Modul 2 membahas peran kecerdasan artifisial dalam manajemen risiko dan kredit di industri keuangan, perbankan, dan asuransi. Modul ini mengulas transisi dari credit scoring tradisional menuju model berbasis machine learning yang memanfaatkan data untuk meningkatkan akurasi, kecepatan, dan kualitas penilaian kredit. Selain itu, modul ini menjelaskan berbagai algoritma prediktif seperti regresi logistik, gradient boosting, dan neural network serta cara mengevaluasi kinerja model menggunakan metrik seperti precision, recall, dan AUC-ROC. Pembahasan kemudian meluas ke manajemen risiko pasar dengan pendekatan AI seperti model deep learning dan stress testing berbasis machine learning, serta kaitannya terhadap kerangka regulasi Basel III dan IV. Di bagian akhir, modul ini membahas penggunaan AI untuk deteksi anomali operasional dan pengembangan sistem peringatan dini (early warning system) untuk memitigasi risiko operasional secara proaktif, sekaligus menyoroti tantangan etika, bias algoritmik, dan tata kelola AI dalam industri keuangan modern.

Modul 3 membahas secara komprehensif tentang deteksi penipuan (fraud) dan keamanan keuangan di era digital, dengan menekankan peran penting kecerdasan artifisial (AI) sebagai garda terdepan dalam melindungi sistem keuangan modern. Materi diawali dengan pemetaan lanskap ancaman fraud global, termasuk penipuan kartu kredit, pencurian identitas, pengambilalihan akun, dan pencucian uang, serta tren kejahatan siber seperti social engineering dan fraud dalam ekosistem pembayaran digital. Selanjutnya, modul menjelaskan bagaimana machine learning digunakan untuk mendeteksi fraud secara real-time melalui pendekatan supervised dan unsupervised learning, serta teknik lanjutan seperti anomaly detection, graph analytics, dan behavioral biometrics. Modul ini juga mengulas penerapan AI dalam Anti-Money Laundering (AML), melalui NLP dan analisis jaringan, serta peran AI dalam keamanan siber perbankan, termasuk deteksi ancaman berbasis perilaku, otomasi respons insiden, dan analisis ancaman prediktif. Di akhir, dibahas pula tantangan implementasi seperti class imbalance, false positive, latensi sistem, privasi data, dan kebutuhan explainable AI.

Modul 4 membahas bagaimana kecerdasan artifisial (AI) dimanfaatkan oleh industri keuangan untuk memahami perilaku nasabah secara mendalam melalui konsep customer intelligence dan personalisasi layanan. Materi dimulai dari segmentasi nasabah berbasis AI yang beralih dari pendekatan demografis tradisional ke segmentasi perilaku menggunakan teknik machine learning seperti clustering dan prediksi Customer Lifetime Value (CLV). Selanjutnya, modul mengulas bagaimana hasil segmentasi digunakan untuk menciptakan personalisasi produk dan layanan keuangan melalui recommendation engine, hyper-personalization, robo-advisor, serta penawaran kredit dan asuransi yang disesuaikan secara individual. Modul ini juga membahas teknologi pendukung seperti Natural Language Processing (NLP), conversational AI, chatbot, dan virtual assistant dalam meningkatkan interaksi layanan nasabah secara real-time. Di bagian akhir, dibahas tantangan implementasi seperti kualitas data, bias algoritmik, regulasi privasi, serta metrik evaluasi seperti Customer Satisfaction Score (CSAT) untuk mengukur efektivitas sistem AI dalam layanan keuangan.

Modul 5 membahas bagaimana teknologi kecerdasan artifisial (AI) dan otomatisasi digunakan untuk meningkatkan efisiensi operasional di lembaga keuangan, baik pada proses front-office maupun back-office. Modul ini menjelaskan perbedaan dan sinergi antara Robotic Process Automation (RPA), Intelligent Automation, dan AI dalam mengotomatisasi tugas berulang, menganalisis data tidak terstruktur, serta mendukung pengambilan keputusan operasional. Selain itu, modul ini menguraikan penerapan nyata otomatisasi dalam rekonsiliasi transaksi, pelaporan regulasi, pemrosesan klaim, eKYC dan onboarding digital, Intelligent Document Processing (IDP), hingga pengelolaan treasury dan likuiditas. Dengan memahami teknologi ini, organisasi dapat menekan biaya operasional, meningkatkan akurasi, mempercepat layanan, serta mengalihkan peran manusia ke aktivitas yang lebih strategis dan bernilai tambah.

Modul 6 membahas secara komprehensif peran kecerdasan artifisial (AI) dalam ekosistem fintech sebagai motor inovasi dan disrupsi di industri keuangan modern. Materi diawali dengan pemetaan ekosistem fintech yang mencakup payments, lending, insurtech, wealthtech, dan regtech, serta menjelaskan bagaimana AI menjadi keunggulan kompetitif bagi startup fintech dibandingkan bank tradisional melalui kecepatan, skalabilitas, dan hiper-personalisasi layanan. Selanjutnya, modul mendalami penerapan AI dalam digital lending dan BNPL melalui automated underwriting, credit scoring berbasis data alternatif, serta risiko etika seperti over-indebtedness dan bias algoritmik. Pembelajaran kemudian berlanjut pada wealthtech dan robo-advisor yang mendemokratisasi akses investasi melalui portfolio berbasis algoritma, serta inovasi insurtech seperti parametric insurance, dynamic pricing, telematics, dan deteksi klaim palsu menggunakan computer vision. Secara keseluruhan, modul menekankan bahwa AI bukan hanya meningkatkan efisiensi operasional, tetapi juga mentransformasi model bisnis keuangan secara menyeluruh sekaligus menghadirkan tantangan baru dalam etika, regulasi, dan tata kelola.

Modul 7 membahas secara komprehensif kerangka regulasi, prinsip etika, dan tata kelola penggunaan kecerdasan artifisial (AI) di sektor keuangan, dengan menekankan pentingnya keseimbangan antara inovasi dan tanggung jawab. Materi diawali dengan pemahaman lanskap regulasi global dan nasional seperti EU AI Act, kebijakan Amerika Serikat, kerangka FEAT dari MAS Singapura, serta peran OJK di Indonesia dalam mengawasi penerapan AI secara aman dan adil. Selanjutnya, modul ini mengupas isu kritis bias algoritmik dan fairness dalam pengambilan keputusan keuangan, termasuk sumber bias, dampaknya terhadap inklusi keuangan, serta teknik deteksi dan mitigasinya. Pada bagian akhir, modul menyoroti pentingnya transparansi dan explainability (XAI) dalam model AI melalui metode seperti LIME, SHAP, dan counterfactual explanations, sekaligus mengaitkannya dengan tuntutan regulasi global terkait hak atas penjelasan. Secara keseluruhan, modul ini menekankan bahwa AI yang bertanggung jawab, transparan, dan adil merupakan fondasi utama bagi keberlanjutan inovasi di industri keuangan.

Modul 8 membahas bagaimana organisasi keuangan dapat merancang dan mengimplementasikan strategi adopsi kecerdasan artifisial (AI) secara efektif, dimulai dari penyusunan roadmap berbasis tingkat kematangan AI, pemilihan prioritas use case antara quick wins dan proyek transformasional, hingga keputusan implementasi melalui build, buy, atau partnership. Modul ini juga menekankan pentingnya manajemen perubahan organisasi dan pengembangan talenta melalui reskilling dan upskilling agar selaras dengan peran baru di era AI. Di bagian akhir, modul mengulas tren masa depan seperti pemanfaatan AI generatif dan Large Language Models (LLMs), perkembangan Decentralized Finance (DeFi), serta potensi teknologi quantum computing yang akan memengaruhi keamanan dan inovasi di sektor keuangan.

-