Laba Bank Mandiri naik 28,7% di November 2025. Data ini menunjukkan bagaimana AI dan digital banking mulai menjadi mesin laba utama perbankan Indonesia.
Laba Mandiri Naik 28,7%: Sinyal Kuat Kekuatan AI di Perbankan
Laba bersih Bank Mandiri (bank only) per November 2025 melonjak 28,7% month-on-month. Pendapatan bunga naik, beban bunga turun, fee based income dari transaksi digital naik dua digit, dan kualitas aset membaik dengan NPL di 0,99%.
Angka-angka ini bukan cuma cerita kinerja tahunan biasa. Ini cermin bagaimana digital banking dan AI mulai mengubah cara bank besar Indonesia menghasilkan laba. Buat bank lain, terutama yang masih ragu menginvestasikan dana di AI, ini sebenarnya alarm: kalau bank besar sudah memonetisasi AI, yang lain mau sampai kapan bertahan dengan cara lama?
Di tulisan ini, kita bahas:
- Apa saja pendorong utama lonjakan laba Bank Mandiri
- Di mana saja kemungkinan besar AI berperan nyata di balik angka-angka tersebut
- Pelajaran praktis untuk bank lain yang ingin menyusul
- Apa artinya ini untuk masa depan AI dalam industri perbankan Indonesia
1. Bedah Angka: Apa yang Terjadi di Bank Mandiri November 2025?
Jawaban singkatnya: kombinasi pertumbuhan pendapatan, efisiensi biaya, dan kualitas aset yang terjaga. Tapi kalau diurai, gambarnya jauh lebih menarik.
Beberapa poin kunci dari kinerja Bank Mandiri per November 2025:
- Laba bersih (bank only) naik 28,7% mtm
- Pendapatan bunga tumbuh 9,5% yoy
- Beban bunga turun, tercatat sekitar Rp3,6 triliun dan terus melandai sejak kuartal II
- Secara QoQ, beban bunga turun 1,7% hingga kuartal III 2025, tren positif yang diperkirakan berlanjut di kuartal IV
- Pendapatan non-bunga naik 12,1% yoy, ditopang transaksi digital dan solusi keuangan berbasis kebutuhan nasabah
- Fee transaksi digital tumbuh sekitar 14% yoy
- Fee dari Livin’ by Mandiri tumbuh 19,8% yoy
- Solusi treasury tumbuh sekitar 55% yoy dari fee aktivitas trading & client services
- OPEX turun 20,2% month-on-month, CIR terjaga di 42,97%
- Kredit naik 13,1% yoy jadi Rp1.452 triliun
- DPK naik 15,9% yoy jadi Rp1.584 triliun, LDR di kisaran 91% (level sehat dan produktif)
- Total aset (bank only) naik 14,6% yoy jadi Rp2.120 triliun
- NPL hanya 0,99% dengan coverage ratio sekitar 260%
Kalau dilihat dari kacamata tradisional, ini cerita soal:
- Pengelolaan pendanaan yang makin efisien
- Penyaluran kredit yang sehat
- Biaya operasional yang makin ramping
- Risiko yang terkendali
Tapi kalau dilihat dari kacamata AI dan digital banking, tanda-tandanya jelas: kanal digital dan otomasi berperan besar mendorong profitabilitas, bukan sekadar “pelengkap” channel fisik.
2. Di Mana AI Masuk? Menghubungkan Angka dengan Teknologi
Kinerja seperti ini jarang datang dari satu faktor saja. Di bank sebesar Mandiri, lonjakan laba hampir pasti hasil kombinasi strategi bisnis, disiplin risiko, dan pemanfaatan data & AI di banyak titik.
2.1. Penurunan Beban Bunga & Efisiensi Likuiditas
Beban bunga yang turun dan likuiditas yang makin kondusif bukan sekadar soal suku bunga pasar. Di baliknya, ada:
- Model prediksi likuiditas berbasis AI yang bisa memperkirakan kebutuhan dana harian, mingguan, hingga bulanan dengan lebih presisi
- Optimasi struktur pendanaan: komposisi giro, tabungan, deposito dikelola agar cost of fund turun tanpa mengorbankan pertumbuhan
- Segmentasi nasabah DPK dengan machine learning untuk menentukan pricing yang tepat sasaran (siapa yang sensitif bunga, siapa yang tidak)
Hasil akhirnya:
- Bank tidak perlu “perang suku bunga” terlalu agresif untuk mengamankan DPK
- Komposisi dana murah (CASA) bisa dijaga di level tinggi
- Margin bunga bersih (NIM) lebih sustain tanpa harus menekan risiko terlalu jauh
2.2. Ledakan Fee Digital: Livin’, Transaksi, dan AI di Belakang Layar
Dalam laporan, fee berbasis transaksi digital naik 14% yoy, dan fee dari Livin’ naik hampir 20%. Angka ini sangat selaras dengan tren AI dalam digital banking:
- Rekomendasi personal di aplikasi: AI menganalisis pola transaksi, saldo, dan perilaku pengguna untuk menampilkan promo, produk, dan fitur yang paling relevan
- Smart notification: push notification yang dikirim bukan random, tapi hasil prediksi kapan nasabah paling mungkin bertransaksi
- Cross-selling otomatis: penawaran kartu kredit, KTA, KPR, atau investasi muncul tepat saat nasabah menunjukkan sinyal kebutuhan
Setiap interaksi yang lebih tepat sasaran:
- Meningkatkan frekuensi transaksi per user
- Mengerek fee based income
- Memperkuat loyalitas nasabah digital (lebih jarang pindah bank)
2.3. Treasury dan Trading: AI di Ruang Dealing Room
Pertumbuhan fee treasury sekitar 55% yoy adalah angka yang besar. Di ruang treasury modern, AI dan analytics sudah jadi “anggota tim” yang tidak terlihat:
- Model AI membantu membaca pergerakan pasar dan volatilitas lebih cepat dari analis manual
- Sistem rekomendasi harga dan skenario what-if untuk trading dan hedging
- Segmentasi nasabah korporasi untuk menawarkan produk treasury yang tepat (hedging, FX, derivatif, dll.)
Dampaknya:
- Volume transaksi treasury naik
- Fee client services meningkat
- Risiko pasar bisa dikelola lebih disiplin
2.4. Efisiensi OPEX 20,2%: Otomasi dan AI di Back Office
Penurunan OPEX 20,2% MoM bukan angka kecil. Sulit dicapai kalau proses back office masih sangat manual.
Biasanya, penghematan seperti ini datang dari:
- Robotic Process Automation (RPA) + AI di proses rutin: rekonsiliasi, verifikasi dokumen, input data, pelaporan
- Chatbot & virtual assistant untuk pertanyaan standar nasabah, mengurangi beban call center
- AI di manajemen operasional cabang: memprediksi traffic, mengoptimalkan jumlah teller dan CS
Bank yang sudah matang di area ini biasanya bisa:
- Membatasi penambahan headcount meski volume transaksi naik
- Mengurangi error manual dan biaya rework
- Mempercepat SLA (service level agreement) untuk nasabah
3. Risiko Tetap Rendah: Peran AI di Kredit & NPL 0,99%
Kredit tumbuh 13,1% yoy, DPK tumbuh lebih tinggi di 15,9% yoy, tapi NPL tetap di 0,99% dengan coverage 260%. Kombinasi tumbuh agresif tapi tetap sehat seperti ini sulit dicapai tanpa manajemen risiko yang sangat kuat – dan di 2025, itu hampir pasti berarti: AI di risk management.
3.1. Scoring Kredit Berbasis Data Alternatif
Bank besar di Indonesia mulai beralih dari hanya mengandalkan laporan keuangan dan agunan ke:
- Data transaksi rekening (cash flow harian/bulanan)
- Pola pembayaran tagihan
- Perilaku transaksi e-commerce
- Data internal ekosistem (gaji, payroll, pemasok, dsb.)
Dengan model machine learning, bank bisa:
- Mendeteksi nasabah dengan risiko rendah meski dokumen formal terbatas
- Menghindari nasabah yang berpotensi bermasalah lebih awal
- Menyusun limit kredit dan pricing yang sesuai profil risiko
3.2. Early Warning System: Mencegah NPL Sebelum Terjadi
NPL di level 0,99% dengan coverage ratio tinggi menunjukkan ada manajemen portofolio yang disiplin. Biasanya didukung oleh:
- Model prediksi delinquency: mendeteksi akun yang berpotensi menunggak beberapa bulan sebelum benar-benar macet
- Alert otomatis ke tim collection untuk melakukan pendekatan lebih awal
- Strategi penagihan yang dipersonalisasi (channel, waktu, tone komunikasi) berdasarkan profil nasabah
Dampaknya:
- Pembentukan cadangan kerugian kredit bisa ditekan (beban pencadangan turun 36% yoy)
- Laba bersih terdongkrak tanpa mengorbankan prudential banking
3.3. Deteksi Fraud dan Keamanan Transaksi Digital
Ketika transaksi digital tumbuh dua digit, risiko fraud juga ikut naik. Di sinilah AI untuk deteksi fraud jadi kunci.
Model AI memantau jutaan transaksi real time untuk:
- Mencari pola anomali (lokasi janggal, device berbeda, nominal dan frekuensi tak wajar)
- Menghentikan transaksi mencurigakan secara otomatis
- Memicu verifikasi tambahan (OTP ekstra, konfirmasi manual)
Keuntungan bisnisnya jelas:
- Kerugian fraud turun
- Kepercayaan nasabah digital naik
- Lalu lintas transaksi digital bisa terus digenjot tanpa memicu lonjakan klaim keamanan
4. Apa yang Bisa Dipelajari Bank Lain di Indonesia?
Kinerja Bank Mandiri ini seharusnya dibaca bank lain sebagai peta jalan. Bukan diartikan “ya wajar, Mandiri kan BUMN besar”, tapi sebagai bukti bahwa AI dalam industri perbankan Indonesia sudah menghasilkan uang, bukan sekadar jargon konferensi.
Beberapa pelajaran praktis:
4.1. Mulai dari Use Case yang Paling Dekat dengan Laba
Alih-alih menggarap AI di mana-mana, fokus ke area yang jelas kaitannya dengan profitabilitas:
-
AI untuk peningkatan fee based income
- Rekomendasi produk di mobile banking
- Personal finance insight di aplikasi
- Bundling produk (tabungan + kartu kredit + investasi) berdasarkan perilaku
-
AI untuk efisiensi biaya
- RPA + OCR + AI di proses KYC, pembukaan rekening, loan processing
- Chatbot untuk pertanyaan umum dan transaksi sederhana
-
AI untuk manajemen risiko kredit dan fraud
- Scoring kredit lanjutan
- Early warning system NPL
- Fraud detection di e-banking dan kartu
4.2. Bangun Fondasi Data yang Serius
AI tanpa data yang rapi hanya akan jadi proyek mahal.
Hal-hal yang sering diabaikan tapi krusial:
- Data governance: siapa pemilik data, standar kualitas data, hak akses, dan keamanan
- Integrasi data lintas sistem core banking, CRM, channel digital, dan unit bisnis
- Tim data dan AI yang bukan sekadar “tim proyek”, tapi bagian strategi bisnis
4.3. Jadikan AI Bagian dari Strategi Bisnis, Bukan IT Saja
Dari pernyataan manajemen Mandiri, jelas bahwa arah kebijakan bisnis mereka:
- Mendukung pertumbuhan ekonomi nasional
- Menjaga pertumbuhan kredit & DPK dua digit
- Menjaga kualitas aset
AI seharusnya ditempatkan sebagai alat utama untuk mencapai target-target itu, bukan pelengkap brosur digital.
Itu berarti:
- Direksi mengerti bahasa AI di level strategi (bukan teknis kode)
- KPI unit bisnis dihubungkan ke pemanfaatan AI
- Investasi di AI dihitung layaknya investasi bisnis lain: ada target ROI yang jelas
5. Masa Depan: Profit Bank Indonesia Akan Banyak Ditentukan oleh AI
Kisah November 2025 Bank Mandiri ini pas dengan tema seri “AI dalam Industri Perbankan Indonesia: Era Digital Banking”. Kita sudah masuk fase di mana:
- Nasabah makin digital
- Margin bunga makin tertekan
- Kompetisi dana pihak ketiga makin rasional
- Regulator mendorong inklusi keuangan dan efisiensi
Dalam konteks itu, AI bukan lagi pilihan mewah, tapi kunci untuk:
- Menjaga laba tumbuh dua digit
- Menghindari lonjakan NPL saat ekspansi kredit
- Mengubah transaksi digital menjadi fee yang berulang
- Menjaga OPEX tidak membengkak seiring volume yang naik
Bank Mandiri sudah menunjukkan bahwa kombinasi transaksi digital kuat + efisiensi biaya + manajemen risiko cerdas bisa mengangkat laba bulanan hampir 30%.
Pertanyaannya sekarang:
- Apakah bank Anda sudah punya peta jalan AI yang jelas?
- Di mana posisi Anda dibanding bank yang sudah menjadikan AI sebagai mesin laba utama?
Kalau jawabannya masih samar, ini saat yang tepat—sebelum 2026 benar-benar berjalan penuh—untuk merancang ulang strategi AI dan digital banking Anda. Pasar sudah bergerak. Data sudah tersedia. Contoh sukses sudah ada di depan mata.
Tinggal satu hal: berani mengeksekusi.