Ekspansi Likuiditas BI & Peluang AI di Bank Nasional

Ekspansi Likuiditas BI & Peluang AI di Bank Nasional

Di akhir 2025, Bank Indonesia sudah menarik turun porsi SRBI lebih dari Rp200 triliun dan membeli SBN hingga Rp327,45 triliun. Angkanya besar, tapi maknanya sederhana: likuiditas perbankan makin longgar dan uang primer ditargetkan tumbuh dua digit sepanjang 2026.

Buat bank, ini bukan sekadar kabar baik soal dana murah. Ini sinyal bahwa model bisnis lama yang bertumpu pada margin bunga saja sudah ketinggalan. Kalau likuiditas melimpah tapi kredit ke sektor riil tetap seret, regulator akan mulai mempertanyakan: apa yang salah di sisi intermediasi? Di titik inilah AI dalam perbankan dan digital banking jadi alat strategis, bukan hanya gimmick teknologi.

Artikel ini membedah tiga hal: apa yang sebenarnya dilakukan BI lewat ekspansi likuiditas, bagaimana dampaknya ke perbankan nasional, dan yang paling penting, bagaimana bank bisa memakai AI untuk merespons kebijakan moneter baru ini secara cerdas dan menguntungkan.

---

Apa yang Sedang Dilakukan BI: SRBI Turun, Uang Primer Naik

Bank Indonesia sedang mengubah “mesin” likuiditas perbankan dengan cukup agresif.

• Porsi SRBI turun tajam: dari Rp916,97 triliun di awal 2025 menjadi Rp735,67 triliun pada Desember 2025. Artinya lebih dari Rp200 triliun likuiditas kembali ke sistem perbankan.
• Pembelian SBN: hingga 16/12/2025, BI telah membeli SBN Rp327,45 triliun, termasuk debt switching dengan pemerintah Rp241,99 triliun. Ini menambah dana ke pasar dan memperbaiki struktur jatuh tempo.
• Target uang primer dua digit: BI secara terbuka menyatakan ingin mendorong pertumbuhan uang primer (base money) ke kisaran dua digit sepanjang 2026.
• Skema remunerasi baru: BI memberi imbal hasil atas excess reserves di bank, 25 bps di bawah suku bunga Deposit Facility (3,50%), sementara remunerasi GWM tetap 1,50%.

Gubernur BI Perry Warjiyo sudah sangat jelas: tujuan utamanya agar likuiditas perbankan mengalir ke sektor riil, melalui sinergi kebijakan moneter dan fiskal.

Dampak Langsung ke Perbankan

Bagi bank, konsekuensinya cukup konkret:

1. Dana melimpah, tekanan pendanaan turun
   Cost of fund berpotensi turun. Tapi kalau hanya parkir di instrumen BI atau SBN, peluang pertumbuhan laba akan terbatas.

2. Ekspektasi penyaluran kredit naik
   BI ingin “uang mengalir”. Kalau pertumbuhan uang primer sudah dua digit, tapi kredit macet di satu digit rendah, regulator akan menekan lewat kebijakan lanjutan.

3. Ruang transformasi digital melebar
   Surplus likuiditas bisa dipakai untuk investasi sistem AI, data, dan digital banking tanpa terlalu mengorbankan rasio keuangan jangka pendek.

Di sinilah bank yang serius di AI akan unggul jauh dibanding yang hanya fokus promosi bunga.

---

Tantangan Baru: Likuiditas Longgar, Risiko Turut Naik

Likuiditas yang longgar bukan berarti risiko hilang. Justru sebaliknya: kalau dana murah bertemu strategi penyaluran yang agresif tapi lemah data, risiko kredit bisa melonjak.

Risiko yang Mengintai di Era Ekspansi Likuiditas

Ada beberapa pola risiko yang biasanya muncul ketika bank “kebanjiran” dana:

• Penyaluran kredit dipaksa cepat hanya untuk mengejar target pertumbuhan, sehingga kualitas analisis nasabah turun.
• Harga risiko (risk-based pricing) tidak akurat, bunga kredit tidak mencerminkan profil risiko karena model scoring masih manual.
• Kredit konsumtif tumbuh terlalu dominan, sementara sektor produktif (UMKM, manufaktur, agribisnis) tertinggal karena proses analisisnya dianggap lebih rumit.
• Fraud dan moral hazard meningkat, karena sistem pemantauan transaksi dan perilaku nasabah belum real-time.

Kalau bank hanya mengandalkan prosedur lama, mereka akan tertinggal dua langkah: satu langkah dari kebijakan BI yang semakin dinamis, satu langkah lagi dari kompetitor yang sudah memakai AI.

Kenapa AI Relevan Justru Saat Likuiditas Longgar

Di tengah ekspansi likuiditas BI, AI dalam industri perbankan Indonesia punya peran yang sangat spesifik:

1. Mempercepat penyaluran kredit tanpa mengorbankan kualitas
   Model AI credit scoring bisa menganalisis data alternatif: transaksi e‑commerce, histori pembayaran tagihan, pergerakan rekening, hingga data perilaku di aplikasi.

2. Menjaga kualitas portofolio saat ekspansi
   AI dapat memantau portofolio secara terus-menerus dan memberi sinyal dini kalau ada nasabah yang mulai menunjukkan pola macet.

3. Mengalihkan fokus ke kredit produktif
   Dengan analitik yang lebih kaya, bank bisa mengurangi bias bahwa UMKM “berisiko tinggi” hanya karena dokumen formal mereka terbatas.

Jadi, ekspansi likuiditas bukan alasan untuk longgar dalam manajemen risiko. Justru ini momentum memasang “rem ABS” berbasis AI di mobil yang sedang dipacu lebih kencang.

---

AI Sebagai “Radar” Baru di Tengah Kebijakan BI yang Dinamis

Kebijakan moneter BI sekarang bergerak cepat: porsi SRBI disesuaikan, pembelian SBN berubah, suku bunga dan skema remunerasi dievaluasi secara berkala. Bank yang mengandalkan laporan bulanan manual akan selalu telat merespons.

AI analytics bisa menjadi “radar” yang membaca perubahan ini secara real-time dan menerjemahkannya ke keputusan bisnis.

1. Penentuan Strategi Likuiditas dan Pricing Otomatis

Sistem AI treasury bisa:

• Menghitung biaya oportunitas menempatkan dana di SRBI, SBN, atau menyalurkan kredit, dengan input parameter kebijakan BI terbaru.
• Mengoptimalkan kombinasi aset likuid sehingga bank tetap patuh regulasi, tapi margin tetap optimal.
• Mensimulasikan skenario: “Kalau BI menurunkan porsi SRBI lagi Rp50 triliun, apa dampaknya ke NIM dan LDR bank?”

Daripada menunggu tim ALCO rapat manual dengan spreadsheet, bank bisa punya dasbor AI yang selalu memperbarui rekomendasi berdasarkan data terkini.

2. Manajemen Risiko Pasar dan Suku Bunga

Perubahan SRBI dan pembelian SBN menggeser kurva imbal hasil (yield curve). Ini berpengaruh ke:

• Harga obligasi yang dipegang bank
• Strategi repricing deposito dan kredit
• Perhitungan risiko pasar (interest rate risk in the banking book)

Model AI risk management bisa membaca pola historis: bagaimana pasar bereaksi ketika BI mengubah porsi SRBI, atau ketika target uang primer dinaikkan. Dari situ, sistem memberi rekomendasi taktis ke treasury dan manajemen risiko.

---

Dari Likuiditas ke Layanan: AI, Digital Banking, dan Inklusi Keuangan

BI ingin ekspansi likuiditas mengalir ke sektor riil. Di sisi lain, Indonesia masih punya jutaan masyarakat yang belum sepenuhnya terlayani bank. Di sinilah digital banking dan AI bisa menjadi jembatan antara kebijakan moneter dan inklusi keuangan.

AI Chatbot & Asisten Virtual: Frontliner 24/7

Dengan dana melimpah, bank bisa mendorong pembukaan rekening dan aktivasi produk digital secara besar-besaran. Tapi call center dan cabang punya batas.

AI chatbot berbahasa Indonesia (bahkan bahasa daerah) bisa:

• Menjawab pertanyaan dasar produk tabungan, deposito, dan kredit mikro
• Membantu proses onboarding digital: verifikasi data, edukasi fitur aplikasi
• Mengedukasi nasabah soal dampak perubahan suku bunga atau promo khusus kredit di periode tertentu

Hasilnya, bank bisa memperluas basis nasabah tanpa harus membuka banyak kantor cabang fisik.

Personalisasi Penawaran: Dari “Broadcast” ke “Satu-satu”

Saat likuiditas longgar, godaan terbesar adalah mengirim promo kredit massal: SMS blast, push notification serentak, penawaran sama ke semua orang. Efektif? Jarang.

Dengan AI personalisasi:

• Nasabah yang punya pola transaksi gaji tetap dan pembayaran tepat waktu bisa ditawari kredit tanpa agunan dengan limit dan tenor yang pas.
• Pelaku UMKM dengan arus kas stabil di rekening bisnis bisa mendapat penawaran kredit modal kerja otomatis.
• Nasabah yang terlihat mulai menurun aktivitas transaksinya bisa dikirim program retensi, bukan sekadar promo umum.

Di sinilah inklusi keuangan terasa nyata: layanan perbankan dirasakan relevan oleh masyarakat, bukan hanya “iklan lewat”.

Penilaian Kredit Alternatif untuk UMKM

Banyak UMKM punya masalah klasik:

• Tidak punya laporan keuangan rapi
• Agunan terbatas
• Dokumen formal tidak lengkap

Padahal arus kas di rekening dan transaksi digital mereka cukup sehat.

AI credit scoring memungkinkan bank:

• Menggabungkan data transaksi rekening, e‑wallet, marketplace, hingga pembayaran utilitas
• Menilai pola pembayaran, musim usaha, dan stabilitas pendapatan
• Memberikan skor risiko yang lebih akurat dibanding hanya melihat agunan

Dengan begitu, dana hasil ekspansi likuiditas BI benar-benar bekerja membiayai sektor produktif, bukan hanya konsumsi.

---

Langkah Praktis: Apa yang Harus Dilakukan Bank Mulai Sekarang?

Kalau diringkas, arah BI jelas: likuiditas dilonggarkan, uang primer didorong dua digit, sektor riil diminta berlari. Supaya tidak tertinggal, bank perlu menyiapkan tiga hal inti di ranah AI dan digital banking.

1. Bangun Fondasi Data yang Serius

AI hanya sekuat kualitas datanya. Tanpa data yang rapi, hasilnya bias dan berbahaya.

Beberapa langkah praktis:

• Konsolidasi data nasabah lintas produk ke satu data lake
• Standarisasi definisi data (misalnya: apa yang disebut “aktif”, “tidur”, “berisiko tinggi”)
• Pastikan kualitas data transaksi, KYC, dan histori kredit terjaga

2. Mulai dari Use Case yang Langsung Menghasilkan

Daripada mencoba semua sekaligus, fokus di 2–3 area yang langsung terkait ekspansi likuiditas:

• AI credit scoring untuk KUR dan kredit konsumsi
• AI chatbot untuk efisiensi layanan dan edukasi nasabah
• AI risk analytics untuk pemantauan portofolio dan likuiditas

Dengan cara ini, manajemen akan melihat dampak ke NPL, cost to income, dan pertumbuhan kredit secara lebih cepat.

3. Selaraskan Tim Risiko, TI, dan Bisnis

Implementasi AI bukan tugas tim TI saja. Harus ada:

• Keterlibatan manajemen risiko untuk memastikan model AI patuh regulasi
• Dukungan bisnis (retail, UMKM, korporasi) untuk mendesain alur proses yang realistis
• Kebijakan tata kelola model (model governance) agar BI dan OJK nyaman dengan pendekatan baru ini

Kalau tiga kubu ini tidak sejalan, AI hanya akan jadi proyek percobaan yang tidak pernah masuk ke proses inti.

---

Penutup: Kebijakan BI Sudah Bergerak, Saatnya AI Mengikuti

BI sudah menurunkan porsi SRBI lebih dari Rp200 triliun, membeli SBN ratusan triliun, dan menargetkan pertumbuhan uang primer dua digit selama 2026. Pesannya jelas: likuiditas bukan lagi kendala utama, eksekusinya yang diuji.

Di era AI dalam industri perbankan Indonesia dan digital banking, bank yang berhasil adalah yang mampu mengubah kelonggaran likuiditas menjadi:

• Penyaluran kredit yang cepat tapi terukur
• Layanan digital yang inklusif dan personal
• Manajemen risiko yang adaptif terhadap kebijakan BI

Pertanyaannya tinggal satu: apakah bank Anda akan menjadi institusi yang menunggu arahan berikutnya dari regulator, atau yang proaktif memanfaatkan AI untuk menyambut era ekspansi likuiditas secara cerdas dan berkelanjutan?