Peringatan BI 2026: Saatnya Bank Serius dengan AI

Ekonomi Global Diramal Melemah 2026, Bank Tak Bisa Jalan Seperti Biasa

Pertumbuhan ekonomi dunia diperkirakan hanya sekitar 3% di 2026, menurut pernyataan terbaru Gubernur Bank Indonesia, Perry Warjiyo. Angkanya kelihatan kecil di layar, tapi dampaknya bisa besar di neraca bank dan kantong nasabah.

Pemicunya jelas: tarif baru Amerika Serikat, rantai pasok global yang rapuh, ekonomi AS yang tertahan isu shutdown dan pasar tenaga kerja, plus China yang masih lesu karena permintaan domestik belum pulih penuh. Campuran ini biasanya berujung pada volatilitas pasar keuangan, tekanan nilai tukar, dan risiko kredit yang naik.

Di tengah situasi seperti ini, perbankan Indonesia yang masih mengandalkan cara manual untuk memantau risiko sebenarnya sedang bermain api. Data kebanyakan, respon lambat, dan keputusan sering reaktif. Di sisi lain, bank yang sudah membangun fondasi AI dan analitik canggih justru punya peluang: tetap tumbuh, menjaga NPL, sekaligus memperluas inklusi keuangan.

Artikel ini membahas: apa arti proyeksi BI bagi industri perbankan, di mana posisi AI dalam manajemen risiko dan inklusi keuangan, dan langkah praktis yang realistis untuk bank di Indonesia—dari bank besar sampai BPR dan fintech lending.

---

Apa Makna Peringatan BI 2026 untuk Industri Perbankan?

Pesan Perry Warjiyo sederhana: 2026 bukan tahun yang nyaman. Ekonomi global melemah, ketidakpastian tetap tinggi. Untuk bank, implikasinya cukup langsung:

1. Risiko kredit meningkat

   • Debitur korporasi yang tergantung ekspor impor berpotensi tertekan.
   • UMKM yang sensitif terhadap kurs dan harga komoditas bisa makin rapuh.
   • Imbasnya: potensi NPL naik kalau bank telat membaca gejala.

2. Volatilitas pasar dan nilai tukar
   Tarif baru AS dan rantai pasok terganggu biasanya memicu:

   • Fluktuasi rupiah
   • Pergerakan tajam di pasar obligasi dan saham
     Bank yang mengandalkan “feeling pasar” tanpa analitik data kuat akan lebih sering salah posisi.

3. Tekanan pada profitabilitas bank
   Saat ekonomi global melambat, bank menghadapi dilema:

   • Menjaga pertumbuhan kredit, tapi risiko naik
   • Menjaga NIM, tapi tidak ingin mencekik debitur dengan bunga terlalu tinggi
     Di tengah tekanan itu, efisiensi operasional dan akurasi keputusan kredit jadi pembeda utama.

Singkatnya: proyeksi BI bukan sekadar headline. Ini alarm untuk bank agar memperkuat kemampuan membaca risiko secara dini. Dan di titik ini, AI bukan lagi “nice to have”, tapi mulai bergeser ke “kalau nggak pakai, tertinggal”.

---

Di Mana Peran AI Saat Ekonomi Global Melemah?

Jawabannya: AI ada di tiga garis depan—manajemen risiko, deteksi fraud, dan pengambilan keputusan bisnis yang lebih presisi.

1. AI untuk Manajemen Risiko Kredit yang Lebih Cerdas

Dalam situasi ekonomi melambat, kesalahan utama bank biasanya satu: terlambat mengubah profil risiko nasabah. Data sudah memberi sinyal, tapi sistem dan proses tidak cukup cepat.

AI membantu di beberapa titik penting:

• Early warning system berbasis data real-time
  Model machine learning bisa membaca:

  • Pola keterlambatan pembayaran yang makin sering
  • Perubahan drastis pada saldo rekening bisnis
  • Penurunan transaksi masuk dari pelanggan utama

  Dari sinyal ini, sistem bisa memberi skor risiko terbaru dan memicu alert ke tim collection atau relationship manager.

• Penilaian kredit alternatif untuk UMKM
  Banyak UMKM Indonesia tidak punya laporan keuangan rapi, apalagi riwayat kredit panjang. AI dapat memakai:

  • Data transaksi rekening
  • Data pembayaran supplier
  • Pola omzet bulanan
    untuk membangun credit scoring alternatif. Dalam ekonomi melemah, ini penting supaya akses kredit UMKM tidak tertutup total hanya karena cara menilainya masih pakai kacamata lama.

• Simulasi skenario (stress testing) yang lebih realistis
  Dengan AI, bank bisa menjalankan simulasi:

  “Kalau pertumbuhan global turun ke 3% dan rupiah melemah X%, portofolio mana yang paling rentan?”

  Hasilnya membantu manajemen menyesuaikan limit kredit, strategi sektor, hingga pricing.

2. Deteksi Fraud di Saat Transaksi Makin Digital

Ketika ekonomi tertekan, fraud cenderung meningkat: social engineering, penipuan kartu, pemalsuan identitas, sampai money mule. Sistem rule-based tradisional sering kedodoran karena penipu selalu menemukan pola baru.

AI bisa belajar dari jutaan transaksi untuk mengenali pola tidak wajar, misalnya:

• Transaksi nominal besar yang tidak sesuai pola historis nasabah
• Pergeseran lokasi transaksi yang tiba-tiba (misalnya mendadak sering bertransaksi luar negeri)
• Aktivitas di jam-jam yang tidak biasa bagi profil tertentu

Keunggulan AI:

• Belajar terus-menerus: model menyesuaikan diri dengan tren fraud terbaru
• Lebih sedikit false positive: tidak semua transaksi mencurigakan harus diblokir, sebagian cukup diberi challenge (OTP tambahan, verifikasi manual cepat)
• Respon hampir real-time: sangat krusial di perbankan digital dan mobile banking.

Dalam konteks peringatan BI, stabilitas sistem keuangan bukan hanya soal makroekonomi, tapi juga kepercayaan publik. Satu insiden fraud besar bisa merusak reputasi bertahun-tahun.

3. Pengambilan Keputusan Bisnis Berbasis Data

BI sudah memberikan outlook makro. Tantangannya: bagaimana bank menerjemahkan outlook itu menjadi keputusan sehari-hari?

AI analitik dan forecasting bisa membantu bank menjawab pertanyaan seperti:

• Sektor mana yang masih prospektif di tengah perlambatan global?
• Di wilayah mana permintaan kredit produktif masih tumbuh stabil?
• Produk apa yang paling relevan untuk segmen nasabah tertentu di masa tidak pasti?

Alih-alih mengandalkan intuisi saja, manajemen bisa melihat dashboard prediktif yang memadukan data internal bank dan data eksternal (harga komoditas, kurs, indikator makro, dan lain-lain).

---

AI untuk Menjaga Inklusi Keuangan di Tengah Ketidakpastian

Satu hal yang sering dilupakan: ketika bank mengerem kredit terlalu keras karena takut risiko, kelompok paling terdampak biasanya justru masyarakat berpendapatan rendah dan UMKM. Padahal pemerintah dan BI terus mendorong inklusi keuangan.

Di sinilah AI bisa jadi “jembatan” antara kehati-hatian risiko dan misi inklusi.

1. Kredit Lebih Tepat Sasaran, Bukan Lebih Ketat Saja

Alih-alih menolak banyak aplikasi kredit demi aman, bank bisa:

• Menggunakan model credit scoring yang lebih granular sehingga bisa membedakan nasabah berisiko tinggi dan menengah dengan lebih akurat.
• Menawarkan skema:
  • Plafon lebih kecil tapi bertahap naik jika performa pembayaran baik
  • Tenor disesuaikan dengan siklus usaha (misalnya musiman seperti pertanian atau pariwisata)

Ini cara yang lebih sehat daripada menutup pintu kredit dan membuat ekonomi riil makin lesu.

2. Menjangkau Daerah Terpencil dengan AI dan Digital Banking

Stabilitas keuangan nasional tidak hanya ditentukan Jakarta. Daerah terpencil yang rentan terhadap perubahan harga komoditas dan cuaca ekstrem juga penting.

AI bisa membantu:

• Analisis risiko berbasis geospasial: menggabungkan data lokasi, komoditas utama, dan pola cuaca untuk menilai risiko debitur di daerah tertentu.
• Personalisasi produk melalui aplikasi mobile: misalnya, penawaran mikro kredit yang disesuaikan dengan pola pemasukan petani atau nelayan.

Dengan dukungan regulasi dari BI yang makin terbuka terhadap branchless banking dan agen laku pandai, AI menjadi mesin di belakang layar yang membuat keputusan tetap berbasis data, bukan sekadar feeling petugas lapangan.

---

BI sebagai Pengarah, AI sebagai Mesin: Sinergi Regulasi dan Teknologi

BI berperan sebagai penjaga stabilitas sistem keuangan. Ketika BI memberi sinyal ekonomi global melemah, bank perlu merespons bukan hanya dengan mengubah suku bunga atau target kredit, tapi juga arsitektur teknologinya.

Beberapa arah penguatan yang mulai terlihat dan perlu dipercepat:

1. SupTech & RegTech: AI di Sisi Regulator dan Bank

• SupTech (Supervisory Technology): BI dan otoritas lain bisa memakai AI untuk:

  • Memantau laporan bank secara otomatis
  • Mendeteksi pola risiko sistemik lebih dini
  • Menganalisis likuiditas dan permodalan dengan lebih detail

• RegTech di bank: bank memanfaatkan AI untuk:

  • Automasi pelaporan regulasi
  • Pemantauan kepatuhan anti pencucian uang (AML) dan KYC
  • Mengurangi beban manual yang boros SDM dan rentan error

Di era volatilitas global, kecepatan dan akurasi pelaporan ke BI akan sangat menentukan respons kebijakan yang tepat waktu.

2. Tata Kelola dan Etika AI

AI di perbankan tidak bisa liar. Di tengah ketidakpastian ekonomi, justru dibutuhkan kerangka tata kelola AI yang jelas:

• Model harus jelas asal datanya, cara kerjanya terdokumentasi, dan bisa diaudit.
• Harus ada pengendalian terhadap bias yang bisa mendiskriminasi segmen tertentu.
• Keputusan penting (misalnya penolakan kredit) tetap membutuhkan oversight manusia dan kanal banding.

Bank yang berani mengadopsi AI tapi lalai di tata kelola akan ketemu masalah baru: risiko reputasi dan regulasi.

---

Langkah Praktis untuk Bank Indonesia di Era 2026

Kalimatnya keras, tapi jujur: kebanyakan bank di Indonesia belum memanfaatkan AI secara serius. Banyak yang masih di tahap pilot project, POC yang tidak pernah benar-benar masuk ke proses inti.

Kalau mengambil konteks peringatan BI tentang 2026, berikut langkah yang menurut saya realistis dan berdampak:

1. Mulai dari Use Case yang Menyentuh P&L

Daripada membangun “AI lab” yang keren tapi tidak jelas dampaknya, fokus pada:

• Credit underwriting untuk segmen tertentu (misalnya KUR, UMKM, atau payroll-based lending)
• Early warning system NPL untuk portofolio yang paling besar
• Fraud detection di kanal digital (mobile banking, internet banking, e-commerce payment)

Targetkan outcome yang terukur, misalnya:

• Penurunan NPL segmen X sebesar 20–30% dalam 12–18 bulan
• Pengurangan fraud loss per transaksi digital
• Waktu persetujuan kredit lebih cepat, tapi dengan kualitas risiko tetap terjaga

2. Bangun Fondasi Data yang Rapi

AI yang bagus tidak lahir dari data yang berantakan. Bank perlu:

• Menyatukan data nasabah lintas produk (tabungan, kartu kredit, KPR, pinjaman usaha)
• Membersihkan data duplikat, data kosong, dan inkonsistensi
• Membangun tim data yang mengerti bisnis bank, bukan hanya teknis

Tanpa fondasi ini, AI hanya akan jadi slide presentasi, bukan mesin pertumbuhan.

3. Investasi pada Talenta dan Kolaborasi

Tidak semua bank harus membangun semuanya sendiri. Pilihannya:

• Rekrut data scientist, data engineer, dan AI product owner yang paham keuangan.
• Kolaborasi dengan fintech, startup AI, atau vendor lokal yang mengerti konteks Indonesia.
• Manfaatkan sandbox regulasi dan program uji coba yang biasanya difasilitasi otoritas.

Yang penting, bank tetap memegang kendali atas strategi dan tata kelola. Teknologi boleh dibantu pihak luar, tapi pemahaman risiko tidak boleh diserahkan sepenuhnya.

---

Penutup: Dari Peringatan BI ke Aksi Nyata di Bank

Peringatan BI tentang risiko pelemahan ekonomi global 2026 bukan sekadar kabar kurang menyenangkan. Untuk perbankan Indonesia, ini momentum untuk naik kelas: dari industri yang reaktif jadi industri yang mengandalkan data dan AI untuk membaca masa depan.

AI di perbankan Indonesia bukan cuma soal chatbot atau fitur kece di aplikasi. Yang jauh lebih penting adalah AI di jantung manajemen risiko, penilaian kredit, deteksi fraud, dan inklusi keuangan. Di tahun-tahun yang penuh ketidakpastian, bank yang berani menginvestasikan diri ke arah ini yang kemungkinan besar akan bertahan dan tumbuh.

Pertanyaannya sekarang: apakah bank Anda masih mengandalkan cara lama menghadapi ekonomi baru?