Trade AI Purbaya dan Masa Depan Bank & Hospitality 4.0

Dalam 24 jam, India kebanjiran investasi AI lebih dari US$50 miliar dari Microsoft dan Amazon. Di saat yang sama, Menteri Keuangan Purbaya Yudhi Sadewa mendorong lahirnya Trade AI, mesin kecerdasan buatan untuk pengawasan ekspor-impor di Direktorat Jenderal Bea dan Cukai.

Dua peristiwa ini kelihatannya jauh dari dunia perbankan dan pariwisata Indonesia. Nyatanya, justru di sinilah benang merah menuju digital banking dan Hospitality 4.0: AI lokal yang kuat, data yang kaya, dan keberanian mengubah proses konvensional menjadi serba cerdas.

Tulisan ini membahas bagaimana Trade AI bisa jadi cetak biru AI perbankan untuk penilaian kredit dan deteksi fraud, lalu merembet ke sektor pariwisata dan perhotelan: dari hotel, OTA, sampai BNPL wisata. Kalau dirangkai dengan benar, ini bisa jadi fondasi inklusi keuangan dan pengalaman wisata yang jauh lebih personal di Indonesia.

---

1. Dari Trade AI ke AI Perbankan: Kenapa Ini Penting Sekarang

Trade AI DJBC menunjukkan satu hal penting: Indonesia siap membangun mesin AI sendiri, berbasis data nasional.

DJBC duduk di atas tambang data: seluruh transaksi ekspor-impor, pelabuhan, HS code barang, nilai transaksi, profil perusahaan, sampai histori pelanggaran. Ketika data ini diolah dengan AI, hasilnya adalah sistem pengawasan yang jauh lebih tajam daripada sekadar sampling manual.

Di perbankan, kondisinya mirip:

• Bank punya data transaksi rekening, kartu, mobile banking
• Ada data demografi, pekerjaan, lokasi, dan riwayat kredit
• Ditambah data eksternal: e-commerce, ride-hailing, travel, dan lain-lain

Kalau DJBC bisa memeras insight dari data perdagangan, bank bisa melakukan hal yang sama untuk risiko kredit dan fraud. Ini bukan teori; pola kerjanya sangat mirip:

• Bea Cukai: mendeteksi anomali di dokumen ekspor-impor
• Bank: mendeteksi anomali di pola transaksi dan pembayaran

Perbedaannya, ketika perbankan dan pariwisata ikut masuk, efeknya langsung ke masyarakat: kemudahan dapat kredit, produk wisata yang lebih terjangkau, dan pengalaman digital banking yang terasa lebih “ngerti” kebutuhan nasabah.

---

2. Cara Kerja Trade AI dan Relevansinya untuk Kredit & Fraud Banking

Trade AI dirancang untuk memantau lalu lintas perdagangan secara otomatis dan cerdas. Pola yang sama bisa diadopsi bank untuk credit scoring dan fraud detection.

a. Pola kerja Trade AI (disederhanakan)

Meski detail teknisnya belum dibuka ke publik, pola umum sistem seperti Trade AI biasanya seperti ini:

1. Kumpulkan data besar (big data)

   • Manifes barang, nilai transaksi, pelabuhan, negara asal/tujuan
   • Historis perusahaan: kepatuhan, denda, sengketa

2. Bangun model risiko

   • Barang tertentu dari negara tertentu punya risiko tinggi under-invoicing
   • Perusahaan dengan pola dokumen “berpindah-pindah” lebih sering bermasalah

3. Skor otomatis setiap transaksi

   • Transaksi diberi skor risiko (misal 0–100)
   • Skor tinggi langsung masuk radar untuk pemeriksaan fisik/manual

4. Belajar dari kasus nyata

   • Saat kasus pelanggaran ditemukan, model di-update
   • Sistem makin pintar karena terus diberi contoh baru

b. Di-copy ke perbankan: credit scoring berbasis AI

Bank bisa memakai pendekatan yang sama untuk menilai kelayakan kredit, apalagi untuk segmen UMKM dan pelaku pariwisata. Misalnya:

• Data transaksi rekening (arus kas harian/mingguan)
• Transaksi di merchant pariwisata (hotel, restoran, travel agent)
• Riwayat pembayaran tagihan (listrik, internet, paylater)
• Musim ramai/turun (libur panjang, low season, dll.)

Dari data tersebut, AI dapat:

• Menghitung stabilitas pendapatan dan pola musiman
• Memperkirakan kemampuan bayar lebih akurat dibanding hanya lihat slip gaji atau jaminan
• Memberi skor kredit dinamis yang berubah sesuai perilaku aktual, bukan sekadar laporan satu kali

Ini krusial untuk pelaku pariwisata: pemilik homestay di Labuan Bajo, operator diving di Raja Ampat, atau pedagang di area wisata yang selama ini susah dapat kredit karena tak punya agunan “resmi”.

c. Deteksi fraud: dari kontainer sampai kartu kredit

Kalau Trade AI bisa mendeteksi kontainer mencurigakan, AI di bank bisa mendeteksi transaksi mencurigakan. Pola yang dicari nyaris sama:

• Lonjakan transaksi tidak wajar dalam waktu singkat
• Perubahan pola lokasi: tiba-tiba transaksi luar negeri
• Penggunaan perangkat yang berbeda-beda dalam waktu berdekatan

Dalam konteks Hospitality 4.0:

• Pemesanan hotel berulang dengan pola refund yang aneh
• Transaksi OTA yang konsisten dari satu IP dengan banyak kartu berbeda
• Penggunaan promo agresif dengan pola akun-akun baru

AI bisa memberi alert real-time, lalu sistem bank atau OTA memutuskan: tahan, tolak, atau minta verifikasi tambahan.

---

3. Menghubungkan AI Perbankan dengan Hospitality 4.0

Hospitality 4.0 bukan cuma soal robot di lobby hotel, tapi integrasi data keuangan dan data perjalanan supaya pengalaman wisatawan terasa mulus dan personal.

a. Personalisasi paket wisata & pembiayaan

Dengan AI, bank dan pelaku pariwisata bisa bekerja sama menyusun:

• Paket wisata + pembiayaan yang disesuaikan dengan perilaku finansial nasabah
• Rekomendasi destinasi berdasarkan pola belanja, histori perjalanan, dan preferensi

Contoh konkret:

• Nasabah sering transaksi di kafe, coworking, dan beli tiket pesawat LCC. AI bisa mengklasifikasikan sebagai digital nomad/light traveller.
• Bank bersama partner OTA bisa menawarkan paket workcation di Bali dengan skema cicilan ringan.

Karena penilaian risiko dilakukan AI secara cepat dan granular, bank berani memberi limit kredit yang lebih relevan, bukan sekadar angka generik.

b. Revenue management hotel dengan dukungan AI bank

Di sisi hotel dan pengelola destinasi, data dari AI perbankan membantu memahami:

• Pola pembayaran tamu (kartu kredit, debit, paylater, QRIS)
• Segmentasi tamu berdasarkan perilaku keuangan, bukan cuma demografi

Dikombinasikan dengan AI revenue management hotel, hasilnya:

• Penetapan tarif kamar yang responsif terhadap tren pemesanan dan kemampuan bayar
• Promosi targeted ke nasabah bank tertentu di periode low season

Bank di sini bukan hanya penyedia payment gateway, tapi juga partner data dan analitik. Trade AI adalah bukti bahwa negara ini mampu membangun mesin AI yang bermain di ranah data besar dan regulasi ketat. Kalau dipindah ke perbankan & hospitality, skalanya justru bisa lebih luas.

c. Chatbot multilingual untuk wisata & layanan bank

Dalam seri AI dalam Industri Pariwisata Indonesia: Hospitality 4.0, satu tema konsisten adalah chatbot multilingual.

Mesin AI lokal seperti Trade AI membuktikan bahwa:

• Kita mampu membangun model yang paham konteks Indonesia
• Hal yang sama bisa diarahkan ke model bahasa: Indonesia, daerah, plus bahasa asing utama

Bayangkan integrasi berikut:

• Turis asing chat dengan chatbot hotel dalam bahasa Inggris/Jepang
• Sistem mengecek ketersediaan kamar, promo, dan opsi pembayaran
• Chatbot terhubung ke API bank untuk cek limit kartu atau pre-authorisasi
• Semua di-backing oleh AI fraud detection, sehingga transaksi tetap aman

Ini kombinasi antara dunia perbankan dan dunia hospitality yang selama ini jarang duduk satu meja.

---

4. Inklusi Keuangan: Dari Data Ekspor-Impor ke UMKM Wisata

AI yang kuat selalu berdiri di atas data. DJBC punya data perdagangan; bank punya data transaksi. Kalau keduanya dibuka secara terukur dan aman, UMKM pariwisata bisa naik kelas.

a. Profil risiko berbasis ekosistem, bukan orang per orang

Selama ini, penilaian kredit di bank sangat fokus pada:

• Individu (gaji, slip, rekening)
• Agunan (sertifikat, BPKB)

Dengan AI dan data ekosistem, bank bisa menilai:

• Ekosistem destinasi wisata (tingkat kunjungan, belanja rata-rata, musiman)
• Cluster usaha di dalam ekosistem tersebut (hotel kecil, restoran, pemandu wisata, rental kendaraan)

Contoh:

• Data transaksi QRIS di kawasan wisata Dieng menunjukkan tren naik stabil 20% per tahun
• OTA dan bank melihat tingkat hunian homestay 60–70% di musim ramai, 30–40% di low season

AI bisa menyimpulkan bahwa risiko kawasan relatif sehat, sehingga UMKM di dalamnya bisa mendapat:

• Plafon kredit mikro lebih besar
• Tenor lebih panjang di luar musim liburan

b. Skema kredit khusus pelaku pariwisata

Dari pengalaman saya mengamati produk bank, banyak skema kredit masih “seragam” untuk semua sektor. Padahal pariwisata itu sangat musiman.

Dengan AI seperti Trade AI (diadaptasi ke finansial), bank bisa mendesain:

• Kredit dengan jadwal angsuran fleksibel: angsuran lebih kecil di low season, lebih besar di high season
• Kredit investasi untuk renovasi kamar, upgrade fasilitas, atau digitalisasi operasional hotel

Keputusan dibuat berdasarkan:

• Data transaksi aktual 2–3 tahun
• Tren kunjungan wisata (data pemerintah/OTA)
• Pola pembayaran tagihan sebelumnya

Ini jenis inovasi yang benar-benar terasa di lapangan, bukan sekadar fitur keren di aplikasi.

---

5. Apa yang Harus Dilakukan Bank & Pelaku Pariwisata Mulai Sekarang

Kalau Trade AI adalah permulaan, maka tugas bank dan pelaku pariwisata adalah menyambutnya dengan langkah konkret.

a. Bagi bank dan fintech:

1. Bangun tim AI in-house, jangan hanya beli solusi jadi
2. Mulai dari use case sempit tapi berdampak:
   • Skor kredit UMKM pariwisata berbasis transaksi QRIS & rekening
   • Fraud detection untuk kartu dan paylater perjalanan
3. Kolaborasi dengan regulator
   • Diskusikan model AI yang transparan dan bisa diaudit
   • Jaga agar inovasi tetap selaras dengan kehati-hatian prudensial

b. Bagi pelaku pariwisata & perhotelan:

1. Seriuskan digitalisasi transaksi
   • Pakai POS modern, QRIS, integrasi dengan booking engine
   • Semakin rapi data, semakin mudah bank memberi kredit
2. Buka diri untuk kerja sama data dengan bank dan OTA (dengan persetujuan dan perlindungan data yang jelas)
3. Eksperimen dengan AI sederhana lebih dulu:
   • Chatbot untuk menjawab pertanyaan tamu
   • Sistem rekomendasi paket dan upselling kamar

c. Bagi pembuat kebijakan:

• Dorong standardisasi data antar sektor (perdagangan, perbankan, pariwisata)
• Pastikan perlindungan data pribadi berjalan ketat, supaya kepercayaan publik tidak jebol
• Fasilitasi sandbox regulasi untuk uji coba AI perbankan dan hospitality tanpa mengorbankan stabilitas sistem keuangan

---

Penutup: Dari Trade AI ke Ekosistem Digital Banking & Hospitality 4.0

Trade AI yang dikembangkan DJBC di bawah koordinasi Menkeu Purbaya memberi sinyal jelas: Indonesia tidak lagi hanya jadi pasar teknologi, tetapi juga pembuat mesin AI sendiri. Kalau pola pikir dan infrastruktur yang sama dibawa ke perbankan, kita bisa punya sistem penilaian kredit dan deteksi fraud yang jauh lebih relevan dengan perilaku masyarakat Indonesia.

Dampaknya terasa langsung di sektor pariwisata dan perhotelan: akses pembiayaan yang lebih adil untuk UMKM wisata, pengalaman pemesanan yang lebih personal, hingga chatbot multilingual yang benar-benar paham konteks lokal. Di tengah derasnya investasi global ke India, Indonesia punya jalur sendiri: membangun AI berbasis data nasional, lalu menghubungkannya ke digital banking dan Hospitality 4.0.

Kalau Anda pelaku bank, fintech, hotel, atau pengelola destinasi, pertanyaannya sederhana: apakah data yang Anda miliki hari ini sudah siap jadi bahan bakar AI, atau masih terjebak di spreadsheet dan kertas? Semakin cepat pertanyaan itu dijawab, semakin besar peluang Anda memimpin, bukan sekadar mengekor.