
Dalam artikel ini (3)
Santander Sedang Menerapkan AI untuk Semua 185.000 Karyawannya. Angka-Angka di Balik Peluncurannya Layak untuk Dipelajari.
Poin utama
- Santander membangun 280 agen otomasi langsung di domain yang diregulasi sebelum memperluas akses AI secara luas; pelajari urutan tersebut saat mengevaluasi kesiapan organisasi Anda sendiri.
- Literasi AI yang dikombinasikan dengan pengetahuan domain, bukan sekadar kredensial, adalah yang sebenarnya dibutuhkan karyawan non-teknis dalam penerapan skala enterprise seperti ini.
- Organisasi yang berfokus pada keterampilan daripada jabatan dapat mengembangkan jalur bakat AI mereka secara dramatis; memposisikan diri di sekitar penilaian alur kerja jauh lebih penting daripada mengejar sertifikasi.
Dengan 280 agen otomasi yang sudah berjalan dan €35 juta yang dihasilkan hanya di Q1, ekspansi AI tenaga kerja Santander adalah salah satu penerapan enterprise yang paling didukung data yang pernah tercatat.
Dengan 280 agen otomasi yang sudah aktif dan €35 juta yang dihasilkan hanya di kuartal pertama, ekspansi AI tenaga kerja Santander adalah salah satu penerapan enterprise yang paling didukung data yang pernah tercatat.
Ada sebuah momen ketika AI enterprise berhenti menjadi program percontohan dan mulai menjadi infrastruktur. Bagi Santander, momen itu tampaknya sudah tiba. Menurut Computer Weekly, bank asal Spanyol ini mengumumkan bahwa mereka akan memperluas akses ke alat AI dari sekitar 40.000 pengguna saat ini kepada seluruh 185.000 karyawannya di seluruh dunia, setelah kuartal pertama di mana penggunaan AI menghasilkan nilai bisnis sebesar €35 juta. Ini bukan sekadar slide peta jalan. Ini adalah peluncuran yang sudah menghasilkan angka yang dapat diaudit.
Dari Ambisi ke Eksekusi: Apa yang Sebenarnya Telah Dibangun Santander
Sebelum mengumumkan perluasan ini, Santander telah menggunakan lebih dari 280 agen otomasi proses di seluruh operasinya, menurut laporan strategi AI-first yang diterbitkan Santander sendiri. Ini bukan prototipe eksperimental yang duduk di kotak pasir. Bank tersebut menggambarkan mereka sebagai agen aktif yang menangani beban kerja di bidang deteksi penipuan, anti-pencucian uang, pemrosesan pembayaran, layanan pelanggan, dan pengembangan perangkat lunak.
Keluasan cakupan ini penting: infrastruktur AI yang kini dibuka Santander untuk 185.000 karyawan dibangun di atas alur kerja nyata yang diregulasi dan berisiko tinggi, bukan chatbot internal yang menjawab pertanyaan HR. Bagi siapa pun yang mempelajari penerapan AI enterprise, ini adalah titik referensi yang sangat berguna. Organisasi ini tidak langsung melompat ke skala besar. Mereka membangun kasus penggunaan di domain yang menuntut terlebih dahulu, mengukur hasilnya, lalu memperluas akses.
Angka €35 juta dari Q1 adalah persis jenis bukti yang secara bersamaan mengubah percakapan anggaran internal dan tolok ukur eksternal. Computer Weekly juga melaporkan bahwa Santander berharap AI akan menambah €200 juta dalam nilai bisnis sepanjang tahun penuh, melalui kombinasi penghematan biaya dan peningkatan pendapatan. Cakrawala yang lebih panjang lebih ambisius lagi: bank ini menargetkan lebih dari €1 miliar dalam nilai bisnis dari AI antara tahun 2026 dan 2028. Angka-angka ini memberikan struktur akuntabilitas pada peluncuran ini yang sangat jarang ditemukan dalam pengumuman AI enterprise pada umumnya.
Apa Artinya Ini bagi Keterampilan Tenaga Kerja di Perbankan
Ketika sebuah organisasi dengan 185.000 orang meluncurkan alat AI secara institusional, ini bukan terutama kisah tentang para ilmuwan data yang membangun modelnya. Ini adalah kisah tentang semua orang yang lain. Karyawan yang bersentuhan dengan alat-alat tersebut mencakup bidang kepatuhan, operasional, manajemen hubungan, analisis kredit, dan layanan cabang. Sebagian besar dari mereka tidak direkrut sebagai praktisi AI dan tidak perlu menjadi satu.
Yang mereka butuhkan adalah sesuatu yang lebih mendekati apa yang digambarkan oleh LinkedIn Economic Graph dalam Laporan Pasar Tenaga Kerja Januari 2026 sebagai literasi AI yang dikombinasikan dengan keterampilan berorientasi manusia seperti design thinking dan kemampuan beradaptasi. Penelitian LinkedIn menemukan bahwa karyawan di organisasi yang menggunakan LinkedIn Learning mengembangkan keterampilan AI 3,4 kali lebih cepat dari tahun ke tahun dibandingkan mereka yang tidak memiliki akses pembelajaran terstruktur. Statistik itu bukan sekadar kalimat promosi untuk satu platform; ini adalah sinyal tentang kesenjangan antara organisasi yang memperlakukan peningkatan keterampilan AI sebagai program yang disengaja dan mereka yang mengasumsikan karyawan akan menemukan jalan mereka sendiri menuju kompetensi.
Ekspansi Santander menunjukkan bahwa bank tersebut sedang membuat taruhan yang disengaja pada pilihan pertama. Pertanyaan bagi siapa pun yang bergerak di bidang perbankan, operasional, atau peran yang berdekatan dengan layanan keuangan adalah apakah organisasi mereka sendiri sedang membuat taruhan yang sama, dan apakah mereka siap untuk mendapat manfaat ketika hal itu terjadi.
Laporan LinkedIn juga mengidentifikasi apa yang disebutnya sebagai "AI integrator" dan manajer yang bertugas di lapangan sebagai jabatan yang sedang berkembang yang berfokus pada integrasi AI yang efektif untuk memaksimalkan keuntungan organisasi. Ini adalah kategori pekerjaan yang patut diperhatikan. Posisinya berada di antara para pembangun teknis dan pengguna akhir, dan ini adalah jenis peran yang menguntungkan orang-orang yang memahami baik desain alur kerja maupun batasan tentang apa yang sebenarnya bisa dilakukan agen secara andal.
Apa yang Harus Dipetik Pelajar dari Peluncuran Sebesar Ini
Penerapan Santander adalah studi kasus yang berguna tentang apa yang sebenarnya dibutuhkan kesiapan AI enterprise, berbeda dengan apa yang biasanya dijual oleh vendor sertifikasi. Angka 280 agen itu penting karena memberi tahu Anda bahwa organisasi tersebut berinvestasi dalam otomasi spesifik domain sebelum berinvestasi dalam akses yang luas. Agen deteksi penipuan tidak bersifat generik; mereka mengodekan persyaratan regulasi, ambang batas risiko, dan aturan tata kelola data yang spesifik untuk perbankan. Membangun atau bekerja berdampingan dengan sistem semacam itu membutuhkan pemahaman tentang domainnya, bukan hanya alatnya.
Bagi pelajar yang mempertimbangkan di mana harus menginvestasikan waktu, ini menyarankan kerangka yang lebih berguna daripada mengejar alat AI mana pun yang sedang menonjol saat ini. Keterampilan yang tahan lama adalah kemampuan untuk menerjemahkan alur kerja yang berantakan, diregulasi, dan berisiko tinggi menjadi sesuatu yang bisa dibantu oleh sistem secara andal, dan kemudian mengetahui kapan sistem itu tidak bisa. Itu adalah keterampilan yang terakumulasi di berbagai peran dan berbagai industri. Seorang analis kepatuhan yang memahami bagaimana agen otomasi AML membuat keputusan lebih bernilai daripada seseorang yang sekadar tahu bahwa agen tersebut ada.
Data LinkedIn Economic Graph memperkuat hal ini: organisasi dapat menumbuhkan jalur bakat AI mereka sebesar 8,2 kali secara global dengan berfokus pada keterampilan daripada gelar atau jabatan. Angka itu seharusnya mengubah cara Anda berpikir tentang kredensial. Sebuah kursus yang mengajarkan Anda untuk mengaudit hasil AI dalam konteks yang diregulasi lebih dapat ditransfer daripada lencana yang mengatakan Anda telah menyelesaikan modul tentang dasar-dasar AI generatif.
Peluncuran Santander tidak terjadi karena 185.000 orang mendapat sertifikasi. Itu terjadi karena sekelompok orang yang lebih kecil membangun agen nyata dalam alur kerja nyata dan mendemonstrasikan nilai yang terukur sebelum meminta ruang yang lebih besar. Perhatikan bagaimana lembaga keuangan besar lainnya merespons angka yang dipublikasikan Santander selama dua hingga tiga kuartal ke depan. Ketika sebuah bank sejawat memposting nilai AI Q1 sebesar €35 juta, tekanan kompetitif untuk mempercepat penerapan internal menjadi nyata. Percepatan itu akan menciptakan permintaan akan orang-orang yang dapat menavigasi alat AI di dalam lingkungan yang diregulasi, dan permintaan itu akan menguntungkan pelajar yang telah membangun sesuatu yang nyata dibandingkan mereka yang hanya mempelajari konsepnya.