Laba Bank Mandiri Naik 28,7%: Bukti Kekuatan AI & Digital Banking

Laba Naik 28,7%: Sinyal Kuat dari Transformasi Digital

Laba bersih PT Bank Mandiri per November 2025 naik 28,7% month-to-month (mtm). Angka ini bukan cuma cantik di laporan keuangan. Kenaikan ini memperlihatkan satu hal yang jauh lebih penting: transformasi digital dan pemanfaatan AI di perbankan Indonesia mulai membayar hasilnya.

Di balik angka tersebut ada dua mesin utama:

• Penurunan beban bunga
• Pertumbuhan pendapatan bunga dan non-bunga

Keduanya sangat dipengaruhi oleh cara bank memakai data, otomasi, dan kecerdasan buatan (AI). Kalau Anda pelaku industri keuangan, pemilik bisnis, atau profesional teknologi, cerita Bank Mandiri ini relevan banget untuk melihat arah AI dalam industri perbankan Indonesia beberapa tahun ke depan.

Tulisan ini mengurai bagaimana kenaikan laba itu bisa terjadi, apa hubungannya dengan AI dan digital banking, dan pelajaran praktis yang bisa dipetik oleh bank lain maupun fintech.

---

Bagaimana Bank Mandiri Bisa Menekan Beban Bunga?

Kunci turunnya beban bunga adalah struktur pendanaan yang makin efisien. Di bank besar seperti Mandiri, ini biasanya berarti:

1. Porsi dana murah (CASA: current account & saving account) naik
2. Dana mahal (deposito berjangka) relatif turun atau makin efisien harganya

Peran AI dan data dalam mengelola biaya dana

AI membantu bank seperti Mandiri mengelola beban bunga lewat pendekatan yang jauh lebih presisi:

• Pricing deposito berbasis risiko & perilaku
  Model AI bisa memprediksi nasabah mana yang sensitif terhadap suku bunga dan mana yang tidak. Hasilnya, bank tidak perlu "kebakaran jenggot" menaikkan bunga ke semua nasabah, cukup ke segmen tertentu yang berisiko pindah.

• Optimasi likuiditas harian
  Dengan algoritma prediktif, bank bisa memperkirakan kebutuhan likuiditas per hari dengan lebih akurat. Ini menekan kebutuhan pendanaan jangka pendek yang bunganya mahal.

• Segmentasi nasabah dana pihak ketiga (DPK)
  AI memetakan nasabah CASA yang paling potensial untuk digarap lebih agresif melalui kampanye digital, reward, dan penawaran produk yang tepat.

Hasil akhirnya sederhana tapi dampaknya besar: bunga yang dibayar ke nasabah bisa ditekan tanpa mengorbankan pertumbuhan DPK. Di neraca laba rugi, ini muncul sebagai penurunan beban bunga dan perbaikan Net Interest Margin (NIM).

Contoh konkret: kampanye dana murah berbasis AI

Bayangkan kampanye seperti ini:

• Sistem AI menganalisis jutaan transaksi nasabah retail dan SME
• Ditemukan segmen nasabah yang aktif menggunakan QRIS dan virtual account, tapi saldo tabungannya tipis dan sering keluar-masuk
• Bank lalu menawarkan bundling: tabungan khusus dengan biaya admin rendah, akses ke dashboard bisnis, dan limit transaksi lebih tinggi
• Penawaran dikirim personal lewat push notification, WhatsApp, dan in-app message

Tanpa AI, segmentasi seperti ini nyaris mustahil dilakukan secara manual. Dengan AI, bank bisa mengalihkan perilaku nasabah sedikit demi sedikit dari transaksi tunai dan deposito ke tabungan aktif yang menumbuhkan CASA.

---

Pendapatan Bunga: Dari Penyaluran Kredit yang Lebih Cerdas

Laba Mandiri yang naik 28,7% mtm juga didorong oleh pertumbuhan pendapatan bunga. Artinya, penyaluran kredit bukan hanya tumbuh, tapi juga lebih berkualitas.

Di sinilah AI berperan besar melalui:

1. Scoring kredit berbasis data alternatif

AI dalam perbankan Indonesia semakin banyak dipakai untuk credit scoring dengan:

• Data transaksi rekening
• Pola pembayaran tagihan (PLN, pulsa, e-commerce)
• Data perilaku digital (frekuensi login, lokasi, device)

Untuk segmen UMKM dan retail, ini krusial. Banyak pelaku usaha yang secara tradisional dianggap "belum bankable" sekarang bisa mendapat akses kredit dengan bunga kompetitif karena risiko mereka dinilai lebih akurat.

Dampak ke laba:

• Kredit bisa tumbuh tanpa mengorbankan kualitas
• NPL (Non-Performing Loan) bisa dikendalikan
• Pendapatan bunga naik tapi cadangan kerugian kredit tidak melonjak berlebihan

2. Penentuan pricing kredit yang dinamis

Alih-alih satu bunga untuk semua, AI memungkinkan bank menerapkan risk-based pricing yang benar-benar hidup:

• Nasabah dengan profil risiko rendah dapat bunga lebih kompetitif
• Nasabah dengan risiko tinggi dikenakan pricing yang mencerminkan profil mereka

Dengan cara ini, bank tidak membuang margin di segmen yang aman, dan tetap terlindungi di segmen yang lebih berisiko.

3. Pemantauan portofolio secara real-time

AI bisa:

• Mendeteksi pola penurunan aktivitas transaksi nasabah kredit
• Melihat tren penurunan omzet UMKM berdasarkan data masuk-keluar rekening
• Mengeluarkan early warning sebelum kredit benar-benar macet

Akibatnya, tim collection dan relationship manager bisa bergerak lebih cepat untuk restrukturisasi atau penyesuaian limit. Bank menjaga kualitas aset, laba tetap terjaga.

---

Lonjakan Pendapatan Non-Bunga: Layanan Digital Jadi Mesin Baru

Selain bunga, laporan singkat tadi menyebut pendapatan non-bunga turut naik. Di era digital banking, komponen non-bunga ini sering kali tumbuh lebih cepat daripada bunga, karena didorong transaksi dan layanan.

Pendapatan non-bunga biasanya datang dari:

• Biaya administrasi rekening dan kartu
• Fee transaksi (transfer, pembayaran, top up)
• Fee bancassurance, wealth management, dan investment
• Jasa transaksi korporasi (cash management, trade finance)

Di balik layar: AI di superapp dan layanan digital

Bank Mandiri gencar dorong ekosistem digital, mulai dari Livin' untuk retail sampai Kopra untuk korporasi. Di balik tampilan aplikasi yang rapi, ada peran AI di beberapa titik:

• Personalisasi dashboard dan penawaran
  Setiap nasabah melihat banner, rekomendasi, dan menu yang berbeda, tergantung kebiasaan mereka. AI mempelajari pola klik, waktu akses, jenis transaksi, lalu menampilkan fitur yang paling relevan.

• Cross-selling dan up-selling otomatis
  Nasabah yang rutin bayar biaya sekolah lewat aplikasi bisa ditawari produk investasi pendidikan. UMKM yang sering transaksi ekspor-impor bisa ditawari layanan trade finance atau hedging valas.

• Dynamic journey orchestration
  Perjalanan nasabah di aplikasi tidak lagi satu alur fixed. Kalau nasabah berhenti di tengah proses pengajuan kartu kredit, sistem bisa mengirim notifikasi pengingat, menawarkan bantuan chatbot, atau memberikan promo biaya tahunan.

Semua ini berujung pada kenaikan frekuensi transaksi dan penggunaan layanan berbayar, yang berarti pendapatan non-bunga naik.

Chatbot, fraud detection, dan efisiensi biaya operasional

AI juga berkontribusi pada efisiensi biaya non-bunga:

• Chatbot bahasa Indonesia mengurangi beban call center manusia tanpa mengorbankan kualitas layanan
• Fraud detection berbasis machine learning menekan kerugian akibat transaksi mencurigakan
• Otomasi back-office (reconciliations, pengecekan dokumen, pemrosesan klaim) memotong biaya operasional

Efek kombinasi:

• Pendapatan non-bunga naik
• Biaya operasional per transaksi turun
• Laba bersih terdorong lebih tinggi

---

Implikasi untuk Industri: AI Bukan Lagi Pilihan, Tapi Fondasi

Kenaikan laba 28,7% mtm ini memberikan pesan jelas ke industri perbankan Indonesia: bank yang serius membangun fondasi digital dan AI akan bergerak jauh lebih cepat daripada yang masih manual.

3 pelajaran utama untuk bank dan fintech lain

1. Data harus rapi dulu, baru AI bisa bekerja maksimal
   AI bukan sihir. Tanpa data transaksi yang bersih, terstruktur, dan terintegrasi antara unit bisnis, model AI cuma akan menghasilkan insight setengah matang.

2. Mulai dari use case yang langsung keuangan
   Jangan mulai dari proyek AI yang keren tapi tidak jelas impact-nya. Contoh use case yang terbukti berdampak:

   • Credit scoring UMKM
   • Optimasi pricing deposito dan kredit
   • Personalisasi penawaran di aplikasi mobile

3. Bangun tim lintas fungsi: bisnis, data, dan teknologi
   Transformasi digital yang berhasil biasanya melibatkan:

   • Unit bisnis yang paham kebutuhan nasabah dan target finansial
   • Data scientist/engineer yang membangun model
   • Tim TI dan digital yang mengintegrasikan ke aplikasi dan proses operasional

Tantangan yang harus diantisipasi

Tentu tidak semuanya mulus. Ada beberapa tantangan besar:

• Regulasi & kepatuhan: penggunaan AI harus selaras dengan aturan OJK dan BI, termasuk soal fairness, explainability, dan perlindungan konsumen.
• Keamanan data & privasi: makin banyak data, makin besar risiko kebocoran. Cybersecurity harus naik kelas, bukan sekadar formalitas.
• Kesiapan SDM: banyak proses baru berbasis AI memerlukan mindset dan skill baru, dari frontliner sampai manajemen atas.

Bank yang bisa mengelola tantangan ini akan punya keunggulan berkelanjutan, bukan hanya efek sesaat di laporan keuangan.

---

Apa Artinya Bagi Masa Depan Digital Banking di Indonesia?

Kinerja Bank Mandiri sampai November 2025 mempertegas arah besar: era digital banking di Indonesia akan sangat ditentukan oleh kualitas pemanfaatan AI. Bukan sekadar punya aplikasi mobile, tapi:

• Menggunakan AI untuk membuka akses kredit bagi segmen yang sebelumnya tidak terlayani
• Menciptakan layanan personal yang membuat nasabah betah di ekosistem bank
• Mengelola risiko dan biaya dengan otomasi yang terukur

Bagi bank dan fintech lain, ini momen yang tepat untuk bertanya dengan jujur:

• Di mana posisi kita dalam pemanfaatan AI dibanding pemain besar seperti Mandiri?
• Use case apa yang paling cepat bisa memberi dampak ke laba dan kualitas layanan?
• Apakah fondasi data, teknologi, dan SDM kita sudah siap untuk 2–3 tahun ke depan?

Era AI dalam industri perbankan Indonesia sudah bukan lagi fase uji coba. Laporan keuangan seperti yang dirilis Mandiri menunjukkan bahwa AI dan digital banking kini benar-benar menjadi mesin laba.

Siapa pun yang ingin relevan di 3–5 tahun ke depan perlu mulai merancang peta jalan AI mereka sendiri—bukan hanya sebagai proyek inovasi, tapi sebagai inti strategi bisnis.