Kredit Perbankan Seret, Saatnya AI Masuk ke Ruang Mesin Bank

Kredit Tumbuh 7,74%: Sinyal Keras Bahwa Cara Lama Sudah Mentok

Pertumbuhan kredit perbankan Indonesia per November 2025 cuma 7,74% yoy. Sedikit naik dari Oktober yang 7,36%, tapi tetap jauh dari target ambisius Bank Indonesia untuk mendorong kredit sebagai motor ekonomi.

Di sisi lain, undisbursed loan – kredit yang sudah disetujui tapi belum dicairkan – tembus Rp 2.509,4 triliun atau sekitar 23,18% dari plafon kredit. Artinya, uangnya ada, likuiditas bank longgar, tapi kredit tak kunjung mengalir ke sektor riil.

Ini bukan cuma soal angka makro. Ini sinyal bahwa proses, kebijakan, dan model bisnis perbankan konvensional sudah sampai batasnya. Kalau sistem perbankan tidak bertransformasi, jangan berharap pertumbuhan kredit bisa melompat tinggi lagi di 2026.

Di sinilah AI dalam industri perbankan Indonesia jadi relevan, bukan sebagai jargon teknologi, tapi sebagai alat kerja konkret untuk menjawab tiga masalah utama: permintaan kredit lemah, proses lambat, dan risiko tinggi.

---

Apa yang Sebenarnya Terjadi di Balik Kredit Hanya 7,74%?

Jawabannya: bukan likuiditas, tapi perilaku dan proses.

Dari paparan Bank Indonesia, ada beberapa faktor utama yang menahan laju kredit:

1. Pelaku usaha masih wait and see
   Banyak korporasi memilih menunda ekspansi. Mereka memaksimalkan pembiayaan internal dulu, baru berpikir pinjam ke bank. Ketidakpastian ekonomi global dan transisi pemerintahan bikin pengusaha ekstra hati-hati.

2. Suku bunga kredit masih terasa tinggi
   Padahal, BI Rate sudah turun 125 bps sejak awal tahun. Tapi penyesuaian suku bunga kredit ke debitur berjalan sangat lambat. Spread bunga yang lebar bikin pengusaha dan rumah tangga pikir panjang sebelum berutang.

3. Proses kredit tradisional lambat dan kaku
   Ini poin yang jarang dibahas di headline, tapi sangat terasa di lapangan. Proses analisis manual, dokumen menumpuk, verifikasi berlapis, membuat pengalaman meminjam ke bank terasa berat – terutama bagi UMKM.

Sisi positifnya, kapasitas pembiayaan bank sebenarnya kuat:

• Rasio AL/DPK (alat likuid terhadap dana pihak ketiga) naik, artinya likuiditas longgar.
• DPK tumbuh 12,03% yoy di November 2025.
• Pemerintah menempatkan dana (termasuk SAL) di bank BUMN/BUMD, menambah amunisi.

Jadi masalahnya jelas: bukan kekurangan dana, tapi ketidakefisienan penyaluran. Dan ini wilayah di mana AI punya peran besar.

---

Di Mana AI Paling Masuk Akal untuk Menggenjot Kredit?

AI bukan obat sakti untuk semua masalah bank. Tapi ada beberapa area yang, kalau disentuh AI dengan serius, dampaknya langsung ke kecepatan, akurasi, dan volume penyaluran kredit.

1. Analisis Kredit: Dari Tebak-Tebak Skor ke Data yang Hidup

Selama ini, banyak proses credit scoring di bank didominasi:

• Data historis laporan keuangan
• Rekening koran
• Agunan fisik

Masalahnya, ini bikin:

• UMKM tanpa laporan keuangan rapi sulit dapat kredit
• Keputusan lambat karena analisis manual
• Model risiko kurang adaptif dengan kondisi terbaru

AI dan machine learning memungkinkan bank beralih ke:

• Alternate credit scoring: pakai data transaksi e-commerce, pembayaran digital, histori invoice, hingga pola pembayaran supplier untuk menilai kelayakan kredit, terutama UMKM dan mikro.
• Model risiko dinamis: algoritma yang terus diperbarui dengan data baru, bukan model statis yang “disetel” setahun sekali.
• Simulasi skenario: misalnya, apa yang terjadi kalau suku bunga naik 50 bps terhadap portofolio UMKM sektor tertentu.

Hasilnya?

• Debitur layak yang tadinya “tak terlihat” sistem manual jadi bisa diidentifikasi.
• Approval time bisa turun dari minggu menjadi jam – ini krusial untuk dunia usaha.

2. Otomatisasi Proses (KYC, Verifikasi, Dokumen)

Banyak kredit nyangkut bukan karena risiko, tapi karena proses administratif:

• Dokumen tidak lengkap
• Verifikasi manual lambat
• Input data berulang di banyak sistem

AI dan intelligent automation bisa mengurangi bottleneck ini:

• OCR berbasis AI: membaca dan mengekstrak data dari KTP, KK, SIUP, laporan keuangan, lalu otomatis mengisi ke sistem core banking.
• e-KYC dengan face recognition: verifikasi identitas jarak jauh dengan akurasi tinggi, mengurangi kebutuhan tatap muka.
• RPA (Robotic Process Automation) + AI: robot software yang mengeksekusi langkah-langkah rutin (cek daftar hitam, validasi NPWP, cek SLIK) 24/7 tanpa lelah.

Bank yang serius di area ini bisa memangkas waktu proses kredit ritel/UMKM secara agresif. Dan ketika proses cepat, undisbursed loan berkurang, siklus bisnis nasabah lebih lancar, dan volume kredit bisa naik tanpa menambah banyak tenaga kerja manual.

3. Personalisasi Penawaran Kredit & Cross-Selling Cerdas

Selama ini, penawaran kredit sering template:

• Satu brosur yang sama untuk semua segmen
• SMS blast massal yang tak relevan

AI memungkinkan personalized banking yang jauh lebih presisi:

• Segmentasi nasabah sampai level perilaku transaksi, bukan cuma demografi.
• Menawarkan top up kredit saat pola transaksi nasabah menunjukkan kebutuhan modal kerja tambahan.
• Menawarkan KPR dengan tenor dan DP yang disesuaikan pola pemasukan dan pengeluaran.

Pendekatan ini relevan untuk:

• Meningkatkan permintaan kredit secara organik
• Membuat nasabah merasa “dipahami”, bukan sekadar target penjualan

4. Chatbot & Asisten Virtual Berbahasa Indonesia

Banyak pelaku usaha mikro dan ritel enggan bertanya detail ke petugas bank karena merasa rumit atau “takut salah”. Di sinilah chatbot AI berbahasa Indonesia dengan kemampuan menjawab secara natural bisa membantu:

• Menjelaskan jenis-jenis kredit dan simulasinya
• Menjawab status pengajuan secara real time
• Mengedukasi soal suku bunga efektif vs flat, biaya administrasi, risiko keterlambatan

Kalau edukasi finansial meningkat dan informasi mudah diakses, trust naik dan minat berutang secara sehat juga naik.

5. Deteksi Fraud dan Pengamanan, Supaya Bank Berani Menurunkan Bunga

Salah satu alasan spread bunga tetap tebal adalah:

• Tingginya perceived risk atas kredit bermasalah dan fraud

AI bisa membantu di dua sisi penting:

• Fraud detection real time di transaksi dan aplikasi kredit
• Early warning system untuk NPL: mengidentifikasi nasabah yang berpotensi macet lebih awal, sehingga restrukturisasi bisa dilakukan lebih cepat

Jika risiko terukur dan termitigasi lebih baik, bank punya dasar yang lebih kuat untuk:

• Menyesuaikan suku bunga ke level yang lebih bersaing
• Berani ekspansi ke segmen yang sebelumnya dianggap terlalu “keras kepala” secara risiko

---

AI untuk Inklusi Keuangan: Bukan Cuma Naikkan Angka Kredit

Pertumbuhan kredit bukan tujuan akhir. Yang kita cari adalah ekonomi yang lebih produktif dan inklusif. AI bisa jadi jembatan antara bank dan jutaan pelaku usaha yang selama ini berada di pinggiran sistem formal.

Contoh Praktis di Konteks Indonesia

Beberapa skenario yang sangat relevan untuk pasar lokal:

• Petani dan nelayan
  Menggunakan data satelit, histori panen, dan pola pembelian pupuk/pakan untuk menilai kelayakan kredit, bukan hanya agunan tanah yang sering bermasalah dokumen.

• Pedagang online dan social commerce
  Menggunakan data transaksi dari marketplace dan payment gateway untuk memberi kredit modal kerja yang fleksibel, misalnya berbasis prosentase dari omzet harian.

• UMKM urban tanpa pembukuan formal
  Menggunakan data transaksi QRIS, mutasi rekening, dan data utilitas (listrik, sewa) untuk estimasi kapasitas bayar.

Pendekatan seperti ini sulit dilakukan tanpa AI dan integrasi data lintas platform. Di sisi lain, inilah jalur tercepat untuk mendorong pertumbuhan kredit yang sehat sekaligus memperluas inklusi keuangan.

---

Tantangan Nyata: Data, Regulasi, dan Mindset

Kalau AI begitu menjanjikan, kenapa belum masif di perbankan Indonesia? Ada beberapa hambatan yang harus dibereskan:

1. Kualitas dan integrasi data yang berantakan
   Banyak bank masih terjebak di silo sistem: data kartu, kredit konsumtif, dan UMKM terpisah. Sebelum bicara AI canggih, pekerjaan rumahnya adalah data governance yang rapi.

2. Regulasi dan kejelasan penggunaan data
   Perlindungan data nasabah, explainability model AI untuk kredit (kenapa seseorang ditolak/disetujui), dan fairness perlu dijaga. Di sinilah koordinasi BI, OJK, dan KSSK yang disebut Perry Warjiyo jadi sangat krusial.

3. Kesenjangan talent dan budaya organisasi
   Teknologi bisa dibeli, tapi cara kerja baru harus diadopsi. Banyak bank masih menganut pola pikir:

   • Keputusan terbaik = manual + feeling senior
   • Dokumen fisik dianggap lebih aman daripada proses digital

   Kalau mindset ini tidak berubah, AI hanya akan jadi proyek pilot yang berhenti di slide presentasi.

4. Investasi awal yang tidak kecil
   Pembangunan data platform, model AI, dan integrasi ke core banking memang butuh modal. Tapi jujur saja, dengan undisbursed loan Rp 2.500 triliun lebih, potensi return dari peningkatan utilisasi plafon kredit jauh lebih besar dibanding biaya implementasi.

---

2026: Saat AI Menentukan Siapa Pemain Besar di Kredit

Pertumbuhan kredit 7,74% yoy di 2025 adalah wake-up call. Bank Indonesia sudah menggelontorkan pelonggaran likuiditas dan menurunkan suku bunga acuan 125 bps. Pemerintah sudah ekspansi fiskal dan menempatkan dana di bank BUMN/BUMD. Kalau 2026 masih seret, berarti masalahnya bukan lagi pada “kondisi”, tapi pada model bisnis dan teknologi bank itu sendiri.

Di seri “AI dalam Industri Perbankan Indonesia: Era Digital Banking” ini, benang merahnya jelas: bank yang berani mengintegrasikan AI ke jantung proses kredit akan unggul, yang tidak akan tertinggal.

Bagi pelaku perbankan dan fintech, beberapa langkah konkret yang menurut saya layak diprioritaskan mulai sekarang:

• Pilih 1–2 use case AI yang langsung menyentuh kredit (misalnya, AI credit scoring UMKM dan otomatisasi e-KYC), lalu eksekusi serius sampai produksi.
• Bangun data foundation yang rapi: integrasi data nasabah lintas produk, standar kualitas data, dan governance yang jelas.
• Bentuk squad lintas fungsi: risk, bisnis, IT, data scientist, dan legal duduk satu meja, bukan kerja terpisah.
• Siapkan strategi komunikasi ke regulator: jelaskan model, mitigasi risiko, dan cara kerja AI sehingga pengawasan tetap kuat.

Pertanyaannya sekarang bukan lagi, “Perlukah AI di perbankan?” Pertanyaannya: seberapa cepat bank Anda bisa bertransformasi sebelum pertumbuhan kredit makin tertinggal dari target?

Karena kalau cara lama terus dipertahankan, angka seperti 7,74% akan sulit beranjak jauh. Tapi dengan AI yang diterapkan secara serius dan bertanggung jawab, kredit perbankan bukan cuma bisa digenjot, tapi juga diarahkan ke sektor-sektor yang benar-benar menggerakkan ekonomi Indonesia.