Peran Nyata AI di Bank Indonesia: Belajar dari SMBC

AI dalam Industri Perbankan Indonesia: Era Digital Banking••By 3L3C

AI di bank seperti SMBC Indonesia sudah jadi fondasi, bukan tren. Dari KYC, chatbot, hingga inklusi keuangan, begini cara AI mengubah digital banking di Indonesia.

AI perbankandigital banking IndonesiaSMBC IndonesiaJeniuskecerdasan buatan keuanganinklusi keuanganchatbot bank
Share:

Perbankan Indonesia Mulai Serius dengan AI

Selama 3 tahun terakhir, pertumbuhan pengguna mobile banking di Indonesia tembus di atas 20% per tahun. Transaksi digital sudah jadi kebiasaan harian, bukan lagi fitur tambahan. Di titik ini, bank yang tidak memakai kecerdasan buatan (AI) bukan cuma tertinggal teknologi — tapi berisiko tertinggal nasabah.

SMBC Indonesia membaca sinyal ini dengan cukup berani. Melalui acara SMBC Indonesia Tech Connect pada 24/11/2025, mereka buka-bukaan soal bagaimana AI mulai jadi fondasi di balik layanan keuangan, terutama lewat Jenius sebagai bank digital mereka.

Tulisan ini bagian dari seri “AI dalam Industri Perbankan Indonesia: Era Digital Banking”. Fokusnya: apa saja peran konkret AI di bank seperti SMBC Indonesia, pelajaran apa yang bisa diambil bank lain, dan apa dampaknya buat nasabah maupun pelaku bisnis.

Dari Tren ke Fondasi: Cara Bank Melihat AI Berubah

AI di perbankan Indonesia sudah bergeser dari eksperimen jadi infrastruktur. Itu poin utama yang ditegaskan manajemen SMBC Indonesia dan juga sejalan dengan pandangan OJK.

“Kecerdasan buatan tidak lagi menjadi tren, tetapi fondasi masa depan industri keuangan.” – Michellina Laksmi Triwardhany, Wakil Direktur Utama SMBC Indonesia

Kenapa pergeseran ini penting?

  1. Volume transaksi digital melonjak
    Satu aplikasi bisa menangani jutaan transaksi per hari. Tanpa AI, sulit menjaga kecepatan, akurasi, dan keamanan secara bersamaan.

  2. Nasabah makin menuntut personalisasi
    Generasi digital-savvy tidak mau layanan yang generik. Mereka ingin rekomendasi yang relevan: kartu mana, cicilan mana, investasi mana, yang cocok dengan kondisi mereka.

  3. Regulator mendorong efisiensi dan inklusi
    OJK berkali-kali menekankan peran teknologi, termasuk AI, untuk memperluas akses layanan keuangan dan meningkatkan perlindungan konsumen.

Di titik ini, AI bukan “opsional nice-to-have”. Untuk bank yang ingin bertahan 5–10 tahun ke depan, AI sudah jadi syarat hidup, bukan sekadar keunggulan kompetitif.

Use Case AI di Jenius & SMBC: Dari Onboarding sampai Operasional

Jawaban paling praktis atas pertanyaan “AI di bank itu dipakai buat apa saja?” bisa dilihat dari contoh yang sudah berjalan di Jenius (SMBC Indonesia).

1. KYC Cerdas: Liveness Biometric & Device Intelligence

Proses pembukaan rekening digital (e-KYC) dulu identik dengan foto KTP buram, selfie gagal, dan verifikasi lama. Jenius menggabungkan beberapa teknologi untuk merapikan ini:

  • Liveness Biometric
    Sistem bukan cuma cek wajah sama atau tidak dengan KTP, tapi juga deteksi apakah wajah itu “hidup” (bukan foto di layar, bukan rekaman video). Di belakangnya ada model AI yang membaca pola gerakan dan tekstur.

  • Device Intelligence
    Perangkat yang dipakai nasabah (smartphone) dianalisis: pola IP, tipe device, OS, jejak risiko. Kalau pola mencurigakan (misalnya 50 akun baru dari 1 device), sistem bisa otomatis mengibarkan bendera merah.

Manfaat langsungnya:

  • Fraud lebih susah menembus sistem
  • Onboarding tetap cepat, tapi tidak mengorbankan keamanan
  • Biaya operasional verifikasi manual turun signifikan

Ini contoh jelas bagaimana AI di digital banking tidak hanya bicara fitur keren, tapi benar-benar masuk ke inti manajemen risiko.

2. Chatbot yang Manusiawi: AI + Agent Manusia

Banyak bank punya chatbot, tapi tidak semua berhasil. Kuncinya bukan sekadar punya bot, melainkan bagaimana AI dan manusia dikombinasikan dengan benar.

Jenius menerapkan:

  • Chatbot berbasis AI untuk pertanyaan rutin: cek saldo, blokir kartu, ubah limit, info produk.
  • Integrasi ke tim manusia saat kasus lebih kompleks atau ada potensi konflik (sengketa transaksi, komplain sensitif).

Hasil yang biasanya terlihat ketika kombinasi ini matang:

  • Waktu respon untuk pertanyaan umum turun dari hitungan menit jadi detik
  • Call center bisa fokus ke kasus bernilai tinggi, bukan sekadar reset PIN
  • Pengalaman nasabah lebih “dekat dan cepat”, tidak merasa dilempar-lempar kanal

Buat banyak bank di Indonesia, ini tahap transisi penting: mulai menggeser beban dari call center tradisional ke AI, tapi tanpa mengorbankan rasa empati yang hanya bisa diberikan manusia.

3. Marketing Automation & Personalisasi Layanan

Irwan Tisnabudi (Head of Digital Banking SMBC Indonesia) menekankan pentingnya pemasaran yang relevan dan personal. Di sini, AI bekerja di belakang layar untuk:

  • Mengelompokkan nasabah berdasarkan perilaku transaksi, bukan hanya demografi
  • Memprediksi produk apa yang paling relevan: tabungan, kartu kredit, paylater, reksa dana, atau asuransi
  • Menentukan waktu kirim notifikasi yang paling pas untuk tiap nasabah

Contoh nyata:

  • Nasabah yang sering transaksi di e-commerce dan ride-hailing ditawari kartu kredit dengan cashback di kategori itu, bukan brosur produk umum
  • Nasabah yang gajinya rutin masuk dan jarang menyentuh fitur investasi akan dipandu dengan edukasi bertahap, bukan langsung ditawari produk kompleks

Di tahap lebih lanjut, pendekatan ini bisa mengarah ke:

  • Scoring kredit alternatif (menggunakan pola transaksi, bukan hanya SLIK/OJK)
  • Rekomendasi keuangan personal (mirip “financial coach” di dalam aplikasi)

Bagi bank, hasilnya adalah konversi lebih tinggi dan biaya akuisisi lebih rendah. Bagi nasabah, rasanya bukan “dijualin produk”, tapi “dibantu mengatur hidup finansial”.

4. Optimalisasi Operasional: Bank Lebih Ramping, Layanan Lebih Kencang

SMBC Indonesia menegaskan bahwa semua pemanfaatan teknologi ini bukan hanya soal aplikasi tampak depan, tapi juga efektivitas operasional.

Di belakang layar, AI bisa dipakai untuk:

  • Memprediksi antrean call center dan mengatur distribusi agent
  • Mendeteksi pola transaksi yang berpotensi fraud secara real time
  • Mengotomasi rekonsiliasi dan beberapa proses middle-office

Bank yang mengelola ini dengan serius biasanya melihat:

  • Penurunan biaya operasional per transaksi
  • Waktu penyelesaian kasus (turnaround time) jauh lebih pendek
  • Tingkat error manual turun drastis

Tantangan: Etika, Privasi, dan Kepercayaan

Saya cukup setuju dengan penekanan Irwan bahwa AI di perbankan harus selalu sejalan dengan keamanan, etika, dan privasi. Banyak bank tergoda mengumpulkan data sebanyak mungkin, tapi lupa bahwa kepercayaan adalah aset inti perbankan.

Ada beberapa garis merah yang tidak boleh dilanggar:

1. Transparansi ke Nasabah

Nasabah berhak tahu:

  • Data apa saja yang dikumpulkan
  • Untuk tujuan apa data itu dipakai
  • Apakah ada profil risiko atau keputusan otomatis yang diambil AI

Bank yang jujur soal ini biasanya mendapat kepercayaan jangka panjang. Yang main “diam-diam” berisiko kehilangan reputasi dalam sekali kejadian viral.

2. Bias dan Keadilan Kredit

Kalau AI dipakai untuk scoring kredit, model yang tidak diawasi bisa memperkuat bias lama:

  • Wilayah tertentu dianggap lebih berisiko hanya karena historis
  • Segmen pekerjaan tertentu otomatis dinilai lebih rendah

Solusinya:

  • Audit berkala model AI
  • Menguji fairness lintas kelompok (usia, wilayah, jenis pekerjaan)
  • Mencampur data tradisional dengan data alternatif yang lebih kaya konteks

3. Keamanan Siber Tingkat Tinggi

Semakin banyak data dan proses kritikal yang digantungkan ke AI, semakin besar pula potensi serangan. Di Indonesia, serangan ke aplikasi keuangan sudah meningkat tajam beberapa tahun terakhir.

Bank yang serius di AI wajib serius di:

  • Enkripsi end-to-end
  • Deteksi anomali berbasis AI pula (AI lawan AI)
  • Latihan rutin incident response bila terjadi kebocoran

AI di digital banking Indonesia tidak bisa hanya diukur dari kecanggihan fitur. Ukuran yang lebih penting: apakah nasabah merasa aman dan dihargai datanya.

Dampak ke Inklusi Keuangan: Potensi Besar di Indonesia

Poin menarik dari pernyataan Irzan Raditya (Founder Kata.ai) adalah keyakinan bahwa ekosistem teknologi Indonesia sudah cukup matang: perkembangan cepat, regulasi makin siap, kolaborasi tech–bank makin intensif.

Ini kabar baik untuk inklusi keuangan, terutama kalau AI dipakai dengan benar.

Peluang Nyata AI untuk Inklusi Keuangan

  1. Chatbot Bahasa Indonesia & Bahasa Daerah
    Bank bisa melayani nasabah di luar kota besar tanpa tergantung cabang fisik. Chatbot yang paham konteks lokal bisa membantu edukasi keuangan dari level paling dasar.

  2. Alternatif Credit Scoring untuk UMKM & Gig Worker
    Banyak pelaku usaha dan pekerja informal tertolak kredit bukan karena tidak mampu bayar, tetapi karena tidak punya riwayat kredit formal. AI bisa membaca pola transaksi digital (e-wallet, marketplace, rekening) sebagai bahan penilaian.

  3. Pendidikan Keuangan Personal di Aplikasi
    Sistem AI bisa mengingatkan ketika pengeluaran mulai melampaui rata-rata, menawarkan tips mengatur cash flow, atau menyarankan produk tabungan/investasi yang masuk akal.

Kalau diarahkan ke sini, AI bukan hanya menguntungkan bank besar, tapi juga membantu jutaan orang yang selama ini di pinggir sistem keuangan formal.

Apa Langkah Praktis bagi Bank & Pelaku Bisnis?

Dari pengalaman SMBC Indonesia Tech Connect dan implementasi di Jenius, ada beberapa langkah praktis yang bisa dijadikan acuan.

Untuk Bank dan Lembaga Keuangan

  1. Mulai dari use case yang dekat dengan masalah utama
    Biasanya: KYC, fraud detection, chatbot layanan nasabah, atau marketing automation. Jangan buru-buru semua area sekaligus.

  2. Bangun tim lintas fungsi
    Data scientist tanpa orang bisnis dan compliance akan menghasilkan model yang keren tapi tidak bisa jalan. Libatkan:

    • Risk & compliance
    • Operasional
    • IT/security
    • Product & marketing

  3. Kolaborasi dengan pemain teknologi lokal
    Seperti Jenius bekerja dengan berbagai penyedia teknologi, bank lain pun tak perlu membuat semua dari nol. Ekosistem AI Indonesia sudah jauh lebih matang dibanding 5 tahun lalu.

  4. Tetapkan prinsip etika AI tertulis
    Bukan jargon di presentasi, tapi panduan yang benar-benar dipakai: apa yang boleh, apa yang tidak, bagaimana mengelola persetujuan nasabah.

Untuk Pemilik Bisnis & Profesional

Kalau Anda pemilik bisnis, CFO, atau profesional di sektor keuangan:

  • Pahami dasar-dasar AI di perbankan: istilah seperti liveness detection, device intelligence, marketing automation bukan lagi istilah teknis, tapi bagian dari cara bank menilai risiko dan menawarkan produk ke Anda.
  • Pakai fitur-fitur AI di bank: chatbot untuk efisiensi, insight pengeluaran, rekomendasi cash management. Banyak yang sudah tersedia gratis, hanya belum dimanfaatkan.
  • Siapkan data rapi: laporan keuangan, arus kas, dan histori transaksi yang tertata akan membuat Anda lebih mudah “terbaca” oleh sistem AI perbankan saat mengajukan fasilitas.

Penutup: AI Bukan Lagi Opsional di Era Digital Banking

Perkembangan yang terlihat di SMBC Indonesia Tech Connect menunjukkan satu hal yang cukup jelas: AI dalam industri perbankan Indonesia sudah naik kelas. Dari sekadar trend teknologi, menjadi tulang punggung digital banking — mulai dari onboarding, layanan, sampai operasional.

Bagi bank, tantangannya adalah menyeimbangkan kecepatan inovasi dengan keamanan, etika, dan privasi. Bagi nasabah dan pelaku bisnis, tantangannya adalah cepat beradaptasi, memanfaatkan fitur berbasis AI, dan tetap kritis terhadap perlindungan data.

Seri “AI dalam Industri Perbankan Indonesia: Era Digital Banking” akan terus mengulas contoh konkret lain: dari credit scoring alternatif, deteksi fraud lintas kanal, sampai chatbot Bahasa Indonesia yang benar-benar paham konteks lokal. Satu hal yang pasti: siapa pun yang ingin relevan di sektor keuangan ke depan, perlu memahami cara kerja AI hari ini, bukan besok.