Bagaimana AI merombak model ketenagakerjaan lama perbankan

Pekerjaan perbankan di Kenya dan, secara lebih luas, di sebagian besar pasar Afrika telah membawa prestise sosial tertentu berkat gaji yang stabil, program pensiun, dan kepercayaan pada sektor yang tampaknya terlalu penting untuk menyusut. 

Namun proliferasi kecerdasan buatan (AI) mengancam untuk mengubah janji ini. Melihat bank seperti Standard Chartered Kenya (StanChart), angka-angka sudah bercerita banyak sebelum para eksekutifnya berbicara.

Pada 2013, StanChart memiliki lebih dari 2.200 karyawan. Saat itu, bank mengoperasikan jaringan cabang yang besar, tim operasional yang cukup besar, beberapa peran manajemen menengah, dan ribuan karyawan yang menangani sebagian besar proses secara manual—mulai dari orientasi nasabah dan pemrosesan dokumen hingga tinjauan kepatuhan dan rekonsiliasi.

Pada akhir 2025, jumlah tenaga kerjanya turun di bawah 1.000 karyawan untuk pertama kalinya dalam sejarah.

Pergeseran di StanChart ini menandakan penyesuaian harga tenaga kerja di sektor perbankan Afrika. Pekerjaan yang dulunya membutuhkan ribuan posisi level pemula dan menengah kini dilakukan oleh sistem yang lebih murah dan melibatkan jauh lebih sedikit orang.

Pada Mei lalu, perusahaan induk pemberi pinjaman ini menandakan bahwa pemangkasan selama satu dekade bukan bersifat sementara, melainkan bagian dari fokus strategis barunya. Dalam acara investor di Hong Kong pada 19 Mei, bank Inggris ini menyatakan berencana memangkas lebih dari 15% staf fungsi pendukungnya pada 2030. 

Mereka adalah orang-orang yang bekerja di bidang seperti sumber daya manusia, kepatuhan, pengadaan, operasi, dan administrasi. Bank secara terbuka menyatakan bahwa AI akan membantu menggantikan banyak tugas tersebut karena percepatannya akan "menghasilkan eksekusi yang lebih cepat dan hasil keuangan yang jelas."

Bank ini bergerak menuju apa yang disebutnya model operasi "sederhana, terhubung, dan cepat", di mana setiap tugas ditetapkan untuk otomatisasi, alur kerja berbantuan AI, atau manusia. 

Pada 2027, bank ini memperkirakan 90% kontrol teknologi utama akan dipantau secara terus-menerus oleh AI, sementara 80% kontrol akan sepenuhnya dikodifikasikan ke dalam aturan yang dapat dieksekusi. Proses operasional juga sedang diotomatisasi, dengan pemrosesan dokumen AI yang ditargetkan mencapai akurasi 95% (naik dari 85%) dan asisten virtual yang diharapkan dapat menyelesaikan hingga 60% kueri internal tanpa intervensi manusia.

Bank telah menerapkan lebih dari 300 kasus penggunaan AI, termasuk 43 aplikasi AI generatif berdampak tinggi, dan melatih sekitar 85.000 staf menggunakan Microsoft Copilot. Bank melaporkan keuntungan efisiensi awal, termasuk pengurangan 40% positif palsu dalam pengawasan aset digital, pemotongan 88% tenaga kerja pemantauan melalui sistem terpusat (menghemat sekitar $10 juta per tahun), dan pengurangan 30% upaya manual yang terkait dengan implementasi perubahan regulasi. 

AI datang mengincar para pekerja

Gelombang pertama perbankan digital menutup beberapa cabang, tetapi AI kini mengincar sedikit cabang yang tersisa bahkan kantor pusat. 

Pada intinya, era pertama berfokus pada pelanggan. Bank menghabiskan 15 tahun terakhir untuk membujuk nasabah agar berhenti mengunjungi cabang dan beralih ke perbankan online atau mobile, ATM, dan perbankan agen. Hal ini menghilangkan kebutuhan interaksi fisik, memindahkan sebagian besar transaksi ke luar gedung bank.

Fase pertama transisi ini hanya berdampak pada pekerja garis depan, seperti teller. Seiring menyusutnya jaringan cabang, penanganan uang tunai pun berkurang.

Namun tahap otomatisasi berikutnya, seperti yang disinyalkan oleh StanChart, lebih berdampak besar karena menargetkan tulang punggung institusional di dalam bank itu sendiri.

Fungsi perbankan seperti sumber daya manusia, kepatuhan, pusat panggilan, dan orientasi nasabah mempekerjakan ribuan orang di pasar Afrika justru karena perbankan tetap menjadi salah satu industri paling kompleks secara administratif di benua ini. Sektor ini harus menavigasi sistem identitas yang terfragmentasi, regulasi lintas batas, persyaratan dokumentasi yang padat kertas, kewajiban anti pencucian uang, dan infrastruktur pembayaran yang beragam di berbagai pasar.

Secara historis, tenaga kerja yang besar mengatasi sebagian besar inefisiensi ini, tetapi AI kini mengancam untuk melakukannya dengan biaya lebih murah. Itulah signifikansi pengumuman StanChart. Bank ini berpendapat bahwa banyak fungsi pendukung tidak perlu lagi bersifat padat karya.

Misalnya, model bahasa besar (LLM) dapat meninjau dokumen secara terus-menerus tanpa biaya lembur dan menandai transaksi mencurigakan lebih cepat dari analis manusia. Sistem kepatuhan otomatis dapat memproses sejumlah besar informasi regulasi secara instan, sementara chatbot layanan pelanggan dapat menangani ribuan kueri secara bersamaan.

Apa yang dulunya membutuhkan lantai penuh karyawan junior kini hanya membutuhkan infrastruktur perangkat lunak yang diawasi oleh sejumlah kecil spesialis.

Pekerjaan kelas menengah

Bahaya adopsi AI yang lebih cepat di perbankan bagi perekonomian Afrika bukan sekadar pengangguran. Ini adalah erosi pekerjaan profesional tingkat menengah.

Perbankan secara historis telah menjadi salah satu mesin terpenting kelas menengah perkotaan Afrika. Sektor ini menciptakan jalur rekrutmen lulusan yang terstruktur, program pelatihan manajemen, karier dengan dukungan pensiun, dan pekerjaan kerah putih yang relatif stabil.

Tokoh-tokoh politik dan bisnis Afrika terkemuka pernah melewati bank di awal karier mereka. Yang diancam AI untuk dihapus adalah justru jenis pekerjaan yang menciptakan jalur-jalur tersebut.

Pekerjaan-pekerjaan ini cukup repetitif untuk diotomatisasi tetapi cukup terampil sehingga secara historis mendukung kehidupan perkotaan berpenghasilan menengah. Hal itu menciptakan risiko sosial yang lebih besar.

Jika bank terus menghasilkan keuntungan besar sambil mempekerjakan jauh lebih sedikit orang, sektor ini mungkin berhenti berfungsi sebagai pemberi kerja utama. Perbankan bisa menyerupai sektor teknologi itu sendiri, menjadi sangat produktif dan sangat menguntungkan sambil mempekerjakan sejumlah kecil pekerja spesialis.

Dan transformasi mungkin sudah sedang berlangsung. Di seluruh sektor perbankan Kenya, perekrutan terkonsentrasi di bidang keamanan siber, rekayasa data, AI, dan manajemen hubungan khusus daripada operasi tradisional. Beberapa bank seperti KCB Group dan Equity Group terus memperluas jumlah staf secara keseluruhan, tetapi komposisi perekrutan sedang berubah.