Broadridge Menerapkan AI Agenik ke Lebih dari 40 Klien Layanan Keuangan

Broadridge Financial Solutions telah menerapkan kapabilitas artificial intelligence agentic di seluruh operasi pasar modal dan manajemen kekayaan, memperkenalkan sistem workflow otonom yang dirancang untuk menganalisis, memprioritaskan, dan menyelesaikan pengecualian operasional dengan intervensi manusia yang terbatas. Teknologi ini beroperasi dalam produksi di lebih dari 40 klien layanan terkelola, memproses jutaan transaksi operasional setiap bulan untuk pemrosesan pasca-perdagangan, manajemen akun, dan workflow layanan klien. Menurut Broadridge, klien baru yang mengadopsi sistem ini dapat mencapai pengurangan biaya operasional hingga 30% segera setelah implementasi.

Pergeseran Dari Asisten AI ke Operasi Otonom

Banyak adopsi AI awal di industri keuangan berfokus pada peningkatan produktivitas, copilots, dukungan analitik, atau antarmuka percakapan. Penerapan Broadridge justru berpusat pada “agentic AI”, sebuah model di mana sistem perangkat lunak mengeksekusi tugas operasional secara otonom, mengevaluasi pengecualian, memulai tindakan, dan mengoordinasikan workflow tanpa memerlukan instruksi manusia yang terus-menerus.

Penerapan saat ini menangani fungsi operasional termasuk manajemen trade fail, penyelesaian break, pemrosesan pengecualian valuasi, workflow pemeliharaan akun, otomasi pertanyaan pelanggan, dan penanganan workflow email. Sistem beroperasi di dalam apa yang dideskripsikan Broadridge sebagai “arsitektur yang diawasi manusia”, menjaga auditabilitas, pengawasan, dan kontrol regulasi.

Tom Carey, Presiden divisi Global Technology and Operations di Broadridge, berkomentar: “Kami percaya bahwa perusahaan yang memimpin era berikutnya layanan keuangan adalah perusahaan yang menanamkan AI langsung ke cara pekerjaan dijalankan.”

Fondasi Infrastruktur Data dan Ontologi

Salah satu aspek paling signifikan dari pengumuman Broadridge melibatkan penekanannya pada normalisasi data dan infrastruktur ontologi. Perusahaan berargumen bahwa data operasional yang terfragmentasi tetap menjadi hambatan utama yang mencegah penerapan AI skala besar di seluruh institusi keuangan.

Kebanyakan bank dan manajer aset masih beroperasi di sistem yang tidak terhubung, basis data yang terpisah (silo), workflow lama, dan taksonomi operasional yang tidak konsisten yang terkumpul selama puluhan tahun. Broadridge mengklaim pihaknya telah menyelesaikan tantangan tersebut melalui apa yang disebutnya sebagai ontologi layanan keuangan pertama di industri yang telah diselesaikan dan berjalan pada skala institusional.

Ontologi berfungsi sebagai lapisan data ter-normalisasi yang dapat dibaca mesin, mengintegrasikan informasi operasional dan transaksional lintas beberapa kelas aset, workflow, dan sistem institusional. Menurut Broadridge, infrastruktur ini bersumber dari lebih dari 60 tahun data operasional dan mendukung aktivitas perdagangan harian yang melebihi $15 triliun baik untuk sekuritas yang ditokenisasi maupun yang tradisional.

Broadridge memposisikan arsitektur data ter-normalisasi tersebut sebagai pembeda utama yang memisahkan sistem agentic AI siap produksi dari eksperimen yang terfragmentasi. Perusahaan berargumen bahwa kualitas AI dalam operasi keuangan bergantung bukan hanya pada kecanggihan model, melainkan pada konteks operasional yang terstruktur dan data institusional yang distandardisasi.

Konvergensi Layanan Terkelola dan Infrastruktur AI

Broadridge mengatakan kapabilitas agentic-nya berkembang melalui deployment produksi di bisnis layanan terkelolanya sejak 2024. Perusahaan kini menawarkan dua model deployment kepada klien. Pada model pertama, Broadridge sepenuhnya mengelola operasi end-to-end melalui infrastruktur outsourcing-nya sambil menanamkan otomasi agentic di dalam workflow tersebut. Model kedua memungkinkan institusi mengintegrasikan platform AI Broadridge langsung ke infrastruktur mereka sendiri melalui API standar terbuka.

Kedua pendekatan bergantung pada ontologi dan kerangka operasional yang sama. Struktur ganda ini memperlihatkan bagaimana AI semakin mengubah ekonomi outsourcing keuangan. Penyedia layanan terkelola tidak lagi bersaing semata pada skala tenaga kerja atau keahlian operasional; mereka semakin bersaing pada otomasi workflow milik sendiri, kecerdasan operasional, dan infrastruktur yang didukung AI.

Implikasi Kompetitif dan Regulasi

Jika sistem agentic berhasil mengotomatisasi bagian besar dari pemrosesan pasca-perdagangan, operasi klien, rekonsiliasi, penanganan pengecualian, dan koordinasi workflow, struktur tim operasi keuangan dapat berubah secara material dari waktu ke waktu. Institusi keuangan semakin mencari cara untuk mengurangi beban kerja operasional manual sambil mempertahankan kepatuhan dan kontrol regulasi.

Pada saat yang sama, regulator kemungkinan akan meneliti bagaimana sistem operasional otonom membuat keputusan, mengeskalasi pengecualian, mengelola kesalahan, dan mempertahankan jejak audit. Broadridge menekankan pengawasan dan tata kelola manusia berulang kali sepanjang pengumuman, yang menyiratkan perusahaan memahami kekhawatiran tersebut.

Perusahaan juga menyatakan sedang mengeksplorasi akses yang lebih luas dari industri ke bagian-bagian infrastruktur ontologinya melalui standar terbuka. Jika diterapkan, hal itu dapat memengaruhi cara institusi keuangan menstandardisasi data operasional dan menerapkan sistem AI interoperabel di seluruh industri.