Salah satu dampak terbesar darl risiko Al adalah meningkatnya potensi penipuan. Hal ini berdampak pada perlindungan konsumen, potensi gangguan stabilitas sistem keuangan, dan penurunan kepercayaan publik. Keberhasilan implementasi agentic Al bergantung pada kesiapan data.
Transformasi digital, termasuk pemanfaatan artifidal inttlligtnct (Al), merupakan sebuah keniscayaan bagi industri perbankan. Pemanfaatan Al pun perlu diarahkan secara selektif, relevan dengan kebutuhan bank, sena selaras dengan prolil rlsiko dan tingkat kesiapan setiap bank. Lantas, bagaimana bank memanfaatkan AT? Apa saja dampak Al terhadap perlindungan nasabah dan stabilitas sistem keuangan?
Sektor perbankan termasuk leading adopter dalam lmplementasi Al. Bagi industri ini, Al tidak lagi dipandang sebagai sebuah pilihan, tapi sudah menjadi katalis efisiensi dan inovasi layanan. Misalnya, Al bisa dimanfaatkan dalam mengembangkan layanan chatbot, deteksi fraud real-time, credit scoring dan analisis risiko, proses Know Your Customer (KYC), dan automasi dokumen. Bank of America, misalnya, menggunakan Erica, asisten virtual Al, untuk memberikan dukungan nasabah, menjawab pertanyaan perbankan, dan memberikan wawasan keuangan yang diprsonalisasi kepada pengguna melalui aplikasi seluler.
Mesiti begitu, bank bisa melakukan hal itu jika mampu mengoptimalkan basis data yang dikumpulkan dari berbagai sumber, seperti transaksi atau detail pelanggan. Data tersebut kemudian dijadikan ringkasan data yang terorganisasi (laporan), yang disajikan dalam format yang mudah dibaca untuk menunjukkan apa yang telah terjadi. Dari laporan tersebut, kemudian dilakukan proses pemeriksaan data (analisis) untuk mengidentifikasi pola, tren, dan wawasan yang mendukung pengambilan keputusan yang tepat.
“Keberhasilan implementasi Al sangat bergantung pada kualitas data. Data harus valid, andal, dan siap dianalisis. Data analytics digunakan untuk memahami kejadian yang telah terjadi, sementara data science memanfaatkan AI untuk prediksi dan pengambilan keputusan secara otomatis; ujar Senior Vice President Multipolar Technology, Achmad Fakhrudin, dalam paparannya saat “BPD Forum ke-20” di Denpasar, Bali, Februari 2026 lalu.
Dalam forum tersebut, Achmad Fakhrudin juga mengungkapkan bahwa dengan fondasi teknologi dan data yang kuat, agentic Al diyakini dapat menjadi akselerator transformasi bagi BPD menuju organisasi yang lebih cerdas, aman, efisien, dan adaptif, serta berdampak nyata pada pertumbuhan ekonomi daerah. Implementasi agentic AI di BPD setidaknya dapat difokuskan pada empat area utama. Yakni, Al Ops untuk meningkatkan efisiensi operasional, Al Driven Security untuk memperkuat perlindungan terhadap ancaman siber, Al Testing untuk mempercepat proses pengujian sistem, dan Al Transaction Network Analysis untuk menganalisis pola transaksl dan mendeteksi risiko sejak dini. Keempat area tersebut akan berjalan optimal jika didukung platform Al yang memiliki orkestrasi model, automasi pipeline, monitoring, serta tata kelola yang Jelas. “Integrasi agentic AI juga dapat dilakukan tanpa mengganggu sistem core banking yang sudah berjalan.” tambah Achmad Fakhrudin.
Hal ini diakui pula oleh Vice President of AI and Big Data Analytics Bank Negara Indonesia (BNI), Robby Indarto. Menurutnya, agentic AI merupakan sistem AI yang secara otonom merencanakan, memutuskan, dan mengambil tindakan di berbagai tugas untuk mencapai tujuan yang telah ditentukan sering kali menggunakan alat dan alur kerja dengan intervensi manusia secara minimal. Misalnya, penanganan kasus fraud secara otomatis, pemrosesan pinjaman nasabah, dan alur kerja operasional. Robby mencontohkan beberapa kasus penanganan penggunaan agentic AI di bagian back end, seperti pengembangan aplikasi, pemantauan infrastruktur, deteksi penipuan, dan pengumpulan automasi AI. Di bagian middle end, ada AI operation optimization, AI credit processing, AI performance and measurement, dan AI employee assistant. Sementara, di bagian front end, ada chatbot, sales and marketing, dan assistant personalized offer AI complaint handling.
Keberhasilan implementasi agentic AI salah satunya bergantung pada kesiapan data. Karena itu, sebelum mengembangkan AI, termasuk agentic AI, bank-bank, tak terkecuali BPD, harus mempersiapkan data yang valid dan reliable serta analytics-nya. Di bank-bank besar, seperti BNI, analytics itu ada dua jenis, yaitu data analytics atau business analytics dan data science. Data analytics berfokus pada apa yang sudah terjadi, sedangkan data science lebih maju lagi karena menggunakan data dan Al untuk membuat prediksi dan model cerdas, termasuk otomatisasi pengambilan kepurusan.
Namun, pemanfaatan AI bukan tanpa risiko. Dalam banyak kasus, risiko AI kerap kali mengacu pada bias algoritma, manipulasi model, kebocoran data, deepfake and fraud, dan AI lack of explainability. Hal ini berdampak pada perlindungan konsumen, potensi gangguan terhadap stabilitas sistem keuangan, dan penurunan kepercayaan publik. Salah satu dampak terbesar dari risiko AI di perbankan adalah meningkatnya potensi penipuan. Survei ProSight 2026 CRO Outlook menunjukkan, kejahatan finansial menjadi risiko terbesar kedua yang dihadapi bank. Sekitar 32% responden mengaku khawatir AI akan digunakan untuk melakukan penipuan. Teknologi seperti deepfake membuat penipuan makin sulit dideteksi. Pelaku kejahatan pun bisa memanfaatkan AI untuk meniru suara atau wajah seseorang. Ini membuka celah baru dalam sistem keamanan bank. Selain itu, penggunaan agen AI oleh nasabah menambah titik rawan baru. lnteraksi antara manusia dan mesin menjadi celah yang bisa dimanfaatkan pelaku kejahatan.
Di tengah risiko tersebut, bank tetap bergerak cepat mengadopsi Al. Sebanyak 54% bank sudah menggunakan Al dalam operasional mereka. Bahkan, 48% bank berencana menggunakan Al untuk manajemen risiko dalam dua tahun ke depan. Penggunaan AI di industri perbankan mencaup berbagai fungsi, mulai dari verifikasi nasabah (Know Your Customer), pencegahan pencucian uang, hingga analisis kredit dan kepatuhan regulasi. Namun, langkah ini belum sepenuhnya diimbangi dengan sistem pengawasan yang matang.
Meski adopsi AI meningkat, hanya 12% bank yang merasa memiliki kerangka tata kelola AI yang sangat matang. Banyak bank masih dalam tahap membangun sistem persetujuan dan pengawasan AI. Tujuannya, agar penggunaan teknologi ini tetap aman dan terkendali. Perubahan juga bakal kian besar dengan hadirnya agen AI. lni adalah sistem AI yang bisa bertindak sendiri tanpa campur tangan manusia. Model ini berpotensi mengubah cara bank berinteraksi dengan nasabah. Namun, risikonya Juga lebih sulit dikendalikan. Untuk menghadapi risiko yang makin kompleks, bank mulai membentuk tim lintas fungsi. Tim ini menggabungkan keahlian di bidang siber, fraud, dan kepatuhan. Fokus utamanya adalah mendeteksi ancaman lebih cepat dan merespons dengan tepat. Salah satu langkah yang mulai banyak dilakukan adalah membangun tim khusus untuk mengawasi ancaman dari dalam organisasi atau insider threat. Tim ini menggunakan alat pemantauan dan panduan tindakan untuk mencegah potensi pelanggaran sejak dini.
Agentic AI merupakan “mesin pengungkit” baru yang mampu membuka nilai bisnis sena memperkuat daya saing perbankan. Berbeda dengan AI konvensional, Agentic AI mampu mengambil keputusan secara mandiri dalam kerangka tata kelola yang ketat. Hal ini sangat penting bagi sektor perbankan, terutama jika didukung platform AI yang aman, terstandarisasi, dan dapat dijalankan secara on-premise guna memenuhi regulasi serta melindungi data nasabah.
English