Pertumbuhan fintech lending dan Bulan Fintech Nasional menegaskan satu hal: AI di perbankan hanya akan efektif kalau dibangun di atas kolaborasi data, risiko, dan ekosistem.
Kolaborasi Fintech & Bank: Fondasi AI di Era Digital Banking
Pertumbuhan industri pinjaman daring (pindar) di Indonesia tembus 22,16% year-on-year per September 2025, dengan total penyaluran hampir Rp91 triliun. Angka ini bukan sekadar statistik, tapi sinyal keras: perilaku keuangan masyarakat sudah digital, sementara model bisnis bank dan fintech dipaksa beradaptasi jauh lebih cepat.
Di tengah momentum Bulan Fintech Nasional, pesan yang paling kuat justru bukan soal siapa paling canggih, tapi siapa yang paling siap berkolaborasi. Kolaborasi data, risiko, teknologi, dan regulasi kini jadi fondasi utama kalau kita bicara AI dalam industri perbankan Indonesia dan masa depan digital banking yang inklusif.
Tulisan ini membedah bagaimana empat pilar kolaborasi yang disampaikan dalam Bulan Fintech Nasional bisa jadi kerangka nyata untuk penerapan AI di perbankan: dari penilaian kredit alternatif, deteksi fraud, sampai personalisasi layanan nasabah.
Mengapa AI di Perbankan Butuh Kolaborasi, Bukan Kompetisi
AI di industri perbankan sering dibayangkan sebagai “mesin pintar” yang bisa melakukan semuanya sendiri: menilai risiko, mendeteksi fraud, sampai melayani nasabah 24/7. Kenyataannya jauh lebih sederhana — dan lebih keras: AI hanya sekuat kualitas data, tata kelola risiko, dan ekosistem yang mendukungnya.
Industri pindar sudah membuktikan satu hal penting:
- Mereka bisa menjangkau segmen yang selama ini sulit disentuh bank
- Proses persetujuan kredit bisa jauh lebih cepat
- Risiko tetap bisa dikendalikan dengan pendekatan data dan teknologi yang tepat
Ini persis yang disampaikan Direktur Utama AdaKami, Bernardino Moningka Vega: pertumbuhan fintech lending bukan cuma soal angka penyaluran, tapi soal akses keuangan digital yang aman, terjangkau, dan bertanggung jawab. Di titik inilah, perbankan dan fintech seharusnya bukan saling menggeser, tapi saling mengisi.
Mengapa kolaborasi penting untuk AI di bank?
- Data nasabah tersebar di banyak institusi – dari bank, fintech, e-commerce, sampai telko. Tanpa kolaborasi, AI perbankan hanya melihat potongan kecil, bukan gambaran utuh.
- Risiko kredit dan fraud sifatnya lintas lembaga – pelaku gagal bayar atau pelaku penipuan tidak peduli batas institusi. Sistem pencegahan berbasis AI perlu ekosistem bersama.
- Regulasi makin ketat soal data & fairness – penerapan AI yang tidak transparan dan tidak adil bisa memicu masalah hukum dan reputasi.
Jadi, kalau bank ingin menggunakan AI untuk inklusi keuangan yang sesungguhnya, kolaborasi dengan fintech dan lembaga lain bukan opsi tambahan; itu pondasinya.
Pilar 1: Berbagi Data – Bahan Bakar Utama AI Perbankan
AI yang akurat lahir dari data yang kaya, bukan data yang besar saja. Ini poin pertama yang sering disalahpahami.
Dalam sesi Bulan Fintech Nasional, dibahas bahwa kolaborasi data antara platform pindar, biro kredit, dan penyedia data alternatif membuka peluang terciptanya riwayat kredit yang lebih utuh. Dari sisi AI perbankan, ini emas murni.
Apa yang dimaksud kolaborasi data yang sehat?
Bukan sekadar lempar-lempar file, tapi:
- Integrasi data biro kredit dengan innovative credit scoring (misalnya data transaksi e-commerce, tagihan utilitas, hingga perilaku pembayaran digital)
- Pertukaran data yang terukur dan terjaga privasinya (anonimisasi, agregasi, dan consent management yang jelas)
- Penggunaan intelijen penipuan bersama (shared fraud intelligence) untuk memetakan pola penipuan lintas platform
Relevansinya untuk AI di bank
Dengan basis data kolaboratif seperti itu, bank bisa membangun dan melatih model AI untuk:
- Penilaian kredit alternatif bagi nasabah unbanked/underbanked
- Pengenalan pola gagal bayar yang lebih tajam karena melihat perilaku keuangan lintas platform
- Deteksi fraud real-time yang tidak berhenti di satu institusi saja
Contoh praktis:
Seorang pekerja informal di kota kecil mungkin tidak punya slip gaji dan riwayat kredit bank, tapi punya histori pembayaran e-wallet yang rapi, transaksi e-commerce stabil, dan tagihan listrik selalu tepat waktu. Tanpa kolaborasi data, dia nyaris tak terlihat di radar bank. Dengan ekosistem data terintegrasi, AI bisa menilai profil risikonya secara lebih adil.
Ini inti dari inklusi keuangan berbasis AI: bukan memaksa semua orang jadi “nasabah ideal versi lama”, tapi mengakui pola hidup digital mereka sebagai bukti kemampuan bayar.
Pilar 2: Skoring Interoperable – Bahasa Bersama untuk Risiko
AI perbankan tidak akan efektif kalau setiap lembaga punya standar penilaian risiko sendiri yang tak nyambung. Di fintech lending, dorongan menuju skoring yang interoperable mulai menguat: kerangka penilaian risiko yang bisa “bicara bahasa yang sama” antar lembaga.
Mengapa interoperabilitas skoring penting?
- Transparansi risiko: bank, fintech, dan lembaga lain bisa memahami profil risiko nasabah dengan cara yang lebih konsisten
- Penghindaran over-lending: nasabah tidak dengan mudah mengambil pinjaman paralel di banyak platform tanpa terdeteksi
- Dasar kolaborasi pendanaan: sindikasi kredit, channeling, dan skema pembiayaan bersama jadi lebih terukur
Dari perspektif AI:
- Model AI di bank bisa mengkonsumsi skor dan fitur risiko dari banyak partner secara standar
- Validasi model jadi lebih mudah karena referensi risiko lintas lembaga lebih konsisten
- Algoritma AI bisa fokus pada improvement (misalnya personalisasi limit, tenor, pricing) alih-alih membongkar ulang definisi risiko di setiap kerjasama
Saya pribadi melihat banyak bank yang ingin pakai AI, tapi skema datanya masih “silo per produk, silo per unit”. Hasilnya, AI jadi tambal sulam, bukan smart layer yang menyatukan pandangan risiko. Interoperabilitas skoring ini sebenarnya cara praktis merapikan pondasi sebelum bicara kecerdasan buatan di level lanjut.
Pilar 3: Penjaminan & Berbagi Risiko – AI Boleh Berani, Tapi Tetap Terkendali
Satu kekhawatiran klasik ketika AI dipakai untuk memperluas kredit adalah: “kalau terlalu agresif, NPL meledak; kalau terlalu konservatif, inklusi keuangan mandek.”
Di sinilah peran skema penjaminan kredit dan risk-sharing. Dalam diskusi Bulan Fintech Nasional, pendekatan ini disebut krusial, terutama untuk segmen berisiko tinggi atau yang belum terlayani sistem keuangan formal.
Hubungan risk-sharing dengan AI di bank
- AI bisa mendorong ekspansi kredit yang lebih berani ke segmen baru (UMKM mikro, pekerja informal, gig worker), karena ada bantalan risiko lewat penjaminan atau pembagian risiko dengan mitra fintech, investor institusi, atau bahkan lembaga penjamin pemerintah.
- Model risiko bisa terus belajar, bukan dipaksa serba aman. Ketika ada losses yang terkendali, tim risiko dan data dapat mengevaluasi:
- Fitur mana yang salah menilai risiko
- Segmen mana yang ternyata lebih sehat dari dugaan awal
- Pola mana yang perlu dihindari ke depan
- Regulator lebih tenang, karena pertumbuhan kredit ke segmen baru tidak murni ditumpu neraca satu lembaga.
Dalam konteks AI di industri perbankan Indonesia, kombinasi risk-sharing dan AI membuat bank bisa:
- Menawarkan produk kredit digital dengan limit dan tenor yang adaptif
- Membedakan strategi penyaluran antara kota besar, kota kecil, dan daerah pelosok berbasis data
- Mengurangi ketergantungan pada agunan fisik, diganti dengan analisis perilaku dan pola arus kas digital
Tanpa skema berbagi risiko, banyak bank akan berhenti di level uji coba kecil, tidak pernah benar-benar berani mengandalkan AI untuk ekspansi inklusif.
Pilar 4: Platform Kolaborasi Terintegrasi – “Rumah Bersama” AI Keuangan
Tiga pilar tadi pada akhirnya butuh “rumah bersama”: platform kolaborasi terintegrasi yang aman dan teregulasi. Di sisi fintech lending, konsep ini sudah muncul dalam bentuk ekosistem data, biro kredit, dan asosiasi industri seperti AFTECH.
Untuk perbankan, platform kolaborasi ini bisa berbentuk:
- Data exchange sektor keuangan yang diawasi regulator
- Fraud intelligence hub lintas bank–fintech–e-commerce
- Platform open finance/open banking yang memudahkan integrasi API antar pelaku industri
Manfaat langsung untuk penerapan AI di digital banking
- Pelatihan model AI lebih cepat karena akses ke data terstruktur dan standar
- Implementasi produk baru lebih singkat (misalnya KPR digital, KTA online, pembiayaan kendaraan) karena integrasi risiko, identitas, dan pembayaran sudah ada di satu ekosistem
- Chatbot dan asisten digital bank lebih pintar, karena bisa memanfaatkan konteks transaksi yang lebih kaya (tentu dengan persetujuan nasabah)
Satu hal yang sering dilupakan:
Tanpa platform kolaborasi, setiap bank akan membangun sendiri-sendiri, mengulang biaya yang sama, dan berlari lebih lambat dari yang seharusnya.
Di era di mana nasabah sudah terbiasa dilayani dalam hitungan detik, kecepatan adopsi jauh lebih menentukan dari sekadar punya teknologi tercanggih di atas kertas.
Dari Fintech ke Bank: Strategi Nyata Menerapkan AI yang Inklusif
Kalau ditarik ke konteks seri “AI dalam Industri Perbankan Indonesia: Era Digital Banking”, empat pilar kolaborasi tadi bisa diterjemahkan menjadi langkah praktis untuk bank yang ingin serius dengan AI, bukan sekadar proyek pencitraan.
1. Mulai dari use case dengan dampak nyata
Beberapa use case yang paling masuk akal di Indonesia saat ini:
- AI untuk penilaian kredit UMKM & pekerja informal berbasis data transaksi, bukan sekadar agunan
- AI fraud detection untuk transaksi mobile banking dan kartu
- Chatbot bahasa Indonesia yang benar-benar paham konteks lokal, bukan sekadar FAQ berjalan
- Personalisasi penawaran (limit kartu, top-up paylater, bundling produk) berbasis perilaku, bukan spam massal
2. Bangun kemitraan, jangan semuanya dikerjakan sendiri
- Gandeng fintech lending untuk belajar pola risiko segmen yang belum terjangkau bank
- Kerja sama dengan penyedia data alternatif dan biro kredit untuk memperkaya fitur AI
- Ikut aktif di asosiasi industri dan forum seperti Bulan Fintech Nasional untuk menyamakan standar
3. Tata kelola risiko & etika AI jangan belakangan
Bank di Indonesia perlu mulai tegas soal:
- Transparansi model (sejauh mana keputusan AI bisa dijelaskan kembali)
- Fairness (tidak mendiskriminasi kelompok tertentu tanpa dasar risiko yang objektif)
- Perlindungan data nasabah (persetujuan jelas, enkripsi, dan akses minimum)
Kalau tiga hal ini beres, kepercayaan regulator dan nasabah terhadap AI perbankan akan jauh lebih tinggi.
Penutup: Kolaborasi Hari Ini, Keunggulan Kompetitif Besok
Momentum Bulan Fintech Nasional tahun ini sebenarnya sedang mengirim satu pesan sederhana untuk industri perbankan: tanpa kolaborasi, penerapan AI hanya akan jadi proyek mahal dengan dampak terbatas.
Fintech lending sudah membuktikan bahwa data alternatif, skema berbagi risiko, dan ekosistem kolaboratif bisa memperluas akses keuangan secara nyata. Tugas bank sekarang adalah mengambil pelajaran itu dan mengintegrasikannya ke dalam arsitektur digital banking berbasis AI.
Bank yang berani membuka diri terhadap kolaborasi data, standardisasi skoring, dan platform bersama akan punya posisi yang jauh lebih kuat:
- lebih cepat mengadopsi AI,
- lebih percaya diri memperluas inklusi keuangan,
- dan lebih siap menghadapi persaingan di era keuangan digital Indonesia beberapa tahun ke depan.
Pertanyaannya tinggal satu: apakah institusi Anda mau bergerak sekarang, saat aturan main sedang dibentuk, atau nanti ketika semua sudah telanjur ditentukan pemain lain?