Ekonomi RI diproyeksikan tumbuh hingga 5,5% di 2025. Ini momentum emas bagi bank untuk mempercepat AI, digital banking, dan inklusi keuangan di Indonesia.
Ekonomi RI Membaik: Sinyal Kuat untuk Perbankan Digital
Di akhir 2025, Bank Indonesia memproyeksikan pertumbuhan ekonomi RI di kisaran 4,7–5,5%, dan naik menjadi 4,9–5,7% pada 2026. Angka ini disampaikan langsung Gubernur BI Perry Warjiyo setelah Rapat Dewan Gubernur.
Di tengah bencana di Aceh, Sumatra Utara, dan Sumatra Barat, sinyalnya tetap sama: ekonomi Indonesia mengarah ke pemulihan yang lebih solid. Konsumsi rumah tangga terjaga, penjualan eceran naik, dan investasi non-bank tetap mengalir.
Untuk industri perbankan—terutama yang serius di digital banking dan AI—ini bukan sekadar kabar baik. Ini momentum. Saat ekonomi menguat dan permintaan domestik tinggi, bank yang mampu membaca data, melayani nasabah secara digital, dan mengelola risiko dengan cerdas bakal melompat lebih cepat dibanding pesaing yang masih berjalan manual.
Artikel ini membahas:
- Apa arti proyeksi BI bagi sektor perbankan
- Kenapa momen 2025–2026 krusial untuk adopsi AI perbankan di Indonesia
- Area praktis di mana AI bisa langsung dimanfaatkan bank
- Bagaimana bank bisa mulai bergerak tanpa harus menunggu “sempurna”
Apa Makna Proyeksi BI untuk Industri Perbankan?
Pesan utama BI: ekonomi membaik, konsumsi dan investasi tetap terjaga. Bagi bank, ini berarti dua hal: ada peluang ekspansi dan ada tuntutan efisiensi.
1. Konsumsi Rumah Tangga Terjaga
Perry Warjiyo menyebut konsumsi rumah tangga tetap kuat di kuartal IV 2025. Dalam bahasa perbankan, ini berarti:
- Permintaan kartu kredit dan paylater cenderung naik
- Kebutuhan kredit konsumsi (KPR, KPM, KTA) ikut menguat
- Transaksi ritel, terutama lewat e-commerce, fintech, dan super-app, terus bertambah
Bank yang punya kapabilitas analitik dan AI bisa mengubah tren ini menjadi keuntungan nyata:
- Skor kredit berbasis perilaku transaksi
- Penawaran produk yang dipersonalisasi
- Limit kredit yang dinamis sesuai profil risiko
Bank yang masih mengandalkan formulir fisik dan analisis manual akan kalah cepat.
2. Investasi Non-Bank Tetap Mengalir
BI juga melihat investasi non-bank masih terjaga, didorong permintaan domestik dan ekspor. Bagi bank, ini membuka ruang untuk:
- Pembiayaan rantai pasok (supply chain financing)
- Trade finance berbasis data ekspor-impor
- Layanan cash management digital untuk korporasi
Di area ini, AI bisa membantu menganalisis pola transaksi, mengidentifikasi risiko, dan mempercepat proses persetujuan kredit.
Ekonomi yang membaik bukan otomatis membuat bank tumbuh. Yang tumbuh adalah bank yang bisa mengambil keputusan lebih cepat dan lebih akurat berbasis data.
Mengapa 2025–2026 Waktu yang Tepat untuk AI di Perbankan?
Saat ekonomi naik, toleransi pasar terhadap layanan yang lambat dan ribet justru turun. Nasabah makin terbiasa dengan pengalaman instan ala e-commerce dan fintech.
1. Nasabah Sudah Terbiasa Serba Digital
Beberapa tren yang makin kuat di akhir 2025:
- Pembukaan rekening via aplikasi dianggap “normal”
- Chat dengan CS lewat WhatsApp atau chat in-app jadi kebiasaan
- QRIS dan pembayaran digital lebih sering dipakai daripada uang tunai di kota-kota besar
Kalau bank tidak mengimbangi dengan AI chatbot, proses on-boarding digital yang cerdas, dan deteksi fraud real-time, nasabah dengan mudah pindah ke pemain lain yang lebih responsif.
2. BI Mendukung Stabilitas & Inovasi
BI bukan hanya bicara suku bunga dan inflasi. Dalam beberapa tahun terakhir, BI konsisten mendorong:
- Sistem pembayaran digital
- Standar keamanan transaksi
- Inklusi keuangan lewat digitalisasi
Proyeksi pertumbuhan ekonomi yang positif di 2025–2026 menunjukkan ruang yang lebih lapang untuk inovasi. Bank bisa:
- Mengembangkan model AI kredit dengan data yang makin kaya
- Menguji produk perbankan digital baru di segmen UMKM dan mass market
- Berkolaborasi dengan fintech dan startup AI
3. Tekanan Efisiensi Semakin Nyata
Pertumbuhan ekonomi memang membaik, tapi margin bunga bersih (NIM) bank tidak selalu ikut melebar. Persaingan ketat, biaya dana (CoF) harus dijaga, dan biaya operasional tetap tinggi kalau proses belum otomatis.
AI di perbankan jadi alat untuk:
- Mengurangi kerja manual di back office
- Mempercepat proses verifikasi dan underwriting
- Menekan fraud dan NPL lewat deteksi dini
Bank yang menunda adopsi AI sekarang, biasanya akhirnya harus mengejar di saat market sudah jenuh dan biaya inovasi jadi lebih mahal.
Di Mana AI Paling Cepat Memberi Dampak di Perbankan?
Jawabannya: area yang langsung bersinggungan dengan volume transaksi besar dan keputusan risiko. Di Indonesia, ada beberapa use case yang paling logis untuk dipriorioritaskan.
1. Penilaian Kredit Alternatif (Alternative Credit Scoring)
Kredit tradisional bergantung pada slip gaji, rekening koran, dan agunan. Masalahnya, jutaan orang dan UMKM di Indonesia tidak punya dokumen “rapi” seperti itu, padahal secara cashflow mereka cukup sehat.
AI bisa menilai kelayakan kredit dari data alternatif:
- Riwayat transaksi rekening dan e-wallet
- Pola pembayaran tagihan
- Data penjualan online (untuk UMKM marketplace)
- Perilaku penggunaan aplikasi (frekuensi login, geolokasi, device)
Ini langsung menyentuh isu inklusi keuangan:
- Lebih banyak orang yang sebelumnya “tidak bancable” bisa diakses
- UMKM yang tadinya hanya bermain tunai bisa dapat modal kerja
- Bank bisa memperluas portofolio tanpa menaikkan risiko secara buta
2. Deteksi Fraud & Keamanan Transaksi
Transaksi digital yang makin ramai selalu diikuti oleh penipuan yang makin kreatif. Mengandalkan rule-based saja sudah tidak cukup.
AI dan machine learning bisa:
- Mendeteksi pola transaksi tidak biasa dalam hitungan detik
- Mengirimkan alert otomatis ke nasabah dan tim risk
- Menerapkan dynamic risk scoring per transaksi
Contoh konkret:
- Nasabah biasanya transaksi di Jakarta, tiba-tiba ada transaksi nominal besar dari luar negeri tengah malam → sistem langsung menahan transaksi dan meminta verifikasi.
Hal-hal seperti ini hampir mustahil ditangani manual jika volume transaksi sudah jutaan per hari.
3. Chatbot Bahasa Indonesia & Layanan Pelanggan
Banyak bank sudah punya chatbot, tapi seringkali “kurang pintar” dan bikin nasabah frustrasi.
Dengan Natural Language Processing (NLP) bahasa Indonesia yang lebih matang, chatbot bisa:
- Memahami pertanyaan kompleks (“kenapa transfer saya balik lagi?”)
- Menjawab dengan konteks akun nasabah (setelah autentikasi)
- Menyambungkan ke agent manusia hanya jika perlu
Dampaknya:
- Waktu tunggu nasabah berkurang drastis
- Biaya call center bisa ditekan
- Data percakapan bisa dianalisis untuk memahami masalah paling sering muncul
4. Personalisasi Layanan & Penawaran Produk
AI di perbankan memungkinkan “satu nasabah, satu pengalaman unik”.
Beberapa contoh implementasi:
- Rekomendasi produk investasi berdasarkan profil risiko dan pola saldo
- Notifikasi keuangan yang benar-benar relevan (bukan spam broadcast)
- Penawaran limit kartu kredit yang disesuaikan perilaku belanja
Di tengah ekonomi yang membaik, nasabah akan:
- Lebih sering belanja
- Lebih tertarik investasi
- Lebih terbuka terhadap produk baru
Bank yang bisa menyajikan penawaran tepat waktu, di kanal yang tepat, dengan bahasa yang terasa personal, akan lebih mudah mengonversi minat menjadi transaksi.
Tantangan Nyata: Data, SDM, dan Regulasi
Kalimat jujurnya: AI di perbankan itu bukan sekadar beli software. Ada beberapa kendala yang sering saya lihat di bank Indonesia.
1. Data yang Masih Terfragmentasi
Masalah klasik:
- Data nasabah tersebar di banyak sistem legacy
- Kualitas data bermasalah (duplikasi, tidak rapi, banyak yang kosong)
- Tidak ada single customer view yang bersih
Sebelum bicara model AI canggih, bank perlu:
- Program data cleansing serius
- Master data management yang jelas
- Arsitektur data yang siap analitik (data warehouse / data lake)
2. SDM: Gap antara Tim Bisnis dan Tim Teknologi
Tim bisnis mengerti produk, tapi tidak selalu mengerti cara kerja model AI. Tim IT mengerti teknologi, tapi tidak selalu paham risiko dan regulasi perbankan.
Solusinya bukan sekadar rekrut data scientist, tapi:
- Bentuk tim lintas fungsi (bisnis, risk, IT, data)
- Latih manajemen untuk memahami kemampuan dan keterbatasan AI
- Pastikan ada data translator atau product owner AI yang bisa menjembatani kedua dunia
3. Kepatuhan dan Tata Kelola (Governance)
Perbankan adalah industri yang sangat diatur. Setiap penggunaan AI harus:
- Transparan (jelas logika keputusan, terutama soal kredit)
- Terdokumentasi (model, data, parameter)
- Bisa diawasi regulator bila perlu
Bank yang serius biasanya:
- Membuat AI governance framework sendiri
- Menguji model secara berkala (model validation)
- Menyiapkan fallback manual kalau sistem AI gagal
Langkah Praktis: Dari Proyeksi Ekonomi ke Roadmap AI
Pertanyaan pentingnya: apa yang sebaiknya dilakukan bank di 2025–2026, mumpung ekonomi sedang membaik?
1. Fokus ke 2–3 Use Case Prioritas
Jangan mulai dari semua hal sekaligus. Pilih area yang:
- Punya dampak finansial terbesar
- Data relatif sudah siap
- Proses bisnisnya jelas
Biasanya kandidat teratas:
- Deteksi fraud transaksi ritel
- Scoring kredit untuk segmen tertentu (misalnya UMKM marketplace)
- Chatbot layanan nasabah
2. Rapikan Pondasi Data Sekarang, Bukan Nanti
Sambil pilot project, bank perlu:
- Menstandarkan data nasabah
- Menyusun kamus data (data dictionary)
- Menentukan siapa pemilik tiap domain data (data owner)
Ini tidak seksi, tapi tanpa ini proyek AI cepat macet.
3. Bangun Budaya Eksperimen yang Terukur
AI butuh siklus:
- Coba
- Ukur
- Perbaiki
- Skalakan
Bank bisa mulai dengan sandbox terbatas:
- Segmen nasabah tertentu
- Produk tertentu
- Periode terbatas
Asalkan metrik jelas (NPL, conversion rate, fraud loss, cost per contact), manajemen bisa melihat nilai tambahnya secara kuantitatif.
4. Selaraskan dengan Arah Kebijakan BI dan OJK
Karena BI memberi sinyal positif dan terus mendorong digitalisasi sistem pembayaran, bank perlu:
- Menyelaraskan roadmap AI dengan inisiatif nasional
- Memastikan keamanan dan kepatuhan tetap prioritas
- Aktif berdialog dengan regulator tentang use case baru
Semakin dini bank melibatkan regulator, semakin kecil risiko “proyek sukses tapi tidak boleh jalan” karena tidak comply.
Penutup: Ekonomi Membaik, Saatnya Perbankan Naik Kelas
Proyeksi BI bahwa ekonomi Indonesia tumbuh 4,7–5,5% di 2025 dan naik lagi di 2026 memberi pesan jelas: pasar sedang mengembang. Konsumsi naik, investasi mengalir, transaksi digital makin padat.
Ini saat yang tepat bagi bank untuk tidak hanya “ikut tumbuh”, tapi naik kelas lewat penerapan AI dalam perbankan digital:
- Menilai risiko lebih akurat
- Melayani nasabah lebih cepat dan personal
- Menekan fraud dan biaya operasional
Pertanyaannya sekarang bukan lagi, “Perlu AI atau tidak?” tapi, “Di area mana bank Anda akan mulai duluan, dan kapan?”
Kalau momentum 2025–2026 ini bisa dimanfaatkan dengan cerdas, perbankan Indonesia bukan cuma siap menghadapi era digital banking, tapi juga bisa memimpin inklusi keuangan di kawasan.