Databricks untuk Agentic AI di Financial Services Industry (FSI): Membangun Layanan Keuangan yang Lebih Cerdas, Aman, dan Efisien
Industri jasa keuangan (Financial Services Industry/FSI) sedang menghadapi tantangan yang semakin kompleks. Institusi keuangan harus mampu mengelola volume data yang terus meningkat, memenuhi regulasi yang ketat, mendeteksi fraud secara real-time, serta memberikan pengalaman pelanggan yang semakin personal.
Dalam beberapa tahun terakhir, Artificial Intelligence (AI) telah menjadi salah satu teknologi utama yang digunakan untuk menjawab tantangan tersebut. Namun, perkembangan terbaru menunjukkan pergeseran dari Generative AI menuju Agentic AI, yaitu sistem AI yang mampu memahami tujuan bisnis, merencanakan langkah kerja, mengambil keputusan, dan menjalankan tugas secara semi-otonom dengan pengawasan manusia. Dalam konteks FSI, Agentic AI berpotensi mengubah cara bank, fintech, dan perusahaan asuransi menjalankan operasional sehari-hari.
Databricks menghadirkan berbagai kapabilitas yang memungkinkan organisasi FSI membangun Agentic AI secara aman dan sesuai regulasi. Melalui kombinasi Mosaic AI, Unity Catalog, Vector Search, Agent Framework, dan Genie Code, Databricks menyediakan fondasi data dan AI yang mendukung implementasi AI agent dalam skala enterprise.
Mengapa Agentic AI Penting bagi Industri Keuangan?
Lembaga keuanganatau lebih dikenal di era ini sebagai FSI memiliki karakteristik yang berbeda dibandingkan industri lainnya. Setiap keputusan yang diambil harus dapat dijelaskan (explainable), diaudit, dan memenuhi berbagai persyaratan kepatuhan regulator.
Agentic AI memungkinkan institusi keuangan untuk:
- Mengotomatisasi investigasi fraud dan AML (Anti-Money Laundering)
- Membantu analisis risiko kredit
- Menghasilkan laporan kepatuhan secara otomatis
- Memberikan rekomendasi investasi yang lebih personal
- Membantu customer service dan relationship manager
- Melakukan monitoring operasional secara real-time
Karena AI agent dapat mengakses data, memahami konteks bisnis, dan menjalankan workflow yang kompleks, produktivitas tim operasional dan analis dapat meningkat secara signifikan.
Fitur Databricks yang Mendukung Agentic AI untuk FSI
- Unity Catalog: Fondasi Governance dan Kepatuhan
Salah satu tantangan terbesar dalam implementasi AI di sektor keuangan adalah governance dan compliance. AI yang tidak memiliki kontrol akses yang baik dapat menimbulkan risiko keamanan maupun pelanggaran regulasi yang salah satu diantaranya merupakan PDP (Perlindungan Data Pribadi).
Unity Catalog dari Databricks menyediakan:
- Data governance terpusat
- Audit trail
- Data lineage
- Access control berbasis peran
- Metadata dan business semantics
Bagi AI agent, informasi tersebut sangat penting karena memungkinkan agent memahami data yang boleh digunakan, asal-usul data, serta konteks bisnis yang relevan. Hal ini membantu mengurangi risiko penggunaan data yang tidak sesuai dengan kebijakan perusahaan maupun regulator.
Contoh pada Perbankan
Ketika auditor meminta penjelasan mengenai proses persetujuan kredit, AI agent dapat menelusuri lineage data dan memberikan penjelasan yang dapat diaudit berdasarkan informasi yang tersimpan dalam Unity Catalog.
- Mosaic AI Agent Framework
Databricks Mosaic AI menyediakan framework untuk membangun dan mengoperasikan AI Agent yang terhubung langsung dengan data enterprise.
Framework ini mendukung:
- AI Agent berbasis Large Language Model (LLM)
- Retrieval-Augmented Generation (RAG)
- Multi-agent workflow
- Monitoring dan evaluasi agent
- Deployment ke lingkungan produksi
Bagi FSI, kemampuan ini memungkinkan pengembangan berbagai jenis agent seperti Fraud Investigation Agent, Credit Risk Agent, Compliance Agent, hingga Customer Service Agent yang semuanya bekerja menggunakan data perusahaan yang telah diatur dengan baik.
- Vector Search untuk Financial Knowledge Retrieval
Keputusan dalam industri keuangan seringkali memerlukan referensi terhadap dokumen internal seperti:
- Kebijakan kredit
- Regulasi OJK dan Bank Indonesia
- SOP operasional
- Dokumen kepatuhan
- Laporan audit
Databricks Vector Search memungkinkan AI Agent mencari dan mengambil informasi yang relevan dari dokumen-dokumen tersebut secara real-time sebelum memberikan jawaban atau rekomendasi. Pendekatan Retrieval-Augmented Generation (RAG) ini membantu mengurangi halusinasi model dan meningkatkan akurasi informasi yang diberikan kepada pengguna.
- Genie Code untuk Agentic Data Work
Fitur terbaru Databricks yang sangat relevan untuk FSI adalah Genie Code.
Genie Code merupakan AI agent yang dirancang untuk pekerjaan data engineering, analytics, dan machine learning. Berbeda dengan coding assistant tradisional, Genie Code mampu menjalankan workflow kompleks secara end-to-end, mulai dari perencanaan hingga implementasi.
Kemampuan utama Genie Code meliputi:
- Membangun data pipeline secara otomatis
- Membuat dan mengoptimalkan model machine learning
- Melakukan debugging dan troubleshooting
- Memantau pipeline produksi
- Mengidentifikasi anomali operasional
- Mengoptimalkan penggunaan resource
Karena terintegrasi dengan Unity Catalog, Genie Code juga memahami konteks bisnis, lineage data, serta kebijakan governance yang berlaku dalam organisasi.
Contoh pada Fintech
Sebuah fintech dapat menggunakan Genie Code untuk:
- Mengambil data transaksi terbaru.
- Menjalankan pipeline fraud detection.
- Mengidentifikasi pola transaksi yang tidak normal.
- Membuat laporan investigasi otomatis.
- Mengirimkan notifikasi kepada tim risk management.
Seluruh proses tersebut dapat dijalankan dengan intervensi manusia yang minimal namun tetap berada dalam kerangka governance yang telah ditentukan.
- AI Agent untuk Fraud Detection dan AML
Fraud detection merupakan salah satu use case yang paling menjanjikan bagi Agentic AI dalam sektor keuangan.
AI agent dapat:
- Menganalisis jutaan transaksi secara real-time
- Mengidentifikasi pola anomali
- Menghubungkan data dari berbagai sumber
- Menyusun ringkasan investigasi
- Memberikan rekomendasi tindakan
Pendekatan serupa mulai diterapkan dalam industri perbankan untuk mempercepat investigasi Anti-Money Laundering (AML), yang sebelumnya membutuhkan waktu berjam-jam atau berhari-hari. Dengan agentic AI, investigasi dapat dipersingkat menjadi hitungan menit sekaligus meningkatkan kualitas analisis risiko.
- Explainability dan Auditability
Salah satu alasan mengapa Databricks menarik bagi sektor keuangan adalah fokusnya pada governance dan explainability.
Institusi keuangan membutuhkan AI yang mampu menjelaskan:
- Mengapa suatu keputusan dibuat
- Data apa yang digunakan
- Siapa yang mengakses data
- Kapan keputusan diambil
- Bagaimana proses reasoning dilakukan
Kombinasi Unity Catalog, monitoring, evaluasi agent, dan kontrol akses membantu memastikan bahwa AI agent tetap dapat diaudit dan dipertanggungjawabkan sesuai kebutuhan regulator.
Implementasi Agentic AI di Financial Services Industry
Beberapa contoh implementasi Agentic AI berbasis Databricks di sektor keuangan meliputi:
Banking
- Credit underwriting agent
- AML investigation agent
- Customer relationship agent
- Loan recommendation agent
Fintech
- Fraud detection agent
- Customer onboarding agent
- KYC verification agent
- Real-time transaction monitoring agent
Insurance
- Claims assessment agent
- Fraud investigation agent
- Policy recommendation agent
- Customer support agent
Capital Markets
- Risk monitoring agent
- Portfolio analytics agent
- Regulatory reporting agent
- Market surveillance agent
Agentic AI menjadi evolusi berikutnya dalam transformasi digital sektor keuangan. Dibandingkan AI tradisional yang hanya memberikan rekomendasi, Agentic AI mampu memahami konteks bisnis, merencanakan tindakan, menjalankan workflow, serta berinteraksi dengan data dan sistem perusahaan secara lebih mandiri.
Melalui Mosaic AI, Unity Catalog, Vector Search, dan Genie Code, Databricks menyediakan platform yang memungkinkan institusi keuangan membangun AI agent yang aman, terukur, dan sesuai regulasi. Bagi industri perbankan, fintech, asuransi, maupun pasar modal, kombinasi teknologi ini membuka peluang untuk meningkatkan efisiensi operasional, mempercepat pengambilan keputusan, memperkuat deteksi fraud, serta menghadirkan layanan pelanggan yang lebih cerdas dan personal.
Referensi
- (2026). Financial Services Industry Experience. Databricks.
- (2026). Databricks Launches Genie Code: Bringing Agentic Engineering to Data Work.
- (2026). Databricks Mosaic AI: A Practical Guide to Building AI on Your Data.
- (2026). FIS Brings Agentic AI to Banking with Anthropic, Starting with Financial Crimes.
- Okpala, I., Golgoon, A., & Kannan, A. (2025). Agentic AI Systems Applied to Tasks in Financial Services: Modeling and Model Risk Management Crews.
- Aldridge, I., et al. (2026). Agentic Artificial Intelligence in Finance: A Comprehensive Survey.
