Ekonomi Membaik, Saatnya AI Serius di Bank Indonesia

Ekonomi RI Membaik, Ekspektasi ke Bank Naik

Pertumbuhan ekonomi Indonesia akhir 2025 diperkirakan tembus 4,7–5,5% dan naik lagi ke 4,9–5,7% di 2026. Angka ini datang langsung dari Gubernur BI, Perry Warjiyo, di tengah kabar kurang menyenangkan soal bencana di Aceh, Sumatra Utara, dan Sumatra Barat.

Artinya apa? Dompet rumah tangga mulai agak lega, konsumsi tetap kuat di kuartal IV-2025, penjualan ritel naik, investasi non-bank masih jalan, ekspor memang sedikit melambat tapi belum rem mendadak. Kalau ekonomi mulai pulih, satu sektor yang pasti langsung kena imbas ekspektasi lebih tinggi adalah perbankan.

Nasabah akan menuntut layanan yang lebih cepat, lebih murah, dan bisa diakses dari mana saja. Di sisi lain, bank nggak bisa lagi mengandalkan cara lama kalau ingin tumbuh di atas laju ekonomi nasional. Di sinilah AI dalam industri perbankan Indonesia mulai terasa bukan lagi wacana, tapi kebutuhan.

Mengapa Momentum Ekonomi Positif Penting untuk Digital Banking?

Pertama, ketika konsumsi rumah tangga terjaga dan penjualan ritel naik, volume transaksi keuangan otomatis ikut naik. Dari transfer, cicilan, paylater, sampai pembiayaan UMKM, semuanya butuh proses yang aman dan efisien.

Momentum ini krusial karena:

• Permintaan layanan digital banking melonjak: lebih banyak orang nyaman pakai mobile banking dan e-wallet.
• Persaingan bank makin ketat: bank digital baru dan fintech agresif merebut nasabah generasi muda.
• Tekanan efisiensi makin besar: biaya operasional harus turun, tapi kualitas layanan harus naik.

Kalau bank hanya menambah cabang dan karyawan tanpa mengubah cara kerja, biaya akan bengkak. Sementara nasabah sudah terbiasa dengan pengalaman instan ala aplikasi ride-hailing dan e-commerce.

Di titik ini, AI bukan lagi “nice to have”, tapi motor utama supaya bank bisa mengikuti ritme ekonomi yang lagi menguat.

Peran AI dalam Menjawab Lonjakan Permintaan Layanan Bank

Jawaban singkatnya: AI membantu bank memproses lebih banyak transaksi, lebih akurat, dengan biaya lebih rendah, tanpa mengorbankan keamanan.

1. Chatbot & Asisten Virtual: Layanan 24/7 Tanpa Tambah Call Center

Konsumsi meningkat berarti transaksi bertambah. Kalau semua pertanyaan nasabah masih ditangani manual lewat call center, antrean akan menumpuk.

AI bisa membantu lewat:

• Chatbot Bahasa Indonesia di aplikasi mobile banking dan WhatsApp
• Jawab pertanyaan standar: saldo, mutasi, blokir kartu, reset PIN
• Menangani 60–80% tiket sederhana sebelum dilempar ke agen manusia

Bank yang serius melatih chatbot dengan konteks lokal (bahasa sehari-hari, istilah keuangan sederhana, bahkan logat) akan menang di pengalaman nasabah. Dari sisi biaya, satu chatbot bisa menangani ribuan percakapan sekaligus tanpa gaji lembur.

2. Penilaian Kredit Alternatif: Dorong Inklusi Keuangan Saat Ekonomi Menguat

Perry Warjiyo menyoroti konsumsi rumah tangga sebagai penopang pertumbuhan. Tapi banyak rumah tangga dan pelaku UMKM masih kesulitan mengakses kredit formal karena tak punya slip gaji atau agunan.

Di sini AI untuk credit scoring alternatif jadi senjata penting:

• Analisis data transaksi rekening, e-wallet, dan penjualan online
• Lihat pola pembayaran tagihan, belanja bulanan, dan cash flow usaha
• Skor risiko lebih akurat dibanding hanya melihat agunan

Dampaknya:

• UMKM yang dulu ditolak karena “kurang dokumen” bisa dinilai ulang
• Penyaluran kredit lebih luas, tapi tetap terkontrol risikonya
• Pertumbuhan kredit konsumsi dan produktif bisa mengikuti momentum ekonomi tanpa mengorbankan kualitas portofolio

Ekonomi lagi membaik, sayang kalau jutaan pelaku usaha mikro masih terjebak di rentenir karena bank belum punya model kredit yang relevan. AI memberikan jalan tengah: lebih inklusif tapi tetap prudent.

3. Deteksi Fraud Real-Time: Makin Banyak Transaksi, Makin Besar Risiko

Saat penjualan ritel dan transaksi digital naik, peluang penipuan juga ikut naik.

AI bisa:

• Menganalisis pola transaksi secara real-time
• Menandai aktivitas mencurigakan: login tak biasa, nominal aneh, pola transaksi berulang
• Menghentikan atau menahan transaksi untuk verifikasi lebih lanjut

Model AI bisa belajar dari kasus fraud sebelumnya dan pola baru yang muncul. Semakin besar volume transaksi, semakin “pintar” modelnya, selama data dikelola dengan baik dan patuh regulasi.

Ini krusial di Indonesia, di mana masih sering terdengar kasus social engineering dan penipuan online. Ekonomi boleh membaik, tapi kepercayaan nasabah bisa runtuh hanya karena satu kasus yang viral. AI membantu bank menjaga kepercayaan itu.

AI sebagai Akselerator Digital Banking di Tengah Pemulihan Ekonomi

Kalau disederhanakan, AI mengubah digital banking dari sekadar “aplikasi cantik” menjadi mesin penggerak bisnis.

1. Personalisasi Layanan: Setiap Nasabah Diperlakukan Unik

Pertumbuhan ekonomi 4,7–5,5% tidak otomatis membuat semua orang kaya. Segmennya beragam: kelas menengah mapan, pekerja baru, hingga UMKM yang penjualannya baru mulai naik.

AI bisa mengelompokkan nasabah berdasarkan perilaku dan kebutuhan, misalnya:

• Nasabah yang rutin belanja tiket pesawat → ditawari kartu kredit travel
• Pelaku UMKM dengan arus kas stabil → ditawari fasilitas modal kerja
• Nasabah yang pengeluarannya boros → dikirim insight pengelolaan keuangan

Ini bukan sekadar kirim promo massal. Model AI melihat pola nyata dari transaksi nasabah, lalu memberi rekomendasi produk yang memang relevan. Bank dapat cross-selling dan up-selling yang lebih efektif, nasabah merasa benar-benar dipahami.

2. Otomasi Proses Internal: Dari KYC sampai Analisis Risiko

Kenaikan permintaan di masa ekonomi membaik sering membuat proses di belakang layar “kewalahan”. Tanpa otomasi, back office bisa menjadi bottleneck.

Contoh penerapan AI di proses internal bank:

• e-KYC cerdas: verifikasi KTP dan wajah dengan computer vision
• Otomasi dokumen kredit: ekstraksi data dari slip gaji, SIUP, laporan keuangan
• Model risiko dinamis: menyesuaikan limit dan bunga berdasarkan kondisi makro dan perilaku nasabah

Hasilnya:

• Waktu persetujuan kredit bisa turun dari minggu menjadi hari, atau bahkan jam
• Biaya operasional turun karena banyak proses manual dihilangkan
• Bank bisa merespons perubahan ekonomi (misalnya shock di satu sektor) lebih cepat lewat penyesuaian kebijakan berbasis data

3. Pengambilan Keputusan Berbasis Data, Bukan Sekadar Intuisi

Perbaikan ekonomi nasional tidak merata di semua sektor dan wilayah. Ada daerah yang terpukul bencana, ada yang justru melesat lewat ekspor atau pariwisata.

AI membantu manajemen bank:

• Menganalisis data cabang per wilayah
• Melihat sektor mana yang mulai pulih, mana yang masih harus ditahan ekspansinya
• Mensimulasikan skenario: apa yang terjadi jika suku bunga turun, atau jika permintaan kredit UMKM dinaikkan di daerah tertentu

Dengan begitu, strategi pertumbuhan bank bisa selaras dengan proyeksi BI, bukan asal gas. Bank yang bisa membaca arah angin ekonomi lebih akurat akan lebih siap mengalokasikan modal dan risiko.

Tantangan Penerapan AI di Bank Indonesia & Cara Menghadapinya

Semua ini terdengar ideal, tapi praktiknya tidak sesederhana memasang software baru. Ada beberapa tantangan yang sering saya lihat ketika bank di Indonesia mulai serius masuk ke AI.

1. Kualitas & Integrasi Data

Banyak bank punya data melimpah, tapi:

• Terbagi di banyak sistem yang tidak nyambung
• Formatnya berbeda-beda
• Ada data yang kotor atau tidak lengkap

Sebelum bicara model AI canggih, fondasinya harus dibereskan dulu:

• Bangun data lake atau platform data terpusat
• Bersihkan dan standarisasi data utama: nasabah, transaksi, produk
• Bentuk tim data yang jelas: data engineer, data scientist, dan pemilik data bisnis

2. Regulasi & Tata Kelola Risiko

Di sektor keuangan, kepatuhan itu harga mati. Penerapan AI harus sejalan dengan aturan OJK, BI, dan standar keamanan data.

Beberapa prinsip penting:

• Model AI untuk kredit harus bisa dijelaskan, bukan “black box” total
• Data nasabah harus terlindungi, terutama jika melibatkan pihak ketiga
• Ada governance: siapa yang boleh mengubah model, bagaimana menguji bias, bagaimana memonitor performa

Bank yang mengabaikan aspek ini akan kesulitan mendapat restu regulator, dan ujungnya proyek AI hanya berhenti di pilot kecil.

3. SDM & Budaya Organisasi

Teknologi boleh canggih, tapi kalau budaya organisasi belum siap, hasilnya setengah hati.

Hal yang biasanya diperlukan:

• Melatih staf operasional dan manajemen untuk membaca insight dari AI
• Menggabungkan intuisi banker senior dengan rekomendasi model
• Mengubah mindset: AI bukan mengganti manusia, tapi menguatkan keputusan manusia

Bank yang berhasil biasanya membangun tim lintas fungsi: bisnis, IT, risiko, kepatuhan, dan data, yang duduk satu meja sejak awal.

Langkah Praktis Bank di Indonesia Memanfaatkan Momentum 2025–2026

Dengan proyeksi BI bahwa ekonomi akan terus membaik hingga 2026, bank punya jendela waktu yang sangat menarik. Berikut pendekatan realistis yang bisa dijalankan 12–24 bulan ke depan:

1. Pilih 2–3 use case AI prioritas yang langsung terkait target bisnis: misalnya chatbot, credit scoring UMKM, dan fraud detection.
2. Mulai dari data yang sudah ada di core banking, mobile banking, dan kanal digital lain. Jangan menunggu data “sempurna” baru bergerak.
3. Bangun pilot yang terukur: definisikan target jelas, misalnya: waktu respon nasabah turun 50%, approval kredit naik 30% tanpa NPL melonjak.
4. Libatkan regulator sejak awal: sampaikan pendekatan, kontrol, dan mekanisme mitigasi risiko.
5. Rencanakan scale-up jika pilot berhasil: integrasikan ke proses standar, bukan hanya jadi proyek percobaan.

Ekonomi yang membaik memang membantu semua sektor, tapi bank yang berani mengadopsi AI dengan serius akan bergerak lebih cepat daripada rata-rata pasar.

Penutup: Momentum Ekonomi Positif Bukan Alasan untuk Santai

Perry Warjiyo sudah memberi sinyal jelas: ekonomi Indonesia berada di jalur pemulihan dengan proyeksi pertumbuhan yang optimis hingga 2026. Konsumsi rumah tangga terjaga, investasi non-bank tetap hidup, ekspor hanya sedikit melambat.

Bagi dunia perbankan, ini bukan sekadar kabar baik, tapi juga tantangan. Nasabah akan menuntut layanan digital banking yang lebih cepat, aman, dan personal. Tanpa AI dalam industri perbankan Indonesia, sulit bagi bank untuk memenuhi ekspektasi itu sambil tetap efisien dan patuh regulasi.

Kalau Anda berada di manajemen bank, tim risiko, IT, atau digital, ini saat yang tepat untuk bertanya:

“Dalam 12 bulan ke depan, use case AI apa yang paling masuk akal untuk bank kami — dan apakah kami berani benar-benar mengeksekusinya?”