Transformasi Keuangan & AI: Momentum Baru Perbankan RI

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

Penghargaan untuk Misbakhun menandai keseriusan negara mengawal transformasi keuangan. Ini momentum emas bagi bank Indonesia menggenjot AI di layanan digital.

AI perbankandigital bankingtransformasi sektor keuanganinklusi keuangandeteksi fraudskoring kredit alternatif
Share:

Transformasi Keuangan & AI: Momentum Baru Perbankan RI

Tanggal 12/12/2025, CNBC Indonesia memberi Impactful and Transformative Lawmaker Award kepada Ketua Komisi XI DPR RI, Mukhamad Misbakhun. Sekilas ini terlihat seperti “sekadar” penghargaan. Tapi kalau ditarik ke konteks yang lebih besar, ini sinyal jelas: negara sedang serius mengawal transformasi sektor keuangan – dan ujungnya akan sangat terasa di perbankan digital dan penerapan AI.

Kita lagi ada di fase menarik: regulasi bergerak, bank berbenah, teknologi AI makin matang, dan perilaku nasabah makin digital. Kalau semua ini ketemu di titik yang tepat, pengalaman nasabah bank di Indonesia dalam beberapa tahun ke depan akan beda total dari yang kita kenal sekarang.

Tulisan ini membahas kenapa penghargaan ke Misbakhun relevan untuk masa depan AI dalam industri perbankan Indonesia, apa yang sedang berubah di balik layar, dan langkah konkret yang bisa diambil pelaku industri perbankan – dari bank besar sampai fintech – supaya nggak ketinggalan.

Dari Regulasi ke Praktik: Kenapa Penghargaan Ini Penting untuk AI Perbankan

Intinya begini: tanpa regulasi yang pro-transformasi, AI di perbankan cuma jadi demo di presentasi, bukan solusi di lapangan.

Mukhamad Misbakhun sebagai Ketua Komisi XI dikenal aktif mendorong Undang-Undang Pengembangan dan Penguatan Sektor Keuangan (UU P2SK) dan berbagai kebijakan yang bikin pondasi sektor keuangan lebih kuat dan adaptif. Komisi XI sendiri membidangi keuangan, perbankan, dan otoritas seperti BI, OJK, dan LPS. Artinya, apa pun yang mereka kawal akan berimbas langsung ke:

  • Seberapa jauh bank boleh menggunakan AI untuk analitik data nasabah
  • Seberapa ketat kewajiban perlindungan data pribadi dan keamanan siber
  • Bagaimana regulasi open finance / open banking diterapkan
  • Kewajiban inklusi keuangan yang makin menuntut inovasi digital

Penghargaan dari CNBC Indonesia pada momen CNBC Indonesia Awards 2025 ini jadi semacam “stempel” bahwa transformasi sektor keuangan bukan cuma jargon. Ada pengakuan publik bahwa regulasi mulai bergerak ke arah yang lebih modern dan responsif terhadap teknologi.

Di sisi perbankan, ini kabar baik. Karena AI baru bisa dimanfaatkan maksimal kalau:

  1. Regulasi memberi ruang eksperimen yang terukur
  2. Aturan soal data dan risiko jelas
  3. Ada dorongan konkret ke digitalisasi dan inklusi keuangan

Dan tiga hal ini lagi pelan-pelan dirapikan.

Tiga Poros Transformasi: Digitalisasi, Inklusi, dan Keamanan

Transformasi sektor keuangan Indonesia sedang didorong di tiga poros utama yang sangat relevan untuk perbankan digital dan AI.

1. Digitalisasi Perbankan: Dari Mobile Banking ke Smart Banking

Bank Indonesia dan OJK sudah beberapa tahun terakhir mendorong digitalisasi layanan perbankan: QRIS, BI-FAST, dompet digital, sampai percepatan migrasi ke bank digital.

Tahap berikutnya bukan cuma digitalisasi tampilan, tapi kecerdasan di belakang layar:

  • AI untuk analisis transaksi: pola pengeluaran, kemampuan bayar, risiko kredit
  • Rekomendasi produk otomatis: tabungan, deposito, reksa dana, asuransi, yang disesuaikan profil nasabah
  • Chatbot dan voicebot bahasa Indonesia: melayani 24/7, pakai bahasa yang natural, bukan sekadar “bot kaku”

Digitalisasi yang dikawal oleh regulasi kuat membuat bank lebih percaya diri menginvestasikan dana ke teknologi AI, karena arah jangka panjang sektornya jelas.

2. Inklusi Keuangan Berbasis Teknologi

Salah satu spirit besar UU penguatan sektor keuangan adalah memperluas akses layanan keuangan ke masyarakat yang selama ini underbanked atau unbanked.

AI di sini bisa jadi senjata utama:

  • Penilaian kredit alternatif: pakai data transaksi harian, pola pembayaran tagihan, bahkan data aktivitas digital
  • Produk mikro yang dipersonalisasi: misalnya kredit ultra-mikro yang disesuaikan dengan pola pendapatan pedagang pasar
  • Interaksi dalam bahasa lokal / bahasa Indonesia yang natural: chatbot yang bisa menjawab nasabah dari Aceh sampai Papua dengan gaya bahasa yang akrab

Tanpa dorongan regulasi ke arah inklusi keuangan, bank cenderung bermain aman di segmen menengah-atas. Dengan mandat inklusi, AI justru jadi cara paling efisien memenuhi target tersebut tanpa menaikkan biaya operasional berlebihan.

3. Keamanan & Stabilitas: Deteksi Fraud dan Manajemen Risiko

Transformasi sektor keuangan juga menyentuh aspek penguatan pengawasan dan resiliensi sistem keuangan. Di era serangan siber, social engineering, dan kejahatan digital lintas negara, sistem manual sudah nggak cukup.

AI sangat kuat di area ini:

  • Deteksi fraud real-time: memantau jutaan transaksi, menandai aktivitas mencurigakan dalam hitungan detik
  • Scoring risiko dinamis: menilai profil risiko nasabah dan mitra secara berkelanjutan, bukan hanya saat pembukaan rekening
  • Anti-money laundering (AML) berbasis AI: menganalisis pola aliran dana yang kompleks dan lintas rekening

Regulasi yang dikawal Komisi XI – termasuk penguatan wewenang otoritas sektor keuangan – membuka ruang untuk penggunaan teknologi seperti ini, sekaligus memastikan nasabah tetap terlindungi.

AI dalam Perbankan Indonesia: Use Case Nyata yang Sudah Mulai Jalan

Kalau dibreakdown, penerapan AI dalam industri perbankan Indonesia bisa dikelompokkan ke beberapa use case utama. Sebagian sudah jalan, sebagian baru di tahap pilot.

1. Deteksi Fraud & Keamanan Transaksi

Ini use case paling “wajib” buat bank yang serius bermain di ranah digital.

Contoh implementasi yang umum:

  • Sistem yang otomatis memblokir sementara kartu atau akun ketika ada transaksi mencurigakan: lokasi tiba-tiba di luar negeri, nominal tidak biasa, atau pola login yang janggal
  • Peringatan ke nasabah via aplikasi: “Apakah ini transaksi Anda?” dengan pilihan konfirmasi atau lapor fraud
  • Analitik untuk mengenali pola social engineering (phishing, penipuan OTP, dan sejenisnya)

Bedanya AI dengan sistem rule-based biasa? AI belajar dari pola baru. Modus penipuan berubah, sistem ikut beradaptasi tanpa harus di-hardcode tiap kali.

2. Skoring Kredit Alternatif

Banyak UMKM dan pekerja informal punya arus kas, tapi nggak punya slip gaji atau riwayat kredit formal. Di sinilah AI berguna.

Data yang bisa dipakai (dengan izin dan regulasi yang jelas):

  • Pola transaksi di rekening
  • Pembayaran tagihan rutin (listrik, pulsa, internet)
  • Riwayat transaksi di platform e-commerce

AI model bisa memprediksi probabilitas gagal bayar dan memberi skor yang lebih inklusif dibanding metode tradisional yang cuma fokus ke agunan dan slip gaji.

Ini langsung nyambung dengan agenda inklusi keuangan yang sedang dikawal di level regulasi. Bank yang berani main di area ini, dengan tetap taat regulasi, akan punya keunggulan kompetitif besar di segmen UMKM.

3. Chatbot & Asisten Virtual Bahasa Indonesia

Banyak bank sudah punya chatbot di aplikasi atau WhatsApp, tapi kualitasnya masih beragam. Transformasi sektor keuangan yang didukung regulasi dan infrastruktur membuat bank mulai berani mengadopsi model bahasa Indonesia yang jauh lebih canggih.

Potensi chatbot modern:

  • Menjawab pertanyaan kompleks soal produk, biaya, limit, dan promo
  • Membantu nasabah melakukan transaksi sederhana (cek saldo, blokir kartu, buka deposito) tanpa harus bicara ke CS manusia
  • Menjadi frontline edukasi keuangan: menjelaskan bunga efektif, risiko pinjaman, sampai tips menghindari penipuan

Di level pengalaman nasabah, ini mengurangi antrean call center, mempercepat respon, dan mengurangi frustasi.

4. Personalisasi Layanan dan Penawaran

Bank punya data melimpah. AI membantu mengubah data itu menjadi rekomendasi yang relevan, bukan sekadar spam promo.

Contoh sederhana tapi berdampak:

  • Menawarkan kenaikan limit kartu kredit ke nasabah yang konsisten bayar penuh dan punya pengeluaran stabil
  • Merekomendasikan tabungan berjangka atau deposito ke nasabah yang saldo mengendap tinggi
  • Menawarkan restrukturisasi atau pengingat proaktif ke nasabah yang mulai menunjukkan tanda kesulitan bayar

Hasilnya: nasabah merasa dimengerti, bukan dibombardir.

Tantangan Nyata: Data, SDM, dan “Gap” Strategi Manajemen

Semua di atas terdengar ideal, tapi lapangannya nggak selalu mulus. Ada beberapa tantangan yang sering saya lihat muncul di diskusi dengan pelaku industri.

1. Kesiapan Data: Kualitas vs Kuantitas

Banyak bank punya data besar, tapi:

  • Tersebar di banyak sistem lama (legacy)
  • Format tidak konsisten
  • Jarang dibersihkan (data duplikat, tidak lengkap, tidak terstruktur)

AI butuh data yang rapi, terintegrasi, dan legal secara kepemilikan. Transformasi sektor keuangan yang dikawal di level DPR/OJK harus diikuti investasi serius di data governance di level bank.

2. Keterbatasan SDM Digital dan AI

Bank tradisional sering kekurangan:

  • Data scientist yang paham konteks perbankan
  • Engineer yang bisa menjembatani core banking dengan sistem AI modern
  • Analis risiko yang nyaman bekerja dengan model statistik dan machine learning

Solusinya bukan cuma rekrut, tapi juga:

  • Program upskilling internal
  • Kolaborasi dengan fintech dan perusahaan teknologi lokal
  • Sandbox inovasi yang dikawal regulator supaya eksperimen tetap aman

3. Manajemen Puncak yang Masih “Wait and See”

Ini sering jadi bottleneck terbesar. Strategi AI di banyak bank berhenti di slide presentasi karena manajemen puncak melihat AI sebagai “proyek IT”, bukan pilar bisnis.

Padahal, setelah regulasi dan infrastruktur bergerak, justru yang dibutuhkan adalah keberanian mengambil posisi:

  • Bank mau jadi early adopter AI untuk perbankan digital?
  • Atau menunggu kompetitor sukses dulu baru ikut?

Dalam konteks Indonesia yang pasarnya besar dan kompetitif, sikap terlalu hati-hati bisa bikin kehilangan momentum.

Langkah Praktis untuk Bank di Era Transformasi & AI

Supaya nggak cuma jadi penonton di era AI dalam industri perbankan Indonesia, ada beberapa langkah praktis yang bisa mulai dikerjakan bank, bahkan sebelum semuanya “sempurna”.

1. Mulai dari Use Case dengan Dampak Cepat

Alih-alih bikin roadmap AI yang terlalu teoretis, fokus ke 2–3 use case dengan kombinasi:

  • Dampak bisnis jelas (misalnya penurunan fraud, penghematan biaya call center)
  • Regulasi relatif jelas
  • Ketersediaan data cukup

Contoh prioritas realistis:

  1. Deteksi fraud transaksi kartu & mobile banking
  2. Chatbot bahasa Indonesia untuk FAQ & transaksi dasar
  3. Skoring kredit alternatif untuk segmen UMKM terpilih

2. Bentuk Tim Kecil Lintas Divisi

AI bukan proyek IT. Bentuk tim yang minimal berisi:

  • IT / data engineer
  • Data scientist / analis
  • Risk & compliance
  • Bisnis (produk, kredit, atau retail banking)

Tim ini bertugas:

  • Menyelaraskan proyek AI dengan regulasi terbaru
  • Mengukur hasil dan ROI
  • Menyusun rekomendasi eskalasi ke manajemen

3. Jaga Keseimbangan antara Inovasi dan Kepatuhan

Regulasi yang dikawal Komisi XI dan otoritas lain memberi ruang inovasi, tapi tetap ada garis merah:

  • Perlindungan data pribadi
  • Transparansi model (terutama untuk keputusan kredit)
  • Mekanisme komplain dan pelindungan konsumen

Bank perlu dokumentasi yang rapi untuk setiap model AI: tujuan, data yang dipakai, cara evaluasi, dan cara mengatasi bias.

4. Bangun Kepercayaan Nasabah

AI sekuat apa pun akan percuma kalau nasabah merasa “diawasi” atau tidak paham apa yang terjadi dengan datanya.

Cara membangun kepercayaan:

  • Komunikasi jelas di aplikasi soal penggunaan data dan manfaatnya
  • Opsi kontrol untuk nasabah (opt-in / opt-out tertentu)
  • Transparansi ketika terjadi false positive (misalnya transaksi diblokir padahal sah)

Bank yang jujur dan transparan soal AI justru akan lebih dipercaya.

Penutup: Dari Parlemen ke Aplikasi di Genggaman Nasabah

Penghargaan Impactful and Transformative Lawmaker Award untuk Mukhamad Misbakhun bukan cuma soal figur. Ini simbol bahwa transformasi sektor keuangan sekarang punya dukungan politik dan regulasi yang lebih tegas.

Bagi pelaku perbankan digital di Indonesia, ini saat yang tepat untuk naik kelas: dari sekadar punya aplikasi mobile, menjadi ekosistem layanan keuangan berbasis AI yang aman, inklusif, dan relevan bagi nasabah Indonesia.

Gelombang berikutnya dalam seri “AI dalam Industri Perbankan Indonesia: Era Digital Banking” akan dimenangkan oleh bank dan fintech yang berani menggabungkan tiga hal:

  1. Memahami arah kebijakan dan regulasi
  2. Membangun fondasi data dan teknologi AI yang kuat
  3. Menempatkan kepentingan dan pengalaman nasabah sebagai pusat keputusan

Pertanyaannya sekarang sederhana: apakah institusi Anda mau jadi pemain utama di era AI perbankan, atau menonton dari pinggir lapangan saat yang lain berlari duluan?