Dari Waskita ke Bank: Resiliensi & AI di Era Digital

Ketahanan Waskita Karya dan Pelajaran untuk Era AI

PT Waskita Karya (Persero) Tbk baru saja diganjar penghargaan Financial Recovery & Operational Resilience di ajang CNBC Indonesia Awards 2025. Beberapa tahun lalu namanya identik dengan restrukturisasi, gagal bayar, dan proyek mangkrak. Sekarang justru dipuji karena mampu bangkit.

Buat saya, cerita Waskita Karya ini bukan cuma soal satu BUMN karya yang selamat dari krisis. Ini cermin dari satu kata kunci yang lagi krusial buat semua industri di Indonesia: resiliensi. Dan di 2025, resiliensi nyaris selalu berujung ke satu teknologi: kecerdasan buatan (AI).

Di seri “AI dalam Industri Konstruksi Indonesia: Proyek Cerdas” kita sering bicara AI untuk perencanaan proyek, keselamatan, sampai BIM. Kali ini, kita pakai Waskita sebagai titik berangkat untuk bahas pertanyaan yang jauh lebih besar:

Apa hubungan antara financial recovery, operational resilience, dan peran AI — bukan cuma di konstruksi, tapi juga di perbankan yang jadi tulang punggung pembiayaan proyek?

Kenapa Cerita Financial Recovery Waskita Penting untuk Bank

Pelajaran utama dari Waskita Karya sederhana: bisnis besar bisa goyah cepat, tapi bangkitnya butuh disiplin data dan manajemen risiko yang jauh lebih serius.

Perusahaan konstruksi seperti Waskita hidup dari:

• Proyek bernilai triliunan
• Skema pembiayaan kompleks (bank, obligasi, PMN, dsb.)
• Risiko molor, bengkak biaya, hingga gagal bayar

Di sisi lain, bank yang membiayai proyek-proyek ini juga memikul risiko yang sama besar. Kalau proyek besar bermasalah, efeknya langsung ke:

• NPL (kredit macet) naik
• Capital adequacy tertekan
• Kepercayaan pasar dan nasabah menurun

Di titik ini, ada tiga kata kunci yang nyambung antara konstruksi dan perbankan:

1. Financial Recovery – bagaimana memulihkan neraca dan arus kas
2. Operational Resilience – seberapa kuat operasi bertahan di tengah gejolak
3. Risk Management – seberapa akurat kita membaca risiko sebelum dan saat krisis

Waskita Karya dapat penghargaan karena berhasil menunjukkan perbaikan kinerja dan ketahanan operasional. Kalau di-translate ke dunia perbankan, cerita yang sama bisa terjadi lebih cepat dan lebih terukur kalau didukung oleh AI dan data.

Dari Proyek Konstruksi ke Portofolio Kredit: AI sebagai Radar Risiko

Jawaban pendeknya: AI membuat risiko kelihatan lebih awal dan lebih jelas.

Pada proyek konstruksi, AI sudah dipakai untuk:

• Memprediksi keterlambatan proyek dari data progres harian
• Menghitung potensi pembengkakan biaya dari pola pengadaan
• Mendeteksi anomali di lapangan (misal lewat kamera + computer vision)

Sekarang bayangkan perspektif bank yang membiayai Waskita atau kontraktor lain. Dengan AI, bank bisa:

1. Risk modeling proyek konstruksi yang jauh lebih detail

Alih-alih cuma mengandalkan studi kelayakan dan proyeksi excel, bank bisa membangun model risiko yang menggabungkan:

• Riwayat performa kontraktor (keterlambatan, klaim, penalti)
• Karakteristik proyek (lokasi, jenis, kompleksitas teknis)
• Data makro (pergerakan harga material, cuaca ekstrem, kebijakan pemerintah)
• Pola cashflow dari proyek serupa sebelumnya

AI akan mencari pola:

• Proyek jenis X dengan kontraktor Y di wilayah Z biasanya molor sekian bulan
• Kombinasi faktor tertentu cenderung berujung ke refinancing atau restrukturisasi

Hasilnya, bank bisa mengukur harga risiko dengan lebih presisi:

• Bunga disesuaikan dengan profil risiko yang benar-benar berbasis data
• Struktur kredit (tenor, grace period, covenant) disesuaikan dengan profil proyek

2. Real-time monitoring portofolio pembiayaan proyek

Financial recovery seperti yang dialami Waskita umumnya diawali oleh: krisis yang terlambat terdeteksi.

Dengan AI, bank bisa membangun dashboard monitoring yang memantau:

• Pergerakan progres fisik proyek (terintegrasi dengan sistem konstruksi/BIM)
• Realisasi cashflow vs rencana
• Frekuensi perubahan jadwal dan change order
• Pola penarikan kredit dan penundaan pembayaran supplier

Model AI bisa memberi sinyal:

• "Proyek A mulai menyimpang dari baseline, kemungkinan molor 3–4 bulan"
• "Perusahaan B menunjukkan pola tekanan likuiditas mirip 12 kasus gagal bayar sebelumnya"

Itu artinya intervensi bisa dilakukan sebelum api membesar:

• Negosiasi ulang jadwal dan struktur pembayaran
• Penyesuaian limit fasilitas
• Pendampingan manajemen proyek bersama debitur

3. AI untuk fraud detection di proyek dan pembiayaan

Kasus di sektor BUMN karya beberapa tahun terakhir menunjukkan satu hal: fraud sering baru kelihatan ketika sudah telanjur besar.

AI bisa membantu bank dan perusahaan konstruksi untuk:

• Mendeteksi vendor fiktif atau terafiliasi yang mencurigakan
• Melihat pola pengadaan abnormal (misal selalu menang vendor tertentu dengan harga di atas pasar)
• Menemukan ketidakwajaran antara laporan progres dan pengeluaran biaya

Di perbankan, sistem anti-fraud berbasis AI sudah lazim untuk:

• Transaksi kartu
• Mobile banking
• Internet banking

Tinggal satu langkah lagi untuk menghubungkannya dengan fraud di rantai nilai konstruksi yang dibiayai bank. Kalau ini terealisasi, resiliensi finansial bakal naik beberapa level sekaligus.

Financial Recovery: Dari Restrukturisasi Manual ke Optimalisasi Berbasis AI

Financial recovery Waskita Karya sangat bergantung pada restrukturisasi utang, efisiensi operasional, dan pemilihan proyek yang lebih selektif. Di perbankan, proses pemulihan portofolio biasanya juga seperti ini — tapi sering lambat dan manual.

Dengan AI, pendekatannya bisa berubah total.

1. AI untuk credit scoring dan repricing portofolio

Banyak bank di Indonesia masih mengandalkan model scoring tradisional yang:

• Jarang diperbarui
• Menggunakan variabel terbatas
• Tidak belajar dari pola terbaru

Padahal, AI bisa:

• Menghasilkan credit scoring dinamis yang terus diperbarui dari data transaksi, perilaku bayar, dan data alternatif
• Menghitung probability of default (PD) yang lebih akurat
• Mengusulkan repricing bunga untuk segmen tertentu sebelum kualitas kredit menurun

Ini tidak cuma menurunkan NPL, tapi juga mempercepat financial recovery ketika siklus ekonomi memburuk.

2. Loan portfolio optimization: mana yang diselamatkan, mana yang dipangkas

Saat krisis, bank sering dihadapkan pada pertanyaan sulit:

Debitur mana yang masih layak diselamatkan? Mana yang harus dipotong kerugiannya cepat?

AI bisa membantu menyusun skenario:

• Jika portofolio konstruksi X direstrukturisasi dengan skema A, proyeksi kerugian 3 tahun ke depan sekian persen
• Jika sebagian portofolio dialihkan ke sektor Y (misal infrastruktur hijau), risiko jangka panjang turun sekian

Bank tidak lagi sekadar mengandalkan intuisi komite kredit, tapi punya simulasi data-driven layaknya perusahaan konstruksi besar yang memakai AI untuk project scheduling dan resource allocation.

3. Early warning system untuk krisis berikutnya

Pelajaran dari Waskita dan BUMN karya lain: krisis jarang datang mendadak; tanda-tandanya muncul jauh hari, tapi sering diabaikan.

Dengan AI, bank bisa membangun early warning system yang:

• Memantau perubahan perilaku bayar debitur
• Menggabungkan indikator makro (suku bunga global, harga komoditas, APBN) dengan data internal
• Memberi skor risiko harian atau mingguan untuk tiap segmen portofolio

Bank yang punya sistem seperti ini akan jauh lebih siap menghadapi guncangan — dari pandemi, krisis global, sampai perubahan kebijakan pemerintah.

Operational Resilience: AI Sebagai Tulang Punggung Bank Digital

Operational resilience bukan cuma soal punya server cadangan. Di era digital banking, resiliensi berarti:

• Sistem tetap jalan walau trafik melonjak
• Layanan tetap aman walau serangan siber meningkat
• Proses tetap rapi walau ribuan karyawan WFH atau bekerja hybrid

AI bisa menopang operational resilience bank dengan beberapa cara kunci.

1. Otomasi proses kritikal (RPA + AI)

Banyak proses back-office bank masih:

• Manual
• Tergantung excel
• Mengandalkan pengecekan berlapis yang memakan waktu

Dengan kombinasi Robotic Process Automation (RPA) dan AI:

• Proses verifikasi dokumen kredit bisa dipercepat
• Rekonsiliasi transaksi lintas sistem bisa otomatis
• Laporan risiko harian bisa keluar tanpa lembur massal

Ini membuat bank lebih tahan ketika:

• Volume transaksi melonjak (misal musim gajian, Harbolnas, Lebaran)
• Ada gangguan SDM (cuti massal, pandemi, demo)

2. AI untuk cyber security dan fraud transaksi

Serangan siber terhadap bank dan fintech di Indonesia makin sering. Serangan ini tidak bisa dihadapi dengan rule static saja.

AI dipakai untuk:

• Mendeteksi pola akses mencurigakan ke sistem core banking
• Menganalisis jutaan transaksi kartu dan mobile banking secara real time
• Menghentikan transaksi yang menyimpang dari kebiasaan pengguna

Semakin digital bank-nya, semakin penting operational resilience yang dijaga AI.

3. Manajemen infrastruktur TI berbasis prediksi

Sama seperti AI bisa memprediksi kerusakan alat berat di proyek konstruksi, di bank AI bisa memprediksi:

• Kapan kapasitas server akan penuh
• Kapan satu komponen jaringan berpotensi gagal
• Kapan perlu menambah resource untuk menghadapi kampanye promosi tertentu

Ini membuat downtime berkurang drastis, dan nasabah digital banking tidak perlu merasakan “maaf, sistem sedang dalam perbaikan” di jam-jam sibuk.

Dari Pelajaran Waskita ke Strategi AI Bank & Konstruksi

Kalau ditarik garis besar, penghargaan Financial Recovery & Operational Resilience untuk Waskita Karya adalah alarm sekaligus kompas:

• Alarm: krisis di sektor padat modal dan utang bisa terjadi kapan saja
• Kompas: yang selamat adalah yang punya manajemen risiko, data, dan disiplin eksekusi yang jauh lebih kuat

Di seri “AI dalam Industri Konstruksi Indonesia: Proyek Cerdas”, benang merahnya selalu sama:

Kontraktor, pengembang, dan bank yang membiayai mereka butuh cara kerja baru yang bertumpu pada data dan AI — dari site project sampai ruang rapat komite kredit.

Kalau Anda:

• Pengambil keputusan di bank
• Manajemen di perusahaan konstruksi atau pengembang
• Atau regulator yang merancang aturan industri

maka langkah praktis yang menurut saya realistis di 6–18 bulan ke depan adalah:

1. Petakan titik risiko terbesar di rantai bisnis Anda (proyek mana, portofolio mana, proses operasional mana)
2. Mulai pilot project AI yang kecil tapi kritikal, misalnya:
   • Early warning system NPL di portofolio konstruksi
   • AI monitoring progres proyek yang dibiayai bank
   • Fraud detection di pengadaan proyek bernilai besar
3. Bangun jembatan data antara dunia konstruksi dan dunia perbankan:
   • Integrasi data progres proyek, BIM, dan laporan keuangan
   • Standar pelaporan yang siap dibaca mesin, bukan hanya manusia
4. Siapkan governance dan etika AI sejak awal: transparansi model, audit trail, dan perlindungan data

Resiliensi finansial dan operasional bukan lagi pilihan tambahan. Kalau Waskita butuh bertahun-tahun untuk bangkit, bank dan kontraktor yang cerdas bisa memangkas siklus itu jauh lebih pendek dengan AI yang tepat.

Pertanyaannya sekarang: apakah organisasi Anda akan menunggu krisis berikutnya, atau mulai membangun radar AI dari sekarang?