajer risiko model, “Semua model salah, tetapi beberapa berguna.”

Karena model merupakan penyederhanaan dari keadaan masa depan, secara definisi mereka tidak sepenuhnya akurat. Bank dan organisasi layanan keuangan perlu menyadari dan mengelola risiko model saat mereka menerapkan model berbasis AI untuk stress testing dan manajemen risiko.

Tata kelola AI sangat penting bagi bank dan perusahaan layanan keuangan. Hal ini membantu mereka melindungi dan mengelola data sensitif serta mematuhi regulasi sambil memastikan transparansi dan mengelola risiko.

Tata kelola sangat penting khususnya untuk model AI dan pembelajaran mesin (ML), yang dapat membuat prediksi akurat tetapi juga dapat merespons secara tidak tepat terhadap situasi tak terduga, yang mengarah pada keputusan yang buruk. Model AI dan ML memerlukan pemantauan kinerja dan peninjauan data secara rutin. Pengawasan melalui tata kelola AI dan manajemen risiko model memastikan transparansi, sehingga bank dapat menjelaskan secara jelas – kepada regulator dan manajemen senior – cara kerja model AI mereka serta keputusan yang dihasilkan.

Anda telah menghabiskan bertahun-tahun bekerja pada risiko iklim dan kerangka kerja keberlanjutan untuk institusi keuangan. Apakah Anda melihat stress testing risiko geopolitik menjadi sama pentingnya secara strategis dengan analisis risiko iklim?

Ya. Manajemen risiko geopolitik semakin menjadi hal yang biasa bagi bank dan perusahaan layanan keuangan. Semakin banyak, risiko ini akan diintegrasikan ke dalam model kredit dan risiko pasar tradisional seiring menjadi bagian standar dari upaya manajemen risiko keseluruhan di sektor perbankan dan layanan keuangan.

Risiko iklim telah mendorong bank untuk memodernisasi kerangka kerja stress testing mereka, karena kompleksitasnya dan potensi dampak besar pada kinerja keuangan.

Demikian pula, risiko geopolitik – serta kecepatan dan frekuensi peristiwa serta guncangan – dapat secara signifikan memengaruhi hasil keuangan bank. Hal ini memberi tekanan pada bank untuk menilai (melalui stress testing), mengurangi, dan memperhitungkannya.

Keduanya adalah dan akan terus menjadi penting secara strategis, karena bank menghadapi guncangan geopolitik seperti konflik di Iran dan dampaknya, serta efek terkait iklim yang berkelanjutan seperti perkiraan El Niño “Super” atau “Godzilla” tahun ini.

Banyak organisasi masih melihat stress testing terutama sebagai persyaratan regulasi daripada alat strategis. Peluang apa yang terlewatkan bank dengan pendekatan tersebut?

Sikap pendek pandang bagi bank untuk memfokuskan stress testing terutama pada pencapaian kepatuhan regulasi. Meskipun mematuhi regulasi sangat penting, stress testing dapat membantu organisasi layanan keuangan melakukan jauh lebih dari sekadar kepatuhan.

Dengan mengambil pendekatan yang lebih strategis terhadap stress testing, bank dapat melakukan analisis “bagaimana jika” yang menilai skenario kemungkinan dan dampak respons alternatif terhadap guncangan geopolitik dan perubahan iklim.

Hasil dari analisis “bagaimana jika” ini dapat membantu bank memilih jalur optimal ke depan, mengenali peluang bisnis baru, menyesuaikan strategi pemberiannya, dan menemukan keunggulan kompetitif melalui upaya manajemen risikonya.

Data dan model sudah ada. Ini merupakan peluang yang terlewatkan jika tidak memanfaatkannya secara penuh.

Tentu saja, efisiensi, fleksibilitas, dan kematangan proses serta sistem stress testing dasar bank akan menentukan apa yang dapat dicapai bank. Dan apakah stress testing hanya menjadi jawaban terhadap kepatuhan regulasi atau menjadi mesin dukungan keputusan yang lebih komprehensif.

Seperti yang dikatakan CRO itu kepada saya, “Wawasan tanpa tindakan tidak memiliki nilai.”

Laporan terbaru, Metodologi Stress Testing Iklim: Praktik Saat Ini, Tantangan, dan Jalan ke Depan, membandingkan praktik saat ini; mengidentifikasi kesenjangan dalam pemodelan, tata kelola, dan infrastruktur; serta menawarkan saran praktis untuk mengintegrasikan stress testing iklim ke dalam kerangka risiko inti. Laporan tersebut, dari United Nations Environment Programme Finance Initiative (UNEP FI) dan SAS, didasarkan pada masukan dari 21 bank global.

Seiring institusi keuangan semakin mengandalkan sistem berbasis AI dan pemodelan otomatis, apakah Anda khawatir tentang bentuk baru risiko model yang muncul di dalam infrastruktur bank itu sendiri?

Seperti yang disebutkan sebelumnya, manajemen risiko model telah menjadi proses inti di bank selama lebih dari 10 tahun. Dan adopsi AI serta model analitis yang semakin cepat memperkenalkan risiko tambahan, karena mereka mungkin tidak akurat.

Baru-baru ini saya menjadi moderator sebuah diskusi panel virtual yang menampilkan kepala manajemen risiko model (MRM). Salah satu kesimpulan utama, yang dikonfirmasi oleh para ahli dan audiens global, adalah bahwa risiko AI jauh lebih tinggi dibandingkan risiko model klasik.

Bank dan perusahaan layanan keuangan perlu mengadopsi tata kelola AI yang komprehensif untuk melindungi dan mengelola data sensitif, mematuhi regulasi, serta memastikan transparansi dan manajemen risiko yang efektif.

Faktor risiko geopolitik mana yang Anda percaya saat ini paling diremehkan oleh sektor keuangan: konflik siber, fragmentasi perdagangan, tekanan utang sovereign, gangguan energi, ketidakstabilan rantai pasokan, atau hal lain?

Semua ini adalah penggerak risiko yang dapat muncul dari peristiwa geopolitik. Dan saya akan mengatakan yang paling menyulitkan bank adalah gangguan rantai pasokan.

Hal ini terkait dengan diskusi sebelumnya tentang faktor makro dan mikro ekonomi.

Jika ada guncangan harga minyak, misalnya, bank dapat menganalisis angka makro dan melihat volatilitas pasar serta tekanan pada kredit dan likuiditas yang dihasilkan.

Namun lebih sulit bagi bank untuk menilai dampaknya pada portofolio mereka karena sebagian besar bank tidak memiliki informasi mikro tingkat nasabah yang granular tentang bagaimana guncangan tersebut memengaruhi setiap nasabah dan operasinya.

Bagi bank, hal ini menyederhanakan menjadi penggunaan stress testing untuk lebih menentukan bagaimana peristiwa geopolitik dan perubahan iklim memengaruhi portofolio pinjaman mereka serta kemampuan setiap nasabah untuk membayar kembali.

Tentu saja, lebih sering daripada tidak, penggerak risiko ini tidak terjadi secara terpisah, melainkan dalam kombinasi. Jadi bukan berarti bank meremehkan salah satunya. Melalui alat stress testing yang kuat, bank dapat lebih menilai dampak berbagai penggerak dan faktor pada operasi mereka serta eksposur risiko secara keseluruhan.

Melihat ke depan selama lima tahun ke depan, bagaimana Anda melihat stress testing yang ditingkatkan AI mengubah cara bank mengalokasikan modal, mengevaluasi risiko, dan mempersiapkan diri untuk krisis di masa mendatang?

Selama lima tahun ke depan, AI akan membantu bank membentuk pandangan yang jauh lebih baik tentang skenario masa depan. Dan stress testing berbasis AI akan menjadi kemampuan yang berkelanjutan, bukan sekadar latihan periodik.

Bank akan menjalankan lebih banyak skenario, lebih sering, dan menggunakannya untuk menginformasikan keputusan bisnis.

Karena perusahaan layanan keuangan yang dapat bertindak cepat pada wawasan berbasis AI akan memiliki keunggulan kompetitif yang jelas, terutama dalam krisis geopolitik yang bergerak cepat.

Bank serta tim teknologi dan mitra mereka harus tetap berkomitmen untuk menciptakan proses yang membangun kepercayaan lebih pada perhitungan berbasis AI.

Jadi ketika bank menggunakan alat AI generatif dengan sistem Asset & Liability Management (ALM)-nya, misalnya, ia dapat mempercayai hasilnya dan tidak terlalu khawatir tentang halusinasi.

Atau ketika ia menjalankan stress test risiko geopolitik atau iklim, bank dapat memiliki kepercayaan yang lebih besar pada hasil analisis dan keputusan bisnis yang diambil sebagai hasilnya.

Terima kasih atas wawancara yang luar biasa. Pembaca yang ingin mempelajari lebih lanjut tentang karya dan kepemimpinan pemikiran Peter Plochan dapat mengunjungi PeterPlochan.com atau menjelajahi solusi manajemen risiko, analitik, dan AI yang ditawarkan oleh SAS.