Kolaborasi Fintech–Bank & AI: Jalan Baru Inklusi Keuangan

Kolaborasi Fintech–Bank & AI: Jalan Baru Inklusi Keuangan

Industri pinjaman daring (pindar) tumbuh 22,16% secara tahunan per September 2025, dengan total penyaluran hampir tembus Rp91 triliun. Angka ini bukan cuma soal besarnya pasar, tapi sinyal jelas bahwa jutaan orang Indonesia mencari alternatif selain bank tradisional.

Di saat yang sama, perbankan nasional lagi serius-seriusnya membangun layanan digital banking berbasis AI: dari penilaian kredit, chatbot, sampai deteksi fraud. Masalahnya, banyak bank masih kesulitan menjangkau segmen yang belum punya riwayat kredit formal, sementara fintech justru hidup dari segmen ini.

Di sinilah pesan besar dari Bulan Fintech Nasional terasa relevan: tanpa kolaborasi industri, AI dan digital banking cuma akan nyaman melayani yang sudah nyaman. Jika bank, fintech, dan regulator benar-benar serius soal inklusi keuangan, cara mainnya harus berubah.

Artikel ini membedah empat pilar kolaborasi yang disampaikan dalam Bulan Fintech Nasional, lalu menghubungkannya dengan peran AI di industri perbankan Indonesia. Fokusnya sederhana: bagaimana bank dan fintech bisa pakai AI untuk memperluas inklusi keuangan, bukan sekadar mempercantik aplikasi.

---

Mengapa Fintech–Bank Perlu Bersekutu, Bukan Bersaing

Jawabannya: fintech kuat di data alternatif dan kecepatan, bank kuat di modal dan kepercayaan. AI butuh semuanya.

Industri fintech lending seperti AdaKami terbukti mampu masuk ke segmen yang sulit dijangkau bank: pekerja informal, UMKM mikro, atau masyarakat di daerah tanpa cabang fisik. Di sisi lain, bank punya:

• akses pendanaan besar dan stabil,
• regulasi yang lebih matang,
• infrastruktur manajemen risiko dan kepatuhan,
• basis nasabah besar yang bisa di-cross-sell.

Kalau dua dunia ini jalan sendiri-sendiri, AI di perbankan hanya akan paham sebagian kecil realitas keuangan masyarakat Indonesia. Model AI akan bias ke nasabah urban, bergaji tetap, dan sudah lama berurusan dengan bank.

Sebaliknya, kalau data dan kemampuan dua pihak digabung, AI bisa:

• membaca risiko debitur dengan lebih akurat,
• mengidentifikasi calon nasabah layak kredit yang sebelumnya “tak terlihat”,
• menekan fraud karena punya lebih banyak sinyal dan pola perilaku,
• memberi rekomendasi produk yang lebih relevan dan personal.

Bulan Fintech Nasional sebenarnya sudah memberi sinyal: pertumbuhan pindar bukan ancaman, tapi momentum untuk merancang ekosistem kolaboratif berbasis data dan teknologi, termasuk AI.

---

Empat Pilar Kolaborasi: Pondasi AI Kredit yang Sehat

Dalam salah satu sesi, Direktur Utama AdaKami memotret empat pilar yang krusial untuk membangun model kredit berkelanjutan. Kalau ditarik ke konteks perbankan dan AI, keempatnya justru jadi roadmap praktis untuk bank yang mau serius di digital banking.

1. Berbagi Data: Bensin Utama Mesin AI

AI di perbankan hanya sebagus data yang ia terima. Saat ini, banyak model kredit bank masih sangat bergantung pada:

• data historis rekening dan transaksi,
• slip gaji, laporan keuangan,
• agunan dan dokumen formal lainnya.

Di lapangan, jutaan calon debitur tidak punya ini semua, tapi mereka punya jejak digital lain:

• pola pembayaran tagihan utilitas dan pulsa,
• transaksi di marketplace atau QRIS,
• histori pinjaman di fintech dengan nominal kecil,
• perilaku bayar cicilan tepat waktu di platform non-bank.

Kolaborasi data antara fintech, bank, biro kredit, dan penyedia data alternatif adalah kunci. Ketika data ini diintegrasikan dan di-anonymize dengan benar, AI bisa membangun credit profile yang jauh lebih kaya tanpa harus menunggu 3–5 tahun histori rekening bank.

Contoh konkret pemanfaatan AI di sini:

• AI-based alternative credit scoring yang menggabungkan data bank + fintech + telko + e-commerce.
• fraud intelligence platform yang memetakan pola penipuan lintas lembaga sehingga akun pelaku bisa terblokir lebih cepat.

Tentu saja, semua ini hanya masuk akal kalau:

• ada data governance yang kuat,
• kepatuhan ke regulasi perlindungan data pribadi dijalankan,
• nasabah diberi transparansi dan pilihan (consent yang jelas).

Tanpa ini, kolaborasi data justru berpotensi menggerus kepercayaan publik.

2. Skoring Interoperable: Satu Bahasa Risiko untuk Semua

Hari ini, hasil skoring risiko bisa beda jauh antara satu lembaga ke lembaga lain, padahal debitur yang dinilai orang yang sama. Buat debitur, ini membingungkan. Buat bank dan fintech, ini bikin kerja AI kurang optimal.

Skoring yang interoperable dan distandardisasi bukan berarti semua lembaga pakai model yang sama, tapi setidaknya bicara dalam “bahasa risiko” yang sepadan.

Bagi perbankan digital, ini penting karena:

• memudahkan co-lending atau channeling dengan fintech,
• mempermudah portfolio transfer jika ada akuisisi atau kerja sama,
• membuat model AI bisa belajar dari lebih banyak label risiko yang konsisten.

Praktiknya bisa berupa:

• kerangka risk tiering nasional (misalnya kategori A–E) yang diakui lintas lembaga,
• standar indikator minimum yang harus dipertimbangkan dalam penilaian risiko,
• API skoring yang bisa di-plug-in baik ke aplikasi fintech maupun mobile banking.

Di sisi AI, interoperabilitas ini membuat model training jauh lebih stabil, karena data dari banyak lembaga “bicara bahasa yang sama”. Hasilnya: keputusan kredit lebih adil dan pricing bunga lebih akurat.

3. Jaminan Kredit & Risk Sharing: Berani Inklusif Tanpa Bunuh NPL

Banyak bank sebenarnya ingin masuk lebih dalam ke segmen UMKM mikro dan masyarakat unbanked, tapi ketakutan utamanya jelas: NPL (Non-Performing Loan) naik, modal terkikis.

Di sinilah skema penjaminan dan risk sharing jadi alat strategis, bukan sekadar program subsidi.

Jika digabungkan dengan AI dan data fintech:

• AI membantu mengidentifikasi segmen mana yang high-risk tapi high-potential,
• lembaga penjamin (pemerintah atau swasta) ikut menanggung sebagian risiko gagal bayar,
• fintech menjadi mitra akuisisi dan monitoring di lapangan.

Contoh skenario:

• Fintech mengelola akuisisi dan monitoring pinjaman ultra-mikro berbasis aplikasi.
• Bank menyediakan sumber dana utama.
• AI di kedua pihak memantau risiko portofolio harian (resiko meningkat, alert keluar).
• Lembaga penjamin menutup kerugian di atas ambang tertentu.

Hasilnya, bank bisa berani memperluas jangkauan kredit tanpa mengorbankan kualitas portofolio, sementara fintech mendapat akses pendanaan yang lebih murah dan stabil.

4. Platform Kolaborasi Terintegrasi: “Satu Panggung” untuk AI & Kredit

Tiga pilar tadi mustahil berjalan kalau semua pihak membangun sistemnya masing-masing tanpa pintu.

Platform kolaborasi terintegrasi di sini bukan sekadar dashboard bersama, tapi:

• hub data yang teregulasi dan diaudit,
• risk engine berbasis AI yang bisa dipakai banyak lembaga dengan aturan jelas,
• kanal komunikasi real-time antara bank, fintech, dan regulator.

Dari sisi digital banking, ini bisa muncul dalam bentuk:

• ekosistem embedded lending di mana produk kredit bank muncul di aplikasi fintech dengan penilaian risiko yang sama kuat,
• shared fraud detection engine yang terhubung dengan core banking dan core fintech,
• regulatory sandbox berkelanjutan di mana model AI bisa diuji bersama regulator sebelum dipakai luas.

Kalau ini berhasil, ekosistem keuangan kita bukan lagi kumpulan silo, tapi jaringan yang saling menguatkan. AI di bank tidak “buta” terhadap data di fintech, dan sebaliknya.

---

Peran AI dalam Inklusi Keuangan: Dari Teori ke Praktik

Banyak bank dan fintech sudah bicara soal AI bertahun-tahun. Yang membedakan adalah: apakah AI-nya benar-benar dipakai untuk inklusi, atau cuma jadi fitur kosmetik di presentasi investor.

Beberapa contoh praktik yang menurut saya paling relevan untuk Indonesia:

1. Penilaian Kredit Alternatif yang Adil

Dengan kolaborasi fintech–bank, AI bisa:

• menghitung skor kredit berdasarkan pola bayar di platform fintech, transaksi QRIS, dan aktivitas rekening,
• memberi limit awal kecil yang bisa naik otomatis kalau pembayaran lancar,
• mengurangi bias terhadap nasabah yang tak punya slip gaji, tapi usahanya jalan.

Ini penting untuk:

• pedagang kaki lima yang sudah rutin transaksi QRIS,
• pekerja lepas yang penghasilannya fluktuatif,
• UMKM baru yang belum punya laporan keuangan formal.

2. Deteksi Fraud Lintas Platform

Pelaku penipuan jarang hanya main di satu aplikasi. Tanpa kolaborasi, mereka mudah pindah dari satu platform ke platform lain.

Dengan AI-based fraud detection yang berbagi sinyal lintas bank dan fintech:

• nomor ponsel, perangkat, IP address, dan pola transaksi mencurigakan bisa dipetakan lebih cepat,
• akun yang sama menyasar beberapa kanal bisa ditandai dalam hitungan detik,
• kerugian konsumen dan lembaga bisa ditekan.

Ini bukan hanya isu teknis. Dari sisi reputasi, bank dan fintech yang kuat di keamanan akan jauh lebih dipercaya, terutama oleh masyarakat yang masih skeptis terhadap pinjaman online.

3. Chatbot & Asisten Finansial Berbahasa Indonesia

Chatbot AI di digital banking sering dianggap fitur standar. Padahal, kalau digarap serius dan datanya kaya, chatbot bisa jadi:

• asisten keuangan yang memberi edukasi cara mengelola cicilan,
• pengingat sebelum jatuh tempo agar nasabah tidak telat bayar,
• kanal aduan cepat jika ada transaksi mencurigakan.

Ketika bank dan fintech bekerja sama, chatbot di kedua sisi bisa:

• saling sinkron informasi limit, jadwal bayar, dan status pinjaman,
• memandu nasabah yang awalnya pinjam di fintech untuk bertransisi ke produk bank yang lebih murah jika profil risikonya sudah membaik.

Ini bentuk nyata inklusi: membantu nasabah naik kelas ke produk yang lebih sehat, bukan sekadar memberi pinjaman berulang tanpa akhir.

---

Langkah Praktis untuk Bank & Fintech yang Mau Serius

Buat pelaku industri yang nggak mau ketinggalan arus AI dan inklusi keuangan, beberapa langkah taktis yang bisa dilakukan mulai sekarang:

1. Audit data internal dan eksternal
   Pahami jenis data apa yang sudah dimiliki, mana yang bisa dibagi, dan mana yang perlu dikumpulkan lewat kolaborasi.

2. Bangun data governance dan privasi yang kuat
   Sebelum bicara AI canggih, pastikan kerangka perlindungan data dan kepatuhan regulasi rapi.

3. Mulai dari use case kecil tapi berdampak
   Misalnya: skoring alternatif untuk segmen UMKM tertentu, atau fraud detection lintas dua lembaga dulu, baru diperluas.

4. Libatkan regulator sejak awal
   Ajak diskusi di tahap rancangan, bukan setelah proyek jadi. Ini mengurangi risiko kebijakan tiba-tiba yang bisa menghambat inovasi.

5. Bangun budaya kolaborasi, bukan sekadar MoU
   Kolaborasi yang nyata butuh tim teknis lintas perusahaan yang benar-benar kerja bareng, bukan cuma foto seremoni.

---

Penutup: AI Hanya Berguna Kalau Dipakai untuk Lebih Banyak Orang

Bulan Fintech Nasional 2025 sudah mengirim pesan cukup jelas: pertumbuhan pindar dan fintech bukan musuh bank, tapi pelengkap yang bisa mengisi celah akses keuangan. Kalau ini diikat dengan kolaborasi data, standar risiko, dan platform bersama, AI di industri perbankan Indonesia punya bahan bakar yang jauh lebih kaya.

Untuk seri "AI dalam Industri Perbankan Indonesia: Era Digital Banking", fase berikutnya bukan lagi soal siapa punya aplikasi paling keren, tapi siapa yang berani buka diri untuk kolaborasi dan mengarahkan AI ke misi yang jelas: inklusi keuangan yang aman, terjangkau, dan bertanggung jawab.

Pertanyaannya sekarang cukup sederhana: apakah lembaga Anda akan jadi bagian dari ekosistem yang berbagi data, risiko, dan teknologi, atau tetap bermain sendiri sampai akhirnya tertinggal?