QRIS Antarnegara & Rupiah Digital: Fondasi Bank Digital Berbasis AI

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

BI dorong QRIS antarnegara dan Rupiah Digital. Di balik itu, ada fondasi besar untuk bank digital berbasis AI: dari credit scoring UMKM sampai deteksi fraud.

QRIS antarnegaraRupiah digitalAI perbankanBI-FASTUMKM digitalsistem pembayaran BI
Share:

QRIS 60 Juta Pengguna & Rupiah Digital: Kenapa Ini Penting Buat Bank Digital?

Satu angka yang sering ke-skip dalam diskusi digital banking adalah ini: 60 juta pengguna QRIS, dan mayoritasnya pelaku UMKM. Data yang disampaikan Gubernur BI Perry Warjiyo di Pertemuan Tahunan Bank Indonesia (PTBI) 01/12/2025 ini bukan sekadar statistik — ini fondasi data raksasa untuk era perbankan berbasis AI di Indonesia.

Di saat yang sama, BI mempercepat:

  • perluasan QRIS antarnegara,
  • penguatan infrastruktur BI-FAST dan modernisasi RTGS,
  • dan persiapan Rupiah Digital.

Kalau digabung, tiga hal ini membentuk “jalan tol data” yang akan menentukan siapa bank yang siap masuk era AI dalam industri perbankan Indonesia — dan siapa yang tertinggal.

Tulisan ini melihat langkah BI bukan hanya dari sisi kebijakan pembayaran, tapi dari sudut pandang yang lebih strategis: apa artinya semua ini bagi digital banking, pemanfaatan AI, dan masa depan bank di Indonesia.

1. Apa yang Sebenarnya Sedang Disiapkan BI?

Jawabannya: BI sedang membangun infrastruktur data dan transaksi yang jauh lebih real-time, terhubung, dan kaya konteks. Tanpa ini, AI di perbankan cuma jadi gimmick.

Dari paparan di PTBI 2025, ada beberapa pilar utama:

a. QRIS: Dari Domestik ke Antarnegara

QRIS sudah punya 60 juta pengguna, mayoritas UMKM. Itu artinya:

  • ada puluhan miliar data transaksi mikro yang terekam,
  • perilaku pembayaran konsumen bisa dibaca lebih granular (jam transaksi, nominal, lokasi, frekuensi),
  • dan pola usaha UMKM bisa dianalisis lebih akurat.

Ketika QRIS antarnegara diperluas (seperti ke Thailand, Malaysia, Singapura, lalu Jepang), level datanya naik kelas:

  • terlihat pola belanja wisatawan asing di Indonesia,
  • pengeluaran turis Indonesia di luar negeri,
  • potensi layanan FX cerdas berbasis AI (kurs dinamis, rekomendasi waktu tukar, dsb).

Ini bukan cuma isu kemudahan bayar saat belanja di luar negeri. Untuk bank dan fintech, ini adalah sumber data lintas negara yang sangat berharga.

b. BI-FAST & Modernisasi RTGS

AI butuh data yang cepat, konsisten, dan terus mengalir.

  • BI-FAST memberi transfer cepat dan murah antarbank 24/7.
  • RTGS modern memperkuat transaksi grosir bernominal besar.

Dari sisi AI di perbankan:

  • bank bisa memantau arus dana nasabah nyaris real-time,
  • model deteksi fraud bisa bereaksi hitungan detik,
  • scoring risiko likuiditas bisa lebih presisi.

c. Konsolidasi Industri Sistem Pembayaran

BI menyusun klasifikasi perusahaan sistem pembayaran utama dan non-utama.

Artinya:

  • pemain yang mengelola volume data dan transaksi besar akan diawasi lebih ketat,
  • standar keamanan, interoperabilitas, dan pelaporan makin tinggi,
  • data governance membaik — sesuatu yang wajib kalau kita bicara AI di level nasional.

d. Rupiah Digital (CBDC)

Rupiah Digital adalah tahap berikutnya. Bukan e-money biasa, tapi mata uang bank sentral dalam bentuk digital.

Dari perspektif AI:

  • setiap transaksi Rupiah Digital berpotensi tercatat dengan struktur data yang lebih kaya (metadata, tipe transaksi, channel),
  • ini membuka peluang analitik makro dan mikro yang jauh lebih detail,
  • dan memberi ruang bagi bank untuk bangun produk digital berbasis smart contract dan otomatisasi.

Singkatnya, BI sedang menyiapkan “panggung data”. Tinggal pertanyaannya: siapa yang paling cepat memanfaatkan ini dengan AI?

2. Dari QRIS ke AI: Emasnya Ada di Data Transaksi UMKM

QRIS yang dipakai 60 juta pengguna berarti jutaan titik data per hari. Bagi bank yang serius dengan AI, ini adalah emas murni.

a. Alternative Credit Scoring Berbasis QRIS

Selama ini banyak UMKM ditolak kredit karena:

  • tidak punya laporan keuangan rapi,
  • tidak punya jaminan,
  • bisnis masih informal.

Padahal kalau dilihat dari data QRIS, bank bisa membangun model credit scoring alternatif:

  • rata-rata omzet harian/bulanan,
  • stabilitas arus kas (musiman atau konsisten),
  • variasi jam dan hari ramai,
  • ticket size (rata-rata nilai transaksi),
  • tingkat repeat customer berdasarkan pola transaksi.

Dengan AI, semua ini bisa dihitung otomatis, misalnya:

“UMKM dengan transaksi QRIS stabil minimal 18 bulan, omzet naik 20% yoy, dan jarang ada hari nol transaksi punya risiko gagal bayar 40% lebih rendah.”

Apakah setiap bank sudah ke sana? Belum. Tapi arah perkembangannya jelas ke sana.

b. Personalisasi Produk untuk UMKM

AI bisa menggunakan data QRIS untuk menyusun penawaran produk yang jauh lebih relevan, seperti:

  • limit kredit modal kerja otomatis berbasis riwayat transaksi,
  • paket tabungan + asuransi yang disesuaikan pola risiko usaha,
  • rekomendasi cicilan alat produksi saat tren omzet lagi naik.

Skenarionya bisa sangat praktis:

"Usaha Bapak/Ibu rata-rata transaksi Rp3–4 juta/hari, omzet tiga bulan terakhir naik 32%. Kami tawarkan fasilitas kredit modal kerja Rp75 juta dengan tenor 18 bulan, cicilan disesuaikan rata-rata arus kas harian."

Ini yang bikin perbankan berbasis AI terasa manusiawi: personal, relevan, dan konteksnya pas.

c. Deteksi Fraud & Anomali Transaksi

Dengan data QRIS real-time dan model AI, bank bisa:

  • mendeteksi pola transaksi mencurigakan (misal, lonjakan transaksi mendadak di tengah malam di lokasi yang tidak biasa),
  • menghindari merchant fiktif atau money mule,
  • mengurangi klaim fraud dari pengguna akhir.

Poin pentingnya: semakin kaya data transaksi (QRIS, BI-FAST, Rupiah Digital), semakin tajam model AI untuk menjaga keamanan sistem pembayaran.

3. QRIS Antarnegara & Rupiah Digital: Peluang Baru untuk Digital Banking

Langkah BI memperluas QRIS antarnegara dan menyiapkan Rupiah Digital akan mengubah cara bank merancang produk digital.

a. Pengalaman Pembayaran Lintas Negara yang Lebih Pintar

Dengan QRIS antarnegara, bank bisa menggabungkan AI + data lintas negara untuk fitur seperti:

  • rekomendasi budgeting perjalanan (sebelum dan sesudah bepergian),
  • peringatan belanja berlebih dalam mata uang asing,
  • reminder otomatis saat kurs sedang menguntungkan,
  • real-time FX pricing yang lebih transparan.

Contoh sederhana:

Aplikasi bank memberi notifikasi: "Pengeluaran Anda di Jepang sudah mencapai 85% dari budget yang Anda set sebelum berangkat. Pertimbangkan untuk menyesuaikan pengeluaran makan dan belanja souvenir."

Hal-hal seperti ini hanya mungkin kalau sistem pembayaran antarnegara terintegrasi dan datanya terbaca AI secara real-time.

b. Rupiah Digital sebagai “Kanvas” Produk AI Baru

Rupiah Digital (CBDC) membuka beberapa skenario baru:

  • smart contract sederhana di produk pembiayaan (misal, pencairan dana otomatis kalau syarat tertentu terpenuhi),
  • pencatatan transaksi yang lebih seragam sehingga analitik AI lebih presisi,
  • integrasi lebih dalam antara bank dan platform ekonomi digital (marketplace, ride-hailing, logistik, dsb).

Bank yang sudah lebih dulu:

  • mengintegrasikan core system dengan kanal pembayaran BI (BI-FAST, QRIS, Rupiah Digital),
  • menyiapkan data lake yang rapi,
  • dan punya tim data/AI yang kuat,

akan jauh lebih siap memanfaatkan ini dibanding pemain yang masih melihat semua ini sekadar sebagai "saluran pembayaran baru".

4. Peran AI dalam Ekosistem Pembayaran BI: Dari Backend sampai Chatbot

Banyak orang mengira AI di bank hanya soal chatbot. Nyatanya, kalau dikaitkan dengan agenda BI (QRIS, BI-FAST, RTGS, Rupiah Digital), peran AI jauh lebih luas.

a. Lapisan Backend: Risk, Fraud, dan Likuiditas

Di lapisan backend, AI bisa digunakan untuk:

  • deteksi fraud real-time di transaksi QRIS dan BI-FAST,
  • prediksi arus keluar-masuk dana antarbank untuk manajemen likuiditas,
  • stres test otomatis saat ada gejolak (misal, ketidakpastian ekonomi global),
  • early warning system untuk merchant atau nasabah berisiko tinggi.

Setiap tambahan kanal (QRIS antarnegara, Rupiah Digital) menambah kompleksitas. Tanpa AI, memantau semua ini manual hampir mustahil.

b. Lapisan Middle: Analitik Bisnis & Segmentasi Cerdas

Dengan data dari infrastruktur BI, bank bisa membangun:

  • segmentasi nasabah berbasis perilaku nyata, bukan sekadar demografi,
  • analitik produktivitas cabang dan channel digital,
  • pemetaan ekosistem bisnis (misal, klaster UMKM di satu kawasan pariwisata yang ramai transaksi QRIS antarnegara).

Ini membantu keputusan seperti:

  • kota mana yang layak jadi prioritas pembiayaan UMKM,
  • sektor mana yang butuh program literasi keuangan khusus,
  • promosi mana yang paling efektif di satu wilayah.

c. Lapisan Frontend: Chatbot & Asisten Finansial dalam Bahasa Indonesia

Di sisi depan, AI bisa hadir dalam bentuk:

  • chatbot perbankan berbahasa Indonesia yang bisa menjelaskan cara pakai QRIS antarnegara,
  • asisten finansial yang mengerti konteks transaksi BI-FAST dan QRIS pengguna,
  • fitur konsultasi cepat: "apakah pola transaksi saya cukup untuk ajukan KUR?".

Contoh alur realistik:

  1. Nasabah bertanya di aplikasi: "Saya pakai QRIS untuk usaha kopi, bisa nggak dapat kredit tanpa agunan?"
  2. AI membaca data transaksi QRIS nasabah (dengan izin nasabah), menganalisis pola 12 bulan terakhir.
  3. Dalam hitungan detik, chatbot menjawab dengan opsi produk, estimasi limit, dan simulasi cicilan.

Ini baru terasa seperti bank digital berbasis AI, bukan sekadar internet banking yang dibungkus aplikasi.

5. Apa yang Perlu Dilakukan Bank & Pelaku Industri Sekarang?

Dengan arah kebijakan BI yang makin jelas, ada beberapa langkah praktis yang menurut saya krusial, khususnya kalau targetnya bukan cuma ikut tren digital, tapi juga menghasilkan bisnis dan inklusi keuangan nyata.

a. Untuk Bank dan BPD

  1. Seriuskan integrasi data QRIS, BI-FAST, dan (nantinya) Rupiah Digital ke dalam data warehouse.
  2. Bangun tim data & AI yang ngerti regulasi lokal, bukan hanya jago teknologi.
  3. Mulai proyek alternative credit scoring untuk UMKM berbasis data transaksi.
  4. Kembangkan chatbot bahasa Indonesia yang benar-benar nyambung dengan data rekening dan histori transaksi nasabah.
  5. Perkuat fungsi fraud analytics sebelum volume transaksi makin besar.

b. Untuk Fintech & Penyedia Jasa Sistem Pembayaran

  1. Posisioning diri sebagai mitra data & teknologi bagi bank, bukan kompetitor murni.
  2. Kembangkan API dan modul analitik yang siap di-plug ke infrastruktur BI.
  3. Fokuskannya di area yang jarang digarap bank: edukasi UMKM, onboarding digital, micro-analytics perilaku pengguna.

c. Untuk UMKM dan Pelaku Usaha

  1. Gunakan QRIS secara konsisten, bukan sekadar pelengkap.
  2. Pisahkan QRIS usaha dan QRIS pribadi.
  3. Simpan dan cek laporan transaksi bulanan — ini akan jadi "laporan keuangan otomatis" saat mengajukan kredit.

Makin rapi pola penggunaan QRIS, makin mudah AI di bank membaca kelayakan usaha Anda.

Penutup: Era Baru AI Perbankan Dimulai dari Kebijakan Pembayaran

Langkah BI mendorong QRIS antarnegara, perluasan BI-FAST, modernisasi RTGS, dan persiapan Rupiah Digital bukan sekadar urusan teknis pembayaran. Ini adalah fondasi untuk era baru AI dalam industri perbankan Indonesia.

Bank yang menang nanti adalah yang melihat setiap kebijakan BI bukan sebagai kewajiban kepatuhan, tapi sebagai sumber data dan peluang inovasi AI:

  • QRIS sebagai bahan baku credit scoring UMKM,
  • QRIS antarnegara sebagai ladang data cross-border untuk produk FX cerdas,
  • Rupiah Digital sebagai medium transaksi digital yang kaya informasi,
  • BI-FAST dan RTGS modern sebagai jalur utama deteksi fraud dan manajemen risiko real-time.

Pertanyaannya tinggal: apakah institusi Anda sudah menyiapkan fondasi data, tim AI, dan strategi produk digital untuk memanfaatkan semua ini? Era kebijakan pembayaran "pintar" sudah dimulai — giliran perbankan dan pelaku industri yang membuktikan apakah mereka cukup siap dan cukup berani untuk naik kelas.