Pertumbuhan pinjaman daring 22,16% jadi sinyal jelas: tanpa kolaborasi industri dan AI, inklusi keuangan Indonesia akan mentok di risiko dan fraud.
Kolaborasi Fintech & AI: Mesin Baru Inklusi Keuangan RI
Pertumbuhan penyaluran pinjaman daring (pindar) 22,16% YoY hingga Rp90,99 triliun per September 2025 bukan cuma angka manis di laporan industri. Angka ini adalah sinyal: jutaan orang Indonesia sedang mencari jalan lain di luar bank tradisional untuk memenuhi kebutuhan keuangan mereka.
Di momen Bulan Fintech Nasional 2025, pesan yang muncul berkali-kali jelas: tanpa kolaborasi industri dan pemanfaatan AI yang serius, pertumbuhan ini akan mentok di titik rawan risiko dan fraud.
Tulisan ini membedah bagaimana momentum Bulan Fintech Nasional, pandangan pelaku seperti AdaKami, dan empat pilar kolaborasi industri sebenarnya lagi menyiapkan fondasi kuat untuk era digital banking berbasis AI di Indonesia. Terutama bagi bank dan fintech yang ingin main serius di inklusi keuangan, bukan sekadar ikut tren.
Mengapa Kolaborasi Fintech Jadi Kunci Adopsi AI di Perbankan
Jawabannya sederhana: AI butuh data, standar, dan ekosistem yang rapi. Tiga hal ini tidak mungkin tercapai kalau setiap pelaku jalan sendiri-sendiri.
Industri pindar tumbuh cepat karena mengisi celah yang belum terlayani perbankan: pekerja informal, UMKM kecil di daerah, masyarakat tanpa riwayat kredit formal. Tapi segmen ini juga yang paling menantang dari sisi:
- minim data formal
- risiko gagal bayar lebih tinggi
- potensi penipuan dan identitas palsu
Di sinilah kolaborasi di Bulan Fintech Nasional jadi relevan untuk AI dalam industri perbankan Indonesia:
- Fintech lending punya data perilaku dan pola pembayaran yang kaya
- Bank punya kedalaman modal, regulasi ketat, dan infrastruktur risiko yang matang
- AI menjadi jembatan yang membuat data-data tadi bisa diolah jadi insight, skoring kredit, hingga deteksi fraud real-time
Tanpa kolaborasi, AI perbankan cuma akan “pintar” di atas data nasabah mapan. Dengan kolaborasi, AI bisa mengerti perilaku jutaan masyarakat unbanked dan underbanked.
Empat Pilar Kolaborasi Industri: Fondasi AI di Layanan Keuangan
Dalam paparan di Bulan Fintech Nasional Festival, Direktur Utama AdaKami, Bernardino Moningka Vega, menyebut empat pilar kolaborasi yang harus diperkuat. Kalau ditarik ke konteks AI dan digital banking, empat pilar ini sebenarnya adalah checklist wajib sebelum bicara implementasi AI yang serius.
1. Berbagi Data: Bahan Baku Utama AI
AI di keuangan hanya seakurat kualitas data yang dikonsumsinya. Berbagi data yang terstruktur, aman, dan teregulasi adalah langkah pertama.
Kolaborasi data antara:
- platform pindar
- biro kredit
- penyedia data alternatif (telco, e-commerce, utilitas, dan lain-lain)
membuka jalan untuk membangun profil kredit yang jauh lebih kaya dibanding sekadar melihat slip gaji dan rekening koran.
Dalam konteks AI, ini berarti:
- AI credit scoring bisa memanfaatkan ratusan fitur: pola bayar tagihan, frekuensi transaksi, perilaku belanja, bahkan pola penggunaan ponsel (dalam batas regulasi dan privasi)
- Model machine learning lebih stabil karena datanya beragam dan representatif, bukan bias ke nasabah kelas menengah ke atas saja
- Deteksi fraud bisa memanfaatkan intelijen penipuan bersama (shared fraud intelligence) untuk memblok pola serangan yang sama di berbagai platform
Yang perlu digarisbawahi: berbagi data bukan berarti saling membocorkan rahasia nasabah. Kuncinya ada di:
- anonimisasi
- enkripsi
- prinsip data minimization (yang dibagi hanya yang relevan)
- landasan hukum yang jelas
Tanpa itu, AI justru jadi sumber risiko reputasi.
2. Skoring Interoperable: Bahasa Bersama Risiko
AI scoring akan sulit berkembang kalau setiap lembaga punya “bahasa risiko” sendiri yang tidak nyambung. Di sinilah pentingnya kerangka skoring yang interoperable.
Buat bank dan fintech, standar ini membawa beberapa manfaat praktis:
- Hasil skoring dari satu lembaga bisa dipahami dan dimanfaatkan lembaga lain dengan interpretasi yang konsisten
- Proses kerja sama channeling atau co-funding antara bank dan fintech jadi jauh lebih cepat, karena risk appetite bisa disejajarkan
- AI model bisa di-benchmark antar pelaku, bukan “kotak hitam” masing-masing
Contoh konkret:
- Seorang nasabah UMKM yang punya skor AI 720 di fintech X tidak harus “diulang dari nol” ketika ia mengajukan KUR digital di bank Y
- Bank bisa menggabungkan skor internal dan skor eksternal dari fintech menjadi satu composite risk score yang lebih akurat
Dalam seri AI dalam industri perbankan Indonesia, pilar interoperabilitas ini krusial kalau kita mau:
- punya ekosistem credit scoring nasional yang modern
- mengurangi duplikasi analisis kredit berulang-ulang
- menekan biaya operasional (cost to serve) sekaligus mempercepat persetujuan kredit
3. Skema Penjaminan & Risk Sharing: Ruang Eksperimen yang Aman
Tanpa mekanisme berbagi risiko, lembaga keuangan akan cenderung konservatif. Hasilnya, AI hanya dipakai untuk memperketat kredit, bukan memperluas inklusi.
Skema penjaminan dan risk sharing yang dirancang dengan baik memberi ruang bagi bank dan fintech untuk “berani” melayani segmen yang selama ini ditandai merah:
- pekerja informal tanpa slip gaji
- petani dan nelayan musiman
- pelaku usaha mikro di luar Jawa
Dengan AI, risiko di segmen ini bisa diukur lebih tepat. Dengan penjaminan, kerugian tak terduga bisa dibagi:
- pemerintah / lembaga penjamin: menyerap sebagian risiko struktur
- bank: menyediakan sumber dana berbiaya relatif rendah
- fintech: menyumbang kapabilitas akuisisi dan analitik risiko
Ini yang membuat pertumbuhan Rp90,99 triliun penyaluran pinjaman daring tidak otomatis berujung ke kredit macet besar-besaran, selama risk sharing dan AI risk management jalan bareng.
4. Platform Kolaborasi Terintegrasi: “Markas Besar” Ekosistem
Tiga pilar di atas akan sulit maksimal tanpa platform kolaborasi terintegrasi yang:
- teregulasi
- aman
- punya standar teknis yang jelas (API, format data, protokol keamanan)
Di level ini, AI bisa masuk di semua titik:
- Real-time risk engine yang membaca data dari berbagai pelaku
- Fraud monitoring hub yang mengkonsolidasikan sinyal mencurigakan dari bank, fintech, dan kanal pembayaran lain
- Decisioning engine yang membantu menentukan: siapa yang layak diberi pinjaman, berapa limitnya, dan dengan skema apa
Platform seperti ini akan menjadi tulang punggung digital banking berbasis AI: bank digital, super-app, dan fintech bisa “bicara bahasa teknis yang sama” sekaligus tetap menjaga privasi dan kepatuhan.
AI untuk Inklusi Keuangan: Dari Teori ke Praktik di Lapangan
Bulan Fintech Nasional bukan cuma soal seremoni. Dari perspektif lapangan, ada beberapa pola penerapan AI yang sudah mulai terasa di Indonesia dan akan makin dominan dalam 2–3 tahun ke depan.
1. AI Credit Scoring untuk Nasabah Non-Bankable
Banyak pelaku UMKM dan pekerja lepas pakai rekening bank hanya sebagai “parkir uang”, bukan sebagai mitra pembiayaan. AI mengubah ini.
Dengan memanfaatkan data:
- transaksi e-commerce
- catatan pembayaran tagihan
- histori pinjaman kecil di fintech
- aktivitas dompet digital
bank dan fintech bisa membangun profil risiko yang kredibel meski tanpa slip gaji. Ini membuka jalan ke:
- kredit modal kerja mikro berbasis data transaksi, bukan jaminan fisik
- skema cicilan untuk alat kerja (HP, laptop, peralatan usaha) dengan hitung risiko yang lebih akurat
2. Deteksi Fraud Real-Time Berbasis Pola
Peningkatan 22,16% penyaluran pinjaman daring pasti dibarengi peningkatan percobaan fraud: identitas palsu, penyalahgunaan data, dan sindikat pinjaman.
AI memungkinkan:
- membaca pola perilaku mencurigakan (misalnya, satu perangkat dipakai mendaftar ke beberapa akun dengan data berbeda)
- menghentikan transaksi secara otomatis sebelum kerugian terjadi
- bertukar sinyal risiko secara anonim antara bank, fintech, dan penyedia payment
Di sini kolaborasi industri sangat terasa. Kalau satu pelaku menemukan pola baru penipuan dan menyimpannya sendiri, pelaku lain akan jatuh di lubang yang sama. Kalau pola itu dimasukkan ke shared fraud intelligence, AI di seluruh ekosistem jadi jauh lebih tangguh.
3. Chatbot & Asisten Virtual Berbahasa Indonesia
Digital banking yang serius butuh layanan 24/7 tanpa membuat biaya operasional meledak. AI membantu lewat:
- chatbot yang bisa menjawab pertanyaan seputar tagihan, jatuh tempo, limit, restrukturisasi, hingga edukasi keuangan dasar
- asisten virtual yang memandu nasabah mengajukan pinjaman, mengunggah dokumen, dan memahami skema bunga
Kalau digarap dengan baik, chatbot bukan cuma “penjawab FAQ”, tapi juga:
- alat edukasi mengenai risiko pinjaman
- filter awal untuk menyaring aplikasi yang jelas tidak layak
Hasilnya: call center lebih fokus menangani kasus kompleks, sementara AI menangani volume pertanyaan dasar.
4. Personalisasi Penawaran yang Tidak Mengganggu
Salah satu keluhan umum nasabah digital: terlalu banyak push notification promo yang tidak relevan.
AI memungkinkan bank dan fintech:
- membaca pola pengeluaran
- mengidentifikasi kebutuhan musiman (libur sekolah, Lebaran, akhir tahun)
- menawarkan produk yang relevan: bukan sekadar pinjaman, tapi juga tabungan berjangka, asuransi mikro, atau fitur menabung otomatis
Pendekatannya bukan lagi “dorong pinjaman sebanyak-banyaknya”, tapi mendorong perilaku keuangan yang sehat. Justru ini yang bikin nasabah bertahan lama dan portofolio kredit lebih sehat.
Tantangan Nyata: Tata Kelola, Etika, dan Regulasi AI
Saya cukup yakin: teknologi AI untuk perbankan dan fintech sudah ada. Tantangan terbesarnya bukan teknis, tapi tata kelola dan kepercayaan.
Beberapa hal yang wajib dibereskan bersama:
- Transparansi algoritma: nasabah berhak tahu secara garis besar kenapa pengajuan mereka ditolak, bukan sekadar “tidak memenuhi kriteria”
- Mitigasi bias: kalau datanya bias (misalnya terlalu berat ke kota besar), AI akan ikut bias. Kolaborasi data seperti yang didorong di Bulan Fintech Nasional membantu mengurangi efek ini.
- Perlindungan konsumen: AI jangan dipakai untuk mendorong pinjaman berlebihan hanya demi target penyaluran
- Kepatuhan regulasi: OJK dan Bank Indonesia sudah mendorong penguatan governance untuk inovasi keuangan digital. Kolaborasi industri mempercepat penyusunan standar bersama.
Saya pribadi berpandangan, regulator perlu diajak sejak tahap desain. Bukan baru diundang saat produk sudah jalan. Di sisi lain, pelaku industri juga harus siap di-audit bukan hanya dari sisi keuangan, tapi juga dari sisi model AI yang digunakan.
Penutup: Saatnya Naik Kelas dari Fintech ke AI-First Finance
Pertumbuhan pindar Rp90,99 triliun dan momentum Bulan Fintech Nasional 2025 menunjukkan satu hal: Indonesia sudah tidak kekurangan demand untuk layanan keuangan digital. Yang sekarang dibutuhkan adalah cara melayani demand tersebut dengan:
- risiko yang terukur
- tata kelola yang kuat
- teknologi AI yang matang
- kolaborasi lintas industri, bukan ego sektoral
Bagi bank dan fintech yang ingin relevan di era digital banking berbasis AI, ada tiga langkah praktis yang menurut saya layak diprioritaskan mulai sekarang:
- Bangun strategi data bersama: tentukan data apa yang bisa dibagi, dengan siapa, dan dalam kerangka apa.
- Invest di AI yang terhubung ekosistem, bukan yang berdiri sendiri: mulai dari credit scoring, fraud detection, hingga chatbot.
- Perkuat dialog dengan regulator dan asosiasi: AFTECH, AFPI, perbankan, dan regulator harus duduk di meja yang sama sejak awal.
Pertanyaannya sekarang bukan lagi “apakah kita perlu AI di perbankan dan fintech?”, tapi seberapa cepat kita bisa membangun kolaborasi yang membuat AI tersebut aman, adil, dan benar-benar inklusif bagi masyarakat Indonesia.