Tanyakan ke sebuah bank di Indonesia soal rencana AI mereka, dan satu jawaban muncul berulang kali: chatbot di aplikasi atau website, dilatih menjawab pertanyaan saldo, menjelaskan biaya, atau meneruskan komplain. Asisten layanan nasabah termasuk penerapan AI perbankan yang paling umum di pasar, dan bagi banyak bank bagian itu sudah berjalan. Tapi coba masuk ke lantai cabang atau kantor pusat, dan gambarannya berubah. Relationship manager masih membuka tiga layar untuk mengecek status akun sebelum menelepon nasabah. Kepala operasional cabang masih menunggu laporan hari Jumat untuk tahu angka hari Selasa sudah meleset. Analis kredit masih chat ke sana-sini untuk tahu pengajuan kreditnya sekarang ada di tangan siapa.
Chatbot untuk nasabah menyelesaikan masalah yang nyata: menjawab pertanyaan rutin tanpa antre. Tapi ia tidak menyentuh masalah yang lebih sulit dan lebih bernilai: memberi orang-orang di dalam bank sendiri jawaban yang cepat dan bisa dipercaya tentang bisnis bank itu sendiri. Celah itulah tempat investasi AI berikutnya di perbankan Indonesia sebenarnya membayar.
Dua masalah berbeda dengan nama yang sama
Istilah "AI di perbankan" dipakai untuk dua hal yang sangat berbeda, dan mencampuradukkan keduanya adalah alasan kenapa banyak inisiatif internal mandek.
AI untuk nasabah menjawab kumpulan pertanyaan yang sempit dan berulang dari orang di luar bank, tanpa perlu melihat operasional internal. AI internal justru sebaliknya: ia harus bisa melihat lintas core banking, CRM, dan kumpulan spreadsheet yang tidak pernah masuk ke sistem mana pun, lalu menjawab orang-orang yang ada di dalam struktur organisasi, dengan hak akses yang berbeda tergantung posisinya.
Sebuah bank bisa punya AI nasabah yang sangat bagus dan AI internal yang nol. Kebanyakan memang begitu. Chatbotnya dibatasi cukup sempit sehingga cepat jadi; masalah internalnya tidak dibatasi sesempit itu, jadi ia terbengkalai.
Apa yang benar-benar ditanyakan bankir?
Tidak ada yang eksotis di sini. Ini pertanyaan yang muncul di setiap review cabang dan setiap komite kredit, yang sekarang dijawab oleh seseorang yang menyusun data secara manual:
- Cabang mana yang tertinggal dari target bulan ini, dan sejak kapan?
- Akun mana dalam portofolio ini yang mulai menunjukkan tanda tekanan, sebelum resmi ditandai?
- Pengajuan kredit ini sekarang ada di tahap mana, dan siapa yang memegangnya?
- Relationship manager mana yang belum menyentuh akun bernilai tinggi yang sudah tidak aktif 60 hari?
Setiap pertanyaan ini otomatis lintas sistem. Kinerja cabang sebagian ada di core banking dan sebagian lagi di spreadsheet regional yang belum pernah dilihat orang di luar cabang itu. Kesehatan sebuah portofolio ada di data transaksi, tapi peringatan dininya sering justru berupa catatan di CRM bahwa telepon penagihan berjalan buruk. Intelligence layer yang menghubungkan core banking, CRM, dan spreadsheet dengan akses langsung dan terkontrol mengubah ini dari perburuan berhari-hari menjadi jawaban langsung.
Kenapa izin akses tidak bisa ditawar di perbankan?
Setiap industri yang memakai AI butuh kontrol akses. Perbankan butuh kontrol itu ditegakkan di setiap jawaban, karena pertanyaan yang sama punya audiens sah yang berbeda tergantung siapa yang bertanya.
Kepala cabang wajar melihat seluruh portofolio cabangnya. Relationship manager wajar melihat akun-akun yang jadi tanggung jawabnya sendiri, bukan seluruh cabang. Analis kantor pusat mungkin boleh melihat angka agregat lintas wilayah tapi tidak detail nasabah perorangan kecuali perannya memang membutuhkan. Tidak ada yang aneh dari kebijakan ini — ia hanya mencerminkan kontrol akses yang sudah dijalankan bank di core banking dan CRM. Yang jadi masalah adalah kalau layer AI tidak meneruskan aturan yang sama, sehingga mesin jawaban yang luas dan mumpuni justru jadi lebih longgar daripada sistem tempat ia mengambil data.
Inilah garis pembeda sesungguhnya antara intelligence layer yang terkontrol dan chatbot yang punya akses database. Chatbot menjawab apa pun yang bisa diambilnya. Layer dengan izin per pengguna di setiap jawaban hanya pernah menampilkan apa yang memang sudah boleh dilihat orang itu — AI menambah kecepatan dan jangkauan, bukan eksposur baru. Ini juga, secara praktis, hal pertama yang harus ditekan tim risiko dan IT bank ke vendor AI mana pun: ini pertanyaan keamanan yang layak diajukan sebelum menandatangani apa pun.
| Chatbot dengan akses database | Intelligence layer yang terkontrol |
|---|---|
| Menjawab dari apa pun yang bisa di-query, sama untuk semua orang | Setiap jawaban dibatasi sesuai apa yang memang sudah boleh dilihat pengguna yang bertanya |
| Kontrol akses jadi tambahan yang dipasang belakangan | Izin akses meniru struktur peran bank yang sudah ada, sejak dirancang |
| Jawaban yang bocor jadi laporan bug | Jawaban yang bocor seharusnya mustahil secara struktural |
| Kepercayaan bergantung pada tidak ada yang menanyakan hal yang salah | Kepercayaan bergantung pada sistemnya, bukan pada siapa yang kebetulan bertanya |
Bagaimana regulasi Indonesia membentuk layer AI internal?
AI perbankan di Indonesia tidak berjalan di ruang hampa kebijakan. Pada April 2025 Otoritas Jasa Keuangan (OJK) menerbitkan Tata Kelola Kecerdasan Artifisial Perbankan Indonesia, yang OJK posisikan sebagai tolok ukur minimum bagaimana bank mengembangkan dan menjalankan sistem AI, dibangun di atas manajemen risiko dan kehati-hatian. Terpisah, Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi menetapkan kewajiban bagi organisasi mana pun yang bertindak sebagai pengendali atas data nasabah dan mendefinisikan hak orang-orang yang datanya diproses.
Izin per pengguna adalah titik temu layer AI internal dengan keduanya. Membatasi setiap jawaban sesuai apa yang memang sudah boleh dilihat karyawan yang bertanya adalah, secara praktis, cara layer yang terkontrol menghormati ekspektasi akses yang tersirat dari kerangka-kerangka ini. Relationship manager yang hanya meng-query portofolionya sendiri menjaga data nasabah tetap di dalam tujuan sahnya, dan pemeriksaan izin yang bisa diaudit di setiap jawaban memberi tim risiko dan kepatuhan kontrol yang benar-benar bisa mereka tinjau, bukan sekadar jaminan yang harus dipercaya. Panduan tata kelola itu juga menaruh bobot pada risiko model dan akuntabilitas, yang langsung terasa begitu layer internal menyentuh pekerjaan berisiko lebih tinggi. Model credit scoring membawa kewajiban risiko model yang harus dihormati mesin jawaban, bukan ditutupi; deteksi fraud dan anti pencucian uang (AML) memunculkan alert yang tetap harus diputuskan manusia; dan keduanya bergantung pada integrasi yang bersih dengan sistem core banking, bukan salinan datanya yang diam-diam usang. Tidak satu pun dari ini alasan untuk menunda. Justru ini alasan untuk mulai read-only dan terlingkup, supaya percakapan kepatuhan terjadi di atas sesuatu yang konkret.
Anomali sebaiknya ditampilkan atau diburu sendiri?
Kebanyakan pelaporan internal di perbankan bersifat pull: seseorang menjalankan laporan, seseorang membacanya, seseorang menyadari ada yang tidak beres, kalau memang cukup teliti melihatnya, dan kalau laporannya cukup baru. Portofolio yang mulai memburuk hari Selasa bisa saja baru terlihat di review minggu berikutnya.
Intelligence layer dengan automation membalik pola itu. Dashboard BI tetap menunggu ada orang yang duduk dan menyadari; di sini sistemlah yang mengawasi angkanya dan mengangkat apa yang layak diperhatikan: cabang yang mulai menjauh dari target, segmen portofolio yang menunjukkan tanda tekanan dini, pengajuan kredit yang macet melebihi siklus normalnya. Pekerjaan bankir bergeser dari mencari pengecualian ke memutuskan apa yang harus dilakukan terhadapnya, bagian yang memang butuh penilaian manusia. Menyusunnya sebagai agen per departemen — satu mengawasi kredit, satu mengawasi operasional cabang — menjaga akses dan tanggung jawab tiap agen tetap sesempit peran manusia yang didukungnya.
Mulai dari mana tanpa menyentuh akses tulis
Titik mulai yang jujur di perbankan lebih kecil dari yang biasa ditawarkan vendor. Pilih satu direktorat (kredit, operasional cabang, atau manajemen portofolio biasanya jadi pilihan pertama) dan hubungkan dengan akses baca saja. Tanpa akses tulis, tanpa tindakan otomatis, hanya kemampuan bertanya hal nyata dan mendapat jawaban nyata yang berpijak pada data direktorat itu.
Ini menghasilkan dua hal. Pertama, membuktikan polanya berhasil sebelum ada yang mempertaruhkan apa pun. Kedua, memberi tim kepatuhan dan risiko sesuatu yang terbatas dan bisa ditinjau, bukan proposal yang masih abstrak. Direktorat yang sudah bisa menjawab "cabang mana yang tertinggal dari target" secara andal, aman, dan hanya kepada orang yang memang berhak melihatnya, adalah direktorat yang siap membicarakan sistem dan kemampuan berikutnya.
Di mana posisi Nalar
Nalar memodelkan perbankan sebagai salah satu dari enam arketipe industri, dan seluruh rancangannya bertumpu pada disiplin izin akses yang terus ditekankan tulisan ini. Ia menghubungkan sistem yang sudah dijalankan bank, membawa izin per pengguna ke setiap jawaban, dan menyajikan pertanyaan serta notifikasi lewat agen per departemen, baik di dashboard, di chat, maupun lewat WhatsApp untuk staf yang menghabiskan harinya di cabang atau di lapangan.
Apakah semua ini layak dimulai berpulang pada satu pertanyaan yang lebih dulu: apakah data yang mendasarinya memang siap untuk dihubungkan? Demo interaktifnya memperlihatkan bentuknya di atas bank tiruan yang realistis, dan BARI memberi penilaian jujur atas kesiapan Anda sendiri, termasuk saat jawaban yang jujur adalah "belum."
Pertanyaan yang sering diajukan
- Apakah bank butuh chatbot lagi untuk kebutuhan internal?
- Bukan chatbot lagi, tapi intelligence layer yang bisa ditumpangi antarmuka apa pun, termasuk chat. Masalah internalnya bukan soal nada percakapan; tapi akses langsung dan terkontrol ke core banking, CRM, dan spreadsheet sekaligus.
- Pertanyaan internal seperti apa yang sebenarnya bisa dijawab?
- Yang selama ini dikejar staf bank lintas sistem dan lintas orang: cabang mana yang tertinggal dari target bulan ini, akun mana dalam satu portofolio yang mulai menunjukkan tanda tekanan, dan di tahap mana sebuah pengajuan kredit sedang berada.
- Kenapa izin akses lebih penting di perbankan dibanding industri lain?
- Karena pertanyaan yang sama (saldo nasabah, angka satu cabang) punya audiens yang sah berbeda-beda tergantung siapa yang bertanya. Mesin jawaban yang tidak bisa menegakkan itu per pengguna adalah risiko, bukan kemudahan.
- Bagaimana bank mulai tanpa menyentuh akses tulis sistem inti?
- Mulai dari akses baca saja, satu direktorat, satu kumpulan pertanyaan yang memang sudah ditanyakan orang setiap hari. Buktikan dulu intelligence layer yang terkontrol ini tahan terhadap pertanyaan nyata sebelum kemampuan bertindak atau menulis dipertimbangkan.