Harus diakui saat ini di ruang-ruang rapat direksi bank Artificial Intelligence (AI) bukan lagi sekadar bumbu presentasi, melainkan topik yang mendominasi agenda. Dari chatbot yang kian cerdas hingga fraud detection yang bekerja di balik layar, AI menjanjikan efisiensi yang selama ini dianggap mustahil. Namun, di tengah gegap gempita optimisme ini, sebuah pertanyaan fundamental muncul ke permukaan, yakni apakah perbankan kita benar-benar sedang bertransformasi, atau sekadar terjebak dalam euforia pilot project yang sporadis?
Realitas di lapangan menunjukkan dikotomi yang tajam. Mayoritas bank masih bermain di permukaan—menggunakan AI sebagai alat bantu produktivitas karyawan atau sekadar “tempelan” pada sistem legacy seperti CRM dan ERP. Sangat sedikit yang sudah berani melangkah lebih jauh: menjadikan AI sebagai jantung dari model bisnis (AI-first) dan sumber keunggulan kompetitif yang tak tertandingi.
Masalahnya, AI tidak mengenal kata “tunggu”. Kecepatan evolusinya jauh melampaui birokrasi dan kesiapan organisasi. Bank yang gagap dalam membangun tata kelola (governance), abai terhadap kualitas data, atau terjebak dalam pola pikir lama, tidak hanya berisiko kehilangan relevansi, tetapi juga tertinggal dalam perlombaan yang pemenangnya ditentukan oleh kecepatan eksekusi, bukan besarnya anggaran pemasaran. Dalam 12 bulan ke depan, garis pemisah antara pemimpin pasar dan pengikut akan semakin tegas, dimana siapa yang mampu menjadikan AI sebagai mesin pertumbuhan, dan siapa yang hanya menjadikannya jargon di laporan tahunan.
Untuk membedah kesiapan perbankan nasional dan menelusuri peta jalan menuju era Agentic AI, Deddy H. Pakpahan dari digitalbank.id berbincang dengan Leo Koesmanto. Sebagai bankir senior yang telah membidani lahirnya revolusi perbankan digital di tanah air dan kini berperan sebagai advisor di Metamorph, Leo memberikan perspektif yang jernih dan tajam mengenai apa yang sebenarnya yang terjadi di dapur transformasi perbankan saat ini. Sosok Leo juga dikenal sebagai salah satu pionir bank digital di Indonesia dengan kombinasi langka, berlatar belakang konsultan strategis sekaligus eksekutor transformasi perbankan. Berikut petikan wawancaranya:
Dengan pengalaman Anda puluhan tahun membangun perbankan digital di DBS Bank Indonesia, apakah saat ini bank-bank di Indonesia benar-benar sudah siap mengadopsi AI secara strategis, atau mayoritas masih berada di tahap pilot project dan sekadar ikut tren?
Menurut hemat saya, bank-bank di Indonesia saat ini masih berada pada tahap awal adopsi AI. Namun, dengan pesatnya perkembangan teknologi ini, saya percaya bank-bank akan segera mengadopsinya secara cepat—AI menjadi semakin tak terelakkan.
Saat ini sebagian besar bank baru mengadopsi lapisan pertama, yaitu personal productivity layer, di mana karyawan bereksperimen dengan alat generatif AI off-the-shelf untuk mempercepat pekerjaan sehari-hari. Beberapa bank juga sudah mulai memasuki lapisan kedua, integrated workflow layer, yaitu penggunaan AI untuk meningkatkan efisiensi bisnis dengan meng-embed teknologi ke perangkat lunak yang sudah ada seperti CRM, ERP, dan sistem call center.
Lapisan berikutnya adalah proprietary knowledge layer, di mana AI menjadi sumber keunggulan kompetitif—saya rasa sebagian besar bank belum sampai ke tahap ini. Apalagi lapisan terakhir, di mana model bisnis benar-benar tertransformasi menjadi AI-first dan produk, proses, serta layanan direkayasa ulang; sejauh yang saya amati, transformasi semacam itu belum umum, meski ada beberapa bank yang sudah lebih maju.
Banyak bank mulai menggunakan AI untuk customer service, fraud detection, credit scoring, dan personalisasi. Namun dari semua itu, area mana yang menurut Anda paling cepat menghasilkan dampak nyata terhadap pendapatan, efisiensi biaya, dan profitabilitas?
Dampak nyata tidak hanya bergantung pada penggunaan AI, tetapi juga pada kualitas adopsi, desain proses bisnis, dan kapabilitas AI itu sendiri. Menurut saya, dampak paling cepat terlihat ketika AI digunakan untuk meningkatkan pendapatan—misalnya lewat peningkatan produktivitas di kegiatan sales, marketing, risk avoidance, dan fraud detection sehingga revenue naik.
Efisiensi biaya jelas juga akan memengaruhi bottom line. Namun dalam pelaksanaan, hal ini seringkali lebih rumit karena berdampak pada sumber daya manusia yang ada, keterampilan, dan proses yang sudah berjalan.
Di sisi lain, apakah ada risiko bahwa bank terlalu fokus pada penggunaan AI yang “mudah dijual” seperti chatbot dan personalisasi, tetapi justru mengabaikan area yang lebih mendasar seperti data governance, risk management, dan modernisasi nfrastruktur?
Saya berpendapat, sebagai industri yang teregulasi dan relatif matang, perbankan tidak akan langsung mengadopsi teknologi tanpa mengkaji risiko inheren terlebih dulu. Bank pasti akan menilai aspek governance dan manajemen risiko sebelum menerapkan teknologi baru.
Dalam proses kredit dan underwriting, seberapa berbahaya jika bank terlalu percaya pada model AI? Apakah ada risiko bank justru kehilangan sensitivitas manusia dalam menilai nasabah, terutama untuk UMKM, sektor informal, atau first-time borrower?
Seperti biasanya terjadi di perbankan dalam mengadopsi teknologi, metodologi, dan cara-cara baru, perbankan selalu melakukan pengkajian mendalam, melakukan berbagai simulasi sertapilot project hingga dirasa sudah cukup memadai, baru hal tersebut diimplementasikan.
Sudah barang tentu dalam proses pendalaman dan testing, faktor-faktor yang biasa dilakukan akan dipertimbangkan serta hal-hal baru akan dipertimbangkan dampaknya. Terutama dalam hal aplikasi AI, maka sangat penting faktor“human-in-the-loop” diimplementasikan. Segala proses Keputusan perlu bisa dijelaskan secara transparan.
Banyak pemimpin bank berbicara tentang AI, tetapi tidak sedikit yang masih memandangnya sebagai proyek teknologi semata. Menurut Anda, apakah masalah terbesar sebenarnya justru datang dari mindset CEO dan direksi yang belum melihat AI sebagai agenda bisnis utama?
Saat teknologi AI pertama kali muncul, banyak pihak yang skeptis dan menganggapnya sekadar proyek teknologi biasa, layaknya gelombang internet, client-server, Y2K, hingga cloud computing di masa lalu. Namun kini, kesadaran tersebut telah bergeser; para pemimpin perusahaan dan CEO mulai menempatkan AI sebagai agenda bisnis utama. Tantangannya, saat ini kita masih kekurangan panduan yang jelas serta rekam jejak implementasi yang mumpuni. Semua pihak masih berada dalam tahap eksplorasi untuk menemukan cara terbaik mengadopsi AI ke dalam bisnis mereka, tentunya dengan tetap mengikuti koridor empat lapisan yang saya sebutkan sebelumnya.
Ketika bank ingin mengadopsi AI, mana yang lebih sulit: membeli teknologinya, membangun kualitas data, mengubah budaya organisasi, atau membuat para pimpinan internal memiliki sense of urgency?
Menurut hemat saya, kecepatan perkembangan AI menuntut sense of urgency yang kuat dari pucuk pimpinan. Kesadaran ini sangat kritikal karena akan menentukan arah dan kedalaman strategi perusahaan dalam menghadapi adopsi AI yang kini tidak terelakkan (inevitable).
Selanjutnya, budaya dan pola pikir organisasi harus segera beradaptasi; perusahaan yang mengabaikan AI berisiko tertinggal dalam kompetisi. Kita harus menyadari bahwa teknologi ini akan berdampak langsung pada kebutuhan dan kecakapan SDM, sehingga strategi change management yang solid menjadi mutlak diperlukan. Selain itu, aspek kualitas data tetap menjadi kunci—mengingat prinsip garbage in, garbage out—meskipun AI sendiri dapat dimanfaatkan untuk memperbaiki data tersebut. Pada akhirnya, keputusan untuk membeli atau membangun teknologinya hanyalah langkah terakhir dari rangkaian strategi besar ini.
Leo Koesmanto merupakan figur bankir senior yang telah memahat rekam jejak panjang di persimpangan antara dunia konsultasi strategis dan eksekusi perbankan digital. Latar belakang akademisnya sebagai lulusan Teknik Industri dari Universitas Trisakti yang diperkuat dengan gelar MBA dari University of Minnesota memberikan fondasi kuat dalam menganalisis efisiensi proses serta strategi bisnis skala besar. Sebelum terjun sepenuhnya ke dunia perbankan, ia mengasah ketajaman analisisnya selama bertahun-tahun di firma konsultan global ternama seperti Accenture dan Booz Allen Hamilton.
Kiprahnya yang paling fenomenal di industri keuangan Indonesia tercatat saat ia menjabat sebagai Managing Director sekaligus Head of Digital Banking di DBS Indonesia periode 2016 hingga 2022. Leo adalah otak di balik kesuksesan peluncuran “digibank by DBS”, sebuah platform yang secara radikal mengubah cara masyarakat berinteraksi dengan bank dan berhasil mencatatkan penetrasi penggunaan hingga 80% dari total nasabah DBS. Pengalaman matang di bank global seperti HSBC dan Maybank Indonesia semakin memperkaya pemahamannya mengenai kompleksitas operasional bank konvensional sebelum akhirnya ia dipercaya oleh Astra Financial untuk memimpin transformasi PT Bank Jasa Jakarta menjadi bank digital baru yang kompetitif, Bank Saqu.
Kini, dengan peran strategisnya sebagai penasihat di Metamorph, Leo Koesmanto terus mendorong agenda transformasi digital di Tanah Air melalui pendekatan yang ia sebut sebagai empat lapisan adopsi AI. Kepemimpinannya tidak hanya berfokus pada kecanggihan teknologi semata, tetapi juga pada urgensi perubahan pola pikir di tingkat direksi serta penguatan tata kelola data. Baginya, teknologi hanyalah alat, namun keberanian seorang pemimpin untuk mengeksekusi model bisnis baru dan membangun urgensi organisasi adalah kunci utama agar perbankan Indonesia tetap relevan dan mampu memenangkan persaingan di era AI.
Anda punya pengalaman panjang memimpin transformasi digital bank, apa tanda-tanda bahwa sebuah bank benar-benar siap mengadopsi AI? Apakah ukurannya terletak pada kesiapan teknologi, kualitas data, dukungan direksi, atau keberanian mengubah model bisnis?
Yang utama saya kira adalah mindset dan penentuan model bisnis terlebih dahulu. Karena AI bukanlah sekedar tools untuk meningkatkan produktivitas. AI Adalah suatu dimensi baru dalam bisnis. Sebagai analogi, dimensi perubahan AI setara dengan dulu ketika listrik ditemukan. Saat ini kebanyakan orang baru menggunakan Listrik (AI) untuk “menyalakan lampu”. Padahal ke depannya, dengan Listrik (AI) kita akan dapat melakukan banyak hal.
Banyak bank berlomba membangun super app dan ekosistem digital. Namun jika semua bank pada akhirnya memiliki aplikasi, fitur, dan teknologi AI yang serupa, apa yang sebenarnya akan menjadi pembeda utama di masa depan?
Saya kira the only constant thing is change, satu-satunya hal yang konstan adalah perubahan, begitu pula dengan produk, fitur, dan proposisi perbankan digital. Di masa depan, akan muncul elemen-elemen baru yang berkembang dari sekadar ‘pilihan’ menjadi sebuah ‘keharusan’ demi menjaga relevansi.
AI adalah salah satunya. Di satu sisi, AI menjadi keharusan (non-optional) dalam memperkuat benteng pertahanan bank terhadap risiko siber dan efisiensi operasional. Di sisi lain, AI adalah pilihan strategis untuk menciptakan pembeda (proposisi nilai) di pasar—mulai dari inovasi produk dan user experience, hingga strategi pemasaran yang lebih presisi.
Di tengah maraknya kebocoran data dan serangan siber, apakah menurut Anda sebagian bank terlalu cepat mengejar AI tanpa terlebih dahulu memperkuat fondasi keamanan data, cybersecurity, dan governance?
Dengan atau tanpa kehadiran AI, kebocoran data dan serangan siber tetap menjadi ancaman utama di jagat digital. Oleh karena itu, penguatan fondasi keamanan, pertahanan siber, dan tata kelola (governance) menjadi hal yang mutlak (inevitable). Sering kali kita terlalu terpaku pada kecanggihan teknologi, padahal dalam banyak kasus, titik lemah yang sebenarnya bukan terletak pada aspek teknis, melainkan pada kerapuhan proses tata kelolanya, governance-nya.
Banyak bank skala menengah dan kecil merasa tertinggal dalam transformasi AI karena keterbatasan anggaran dan SDM. Apakah menurut Anda mereka masih punya peluang mengejar, atau justru berisiko semakin tertinggal dibanding bank besar dan bank digital?
Teknologi memang akan menjadi pilar utama bisnis di masa depan. Namun, mengadopsi teknologi terbaru tidak selalu berarti perusahaan harus membangun atau memilikinya sendiri secara mandiri. Saat ini, tersedia berbagai opsi aksesibilitas teknologi yang lebih efisien, seperti layanan SaaS (Software as a Service). Dalam konteks perbankan, model BaaS (Banking as a Service) dapat menjadi pilihan strategis bagi perusahaan yang ingin beralih ke model bisnis yang lebih lincah dan adaptif.
Anda kini bergabung sebagai advisor di Metamorph. Menurut Anda, apakah model fractional CIO, CTO, atau advisor teknologi cukup efektif untuk membantu bank mempercepat transformasi AI, atau bank tetap membutuhkan kepemimpinan digital yang permanen di level direksi?
Kepemimpinan yang kuat, strategi yang tepat, dan sumber daya manusia permanen adalah fondasi utama pertumbuhan organisasi—hal ini tidak perlu diperdebatkan lagi, no question about it. Namun pada praktiknya, organisasi sering kali menghadapi celah (gap) pada posisi manajerial kunci, baik dari sisi jumlah personel maupun spesialisasi keahlian.
Di sinilah Fractional CxO hadir sebagai solusi. Berbeda dengan konsultan atau penasihat yang sebatas memberikan arahan dan blueprint, seorang Fractional CxO berperan sebagai eksekutor di level pakar senior. Mereka mengemban tanggung jawab dan akuntabilitas penuh layaknya pejabat permanen, lengkap dengan rekam jejak pengalaman (success formula) dan pelajaran berharga (lessons learned) dari masa lalu, namun dalam komitmen waktu yang fleksibel. Bagi perusahaan rintisan (startup) yang belum memungkinkan untuk merekrut eksekutif senior purnawaktu, atau bagi organisasi yang membutuhkan jembatan (gap bridging) di level pimpinan secara cepat, Fractional CxO adalah pilihan strategis yang menghadirkan keahlian tingkat tinggi dengan biaya yang lebih terjangkau.
Banyak CEO bank khawatir AI akan mengurangi peran manusia. Namun di sisi lain, AI justru bisa membuat organisasi lebih efisien dan ramping. Menurut Anda, bagaimana seharusnya para pemimpin bank mengelola ketegangan antara efisiensi, pengurangan biaya, dan kekhawatiran kehilangan pekerjaan?
Memang para leader saat ini dihadapkan pada dilema. Tapi saya rasa bukan trade-off yang harus dipilih—tapi kita perlu reframing, framing ulang organisasi.
Pertama, AI akan melakukan automation pada tugas-tugas repetitif di level operational maupun leadership layer. Namun, solusinya bukanlah layoff, melainkan redeploy talent ke pekerjaan yang lebih strategic. Sebagai contoh, tugas data entry dapat dialihkan menjadi customer insight, sementara junior analyst berkembang menjadi risk decision-maker. Langkah ini requires transparency dan upskilling, tetapi outcome-nya adalah organisasi yang lebih nimble, bukan organisasi yang lebih kosong.
Kedua, gunakan efficiency gains dari AI untuk expand scope, bukan untuk shrink headcount. Jika saat ini 500 orang dapat melayani 1 juta customers, maka dengan bantuan AI, arahkan mereka untuk ekspansi ke segment baru, improve service quality, atau melakukan market penetration yang lebih dalam.
Secara realistically, memang akan ada beberapa roles dengan skill yang menjadi obsolete. Hal yang dapat dilakukan oleh leader adalah memberikan transparansi mengenai timeline, berinvestasi dalam reskilling, dan bagi mereka yang truly can’t adapt, sediakan fair exit packages. Namun, perlu ditekankan bahwa hal tersebut adalah exception, bukan strategi. Strategi utamanya adalah menggunakan AI untuk make your people more valuable, not less valuable.
Banyak orang menyebut agentic AI sebagai masa depan industri keuangan karena mampu mengambil keputusan dan menjalankan tugas secara mandiri. Namun seberapa siap bank-bank di Indonesia mengadopsi teknologi ini, jika banyak dari mereka bahkan masih kesulitan membereskan legacy system dan silo data?
Agentic AI adalah future, tapi industri perbankan juga punya infrastructure gap yang real. Legacy systems dan data silos adalah blocker—bukan karena agentic AI butuh magic, tapi karena agentic butuh reliable data foundation.
Untuk practical strategy-nya, saya rasa don’t wait for perfect migration. Mulailah menerapkan agentic AI di area yang low-risk dan memiliki data-clean areas, seperti fraud detection atau onboarding automation. Gunakan pilot project ini untuk mendanai infrastructure modernization.
Secara paralel, lakukan clean-up data di operational layer, di mana AI sendiri sebenarnya dapat dilibatkan untuk membantu proses tersebut. Namun, sangat penting untuk tetap menjaga prinsip human-in-the-loop guna memastikan akurasi dalam prosesnya. Intinya adalah start now and improve along the way.
Jika agentic AI mulai digunakan untuk pembukaan rekening, persetujuan kredit, fraud monitoring, atau penanganan komplain, bagaimana bank memastikan tetap ada kontrol manusia agar keputusan penting tidak sepenuhnya diserahkan kepada mesin?
Dalam proses yang dibuat, desain proses yang dilakukan oleh agents ini harus memasukkan poin-poin penting dimana tetap ada human-in-the-loop baik dari sisi decision making, maupun quality assurance. Dan dalam proses ini, accountability tetap ada di human-nya.
Jika Anda harus memberi peringatan kepada para CEO dan C-Level bank di Indonesia, apa tiga hal paling mendesak yang harus segera mereka lakukan dalam 12 bulan ke depan agar tidak tertinggal dalam era AI dan agentic AI?
I strongly believe ada tiga hal yang tidak bisa ditunda dalam 12 bulan ke depan.
Pertama, establish AI governance framework. Langkah ini tidak perlu langsung sempurna, tetapi harus ada clarity mengenai siapa yang decide, bagaimana risk di-manage, serta batasan mengenai apa yang boleh dan tidak boleh dilakukan AI di organisasi Anda. Mengingat regulasi akan semakin ketat, mereka yang ready lebih awal adalah pihak yang akan shape the conversation, bukan sekadar react. Apalagi dengan regulasi terbaru dari Kementerian Komdigi dan OJK, industri perlu segera melakukan implementasi.
Kedua, pick one critical use case and ship it! Baik itu fraud detection, customer onboarding, atau lending pre-screening. Pilihlah area yang memiliki high frequency, decent data, dan clear ROI, lalu ship dalam 6 bulan. Tujuannya bukan untuk langsung revolutionize bisnis, melainkan untuk prove capability internally, understand friction, dan build organizational muscle untuk AI execution. Momentum ini sangat krusial.
Ketiga, start upskilling leadership. Fokusnya bukan pada coding, melainkan agar board dan C-suite mengerti agentic AI mechanics—apa yang mungkin dilakukan, apa yang tidak, serta apa risikonya. Di tengah banyaknya hype, leadership yang literate adalah mereka yang mampu make smart decisions, bukan yang terjebak dalam panic atau justru dismiss terhadap segalanya. ■
Digionary:
● Agentic AI: Teknologi AI yang mampu mengambil keputusan dan menjalankan tugas secara mandiri.
● AI Governance: Tata kelola penggunaan AI agar tetap aman, transparan, dan sesuai regulasi.
● AI-First: Pendekatan bisnis yang menempatkan AI sebagai inti model bisnis, produk, dan layanan.
● BaaS: Bank as a Service, model layanan perbankan berbasis teknologi yang dapat digunakan pihak lain.
● Call Center System: Sistem layanan pelanggan yang digunakan untuk menangani pertanyaan dan keluhan nasabah.
● CRM: Customer Relationship Management, sistem untuk mengelola hubungan dan interaksi dengan nasabah.
● ERP: Enterprise Resource Planning, sistem yang digunakan untuk mengintegrasikan proses bisnis perusahaan.
● Fraud Detection: Sistem untuk mendeteksi potensi penipuan atau transaksi mencurigakan.
● Human-in-the-loop: Konsep bahwa keputusan AI tetap harus diawasi dan dikendalikan manusia.
● Integrated Workflow Layer: Tahap penggunaan AI yang sudah terintegrasi ke dalam alur kerja bisnis.
● Legacy System: Sistem lama yang masih digunakan perusahaan dan sering sulit diintegrasikan dengan teknologi baru.
● Personal Productivity Layer: Tahap awal penggunaan AI untuk membantu produktivitas individu sehari-hari.
● Proprietary Knowledge: Pengetahuan atau data unik milik perusahaan yang bisa menjadi keunggulan kompetitif.
● SaaS: Software as a Service, model penggunaan perangkat lunak berbasis langganan melalui cloud.
● Sense of Urgency: Kesadaran akan pentingnya bertindak cepat terhadap perubahan atau ancaman bisnis.
#AI #ArtificialIntelligence #Perbankan #BankDigital #TransformasiDigital #Cybersecurity #OJK #AgenticAI #FraudDetection #BankIndonesia #Governance #DataAnalytics #CRM #ERP #BaaS #SaaS #Fintech #DigitalBanking #MachineLearning #RiskManagement
