Prediksi BI 2026: Saatnya Perbankan Serius dengan AI

Prediksi BI 2026: Ekonomi Melemah, Digital Banking Nggak Boleh Santai

Perekonomian global yang diproyeksikan Bank Indonesia hanya tumbuh sekitar 3% di 2026 bukan sekadar headline berita. Buat industri perbankan Indonesia, ini alarm dini: margin bisa tertekan, risiko kredit naik, perilaku nasabah berubah lebih cepat dari RUPS tahunan.

Gubernur BI Perry Warjiyo sudah jelas menyebut dua sumber guncangan utama: tarif tinggi Amerika Serikat dan kerentanan rantai pasok global. Di saat yang sama, Amerika tertekan oleh shutdown pemerintah dan pasar tenaga kerja, sementara China masih lesu karena permintaan domestik yang belum pulih.

Di tengah kombinasi faktor ini, bank yang masih mengandalkan proses manual dan sistem lama akan paling dulu terasa goyah. Sebaliknya, bank yang sudah serius memanfaatkan AI di perbankan — dari penilaian kredit sampai deteksi fraud — punya peluang jauh lebih besar untuk tetap tumbuh di era digital banking yang makin kompetitif.

Artikel ini membahas:

• Kenapa proyeksi BI 2026 harus dibaca sebagai warning strategi, bukan sekadar angka
• Risiko konkret buat bank Indonesia jika ekonomi global melambat
• Di mana saja AI perbankan paling efektif membantu mitigasi risiko
• Langkah praktis yang bisa diambil bank sekarang, sebelum 2026 benar-benar datang

---

Apa Makna Proyeksi BI 3% di 2026 untuk Perbankan?

Intinya: pertumbuhan global melambat = tekanan ke laba dan kualitas aset bank.

BI memproyeksikan ekonomi dunia melemah ke sekitar 3% di 2026, dipengaruhi:

• Kebijakan tarif AS yang menekan perdagangan global
• Kerentanan rantai pasok yang bikin biaya logistik dan produksi nggak stabil
• Pelemahan ekonomi AS akibat shutdown pemerintah dan pasar tenaga kerja yang rapuh
• China yang masih lunglai karena permintaan domestik lemah

Buat Indonesia, efek turunan yang perlu diwaspadai bank:

1. Ekspor lesu, sektor tertentu terpukul
   Industri yang bergantung pada permintaan global (komoditas, manufaktur ekspor, tekstil, elektronik) bisa menghadapi penurunan order. Kalau portofolio kredit bank berat di sektor ini, risiko NPL naik.

2. Fluktuasi nilai tukar dan pasar keuangan
   Ketidakpastian global biasanya bikin volatilitas rupiah meningkat, memengaruhi biaya dana, penilaian aset, dan sentimen investor.

3. Nasabah korporasi dan ritel makin hati‑hati

   • Perusahaan menahan ekspansi, kredit investasi melambat
   • Rumah tangga menunda konsumsi besar, kredit konsumsi dan KPR bisa tumbuh lebih lambat

4. Tekanan ke inklusi keuangan
   Di tengah ketidakpastian, kelompok rentan (UMKM, pekerja informal) biasanya paling terdampak. Padahal BI mendorong inklusi keuangan sebagai prioritas.

Jadi, kalau hari ini bank masih menganggap digital banking dan AI hanya soal punya aplikasi mobile yang rapi, 2026 bisa jadi tahun yang mahal.

---

Tantangan Nyata Bank Indonesia di Era Ekonomi Melemah

Ada tiga area yang biasanya langsung terasa ketika ekonomi melemah: risiko kredit, efisiensi operasional, dan pengalaman nasabah.

1. Risiko kredit naik pelan tapi pasti

Dalam siklus melambat, risiko kredit nggak selalu meledak mendadak. Seringnya, gejalanya halus:

• Keterlambatan pembayaran makin sering
• Restrukturisasi kredit meningkat
• Sektor tertentu mulai mencatat penurunan omzet berturut‑turut

Kalau pemantauan risiko masih mengandalkan laporan bulanan dan analisis manual, bank baru sadar masalah ketika NPL sudah telanjur naik.

2. Tekanan efisiensi di semua lini

Pertumbuhan melambat = bank dituntut lebih ramping, lebih efisien. Tantangan klasik:

• Biaya operasional tinggi karena banyak proses manual
• Cabang fisik belum optimal sementara nasabah sudah beralih ke mobile
• Tim risiko dan kepatuhan kewalahan dengan volume data dan regulasi

3. Ekspektasi nasabah: maunya cepat, personal, dan aman

Di sisi lain, perilaku nasabah makin digital:

• Mau buka rekening dalam hitungan menit, bukan hari
• Mau limit kartu kredit dan penawaran produk yang relevan, bukan spam massal
• Mau transaksi aman tapi juga praktis, tanpa proses berbelit

Kombinasi ekonomi melambat + ekspektasi digital yang tinggi membuat bank mau nggak mau perlu fondasi teknologi yang kuat. Di sinilah AI untuk perbankan Indonesia mulai terasa bukan lagi opsi, tapi kebutuhan.

---

Di Mana AI Paling Penting Saat Ekonomi Global Melemah?

Kalau dipetakan ke prioritas 2026, ada empat area AI yang menurut saya paling krusial untuk bank di Indonesia.

1. Penilaian Kredit Berbasis AI: Dari Skor Statis ke Risk Engine Dinamis

Di tengah ketidakpastian, AI untuk penilaian kredit membantu bank membuat keputusan lebih cepat dan lebih presisi.

Apa beda pendekatan lama dan baru?

• Pendekatan tradisional:
  Mengandalkan laporan keuangan historis, slip gaji, agunan, dan skor kredit statis.

• Pendekatan dengan AI:
  Menggabungkan data tradisional dengan data alternatif seperti:

  • Pola transaksi rekening secara harian
  • Data pembayaran tagihan rutin
  • Data perilaku di aplikasi digital banking
  • Data supply chain untuk debitur korporasi/UMKM

Model AI bisa:

• Mengukur probabilitas gagal bayar lebih akurat, bahkan di segmen yang dulu dianggap terlalu “tipis datanya”
• Meng‑update skor risiko secara near real‑time, bukan sekadar per tahun
• Menyesuaikan parameter risiko ketika BI atau otoritas lain mengeluarkan proyeksi ekonomi baru

Untuk inklusi keuangan, ini penting. Banyak UMKM dan pekerja informal yang gagal mengakses kredit bukan karena berisiko tinggi, tapi karena datanya tidak sesuai template tradisional. AI membantu bank menilai mereka secara lebih adil, tapi tetap prudent.

2. Deteksi Fraud dan Kejahatan Siber: Wajib Naik Kelas

Ketika ekonomi tertekan, fraud dan kejahatan siber hampir selalu naik. Pelaku makin kreatif, dari social engineering sampai penyalahgunaan akun.

Di sini, AI untuk deteksi fraud perbankan jadi lapis perlindungan utama:

• Menganalisis jutaan transaksi per detik untuk mencari pola anomali
• Mengidentifikasi perilaku mencurigakan berdasarkan:
  • Lokasi transaksi yang tidak biasa
  • Perangkat baru yang tiba‑tiba digunakan
  • Jumlah dan frekuensi transaksi di luar kebiasaan nasabah
• Memberi skor risiko pada setiap transaksi dan memicu verifikasi tambahan bila perlu

Pendekatan rule‑based lama ("jika transaksi di atas X, maka Y") biasanya kewalahan menghadapi pola baru. AI bisa terus belajar dari kasus fraud terbaru dan menyesuaikan model.

Buat bank, ini bukan cuma soal keamanan. Keberhasilan mencegah fraud punya dampak langsung ke:

• Kepercayaan nasabah terhadap digital banking
• Biaya kerugian yang harus ditanggung
• Reputasi merek di tengah persaingan ketat

3. Personalisasi Layanan Digital Banking di Tengah Tekanan Ekonomi

Saat ekonomi melambat, nasabah semakin selektif. Mereka akan cenderung bertahan di bank yang benar‑benar memahami kebutuhan dan situasi mereka.

AI bisa membantu bank:

• Memberikan rekomendasi produk yang relevan:
  Misalnya, sistem mengenali nasabah baru punya anak, lalu menawarkan tabungan pendidikan, bukan KPR kedua.

• Menyesuaikan limit dan penawaran kredit:
  Nasabah dengan profil risiko baik bisa tetap mendapat ruang kredit yang sehat, sementara yang rentan mendapat opsi restrukturisasi lebih awal.

• Mengoptimalkan komunikasi:
  AI menganalisis channel apa yang paling disukai (chat, email, notifikasi aplikasi) dan kapan waktu paling tepat mengirim pesan.

Di level makro, bank bisa memetakan segmen yang paling terdampak pelemahan ekonomi dan merancang program khusus, misalnya penawaran restrukturisasi proaktif sebelum masalah membesar.

4. Chatbot dan Asisten Virtual Bahasa Indonesia: Layanan 24/7 yang Serius

Kalau dulu chatbot bank hanya mampu menjawab FAQ dasar, generasi baru chatbot AI berbahasa Indonesia sudah jauh lebih pintar:

• Memahami bahasa sehari‑hari, termasuk campuran bahasa Indonesia dan istilah gaul
• Menjawab pertanyaan kompleks terkait produk, biaya, dan status pengajuan
• Membantu proses awal pembukaan rekening atau pengajuan kredit

Di tengah tekanan efisiensi, chatbot jadi cara efektif untuk:

• Mengurangi beban call center
• Menjaga kualitas layanan pelanggan sekaligus menghemat biaya
• Mengumpulkan data kebutuhan dan keluhan nasabah secara terstruktur

Kuncinya: chatbot harus beneran berguna, bukan sekadar fitur keren di menu aplikasi.

---

BI, Inklusi Keuangan, dan Peran AI sebagai Enabler

BI selama ini konsisten mendorong inklusi keuangan dan percepatan pembayaran digital. Di tengah proyeksi pelemahan 2026, agenda ini justru makin penting.

Di sinilah AI dan digital banking bisa jadi alat utama untuk mencapai target BI tanpa mengorbankan stabilitas:

1. Membantu bank menyalurkan kredit ke segmen unbanked dan underbanked
   Dengan penilaian kredit berbasis data alternatif, jutaan UMKM dan pekerja informal bisa di‑asses lebih akurat.

2. Mempercepat adopsi QRIS dan pembayaran digital yang aman
   AI dapat memonitor pola transaksi merchant dan konsumen, mencegah misuse dan fraud di kanal pembayaran.

3. Memperkuat analitik makroprudensial
   Data agregat dari perbankan digital bisa memberi insight lebih cepat terhadap tekanan di sektor tertentu, sehingga kebijakan BI bisa lebih tepat waktu.

Saya cukup yakin: kalau Indonesia ingin tetap tumbuh di tengah ekonomi global yang cuma 3%, integrasi AI dalam industri perbankan harus diperlakukan sebagai infrastruktur strategis, setara pentingnya dengan jaringan pembayaran nasional.

---

Langkah Praktis Bank Indonesia Menuju 2026 yang Penuh Risiko

Biar nggak berhenti di level wacana, berikut beberapa langkah praktis yang bisa mulai dipersiapkan bank dari sekarang.

1. Audit Kematangan AI dan Data

Sebelum bicara proyek AI canggih, bank perlu jujur menjawab:

• Sejauh apa kualitas data transaksi dan data nasabah saat ini?
• Berapa banyak proses utama (kredit, risiko, fraud) yang sudah terdigitalisasi?
• Apakah data tersimpan terpencar di banyak sistem, atau sudah ada data platform terpusat?

Dari situ, susun roadmap AI perbankan yang realistis, bukan sekadar daftar belanja teknologi.

2. Prioritaskan Use Case yang Paling Dekat ke Risiko 2026

Dengan konteks proyeksi BI, use case yang paling masuk akal untuk diprioritaskan:

• Early warning system kredit berbasis AI
• Fraud detection real‑time untuk channel digital
• Scoring UMKM dan kredit konsumsi menggunakan data alternatif

Lebih baik tiga use case yang matang dan terukur dampaknya, daripada sepuluh proyek demo yang tidak pernah masuk produksi.

3. Bangun Tim Hybrid: Data, Bisnis, dan Risiko Duduk Satu Meja

AI yang efektif di bank nggak bisa lahir dari tim IT saja. Idealnya ada kombinasi:

• Data scientist & data engineer
• Risk analyst & compliance
• Product owner dari unit bisnis

Model AI harus comply dengan regulasi, bisa dijelaskan (explainable), dan nyambung dengan target bisnis. Kalau salah satu unsur ini absen, proyek biasanya mandek di tengah jalan.

4. Perkuat Tata Kelola dan Etika AI

Regulator di seluruh dunia makin serius mengatur penggunaan AI di sektor keuangan. Bank di Indonesia perlu mulai menyiapkan:

• Kebijakan fair lending agar model kredit tidak diskriminatif
• Mekanisme review dan monitoring model AI secara berkala
• Proses eskalasi ketika model menunjukkan bias atau error signifikan

Ini bukan hanya soal patuh regulasi, tapi juga soal menjaga kepercayaan publik di era digital.

---

Penutup: Jangan Tunggu 2026 untuk Berubah

Proyeksi BI bahwa ekonomi global berisiko melemah menjadi sekitar 3% di 2026 seharusnya dibaca sebagai undangan untuk berbenah lebih cepat, bukan alasan untuk pesimis.

Bank yang menunda transformasi digital dan penerapan AI perbankan akan menghadapi tekanan berlapis: kualitas aset memburuk, biaya operasi tinggi, dan nasabah yang pelan‑pelan pindah ke pemain yang lebih gesit. Sebaliknya, bank yang berani menginvestasikan waktu dan energi ke AI — mulai dari penilaian kredit, deteksi fraud, hingga personalisasi layanan — akan jauh lebih siap menghadapi guncangan global.

Pertanyaannya sekarang sederhana:

Ketika 2026 datang dengan segala ketidakpastiannya, bank Anda sudah punya mesin AI yang bekerja 24/7 menjaga portofolio dan nasabah, atau masih mengandalkan spreadsheet dan intuisi?

Kalau jawabannya masih yang kedua, ini saat yang tepat untuk mengubah arah, sebelum angka 3% itu benar‑benar terasa di laporan keuangan.