Saat Pinjol Jadi Kebutuhan, AI Bank Harus Maju

Saat Pinjol Sudah Jadi Kebutuhan, Bukan Sekadar Alternatif

Lebih dari 158 juta akun pinjaman online tercatat hingga Juni 2025. Artinya, lebih dari separuh penduduk Indonesia pernah atau sedang berhubungan dengan pinjol. Bukan lagi solusi darurat, pinjol sudah menempel di keseharian finansial banyak orang.

Ini menarik, tapi juga mengkhawatirkan. Di satu sisi, pinjaman daring jelas membantu mereka yang sulit mengakses kredit bank. Di sisi lain, literasi keuangan soal fintech lending baru 24,9%, sementara tingkat inklusinya cuma 4,4%. Banyak yang pakai, sedikit yang benar-benar paham.

Di titik ini, perbankan berbasis AI dan digital banking seharusnya tidak hanya menonton. Ada kebutuhan kredit yang sangat besar, ada celah edukasi dan perlindungan konsumen, dan ada teknologi yang sudah cukup matang untuk menjawab semua itu.

Tulisan ini membahas bagaimana:

• Pinjol berubah dari alternatif jadi kebutuhan
• Risiko yang muncul ketika pertumbuhan tidak diimbangi literasi
• Peran AI di perbankan untuk menawarkan solusi kredit yang lebih aman, inklusif, dan terukur dibanding pola pinjol konvensional

Dari Zopa ke KoinWorks: Kenapa Pinjol Meledak di Indonesia

Pinjaman daring bukan fenomena lokal. Secara global, model peer-to-peer (P2P) lending muncul sejak 2005 lewat Zopa di Inggris, lalu berkembang ke AS, Tiongkok, dan Eropa. Indonesia baru benar-benar tersentuh sekitar satu dekade kemudian.

Di sini, salah satu pionir adalah KoinWorks (2015). Setahun kemudian, OJK mengeluarkan POJK No. 77/2016 sebagai regulasi khusus fintech lending. Kenapa cepat sekali direspons regulator? Karena pada saat itu:

• Jutaan UMKM sulit mendapat kredit bank (minim agunan, laporan keuangan berantakan, usaha belum formal)
• Proses kredit bank lama dan rumit, terutama di luar kota besar
• Penilaian kredit bank masih sangat bergantung pada agunan dan histori kredit formal

Fintech lending menawarkan sesuatu yang berbeda:

• Proses serba digital, cukup ponsel dan internet
• Verifikasi cepat, pencairan bisa dalam hitungan menit
• Analisis data alternatif (transaksi digital, perilaku pembayaran, data e-commerce, dsb.)

Dari sisi inklusi keuangan, ini jelas membantu. Tapi ketika pertumbuhan terlalu cepat dan literasi tertinggal, risiko mulai muncul.

Angka-angka Pinjol 2025: Tumbuh Cepat, Risiko Diam-diam Mengintai

Data OJK per Juni 2025 menunjukan beberapa hal penting:

• Penerima pinjaman: 158,37 juta akun (sekitar 55,6% populasi)
• Outstanding pinjaman: naik dari Rp66,79 triliun (06/2024) ke Rp83,47 triliun (06/2025) – tumbuh sekitar 25%
• Jumlah lender entitas: naik dari 107 (06/2024) menjadi 200 (06/2025)
• Tingkat wanprestasi 90 hari (TWP90): turun ke 2,85% (relatif sehat di atas standar maksimum 3%)

Di permukaan, ini tampak bagus: permintaan tinggi, industri tumbuh, kualitas kredit terjaga. Tapi ada tiga “bom waktu” yang harus diperhatikan:

1. Over-kredit tanpa kontrol
   Banyak debitur punya beberapa pinjaman dari berbagai platform, tanpa gambaran menyeluruh soal total kewajibannya.

2. Literasi keuangan tertinggal

   • Indeks literasi keuangan nasional 2025: 66,46%
   • Indeks inklusi keuangan: 80,51%
   • Tapi literasi fintech lending baru 24,9% dan inklusinya hanya 4,4%.

   Artinya: banyak yang pakai pinjol karena mudah, bukan karena paham risiko.

3. Perbedaan kualitas antara platform resmi dan ilegal
   AFPI dan OJK mengatur dan mengawasi pinjol resmi, tapi pinjol ilegal tetap bermunculan, memanfaatkan celah literasi dan kebutuhan dana cepat.

Di sinilah kita butuh “layer” baru yang lebih kuat: ekosistem perbankan digital berbasis AI, yang bisa menggabungkan kecepatan ala pinjol dengan standar prudensial perbankan.

Di Balik Layar Pinjol: Produk, Data, dan Peran AFPI

Secara garis besar, anggota AFPI menawarkan tiga kelompok produk utama:

1. Pinjaman produktif untuk UMKM

Fokusnya modal kerja: beli bahan baku, tambah stok, perluas cabang, bayar supplier. Banyak UMKM yang dulu tidak bankable akhirnya bisa dapat akses pendanaan.

Di sini, data non-tradisional jadi senjata:

• Riwayat transaksi di marketplace
• Mutasi rekening digital
• Riwayat pembayaran tagihan

Tanpa AI pun, ini sudah membantu. Tapi begitu volume naik jutaan debitur, analisis manual tidak mungkin lagi. Di sinilah machine learning biasanya mulai dipakai untuk menilai risiko lebih cepat.

2. Pinjaman konsumtif & multiguna

Ini yang paling dekat dengan keseharian: bayar biaya sekolah, kesehatan, renovasi kecil, sampai konsumsi gaya hidup.

Risikonya: ketika tidak ada batas sehat dan edukasi angsuran, pinjaman konsumtif jadi pintu jebakan utang.

3. Pinjaman syariah

Segmen ini tumbuh karena banyak nasabah butuh produk yang selaras dengan prinsip syariah. Skema yang dipakai biasanya:

• Bagi hasil
• Margin jual beli
• Fee berbasis jasa

Ke depan, AI syariah di perbankan digital sangat menarik: kombinasi kepatuhan syariah, analitik risiko, dan otomasi bisa membuka akses besar bagi segmen yang selama ini underbanked.

Peran FDC: Pondasi Data yang Belum Dimaksimalkan

AFPI mewajibkan semua anggotanya berbagi data lewat Fintech Data Center (FDC). Tujuannya jelas:

• Mencegah pendanaan ganda berlebihan
• Menilai profil risiko peminjam lebih akurat
• Menjaga kualitas portofolio industri

Masalahnya, manfaat jaringan data seperti ini baru terasa maksimal jika dipadukan dengan AI scoring yang kuat. Tanpa algoritma yang tepat, FDC hanya jadi gudang data besar yang kurang dimanfaatkan.

Di Mana Posisi AI dalam Perbankan di Tengah Ledakan Pinjol?

Kalau dilihat dari kacamata industri, maraknya pinjol menunjukkan satu hal: model kredit lama sudah tidak cukup. Bank yang masih mengandalkan proses manual dan analisis tradisional akan makin tertinggal.

AI di perbankan Indonesia bisa masuk di beberapa titik krusial:

1. Penilaian kredit alternatif yang lebih adil

Banyak calon debitur ditolak bank bukan karena tidak mampu membayar, tapi karena tidak punya histori kredit formal atau agunan jelas. AI bisa mengubah ini.

Dengan memanfaatkan data:

• Transaksi e-commerce
• Pola belanja digital
• Pembayaran tagihan
• Aktivitas rekening

Model credit scoring berbasis AI bisa memberi skor risiko yang lebih nyambung dengan perilaku nyata nasabah. Dampaknya:

• UMKM tanpa agunan formal bisa tetap dinilai secara objektif
• Pekerja informal (ojol, freelancer, pedagang online) punya kesempatan dapat pinjaman bank/digital bank
• Keputusan kredit lebih cepat tapi tetap terukur

2. Manajemen risiko kredit pinjol & bank yang lebih presisi

AI unggul dalam mendeteksi pola halus yang sulit terlihat manusia. Misalnya:

• Nasabah yang mulai telat bayar di beberapa platform
• Lonjakan pengajuan pinjaman dari device/IP yang sama
• Perubahan pola transaksi yang mengindikasikan stres keuangan

Model early warning system berbasis AI bisa:

• Mengingatkan bank/pinjol sebelum debitur benar-benar macet
• Menawarkan restrukturisasi lebih dini
• Mengurangi potensi bad debt dan gagal bayar massal

3. Deteksi fraud dan pinjol ilegal

Dalam ekosistem yang makin kompleks, penipuan ikut makin canggih. AI bisa membantu:

• Mengidentifikasi pola pengajuan fiktif
• Melacak sindikat yang menggunakan dokumen atau identitas sama ke banyak platform
• Menghubungkan data dari berbagai sumber (bank, fintech, e-commerce) untuk memetakan anomali

Bank digital yang serius main di kredit ritel seharusnya sudah menganggap fraud detection berbasis AI sebagai wajib, bukan opsi.

4. Edukasi finansial real-time lewat chatbot cerdas

Salah satu masalah besar di pinjol adalah persetujuan tanpa pemahaman. Nasabah klik setuju tanpa benar-benar membaca.

Di sisi lain, bank dan digital banking bisa menggunakan:

• Chatbot AI berbahasa Indonesia (bahkan bahasa daerah) yang menjelaskan bunga, tenor, denda, dan risiko secara sederhana
• Simulasi angsuran interaktif sebelum nasabah klik “setuju”
• Peringatan otomatis jika total cicilan dari berbagai sumber sudah melewati batas aman penghasilan

Ini bukan hanya fitur keren. Ini cara bank menunjukkan bahwa mereka berpihak pada keberlanjutan finansial nasabah, bukan hanya mengejar penyaluran kredit.

Dari Pinjol ke Digital Banking Berbasis AI: Jalan yang Lebih Sehat

Kalau ditanya, apakah pinjol perlu? Jawabannya: iya, kebutuhan kredit cepat itu nyata. Tapi cara memenuhinya yang perlu diperbaiki.

Ada beberapa hal yang menurut saya harus jadi arah ke depan:

1. Kolaborasi bank–fintech, bukan saling menggantikan

Alih-alih memandang pinjol sebagai pesaing, bank bisa:

• Menjadi lender institusi di platform fintech produktif, tapi menggunakan model penilaian risiko berbasis AI mereka sendiri
• Mengintegrasikan data FDC dengan sistem internal bank (sesuai regulasi) untuk mendapatkan view risiko yang lebih utuh
• Menawarkan produk digital banking dengan proses semudah pinjol, tapi dengan biaya dan perlindungan yang lebih baik

2. AI sebagai “rem tangan” otomatis bagi nasabah

Bayangkan jika aplikasi bank digital Anda:

• Menghitung rasio cicilan terhadap penghasilan secara otomatis
• Memberi notifikasi: “Kalau ambil pinjaman ini, total cicilan Anda akan jadi 52% dari penghasilan. Ini di atas batas aman. Tetap lanjut?”
• Menawarkan opsi alternatif: tenor lebih panjang, plafon lebih kecil, atau produk lain yang lebih masuk akal

Di sini, AI tidak hanya dipakai untuk menjual lebih banyak kredit, tapi juga untuk menjaga kesehatan finansial nasabah.

3. Ekosistem kredit yang etis dan transparan

Teknologi AI bisa saja dipakai untuk menjerat debitur yang rentan, tapi itu pilihan bisnis. Menurut saya, pemain yang akan bertahan lama adalah yang memegang tiga prinsip:

• Transparansi: simulasikan seluruh biaya sejak awal, tidak ada ongkos “tiba-tiba” di tengah jalan
• Keadilan: bunga dan biaya sesuai profil risiko, bukan dihajar flat tinggi tanpa dasar
• Perlindungan data: data perilaku nasabah jangan dijual sembarangan; digunakan untuk membangun produk yang lebih tepat, bukan untuk eksploitasi

Digital banking berbasis AI punya modal besar untuk menjalankan tiga hal ini, karena semua proses bisa terekam dan diaudit secara sistematis.

Langkah Praktis Bagi Bank & Pengambil Keputusan

Biar tidak berhenti di konsep, berikut beberapa langkah konkret yang bisa diambil bank atau lembaga keuangan yang ingin serius di kredit ritel dan UMKM:

1. Bangun atau adopsi AI credit scoring lokal
   Gunakan data Indonesia (perilaku transaksi lokal, pola kerja informal, dll.), bukan hanya menyalin model luar negeri.

2. Integrasikan data internal dengan data eksternal yang sah
   Contoh: data e-commerce, pembayaran digital, dan data dari biro kredit/fintech resmi, semua dengan payung regulasi yang jelas.

3. Desain produk kredit digital dengan UX sesimpel pinjol
   Kalau proses kredit bank masih terasa “jaman kertas”, nasabah akan tetap lari ke pinjol. AI bisa bantu otomatisasi verifikasi dan analisis tanpa mengorbankan kepatuhan.

4. Bangun chatbot edukatif, bukan sekadar CS otomatis
   Chatbot AI yang bisa menjelaskan konsep dasar: bunga efektif vs flat, rasio cicilan sehat, konsekuensi telat bayar, dll. Semakin nasabah paham, semakin rendah risiko.

5. Jalankan pilot project inklusi keuangan berbasis AI
   Misalnya fokus ke satu segmen: pedagang pasar, driver ojek online, atau pelaku usaha rumahan. Uji model AI di segmen itu, perbaiki, baru diperluas.

Penutup: Kalau Pinjol Sudah Pegang Urat Nadi, AI Bank Jangan Diam

Fakta bahwa lebih dari setengah penduduk Indonesia sudah tersentuh pinjol menunjukkan satu hal: kebutuhan akses kredit itu nyata dan besar. Pinjol membuktikan bahwa teknologi bisa mengisi celah yang tidak disentuh bank.

Sekarang giliran perbankan digital berbasis AI untuk melangkah lebih jauh: bukan sekadar meniru kecepatan pinjol, tapi menawarkan sesuatu yang lebih kuat—aman, inklusif, transparan, dan berkelanjutan.

Era berikutnya bukan lagi pertarungan “bank vs pinjol”, tapi siapa yang paling mampu menggunakan data dan AI untuk membangun ekosistem kredit yang sehat, di mana masyarakat bisa meminjam tanpa takut terjerat, dan pelaku usaha kecil bisa tumbuh tanpa terbentur tembok akses pendanaan.

Pada akhirnya, pertanyaannya sederhana: ketika pinjol sudah jadi kebutuhan, apakah bank Anda sudah cukup cerdas—dan cukup berani—untuk menjawabnya dengan AI?