Google, Cloud, dan AI: Alarm Penting bagi Bank Digital

Google, Cloud, dan AI: Alarm Penting bagi Bank Digital

Sekitar 90% trafik pencarian global masih datang dari Google. Di balik angka itu ada satu fakta yang bikin banyak perusahaan—termasuk bank—mulai waspada: kalau satu pemain menguasai gerbang internet, maka aturan main praktis ada di tangan mereka.

Pernyataan keras CEO Cloudflare, Matthew Prince, yang menuding Google "curang" dalam praktik AI dan crawling web sebetulnya bukan sekadar drama antarraksasa teknologi. Untuk industri perbankan Indonesia yang sedang ngebut menuju digital banking berbasis AI, ini adalah sinyal bahaya: soal ketergantungan, transparansi, dan keadilan data.

Tulisan ini membahas apa yang sebenarnya dipersoalkan Cloudflare, bagaimana kaitannya dengan cloud dan AI, dan yang paling penting: apa dampaknya untuk bank dan fintech di Indonesia yang sedang membangun layanan digital banking cerdas.

---

Apa yang Dikritik Bos Cloudflare dari Praktik AI Google?

Intinya, Matthew Prince menyoroti cara Google menggabungkan izin pengindeksan untuk search dan AI dalam satu paket. Kalau sebuah situs ingin tampil di hasil pencarian Google (SEO), maka secara praktik juga harus mengizinkan datanya di-crawl dan digunakan untuk pelatihan AI Google.

"Anda tidak bisa memilih tidak menggunakan salah satunya tanpa memilih keduanya, yang jadi tantangan nyata," ujar Prince.

Dulu, izin SEO relatif jelas: Anda izinkan Googlebot mengindeks halaman, lalu Google menampilkan tautan ke situs Anda di search. Sekarang, setelah Google mengintegrasikan AI, izin yang sama dipakai untuk dua hal sekaligus:

• Pengindeksan untuk mesin pencari
• Crawling dan pemakaian konten untuk melatih model AI

Masalahnya:

• Banyak pemilik konten tidak merasa pernah menyetujui pelatihan AI
• Tidak ada kompensasi atau kredit yang layak saat konten mereka dipakai AI
• Sulit untuk memblokir hanya AI tanpa mengorbankan trafik dari Google Search

Buat publisher media mungkin ini terasa paling keras. Tapi buat industri perbankan, isu yang sama muncul ketika kita bicara soal data nasabah, model risiko, dan ketergantungan pada satu vendor cloud atau AI.

---

Mengapa Isu Ini Penting untuk Bank dan Digital Banking Indonesia?

Untuk bank, Google hanyalah salah satu contoh dari fenomena yang lebih besar: kekuatan terpusat di tangan segelintir penyedia teknologi cloud dan AI. Di Indonesia, banyak bank dan fintech sudah mengandalkan:

• Infrastruktur cloud publik (termasuk untuk core digital banking)
• Layanan AI siap pakai: NLP, fraud detection engine, recommendation engine
• Ekosistem aplikasi yang sangat bergantung pada aturan toko aplikasi dan mesin pencari

Ini menyentuh tiga hal krusial bagi bank:

1. Transparansi algoritma
   Kalau model AI yang dipakai untuk penilaian kredit atau deteksi fraud adalah black box milik vendor, bank akan kesulitan menjawab pertanyaan regulator maupun nasabah: "Kenapa pengajuan saya ditolak?", "Kenapa transaksi saya diblokir?".

2. Kedaulatan dan kepemilikan data
   Kalau izin penggunaan data digabung, seperti yang dikeluhkan Cloudflare terhadap Google, ada risiko:

   • Data transaksi atau perilaku nasabah ikut dipakai untuk melatih model generik milik vendor
   • Nilai bisnis data yang semestinya menjadi aset bank malah mengalir ke pihak lain

3. Persaingan yang adil di pasar digital banking
   Bank kecil dan BPR digital yang baru lahir akan selalu kalah kalau:

   • Akses ke teknologi AI yang benar-benar kompetitif hanya dimiliki segelintir pemain besar
   • Regulasi teknis dan standar akses tidak disusun dengan perspektif keadilan dan interoperability

Jadi, ketika Cloudflare bilang Google "menghambat kemajuan internet" dengan praktik crawling yang tidak terpisah antara search dan AI, bagi sektor perbankan, terjemahannya kurang lebih: jangan sampai masa depan bank digital Indonesia digantungkan pada satu pintu teknologi yang aturannya tidak transparan.

---

Risiko Ketergantungan AI & Cloud bagi Industri Perbankan

Untuk bank, risiko terbesar adopsi AI bukan sekadar bias algoritma. Risiko paling mahal biasanya muncul dari kombinasi: teknologi tertutup + kontrak yang tidak detail + ketergantungan jangka panjang.

1. Model Penilaian Kredit yang Tidak Transparan

Bayangkan skenario ini:

• Bank menggunakan layanan credit scoring as-a-service dari vendor AI global
• Modelnya akurat, default rate turun, approval cepat
• Tapi logika model tidak dibuka; hanya ada score dan sedikit penjelasan generik

Tiga tahun kemudian:

• Regulator meminta penjelasan detail soal fairness: apakah ada diskriminasi berbasis gender, daerah, atau status pekerjaan?
• Vendor tidak sanggup memberikan penjelasan level fitur dan bobot; atau hanya menjawab dengan materi pemasaran
• Bank berada di garis tembak regulator dan publik, padahal kontrol terhadap model sebenarnya minim

Ini persis jenis ketidakadilan teknologi yang sekarang diprotes Cloudflare ke Google, tetapi terjadi di level penilaian kredit.

2. Vendor Lock-In di Cloud dan AI

Ketika semua pipeline data, model, dan layanan digital banking dibangun di satu cloud:

• Biaya migrasi akan melonjak tajam
• Negosiasi harga dan SLA jadi berat sebelah
• Inovasi jadi ditentukan roadmap vendor, bukan strategi bank

Dalam konteks AI:

• Kalau model dilatih dengan format dan tooling eksklusif
• Dan data pelatihan bercampur dengan data global vendor
• Maka bank praktis tidak punya opsi realistis untuk pindah tanpa kehilangan kemampuan AI yang sudah berjalan

3. Kepatuhan Data dan Risiko Reputasi

Bank di Indonesia berada di bawah pengawasan ketat OJK dan BI, ditambah aturan PDP. Kalau praktik penggunaan data dan AI tidak jelas:

• Satu insiden kebocoran atau penyalahgunaan data bisa langsung mengundang sanksi
• Isu kepercayaan (trust) nasabah bisa hancur hanya dalam hitungan hari

Kasus-kasus seperti protes ke Google, atau kontroversi AI lain, biasanya cepat viral. Kalau bank ikut terseret karena integrasi yang tidak transparan, kerusakannya bukan hanya teknis, tapi reputasi jangka panjang.

---

Strategi Bank Indonesia: Adopsi AI Tanpa Kehilangan Kontrol

Kabar baiknya, industri perbankan sebenarnya punya banyak ruang untuk mengatur permainan sendiri. Kuncinya: adopsi AI dan cloud secara strategis, bukan sekadar ikut tren.

Berikut pendekatan yang menurut saya paling realistis untuk bank di Indonesia.

1. Pisahkan Izin dan Tujuan Penggunaan Data

Hal yang dikritik Cloudflare—izin search disatukan dengan izin AI—adalah contoh yang sebaiknya tidak ditiru.

Untuk konteks perbankan:

• Bedakan dengan jelas: izin untuk pemrosesan transaksi, analitik internal, dan pelatihan model AI
• Pastikan kontrak dengan vendor cloud dan AI menyebutkan secara eksplisit:
  • Data mana yang boleh dipakai untuk melatih model mereka
  • Apakah data digunakan hanya untuk model milik bank atau juga model generik vendor
  • Apakah data dianonimkan dan bagaimana mekanismenya

Praktik yang sehat:

• Untuk data sensitif (penilaian kredit, riwayat transaksi): model sebaiknya dilatih terisolasi, hanya untuk bank tersebut
• Untuk data kurang sensitif (interaksi chatbot anonim, insight umum penggunaan aplikasi): bisa dinegosiasikan untuk shared learning dengan batas yang ketat

2. Bangun AI Governance yang Serius, Bukan Formalitas

AI governance yang kuat bukan hanya membuat dokumen, tapi juga mengubah cara tim bekerja.

Minimal, bank perlu punya:

• Komite AI & Data lintas fungsi: risiko, kepatuhan, IT, bisnis, dan legal
• Kebijakan tertulis soal:
  • Jenis keputusan yang boleh diotomasi penuh oleh AI (misal: low-risk approval)
  • Jenis keputusan yang wajib melibatkan manusia (misal: penolakan kredit tertentu, pemblokiran rekening)
  • Mekanisme appeal bagi nasabah ketika dirugikan keputusan AI
• Proses audit berkala untuk model AI:
  • Uji bias: apakah golongan tertentu secara sistematis dirugikan?
  • Uji stabilitas: apakah performa model turun di segmen tertentu?

Dengan governance seperti ini, bank punya posisi lebih kuat saat berhadapan dengan vendor teknologi. Bank bisa bilang: "Model Anda harus bisa diaudit dengan kriteria A, B, C." Bukan hanya menerima apa yang sudah jadi.

3. Pilih Arsitektur Cloud yang Interoperable

Alih-alih terjebak di satu ekosistem teknologi, bank bisa memilih strategi multi-cloud atau cloud-agnostic.

Praktik teknis yang mendukung ini:

• Menggunakan standar terbuka: Kubernetes, OpenAPI, format model seperti ONNX
• Menyimpan feature store dan data lake dengan desain yang bisa diakses dari beberapa cloud
• Menghindari penggunaan layanan AI yang terlalu proprietary tanpa jalur ekspor model dan data yang jelas

Tujuannya sederhana: kalau suatu hari aturan main vendor berubah sepihak, bank masih punya jalan keluar. Ini pelajaran langsung dari dinamika Google vs Cloudflare yang kita lihat hari ini.

4. Kolaborasi Lokal: Cloud, AI, dan Regulasi Indonesia

Untuk bank di Indonesia, mengandalkan 100% teknologi luar juga bukan strategi jangka panjang yang sehat. Ada dua alasan besar:

• Konteks lokal: data perilaku nasabah Indonesia, pola fraud lokal, bahasa Indonesia dan bahasa daerah, semuanya membutuhkan model yang benar-benar paham konteks
• Regulasi dan kedaulatan data: penyimpanan di wilayah Indonesia, pemenuhan aturan OJK, BI, dan UU PDP

Pendekatan yang makin masuk akal:

• Bekerja sama dengan penyedia cloud lokal dan regional yang patuh regulasi Indonesia
• Mengembangkan model AI hibrida:
  • Model global untuk foundation (misal bahasa umum)
  • Model lokal untuk fine-tuning perilaku dan regulasi Indonesia
• Aktif terlibat di forum industri dengan OJK, BI, dan asosiasi fintech untuk mendorong standar yang adil dan realistis

---

Contoh Nyata: AI di Perbankan yang Transparan dan Adil

Supaya lebih konkret, berikut gambaran arsitektur AI yang menurut saya masuk akal untuk bank digital Indonesia di 2026 ke depan.

Penilaian Kredit Alternatif

• Data yang dipakai: histori transaksi, pola pemasukan-pengeluaran, data rekening, bukan data pribadi yang berlebihan
• Model dibangun di atas cloud yang sudah tersertifikasi regulasi lokal
• Fitur utama:
  • Penjelasan skor dalam bahasa yang mudah dipahami nasabah
  • Indikator apa yang perlu diperbaiki nasabah untuk meningkatkan skor
  • Log keputusan yang bisa diaudit oleh tim risiko dan regulator

Deteksi Fraud Real-Time

• Gunakan kombinasi rule engine tradisional dan model AI
• Data transaksi tidak pernah dipakai vendor untuk melatih model generik tanpa persetujuan tertulis
• Sistem dilengkapi feedback loop dari tim fraud dan nasabah sehingga model terus membaik tanpa harus mengorbankan transparansi

Chatbot Bahasa Indonesia untuk Layanan Nasabah

• Model bahasa dapat menggunakan foundation model global, tapi:
  • Fine-tuning dan penyimpanan data percakapan sensitif dilakukan di lingkungan cloud milik bank atau mitra lokal
  • Konten pelatihan disaring: tidak semua interaksi nasabah boleh dijadikan data pelatihan tanpa anonimisasi dan persetujuan

Ketiga contoh ini punya benang merah: AI dipakai agresif untuk efisiensi dan personalisasi, tapi bank tetap pegang kendali atas data dan keputusan akhir.

---

Kenapa Bank Harus Belajar dari Konflik Google–Cloudflare Sekarang, Bukan Nanti

Kasus Google dan Cloudflare hanyalah salah satu gejala dari peta kekuatan baru di dunia teknologi: siapa yang menguasai data dan infrastruktur, menguasai aturan main. Bila industri perbankan Indonesia terlambat menyadari pola ini, bank bisa terjebak menjadi "penyewa teknologi" selamanya, bukan pemilik kemampuan digital.

Di seri "AI dalam Industri Perbankan Indonesia: Era Digital Banking" ini, benang merahnya selalu sama: AI itu penting, tapi cara kita mengadopsinya jauh lebih penting lagi.

Untuk tim manajemen bank dan fintech, beberapa langkah praktis yang layak dimulai sebelum akhir tahun ini:

• Audit semua kontrak cloud dan AI: cek klausul penggunaan data dan hak pelatihan model
• Bentuk komite AI & Data lintas fungsi kalau belum ada
• Susun peta jalan 2–3 tahun: mana AI yang ingin dikuasai sendiri, mana yang cukup disewa dari vendor

Masa depan digital banking Indonesia akan ditentukan bukan hanya oleh seberapa cepat kita mengadopsi AI, tapi oleh seberapa cerdas kita mengatur relasi dengan raksasa teknologi di belakangnya.