Peringatan Prabowo & Peluang AI di Bank BUMN

15/12/2025, Presiden Prabowo menegur langsung jajaran direksi bank-bank BUMN Himbara soal pengelolaan devisa hasil ekspor (DHE) SDA. Pesannya tajam: jangan main-main dengan uang rakyat. Banyak orang fokus ke sisi politiknya, padahal ada satu pesan lain yang jauh lebih strategis: tata kelola bank BUMN sudah tidak bisa lagi mengandalkan cara lama.

Di saat regulasi DHE SDA makin ketat dan sorotan publik ke bank BUMN makin kuat, solusi manual jelas tidak cukup. Di sinilah AI dalam industri perbankan Indonesia bukan lagi sekadar gimmick digital banking, tapi mulai masuk ke jantung tata kelola, manajemen risiko, dan transparansi.

Tulisan ini membahas: apa yang sebenarnya terjadi di balik peringatan Prabowo, tekanan regulasi baru DHE SDA, dan bagaimana AI bisa jadi jawaban praktis bagi bank BUMN untuk memenuhi ekspektasi pemerintah sekaligus memperkuat model bisnis mereka.

1. Apa yang Terjadi? Peringatan Politik di Tengah Tekanan Regulasi

Inti peringatan Prabowo ke bos-bos Himbara sederhana: bank BUMN wajib menjaga uang rakyat dan memperkuat likuiditas dolar dalam negeri, bukan sekadar jadi tempat “parkir sementara” devisa yang kemudian lari lagi ke luar negeri.

Beberapa poin kunci kebijakan baru DHE SDA:

• 100% DHE SDA wajib ditempatkan di Himbara selama 12 bulan
• Penempatan hanya di rekening khusus di bank BUMN yang punya izin valas
• Konversi DHE valas ke rupiah dibatasi maksimal 50% (sebelumnya bisa 100%)
• Lembaga Pembiayaan Ekspor Indonesia (LPEI) tidak lagi jadi tempat penempatan DHE
• Ada perluasan sanksi, termasuk kewajiban memindahkan dana dari bank non-Himbara ke Himbara dalam tenggat tertentu

Evaluasi pemerintah menunjukkan pola lama seperti ini:

DHE masuk ke Indonesia dalam bentuk dolar → dikonversi ke rupiah → dipindah ke bank-bank kecil → dikonversi lagi ke valas → dibawa ke luar negeri.

Hasilnya? Cadangan devisa tidak menguat, supply dolar domestik tetap tipis, rupiah rentan, sementara secara formal aturan seolah sudah dipatuhi.

Inilah konteks kenapa Prabowo dan Menteri Keuangan Purbaya bicara keras. Mereka bahkan menyebut, kalau ada direksi Himbara yang “macam-macam”, mudah saja untuk dicopot.

Ini bukan cuma soal kepatuhan regulasi. Ini pesan jelas: era pengawasan longgar dan data yang tidak real-time sudah selesai.

2. Kenapa Ini Momentum Penting untuk AI di Bank BUMN

Di tengah tekanan seperti ini, kebanyakan bank akan refleks: tambah SOP, tambah laporan, tambah tim kepatuhan. Masalahnya, pola ini mahal, lambat, dan rawan human error.

Ada cara yang lebih efektif: menjadikan AI sebagai “asisten super” untuk tata kelola dan kepatuhan.

Beberapa alasan kenapa momen DHE SDA ini krusial untuk adopsi AI di perbankan BUMN:

1. Aturan makin granular, data makin besar
   Setiap transaksi DHE, konversi, pemindahan antar bank, dan penempatan di rekening khusus harus tercatat, dipantau, dan dikaitkan dengan timeline regulasi. Tanpa AI, pemantauan ini cepat sekali buntu di laporan Excel dan dashboard statis.

2. Regulator ingin real time, bukan laporan bulanan
   Pemerintah ingin memastikan supply dolar benar-benar bertambah di sistem domestik. Itu berarti bank harus bisa memantau pergerakan valas nyaris real time, bukan menunggu rekonsiliasi akhir bulan.

1. Risiko reputasi bank BUMN sangat tinggi
   Sekali saja ada kasus DHE “dimainkan” atau dialihkan secara agresif sampai merugikan stabilitas valas, bukan cuma direksinya yang kena, tapi kepercayaan pasar juga bisa drop.

Di titik ini, AI bukan fitur tambahan digital banking, tapi infrastruktur dasar untuk:

• deteksi pola transaksi mencurigakan,
• memastikan kepatuhan otomatis terhadap Peraturan Pemerintah,
• dan memberikan transparansi yang bisa dipertanggungjawabkan ke regulator.

3. Use Case AI yang Langsung Menjawab Tantangan DHE SDA

Kalau diturunkan ke lapangan, seperti apa penerapan AI di bank BUMN yang relevan langsung dengan peringatan Prabowo dan aturan DHE baru?

3.1. AI untuk pemantauan DHE dan kepatuhan regulasi

Jawaban langsung atas kekhawatiran pemerintah adalah sistem pemantauan DHE berbasis AI yang:

• Mengidentifikasi seluruh rekening terkait DHE SDA secara otomatis
• Menghitung proporsi konversi valas ke rupiah dan memastikan tidak melewati batas 50%
• Melacak perpindahan dana: dari reksus Himbara, potensi keluar ke bank kecil, lalu ke luar negeri
• Memberi peringatan dini ketika pola transaksi mengarah ke “skema pengeluaran valas” yang agresif

AI dapat dilatih dengan aturan dari PP 8/2025 yang direvisi, termasuk ketentuan Pasal 6, 11A, dan 16, untuk kemudian menerjemahkannya ke dalam rule + pola machine learning:

• Rule-based: batasan 50%, tenggat pemindahan dana, lokasi rekening wajib di Himbara
• Pattern-based (ML): mendeteksi perilaku eksportir yang mirip dengan pola masa lalu yang mengurangi efektifitas DHE

Hasilnya, manajemen dan regulator tidak lagi cuma menerima laporan statis, tapi dashboard risiko DHE dengan skor kepatuhan per nasabah, per sektor, bahkan per kantor cabang.

3.2. Deteksi fraud & misuse: melampaui kepatuhan administratif

Sebagian masalah DHE sebelumnya bukan hanya soal aturan longgar, tapi juga pemanfaatan celah oleh pihak tertentu. Di sini, AI fraud detection yang sudah lazim di perbankan bisa disesuaikan untuk konteks DHE SDA.

Contoh sinyal yang bisa dideteksi AI:

• Pola konversi yang berulang: selalu dekat batas 50%, lalu ada aliran keluar ke rekening spesifik
• Keterkaitan antara beberapa perusahaan eksportir dan rekening tujuan yang sama
• Transaksi valas besar dalam jam-jam atau tanggal tertentu yang secara historis sering dipakai untuk “window dressing”

AI dapat mengeluarkan alert prioritas tinggi ketika pola-pola ini muncul. Bukan menggantikan tim kepatuhan, tapi membuat mereka jauh lebih tajam dan cepat.

3.3. Explainable AI untuk transparansi ke regulator dan publik

Satu kekhawatiran dalam AI di perbankan adalah “kotak hitam”: keputusan sistem tidak terbaca. Untuk bank BUMN yang diawasi ketat, solusi yang lebih tepat adalah explainable AI (XAI).

Contohnya:

• Ketika sistem memberi skor risiko tinggi untuk satu grup eksportir, dashboard menampilkan alasan detail: frekuensi konversi, pola pemindahan antar bank, keterkaitan beneficial owner, dan sebagainya.
• Ketika manajemen dipanggil pemerintah atau DPR, mereka bisa menunjukkan trails keputusan AI yang jelas, bukan sekadar grafik umum.

Ini sejalan dengan pesan Prabowo soal “menjaga uang rakyat”. Transparansi bukan lagi hanya di laporan tahunan, tapi tercermin dari kemampuan bank menjelaskan setiap risiko besar dengan data dan logika yang bisa diikuti.

4. Dari Regulasi ke Strategi: AI untuk Inklusi dan Model Bisnis Baru

Banyak direksi cenderung melihat aturan DHE baru ini sebagai beban: retensi 12 bulan, konversi terbatas, dan pengawasan ketat. Padahal kalau ditarik ke atas, ini justru membuka ruang model bisnis baru berbasis AI di bank-bank Himbara.

4.1. Mengelola dana DHE secara cerdas dengan AI treasury

Dengan kewajiban 100% DHE parkir di Himbara, bank BUMN akan mengelola volume valas besar untuk jangka menengah. AI bisa membantu di area treasury:

• Optimasi penempatan DHE ke instrumen SBN valas domestik
• Simulasi skenario kurs dan suku bunga untuk memaksimalkan imbal hasil tanpa mengganggu likuiditas
• Rekomendasi strategi hedging yang sesuai profil tiap eksportir

Ini penting karena kalau hanya “menyimpan” tanpa pengelolaan cerdas, bank kehilangan potensi pendapatan. AI dapat mengubah kewajiban regulasi menjadi sumber fee-based income dan margin baru.

4.2. Analitik AI untuk pembiayaan sektor SDA yang lebih berkualitas

Dengan data DHE yang terkonsolidasi di Himbara, bank punya pandangan jauh lebih utuh tentang performa eksportir SDA: volume, stabilitas cashflow, pola pasar tujuan, dan lain-lain.

AI credit scoring dan analitik portofolio dapat:

• Menilai kelayakan kredit berbasis data transaksi ekspor aktual, bukan hanya laporan keuangan
• Mengidentifikasi eksportir yang konsisten performanya untuk diberikan pembiayaan investasi jangka panjang
• Membantu pemerintah menyasar insentif fiskal atau skema dukungan yang benar-benar tepat sasaran

Ini sejalan dengan tema besar AI dalam industri perbankan Indonesia: bukan hanya chatbot atau aplikasi mobile, tapi penilaian risiko dan pembiayaan sektor riil yang lebih sehat.

4.3. Inklusi keuangan digital untuk rantai pasok ekspor

Dari perspektif inklusi keuangan, data DHE yang terkumpul di bank BUMN juga membuka peluang lain: membawa pelaku di rantai pasok ekspor yang lebih kecil masuk ke sistem perbankan formal.

Dengan AI dan analitik:

• Bank bisa mengidentifikasi pemasok lokal yang rutin menerima pembayaran dari eksportir besar
• Menawarkan produk pembiayaan modal kerja berbasis data transaksi, bukan hanya agunan fisik
• Menghubungkan mereka ke layanan digital banking (mobile, QRIS, virtual account) dengan rekomendasi produk yang dipersonalisasi

Jadi, dari satu kebijakan DHE, bank BUMN bisa mendorong inklusi keuangan berbasis data dan AI, yang sejalan dengan mandat BUMN untuk mendukung pembangunan nasional.

5. Langkah Praktis Bank BUMN Memulai atau Mempercepat AI

Supaya tidak berhenti di konsep, apa langkah realistis yang bisa diambil direksi dan tim teknologi bank BUMN dalam 6–12 bulan ke depan?

5.1. Prioritaskan use case yang “mengurangi risiko dicopot”

Jujur saja, pesan Prabowo dan Purbaya jelas: direksi bisa diganti kalau gagal menjalankan mandat DHE. Jadi prioritas pertama AI sebaiknya:

• AI pemantauan DHE & kepatuhan
  Workflow end-to-end dari penerimaan DHE, konversi, pemindahan, sampai penempatan di instrumen SBN valas.

• AI fraud & anomaly detection khusus transaksi valas dan DHE
  Fokus dulu ke pola transaksi yang bisa membuat bank dituduh “membiarkan” pelarian devisa.

5.2. Bangun “data foundation” yang rapi

AI secanggih apapun akan tumbang kalau data transaksinya tersebar, tidak tersinkron, atau banyak yang masih di sistem lama.

Beberapa fondasi data yang perlu beres:

• Integrasi data transaksi valas, kredit korporasi, treasury, dan trade finance
• Standarisasi penandaan (tagging) transaksi DHE SDA
• Governance data yang jelas: siapa pemilik data, hak akses, dan quality check

5.3. Gunakan AI yang bisa dijelaskan, bukan sekadar yang “pintar”

Dalam konteks politik dan regulasi seketat ini, kemampuan menjelaskan jauh lebih penting daripada sekadar skor akurasi tinggi.

• Pilih model AI yang mendukung explainability sejak awal
• Pastikan setiap alert atau keputusan risiko bisa dijelaskan dalam bahasa yang dipahami regulator dan auditor

5.4. Latih orang, bukan cuma pasang teknologi

Pengalaman saya, banyak proyek AI di bank gagal bukan karena teknologinya, tapi karena orangnya tidak disiapkan.

• Tim kepatuhan dan risiko harus dilatih membaca output AI dan menjadikannya dasar keputusan
• Manajemen atas perlu dashboard yang sederhana tapi tajam, bukan ratusan metrik teknis

Penutup: Dari Teguran ke Transformasi AI Perbankan

Peringatan Prabowo ke bos-bos bank BUMN bukan sekadar drama politik. Ini sinyal keras bahwa standar tata kelola dan pengelolaan risiko di Himbara naik kelas. Dengan regulasi DHE SDA yang makin ketat, bank BUMN yang masih mengandalkan cara manual akan kewalahan.

Di sisi lain, ini juga peluang emas. AI dalam industri perbankan Indonesia akhirnya punya konteks yang sangat konkret: menjaga devisa, mendukung stabilitas rupiah, meningkatkan transparansi, dan membuka model bisnis baru dari pengelolaan DHE dan pembiayaan sektor SDA.

Bank BUMN yang berani menganggap AI sebagai infrastruktur inti—bukan sekadar proyek pencitraan digital banking—akan jauh lebih siap menghadapi tekanan regulator dan ekspektasi publik. Pertanyaannya sekarang:

Apakah Himbara akan menunggu teguran berikutnya, atau menjadikan momen ini sebagai start nyata transformasi AI mereka?