Trade AI Purbaya & Peluang Besar AI untuk Bank RI

Trade AI Purbaya & Peluang Besar AI untuk Bank RI

Dalam 24 jam, India berhasil menarik komitmen investasi lebih dari US$ 50 miliar (sekitar Rp 833 triliun) dari dua raksasa teknologi: Microsoft dan Amazon, khusus untuk ekosistem AI. Di saat yang hampir bersamaan, Menteri Keuangan Purbaya Yudhi Sadewa mengumumkan pengembangan mesin pengawasan berbasis AI bernama Trade AI di Direktorat Jenderal Bea dan Cukai.

Dua berita ini kelihatannya jauh dari dunia perbankan dan UMKM. Padahal, kalau ditarik sedikit lebih dalam, keduanya memberi sinyal yang sama: AI bukan lagi wacana teknologi, tapi infrastruktur ekonomi baru. Dan sektor yang paling cepat merasakan dampaknya di Indonesia? Perbankan dan keuangan digital.

Tulisan ini bagian dari seri “AI untuk UMKM Indonesia: Panduan Implementasi Praktis”. Fokusnya: bagaimana langkah pemerintah lewat Trade AI dan lompatan India di industri AI bisa jadi cermin dan inspirasi untuk perbankan digital Indonesia, termasuk bagaimana bank bisa membantu UMKM lewat solusi AI yang konkret: dari deteksi fraud, penilaian risiko, sampai customer engagement yang lebih manusiawi.

---

Apa Itu Trade AI & Kenapa Penting untuk Ekosistem Keuangan?

Trade AI adalah sistem pengawasan canggih berbasis kecerdasan buatan yang sedang dikembangkan Direktorat Jenderal Bea dan Cukai. Tujuannya sederhana tapi krusial: mengawasi arus ekspor-impor secara lebih akurat, cepat, dan terukur.

Di balik itu ada beberapa implikasi besar untuk sektor keuangan:

1. Data perdagangan jadi jauh lebih rapi dan real-time
   Bank selama ini mengandalkan laporan keuangan dan dokumen manual untuk menilai kelayakan kredit pelaku usaha, termasuk UMKM eksportir/importir. Dengan Trade AI, data:

   • volume ekspor-impor,
   • rekam jejak kepatuhan,
   • pola transaksi lintas negara

   bisa menjadi data alternatif (alternative data) untuk penilaian risiko kredit.

2. Transparansi rantai pasok (supply chain) meningkat
   Untuk bank yang main di supply chain financing, data dari Trade AI bisa dipakai untuk:

   • memvalidasi keaslian transaksi,
   • mengecek kesesuaian nilai barang vs dokumen,
   • memantau mitra dagang internasional nasabah.

3. Ruang sinergi: sistem perbankan + sistem kepabeanan
   Kalau nanti integrasinya serius, bank bisa:

   • meng-otomasi verifikasi dokumen ekspor-impor,
   • mempercepat proses pembiayaan L/C dan SKBDN,
   • mengurangi fraud berbasis dokumen palsu.

Intinya: Trade AI bukan cuma soal pabean. Ini pondasi data baru yang, kalau dimanfaatkan benar oleh bank, bisa membuat pembiayaan UMKM eksportir jauh lebih cepat dan fair.

---

India Diserbu Investasi AI: Alarm untuk Perbankan Indonesia

Ketika India dalam satu hari menarik komitmen lebih dari US$ 50 miliar untuk AI, pesannya jelas: negara yang serius soal AI akan jadi magnet modal dan talenta.

Untuk sektor perbankan Indonesia, ini beberapa pelajarannya:

1. AI Bukan Lagi Fitur, Tapi Infrastruktur

Bank-bank besar dunia sudah menganggap AI sebagai mesin utama untuk:

• deteksi fraud real-time,
• customer service 24/7 lewat chatbot,
• personalisasi produk keuangan,
• otomatisasi proses back office.

Kalau Indonesia terlambat, nasabah akan membandingkan pengalaman digital banking lokal dengan layanan global yang jauh lebih mulus. Pada titik tertentu, gap pengalaman pengguna akan berujung ke gap kepercayaan dan loyalitas.

2. Kolaborasi: India Sebagai Mitra, Bukan Saingan

India kuat di:

• talenta IT dan data science,
• jasa pengembangan software skala besar,
• ekosistem startup fintech.

Indonesia kuat di:

• pasar domestik besar,
• populasi muda,
• basis nasabah bank dan UMKM yang masif.

Untuk bank Indonesia, langkah realistisnya:

• gandeng perusahaan teknologi India untuk mengembangkan modul AI tertentu (misal anti-fraud, credit scoring),
• bangun pusat excellence AI di dalam grup bank dengan talenta lokal + konsultan asing,
• manfaatkan pengalaman India di digital public infrastructure sebagai referensi.

3. Momentum 2025–2027: Jendela Waktu yang Sempit

Sekitar 2–3 tahun ke depan adalah masa ketika:

• regulasi AI dan data pribadi makin jelas,
• biaya komputasi dan model AI makin turun,
• kompetisi antar bank di ranah digital makin sengit.

Bank yang menunggu “semuanya matang dulu” biasanya akan datang terlambat. Yang bergerak lebih awal, meskipun belum sempurna, akan belajar lebih cepat dan mengunci keunggulan data.

---

Dari Trade AI ke Bank AI: Use Case Nyata untuk Perbankan Digital

Cara paling praktis melihat peluang ini: ubah cara pandang. Kalau Bea Cukai bisa bangun Trade AI untuk awasi barang lintas batas, bank bisa bangun Bank AI untuk mengawasi dan mengelola arus uang dan risiko.

Berikut beberapa use case yang paling relevan untuk bank dan langsung terasa ke UMKM.

1. Deteksi Fraud Transaksi Digital

Jawaban singkatnya: AI jauh lebih efektif daripada rule-based lama untuk menangkap pola penipuan.

Contoh penerapan:

• Menganalisis jutaan transaksi kartu debit/kredit dan mobile banking secara real-time.
• Mencari pola tak biasa: transaksi tengah malam dengan nilai besar, lokasi berbeda jauh dalam waktu singkat, pola top-up dan tarik tunai mencurigakan.
• Mengirim alert otomatis ke nasabah dan memblokir sementara transaksi berisiko.

Dampaknya:

• Mengurangi kerugian fraud,
• Meningkatkan kepercayaan terhadap layanan digital bank,
• Melindungi UMKM yang mulai mengandalkan pembayaran digital (QRIS, payment link, e-wallet).

2. AI Credit Scoring untuk UMKM

Banyak UMKM bermasalah bukan karena bisnisnya jelek, tapi karena tak punya laporan keuangan rapi. Di sinilah AI berperan.

Sumber data yang bisa dipakai:

• riwayat transaksi rekening bisnis,
• data POS (point of sale) dari aplikasi kasir digital,
• data ekspor-impor (kelak terhubung ke Trade AI),
• data pembayaran tagihan (listrik, internet, supplier),
• rating dan review toko online.

AI kemudian menyusun profil risiko kredit yang:

• lebih nyambung dengan realita operasional UMKM,
• tidak hanya bergantung pada agunan fisik,
• bisa diperbarui otomatis setiap bulan.

Hasilnya:

• lebih banyak UMKM bankable,
• proses persetujuan kredit lebih cepat,
• risiko NPL tetap terjaga.

3. Chatbot & Asisten Virtual untuk Nasabah

Trade AI mengawasi barang lintas negara secara otomatis. Di sisi bank, AI bisa mengawasi dan menjawab kebutuhan nasabah 24/7.

Contoh yang relevan:

• Chatbot di aplikasi mobile banking yang bisa menjawab pertanyaan seputar limit, mutasi, dan status pengajuan kredit,
• asisten virtual yang membantu UMKM menghitung simulasi cicilan, skenario arus kas, bahkan mengingatkan jatuh tempo pembayaran,
• AI voice bot untuk call center yang bisa menangani pertanyaan standar dan mengalihkan ke CS manusia untuk kasus kompleks.

Yang sering bikin saya gemas, banyak bank pasang chatbot cuma sebagai “pajangan”. Padahal, dengan desain yang benar, chatbot bisa:

• memangkas beban call center,
• meningkatkan kepuasan nasabah,
• mengumpulkan insight pertanyaan yang sering muncul untuk perbaikan produk.

4. Personalisasi Penawaran Produk

Bank menyimpan data transaksi yang sangat kaya. AI bisa mengubah data ini jadi rekomendasi produk yang tepat sasaran.

Contoh:

• UMKM yang sering bayar iklan digital → tawarkan kartu kredit bisnis dengan cashback untuk ads,
• pedagang ekspor kecil yang transaksi valas meningkat → tawarkan fasilitas hedging sederhana atau rekening valas,
• nasabah dengan pola saldo stabil dan jarang tarik tunai → tawarkan produk investasi reksa dana pasar uang di aplikasi.

Personalisasi yang baik rasanya seperti “punya RM (relationship manager) pribadi”, tapi skalanya jutaan nasabah.

---

Langkah Praktis untuk Bank Indonesia: Dari Wacana ke Eksekusi

Kebanyakan institusi keuangan sudah bicara soal AI di level direksi. Masalahnya, eksekusinya sering mentok di POC (proof of concept) yang tak pernah naik kelas.

Berikut pendekatan yang menurut saya lebih sehat dan realistis.

1. Mulai dari Satu Masalah Bisnis yang Jelas

Contoh prioritas yang masuk akal:

• Turunkan fraud di mobile banking 20–30% dalam 12 bulan,
• Percepat persetujuan kredit UMKM dari 14 hari jadi 3 hari,
• Kurangi beban call center 30% lewat chatbot yang benar-benar berguna.

Tentukan satu, maksimalkan, baru geser ke use case lain.

2. Bangun Tim Kecil, Jangan Langsung Super Besar

Komposisinya bisa:

• 1–2 data scientist,
• 1 data engineer,
• 1 product owner yang paham proses bank,
• 1 perwakilan risk & compliance,
• 1 perwakilan unit bisnis (UMKM / ritel).

Tim inilah yang nanti mengawal:

• pemilihan model AI,
• integrasi dengan sistem core banking,
• pengukuran dampak bisnis.

3. Manfaatkan Ekosistem: Cloud, Fintech, dan Partner Teknologi

Anda tak perlu membangun semuanya dari nol:

• gunakan layanan AI dari cloud provider untuk modul dasar (NLP, image recognition, anomaly detection),
• jalin kerja sama dengan fintech yang sudah terbukti punya model scoring UMKM atau fraud detection,
• belajar dari regulator & institusi pemerintah yang juga mengembangkan AI (contoh: Trade AI) untuk aspek tata kelola data dan governance.

4. Siapkan Tata Kelola: Data, Etika, dan Kepatuhan

AI di sektor keuangan menyentuh tiga hal sensitif:

• data pribadi,
• pengambilan keputusan otomatis,
• potensi bias (misalnya diskriminasi tak sengaja terhadap segmen tertentu).

Bank perlu:

• kebijakan internal soal penggunaan dan penyimpanan data,
• mekanisme audit model AI (bagaimana keputusan diambil),
• kanal keberatan (appeal) untuk nasabah yang dirugikan oleh keputusan otomatis.

Kalau hal-hal ini diabaikan, risiko reputasinya jauh lebih mahal daripada manfaat AI-nya.

---

Apa Artinya Ini Semua untuk UMKM Indonesia?

Seri “AI untuk UMKM Indonesia: Panduan Implementasi Praktis” selalu berangkat dari satu pertanyaan: ujungnya apa buat pelaku usaha kecil dan menengah?

Dari konteks Trade AI Purbaya dan gelombang investasi AI ke India, dampak ke UMKM akan terlihat lewat perbankan:

• Akses pembiayaan lebih adil: AI credit scoring berbasis data transaksi dan aktivitas bisnis, bukan cuma agunan.
• Proses lebih cepat: pengajuan pinjaman bisa disetujui dalam hitungan hari, bukan minggu.
• Layanan keuangan lebih relevan: penawaran produk disesuaikan dengan pola bisnis, bukan mass marketing.
• Keamanan transaksi meningkat: fraud detection AI melindungi rekening dan arus kas bisnis UMKM.

Bank yang serius membangun kapabilitas AI hari ini, akan jadi mitra favorit UMKM 3–5 tahun ke depan.

Pada akhirnya, langkah Purbaya dengan Trade AI dan agresivitas India di ekosistem AI mengirim pesan yang sama: AI sudah jadi bahasa baru ekonomi. Pertanyaannya, seberapa cepat perbankan Indonesia mau belajar dan memakai bahasa itu — bukan hanya untuk efisiensi internal, tapi untuk melayani jutaan UMKM yang jadi tulang punggung ekonomi.

Sekarang saat yang tepat bagi bank, fintech, dan pelaku UMKM untuk duduk satu meja dan bertanya:

"Kalau Bea Cukai bisa punya Trade AI, AI seperti apa yang kita butuhkan untuk keuangan dan bisnis kita di 2026–2027?"

Jawabannya akan menentukan siapa yang memimpin, dan siapa yang tertinggal.