Pelatihan ini dirancang untuk memberikan wawasan mendalam bagi profesional TI, analis data, dan manajer risiko di sektor perbankan tentang penerapan Artificial Intelligence (AI) dan Machine Learning (ML) dalam layanan finansial modern. AI/ML telah menjadi alat strategis untuk meningkatkan efisiensi operasional, mendukung pengambilan keputusan berbasis data, mempersonalisasi layanan nasabah, dan memperkuat sistem deteksi fraud.
Peserta akan mempelajari implementasi AI/ML mulai dari kredit scoring, prediksi risiko, analisis perilaku nasabah, hingga otomatisasi proses internal. Pelatihan ini juga membahas integrasi AI/ML dengan infrastruktur TI perbankan, optimisasi kinerja model, serta kepatuhan terhadap regulasi dan standar keamanan data, termasuk mitigasi risiko operasional dan privasi nasabah.
Selain aspek teknis, pelatihan menekankan tata kelola model (model governance), mitigasi bias, keamanan siber, transparansi, dan audit algoritma untuk memastikan keputusan tetap adil, akurat, dan dapat dijelaskan. Studi kasus industri perbankan dan latihan praktis memungkinkan peserta mengidentifikasi peluang inovatif, meminimalkan risiko, dan menyusun strategi implementasi AI/ML yang bertanggung jawab dan aman.
Tujuan
- Memahami konsep dasar dan prinsip kerja AI dan Machine Learning dalam konteks perbankan.
- Mengidentifikasi peluang penggunaan AI/ML untuk meningkatkan efisiensi, layanan nasabah, dan mitigasi risiko.
- Menilai risiko keamanan, bias, dan tata kelola model dalam implementasi AI/ML.
- Mengembangkan strategi implementasi AI/ML yang aman, transparan, dan sesuai regulasi.
- Meningkatkan kemampuan melakukan evaluasi dan audit terhadap model AI/ML secara berkelanjutan.
Materi Pokok
Hari 1 – Pengenalan AI/ML dan Penerapannya di Perbankan
- Dasar-dasar AI dan Machine Learning
- Konsep AI, ML, dan Deep Learning
- Algoritma umum yang digunakan di perbankan (regression, classification, clustering)
- Infrastruktur dan tools untuk pengembangan model AI/ML
- Peluang AI/ML di Layanan Perbankan
- Kredit scoring dan manajemen risiko
- Fraud detection dan anti-money laundering (AML)
- Customer personalization dan predictive analytics
- Otomatisasi proses internal dan operational efficiency
- Integrasi AI/ML dengan Sistem Perbankan
- Integrasi model ke core banking system dan digital channels
- Data governance dan kualitas data untuk AI/ML
- Monitoring performa model dan evaluasi akurasi
Hari 2 – Risiko, Tata Kelola, dan Praktik Aman AI/ML
- Risiko dan Tantangan AI/ML
- Bias model dan dampaknya pada keputusan finansial
- Ancaman keamanan siber terhadap model AI
- Kegagalan model, overfitting, dan interpretabilitas
- Tata Kelola Model dan Kepatuhan Regulasi
- Audit algoritma dan dokumentasi model
- Framework tata kelola AI/ML di bank (model validation, monitoring, accountability)
- Kepatuhan terhadap regulasi lokal dan internasional (OJK, GDPR, ISO/IEC 38507)
- Studi Kasus dan Mitigasi Risiko AI/ML
- Analisis kasus kegagalan AI/ML di sektor perbankan
- Strategi mitigasi bias dan peningkatan keamanan model
- Praktik terbaik implementasi AI/ML yang aman, transparan, dan akuntabel
