Dari Gula ke AI: Sinyal Kuat Transformasi Digital Bank

Dari Pabrik Gula ke Akuisisi AI: Sinyal Besar untuk Dunia Finansial

PT Royalindo Investa Wijaya Tbk (INDO) baru saja bikin manuver unik: dari bisnis properti, banting setir bangun pabrik gula merah di Kediri, lalu mengincar akuisisi perusahaan teknologi Artificial Intelligence (AI). Kombinasi "gula + AI" ini kelihatannya aneh, tapi justru di situ pelajarannya.

Kalau perusahaan yang tadinya fokus properti berani mengubah diri jadi holding investasi dan masuk ke AI, itu tanda satu hal: data dan kecerdasan buatan sudah jadi “lahan baru” yang sama pentingnya dengan komoditas fisik. Di perbankan, terutama digital banking Indonesia, ini relevansinya langsung terasa, dari deteksi fraud sampai personalisasi layanan nasabah.

Tulisan ini membedah: apa makna langkah INDO, kenapa akuisisi AI mulai jadi tren, dan apa yang bisa dipelajari bank, fintech, bahkan sektor pertanian cerdas yang juga sedang beralih ke AI.

---

Kenapa Perusahaan Lama Tiba-Tiba Berburu AI?

Jawabannya sederhana: tanpa AI, efisiensi dan kecepatan pengambilan keputusan akan tertinggal jauh.

Dalam kasus INDO, ada dua langkah besar:

• Mendirikan PT Ratu Gula Asia (RGA) untuk produksi brown sugar 2.000–3.000 ton/bulan di Kediri.
• Menjajaki akuisisi perusahaan AI untuk menguatkan transformasi menjadi holding investasi.

Leslie Soehedi, Direktur Utama INDO, menyebut AI sebagai langkah strategis untuk membangun portofolio yang solid dan berorientasi masa depan. Itu kalimat kunci. Di finansial dan perbankan, orientasi masa depan berarti:

• keputusan kredit yang lebih akurat,
• deteksi fraud yang lebih cepat,
• pelayanan nasabah 24/7 lewat chatbot cerdas,
• rekomendasi produk yang benar-benar relevan dengan profil nasabah.

Tren globalnya jelas: bank besar di Eropa, Amerika, sampai Asia sudah mengalokasikan belanja teknologi dengan porsi signifikan untuk AI dan data analytics. Kalau emiten non-bank di Indonesia saja mulai mengakuisisi perusahaan AI, bank yang masih ragu justru berisiko tertinggal.

---

Pelajaran Langsung untuk Bank: AI Bukan Lagi “Eksperimen”

Banyak bank di Indonesia sudah punya mobile banking yang rapi. Tapi digital banking yang unggul tidak berhenti di tampilan aplikasi. Kuncinya ada di “mesin belakang layar” yang diisi AI.

1. Deteksi Fraud yang Belajar Sendiri

Di kartu debit/kredit dan kanal digital, pola penipuan berubah terus. Sistem rule-based tradisional gampang ketinggalan.

AI untuk deteksi fraud di bank bisa:

• menganalisis jutaan transaksi secara real-time,
• mengenali pola tidak wajar (lokasi tiba-tiba berubah, nominal tidak biasa, jam transaksi janggal),
• memberi skor risiko dan otomatis menandai transaksi mencurigakan.

Bank yang serius soal ini biasanya menggabungkan:

• machine learning untuk deteksi anomali,
• graph analytics untuk memetakan jaringan akun yang saling terhubung (modus rekening penampung, "kuda" rekening, dsb).

Ini bukan teori. Di beberapa negara, penerapan AI berhasil menurunkan kerugian fraud kartu hingga di atas 30–40%. Angka pastinya beda-beda, tapi polanya konsisten: semakin banyak data yang dipelajari, semakin tajam modelnya.

2. Chatbot dan Asisten Virtual yang Benar-Benar Membantu

Beda besar antara chatbot “sekadar FAQ bergerak” dengan chatbot yang didukung AI generatif dan pemahaman bahasa alami (NLP).

Chatbot AI yang matang bisa:

• menjawab pertanyaan kompleks dengan bahasa natural,
• mengeksekusi perintah (cek saldo, blokir kartu, atur jadwal pembayaran),
• mengenali emosi dasar nasabah (marah, bingung) dan mengalihkan ke agent manusia jika perlu.

Untuk nasabah, ini berarti layanan 24/7 tanpa harus antri CS. Untuk bank, ini pemangkasan biaya operasional plus data percakapan yang bisa dianalisis untuk memperbaiki produk.

3. Personalisasi Layanan: Dari Satu Brosur untuk Semua ke Satu Penawaran untuk Satu Orang

Selama ini banyak bank mengandalkan kampanye massal: blast SMS, push notification ke semua orang. Hasilnya? Tingkat respon rendah, nasabah merasa “spammed”.

Dengan AI, bank bisa:

• mengelompokkan nasabah berdasarkan perilaku transaksi, lokasi, dan preferensi,
• memprediksi siapa yang butuh KUR, KPR, kartu kredit, atau hanya tabungan berjangka,
• mengatur waktu penawaran di momen yang pas (misal selepas gajian, setelah transaksi tertentu, dsb).

Model AI bisa belajar pola seperti:

Nasabah dengan pola transaksi X, pengeluaran harian Y, dan saldo rata-rata Z punya kemungkinan 47% lebih tinggi untuk mengambil produk A dalam 3 bulan.

Di titik ini, akuisisi perusahaan AI seperti yang dibidik INDO terasa sangat relevan untuk bank: daripada membangun semua kemampuan ini dari nol, mengakuisisi atau bermitra dengan pemain AI bisa mempersingkat waktu beberapa tahun menjadi beberapa bulan.

---

Dari Gula ke Pertanian Cerdas: Benang Merah AI di Sektor Riil

Masuknya INDO ke bisnis gula merah dan AI sebenarnya menggambarkan satu hal: rantai nilai sektor riil makin bergantung pada data.

Di seri "Pertanian Cerdas dengan AI: Solusi untuk Petani Indonesia", kita sering bicara soal:

• prediksi panen,
• deteksi hama dari foto daun,
• optimasi irigasi berbasis sensor dan cuaca,
• konektivitas pasar bagi petani di daerah.

Bayangkan pabrik gula di Kediri yang berkapasitas 2.000–3.000 ton per bulan itu terkoneksi dengan:

• data produksi tebu dari petani,
• prediksi cuaca lokal,
• harga gula di berbagai pasar,
• data konsumsi industri makanan/minuman.

Dengan AI, perusahaan bisa:

• mengatur suplai tebu agar pabrik tidak under atau over capacity,
• memprediksi kapan stok menipis dan perlu kontrak baru dengan petani,
• membantu petani merencanakan tanam/tebang supaya harga jual lebih menguntungkan.

Di sisi lain, bank yang melayani petani dan rantai pasok pertanian juga bisa ikut cerdas:

• menggunakan data panen dan kualitas lahan untuk menilai risiko KUR tani,
• memantau pembayaran dengan pola musiman (musim tanam–panen),
• menawarkan skema pembiayaan alat pertanian cerdas (sensor, drone, irigasi otomatis).

Jadi, ketika emiten seperti INDO bermain di gula dan AI sekaligus, peluang integrasi ke pembiayaan pertanian cerdas terbuka lebar. Bank yang menyiapkan fondasi AI sejak sekarang akan lebih siap jadi mitra utama di ekosistem ini.

---

Strategi Praktis: Langkah Bank Indonesia Menuju AI yang Serius

Banyak bank ingin mulai, tapi bingung harus dari mana. Berdasarkan pola di berbagai industri (termasuk langkah INDO tadi), pendekatan yang cukup sehat kira-kira seperti ini.

1. Tentukan Area Dampak Tertinggi

Daripada mencoba semua hal sekaligus, pilih 1–2 use case dengan dampak terbesar:

• Deteksi fraud di kanal digital,
• Skor kredit mikro/KUR untuk petani dan UMKM,
• Chatbot layanan nasabah untuk pertanyaan rutin.

Pilih yang:

• punya data historis cukup,
• dekat dengan target efisiensi biaya atau peningkatan pendapatan,
• mudah diukur hasilnya (contoh: penurunan fraud, peningkatan approval kredit, peningkatan CSAT).

2. Putuskan: Bangun, Bermitra, atau Akuisisi?

Langkah INDO yang melirik akuisisi AI menunjukkan satu opsi: beli kemampuan. Di bank, pilihannya tiga:

1. Build (bangun sendiri)
   Cocok untuk bank besar dengan dana dan talenta kuat. Butuh waktu dan sabar.

2. Partner (kemitraan)
   Bekerja sama dengan startup AI atau vendor spesialis. Lebih cepat, tapi perlu negosiasi lisensi dan integrasi.

3. Acquire (akuisisi)
   Seperti yang sedang dibidik INDO: mengambil alih perusahaan AI untuk dikembangkan di dalam grup.

Tidak ada jawaban tunggal yang benar, tapi untuk bank mid-size di Indonesia, kombinasi kemitraan + investasi minoritas seringkali lebih realistis ketimbang akuisisi penuh di awal.

3. Siapkan “Fondasi Data” Sebelum Terlalu Jauh

AI tanpa data yang rapi cuma akan menambah frustasi.

Bank perlu:

• menyatukan data nasabah dari berbagai sistem (core banking, kartu kredit, mobile, call center),
• membersihkan data duplikat,
• memastikan tata kelola data (data privacy, hak akses, audit trail) sesuai regulasi OJK dan BI.

Ini memang kerja yang tidak glamor, tapi justru paling menentukan.

4. Fokus pada Edukasi Internal dan Kepercayaan Nasabah

AI sering bikin khawatir: “Data saya dipakai apa?”, “Keputusan kredit diambil mesin, adil atau tidak?”.

Bank perlu proaktif:

• menjelaskan bahwa AI digunakan untuk keamanan dan layanan lebih baik,
• menjaga transparansi: ada hak banding ketika keputusan kredit diambil model,
• melatih staf agar paham cara kerja dasar model (tidak harus teknis, tapi konsepnya jelas).

Kepercayaan ini krusial, apalagi jika bank berambisi masuk dalam ekosistem pertanian cerdas dengan AI, di mana petani dan pelaku usaha tani mungkin baru pertama berhadapan dengan teknologi seperti ini.

---

Apakah Akuisisi AI Akan Jadi Tren Utama di Jasa Keuangan?

Melihat arah gerak emiten seperti INDO, jawabannya cenderung: ya.

Beberapa hal yang akan mendorong tren ini di Indonesia:

• tekanan persaingan dari neobank dan fintech,
• tuntutan efisiensi biaya operasional cabang dan call center,
• kebutuhan mengelola risiko kredit di tengah sektor riil yang makin dinamis (termasuk pertanian cerdas),
• naiknya ekspektasi nasabah yang terbiasa dengan aplikasi super personal seperti e-commerce besar.

Bank yang menunggu sampai semuanya “jelas” baru bertindak biasanya akan datang terlambat. Di sisi lain, aksi gegabah tanpa strategi data dan tata kelola yang kuat juga berbahaya.

Pendekatan yang masuk akal:

• mulai dari use case terbatas tapi berdampak tinggi,
• bangun kemampuan internal sambil bermitra dengan pemain AI,
• evaluasi peluang investasi atau akuisisi teknologi ketika fondasi dan arah bisnis sudah jelas.

Pada akhirnya, langkah INDO dari gula ke AI ini bukan sekadar berita korporasi, tapi sinyal kuat bahwa aset paling bernilai ke depan bukan hanya pabrik dan lahan, tapi kemampuan mengolah data menjadi keputusan. Di perbankan, di pertanian cerdas, dan di hampir semua sektor, AI sudah bergeser dari wacana menjadi kebutuhan.

Bank dan lembaga keuangan yang ingin relevan beberapa tahun ke depan sebaiknya sudah mulai bertanya satu hal sederhana hari ini:

“Bagian mana dari bisnis saya yang paling siap ditingkatkan dengan AI, dan siapa mitra teknologi yang tepat untuk memulainya?”