Dari Pelabuhan ke Bank: Pelajaran AI dari Alat BRIN

AI Bukan Cuma Chatbot: Pelajaran dari Alat Canggih BRIN

Sebagian besar orang di industri keuangan dan akuntansi kalau dengar kata AI langsung kebayang chatbot, analisis laporan keuangan otomatis, atau deteksi fraud kartu kredit. Padahal spektrum pemanfaatan AI jauh lebih luas.

Kasus terbaru: BRIN menawarkan Radiation Portal Monitor (RPM) senilai sekitar Rp700–900 juta ke Menteri Keuangan Purbaya Yudhi Sadewa. Alat ini dipakai untuk mendeteksi barang ilegal, bahan radioaktif, hingga ancaman nuklir di pelabuhan, tanpa harus bongkar peti kemas satu per satu.

Kenapa kisah alat pemindai pelabuhan ini relevan buat:

• bank,
• fintech,
• dan juga kantor akuntan yang lagi transisi ke keuangan digital?

Karena pola pikir, arsitektur risiko, dan cara kerja teknologinya mirip dengan apa yang seharusnya kita bangun di dunia perbankan digital dan jasa akuntansi berbasis AI.

Artikel ini membahas:

• bagaimana konsep RPM di pelabuhan paralel dengan AI untuk deteksi fraud dan kepatuhan di perbankan,
• pelajaran yang bisa diambil untuk kantor akuntan yang ingin go digital, dan
• langkah konkret kalau Anda ingin mulai membangun sistem keamanan berbasis AI di bisnis keuangan Anda.

---

Apa Itu RPM BRIN & Kenapa Penting untuk Keamanan Digital

Radiation Portal Monitor (RPM) adalah alat yang dipasang di jalur keluar-masuk barang (misalnya di terminal peti kemas), yang bisa mendeteksi radiasi dan bahan berbahaya saat kontainer lewat. Tidak perlu dibongkar. Tidak perlu inspeksi manual satu per satu.

Beberapa poin penting dari kasus BRIN:

• Dikembangkan lokal oleh BRIN sejak 2017
• Harga produksi lokal sekitar Rp700–900 juta, sementara impor bisa mencapai Rp1,6 miliar
• Sudah terbukti mampu mendeteksi Cesium-137 di kawasan industri di Banten
• Menkeu Purbaya berencana memasang alat ini di seluruh pelabuhan di Indonesia, dipadukan dengan X-Ray dan sistem pemindaian modern

Purbaya sendiri cukup realistis: dia bilang 100% bebas barang ilegal itu mustahil, tapi tingkat kebocoran bisa ditekan jauh.

Ini persis dengan dunia perbankan: fraud dan kejahatan finansial nggak akan hilang total, tapi bisa ditekan dengan sistem AI yang kuat.

RPM ini bekerja seperti “filter cerdas” di pintu masuk pelabuhan. Dalam konteks digital banking atau jasa akuntansi, konsep ini sama dengan:

• AI yang memantau setiap transaksi untuk mencari pola mencurigakan
• AI yang memeriksa setiap jurnal akuntansi untuk menandai kesalahan, outlier, atau pola manipulasi

Bukan orang yang ngecek satu-satu, tapi mesin yang terus bekerja 24/7.

---

Dari Pelabuhan ke Bank: Paralel Antara RPM & AI di Keuangan

Kalau kita terjemahkan logika RPM ke dunia keuangan digital, polanya terlihat jelas.

1. Pintu Masuk: Barang vs Transaksi

• Di pelabuhan: setiap kontainer yang lewat dipindai RPM + X-Ray
• Di bank / fintech: setiap transaksi yang lewat dipindai oleh engine deteksi fraud berbasis AI

Contoh di perbankan:

• Transaksi nominal besar di luar kebiasaan nasabah
• Akses akun dari lokasi yang tidak wajar
• Pola transfer berulang ke rekening-rekening baru yang berisiko

Di akuntansi:

• Jurnal penyesuaian besar mendadak di akhir bulan/tahun
• Pola pengakuan pendapatan yang tidak wajar
• Biaya yang melonjak di akun tertentu tanpa dasar bisnis yang jelas

2. Sensor: Deteksi Radiasi vs Deteksi Pola

RPM punya sensor fisik untuk mengukur radiasi. Di keuangan digital, “sensor” itu berupa:

• Algoritma machine learning yang membaca pola transaksi
• Rule engine yang mengatur batas toleransi (threshold)
• Model scoring risiko untuk rating nasabah, vendor, atau transaksi

Analogi sederhananya:

• Di RPM: “Kalau intensitas radiasi di atas X, bunyikan alarm.”
• Di bank: “Kalau skor risiko transaksi di atas X, tahan dan minta verifikasi tambahan.”

3. Skala dan Kecepatan

RPM dipasang supaya kontainer bisa lewat tanpa membuka fisik peti kemas, menghemat waktu dan biaya. Proses manual jelas nggak sanggup kalau volume kapal besar.

Di perbankan dan akuntansi sama:

• Volume transaksi harian sangat tinggi
• Jumlah jurnal akuntansi di perusahaan menengah–besar bisa ribuan entri per bulan

Tanpa AI:

• Tim compliance kelelahan cek manual
• Auditor tenggelam di spreadsheet
• Kantor akuntan butuh tenaga staf berlapis-lapis hanya untuk input dan rekonsiliasi

Dengan AI:

• Sistem otomatis “membaca” semua transaksi, lalu hanya melempar kasus mencurigakan ke manusia
• Akuntan bisa fokus di analisis dan advisory, bukan kerja admin berulang

4. Realita: Nol Kebocoran Itu Mitos

Purbaya sendiri mengakui: kebocoran 0% itu ilusi. Sama halnya di keamanan siber dan keuangan.

Yang realistis adalah:

• Menurunkan kebocoran sejauh mungkin
• Mendeteksi lebih cepat saat ada pelanggaran
• Meningkatkan biaya dan risiko bagi pelaku kejahatan, sehingga mereka enggan mencoba

Di konteks kantor akuntan, AI bukan berarti:

• semua kesalahan otomatis hilang,
• semua kecurangan langsung ketahuan.

Tapi AI menaikkan standar dasar: yang dulu lolos karena “kecolongan manual” sekarang mulai terdeteksi.

---

Pelajaran untuk Bank & Jasa Akuntansi: Membangun “RPM” Versi Digital

Dari kasus BRIN dan pelabuhan, ada beberapa pelajaran praktis buat Anda yang ada di bank, fintech, atau kantor akuntan.

1. Jangan Hanya Pikirkan Front-End Digital

Purbaya tidak hanya meresmikan aplikasi, tapi juga alat fisik di lapangan: RPM dan X-Ray di Terminal 3 Tanjung Priok.

Banyak bank dan kantor akuntan di Indonesia yang:

• sibuk bikin aplikasi mobile cantik,
• tapi back-end kontrol risiko dan AI-nya minim.

Kalau diibaratkan pelabuhan:

• Pintu masuk sudah pakai gerbang otomatis yang mewah,
• tapi barang lolos tanpa dipindai.

Untuk sektor keuangan digital, prioritas investasi seharusnya:

1. Sistem deteksi fraud dan anomali berbasis AI
2. Automasi rekonsiliasi dan pengecekan jurnal
3. Baru lapisan-lapisan kosmetik di front-end

2. Bangun Kolaborasi: BRIN–Kemenkeu vs Bank–Regulator–Vendor

RPM ini lahir dari riset dalam negeri dan dibeli oleh pemerintah. Ada sinergi institusi.

Di dunia perbankan dan jasa akuntansi:

• Bank dan kantor akuntan nggak perlu membangun semuanya sendiri
• Kolaborasi dengan:
  • vendor AI lokal,
  • konsultan risiko,
  • dan mengikuti panduan OJK & DJP itu krusial

Yang sering saya lihat berhasil:

• Bank menggandeng startup AI lokal untuk model deteksi fraud,
• Kantor akuntan bekerjasama dengan penyedia software akuntansi cloud yang sudah embed engine AI untuk cek konsistensi data dan pajak,
• Komite risiko internal aktif berdiskusi dengan regulator dan asosiasi profesi.

3. Fokus ke Tiga Area Utama AI untuk Keamanan Keuangan

Kalau ditarik dari konteks RPM, tiga area ini paling relevan untuk bank dan kantor akuntan:

a. Deteksi Fraud & Anomali Transaksi

• Mirip RPM yang mencari radiasi mencurigakan.
• AI memonitor transaksi kartu, transfer, pembayaran, hingga klaim.
• Menggunakan:
  • supervised learning (latihan dari data fraud historis),
  • unsupervised learning (mencari pola baru yang belum pernah ada).

b. Kepatuhan (Compliance) & Anti-Money Laundering (AML)

• AI bisa bantu cek pola transaksi dengan daftar hitam (blacklist), negara berisiko tinggi, hingga struktur transaksi yang mirip layering dalam money laundering.
• Ini sejalan dengan fungsi pelabuhan sebagai gerbang kepabeanan: bukan cuma barang berbahaya, tapi juga pelanggaran aturan.

c. Audit & Akuntansi Digital

Dalam seri “AI untuk Jasa Akuntansi Indonesia: Keuangan Digital”, tiga fungsi ini paling sering memberi dampak:

1. Pembukuan otomatis: sistem membaca mutasi bank, faktur, dan struk untuk bikin jurnal otomatis.
2. Pemeriksaan silang (cross-check) otomatis: AI menandai jika ada transaksi yang tidak konsisten dengan pola bisnis klien.
3. Early warning audit: sebelum auditor datang, sistem sudah mengidentifikasi akun-akun yang berisiko salah saji atau dimanipulasi.

Kuncinya: posisikan AI seperti RPM

• bukan pengganti petugas,
• tapi filter awal yang membuat kerja manusia jauh lebih efektif.

---

Tantangan Nyata: Biaya, SDM, dan Data yang Berantakan

BRIN menyebut satu unit RPM produksinya saja sudah ratusan juta rupiah. Menteri Keuangan bahkan minta diskon supaya bisa dipasang di banyak pelabuhan.

Di dunia AI untuk bank dan kantor akuntan, tantangannya mirip:

1. Biaya Implementasi

• Lisensi software AI,
• infrastruktur cloud atau server,
• integrasi dengan sistem lama (core banking, ERP, aplikasi pajak),
• pelatihan tim.

Solusinya bukan langsung “beli semua yang paling mahal”, tapi:

• Mulai dari pilot project di satu area (misal: deteksi anomali transaksi kartu kredit, atau automasi rekonsiliasi bank di kantor akuntan)
• Pakai model langganan (SaaS) untuk kurangi beban CAPEX
• Prioritaskan use case yang punya ROI jelas dan terukur dalam 6–18 bulan

2. SDM & Budaya Kerja

Alat secanggih apa pun akan mentok kalau:

• tim tidak percaya data,
• masih nyaman dengan cara manual,
• atau takut “diganti AI”.

Pendekatan yang jauh lebih sehat:

• Jelaskan bahwa AI memindahkan fokus kerja, bukan menghapus profesi
• Training staf agar bisa membaca output AI dan menggunakannya dalam pengambilan keputusan
• Dorong akuntan dan analis untuk berperan sebagai trusted advisor, bukan sekadar tukang input data

3. Kualitas Data

AI butuh data rapi. Faktanya di banyak perusahaan Indonesia:

• COA berantakan,
• deskripsi transaksi tidak konsisten,
• banyak catatan keuangan masih semi-manual.

Seperti pelabuhan yang kacau tata kelolanya, sebaik apa pun RPM dipasang, hasilnya tetap kurang optimal.

Langkah dasar sebelum “pasang AI”:

• Bereskan struktur akun dan kebijakan pembukuan
• Satukan sumber data (bank, penjualan, pajak) ke platform terintegrasi
• Disiplinkan proses input: siapa menginput apa, kapan, dan dengan standar apa

---

Langkah Praktis: Membangun “AI-RPM” di Bisnis Keuangan Anda

Kalau Anda di bank, fintech, atau kantor akuntan dan ingin bergerak, pola berikut cukup realistis untuk 6–18 bulan ke depan.

1. Tentukan Satu Use Case Prioritas

Contoh untuk:

• Bank / fintech: deteksi fraud di transaksi kartu atau mobile banking
• Kantor akuntan: automasi rekonsiliasi bank + deteksi anomali di jurnal umum

Tujuannya jelas:

• kurangi kerugian finansial,
• hemat jam kerja staf,
• tingkatkan kecepatan respon.

2. Pilih Teknologi & Partner yang Tepat

Cari solusi yang:

• sudah teruji di Indonesia, paham regulasi lokal
• punya fitur AI yang jelas (bukan sekadar klaim marketing)
• menyediakan dashboard dan alert yang mudah dipahami tim Anda

3. Bangun Proses Bisnis di Sekitar AI

AI tidak berdiri sendiri. Anda perlu:

• SOP saat ada alarm risiko (siapa cek, berapa lama, apa tindak lanjutnya)
• alur eskalasi yang jelas
• dokumentasi untuk keperluan regulasi dan audit

4. Ukur, Perbaiki, Ulangi

Setiap sistem AI serius selalu membutuhkan:

• feedback dari tim (banyak false positive atau tidak),
• tuning parameter,
• dan retraining model jika perlu.

Seperti halnya BRIN yang mulai dari satu unit RPM lalu ingin diperluas ke seluruh pelabuhan, Anda juga bisa mulai kecil, belajar, lalu skalakan.

---

Penutup: Dari Pelabuhan Fisik ke Gerbang Digital

Cerita BRIN dan Menkeu Purbaya bukan sekadar cerita alat mahal di pelabuhan. Ini contoh nyata bagaimana negara mengadopsi teknologi cerdas untuk:

• mengurangi risiko,
• menekan kebocoran,
• dan memperkuat kepercayaan publik.

Sektor perbankan dan jasa akuntansi Indonesia sedang ada di posisi yang sama: masuk ke era keuangan digital yang menuntut standar keamanan dan kepatuhan jauh lebih tinggi.

Kalau pelabuhan butuh RPM untuk menyaring barang berbahaya, bisnis keuangan butuh “RPM digital” berbasis AI untuk menyaring:

• transaksi berisiko,
• pola fraud,
• dan manipulasi laporan.

Pertanyaannya sekarang: Anda mau menunggu sampai ada “kebocoran besar” dulu, atau mulai membangun sistem AI yang menjaga gerbang keuangan Anda dari sekarang?