Ledakan AI di industri keuangan Asia Tenggara mulai memaksa bank digital melakukan transformasi besar pada sistem inti mereka. Pertumbuhan transaksi digital yang sangat cepat membuat banyak bank mulai kewalahan menghadapi beban operasional, integrasi data, hingga tuntutan regulator. Di tengah investasi AI bernilai miliaran dolar AS, masalah utama justru bukan pada model AI, melainkan pada fondasi teknologi lama yang tidak dirancang untuk keputusan real-time, otomatisasi, dan pengelolaan risiko modern.
Digi-Highlights:
■ Bank digital ASEAN mulai merombak core banking karena sistem lama tak mampu menopang AI, transaksi real-time, dan pertumbuhan digital.
■ AI terbukti meningkatkan efisiensi dan pendapatan bank, tetapi banyak proyek gagal masuk tahap produksi akibat infrastruktur usang.
■ Regulator di Asia Tenggara kini menganggap gangguan sistem teknologi sebagai risiko finansial yang berdampak langsung pada modal bank.
Gelombang artificial intelligence (AI) yang menyapu industri keuangan global kini mulai mengubah cara bank digital di Asia Tenggara membangun fondasi bisnisnya. Jika sebelumnya bank digital berlomba menghadirkan aplikasi cepat dan pengalaman pengguna yang mulus, kini perhatian bergeser ke “jeroan” sistem: core banking.
Masalahnya, seperti diungkap fintechnews.sg, banyak bank digital tumbuh terlalu cepat di atas fondasi teknologi yang sebenarnya belum siap menghadapi era AI.
Selama bertahun-tahun, strategi “launch first, fix later” dianggap berhasil. Bank digital dan fintech di Indonesia, Filipina, hingga Singapura bisa berkembang agresif karena volume transaksi masih rendah dan regulator masih memberi ruang eksperimen.
Namun ketika AI mulai dipakai untuk kredit, fraud detection, personalisasi layanan, hingga analisis risiko secara real-time, kelemahan sistem lama mulai terbuka.
Di Indonesia misalnya, penggunaan QRIS melonjak tajam. Bank Indonesia mencatat pengguna QRIS mencapai 57 juta dengan 39,3 juta merchant pada semester I-2025. Nilai transaksinya menembus Rp579 triliun atau sekitar US$33,2 miliar. Pada saat yang sama, outstanding pinjaman fintech P2P lending juga tumbuh 31,06% secara tahunan menjadi Rp80,07 triliun.
Di Filipina, transaksi InstaPay dan PESONet mencapai US$401,8 miliar sepanjang 2025, naik 42,02% dibanding tahun sebelumnya. Lonjakan transaksi ini menciptakan tekanan besar terhadap sistem backend perbankan.
Semakin banyak nasabah berarti semakin banyak produk digital, kanal pembayaran, integrasi aplikasi, dan arus data yang harus diproses secara simultan. Di titik inilah banyak bank mulai menghadapi “integration tax” — biaya mahal dan kompleksitas tinggi akibat sistem teknologi yang saling terpisah dan tidak saling terhubung sempurna.
Industri keuangan global sebenarnya sudah menggelontorkan dana besar untuk AI. Belanja AI sektor BFSI (banking, financial services, insurance) diperkirakan mendekati US$97 miliar pada 2027. PwC bahkan memperkirakan AI bisa meningkatkan efisiensi operasional bank hingga 15 poin persentase.
Namun realisasinya tidak semudah itu. Banyak proyek AI berhenti di tahap pilot project atau sekadar demo internal. Dalam industri, fenomena ini dikenal sebagai “pilot purgatory” — kondisi ketika AI terlihat berhasil di laboratorium, tetapi gagal diterapkan dalam operasional nyata.
Riset Boston Consulting Group (BCG) 2025 menunjukkan hanya 5% perusahaan global yang benar-benar berhasil menciptakan nilai besar dari AI dalam skala penuh. Sebaliknya, sekitar 60% perusahaan belum mendapatkan dampak bisnis yang material meski sudah menginvestasikan dana besar.
Masalah utamanya bukan lagi algoritma AI. Yang menjadi hambatan justru infrastruktur lama, data yang terfragmentasi, workflow manual, dan sistem core banking yang dibangun untuk era batch processing — bukan untuk keputusan otomatis berbasis data real-time.
“AI hanya akan bekerja optimal jika lingkungan sistem di bawahnya mampu mendukung,” tulis laporan tersebut.
Dalam praktiknya, banyak bank masih bergantung pada sistem lama yang memerlukan sinkronisasi manual antar-platform. Setiap unit bisnis memiliki versi data sendiri. Proses rekonsiliasi menjadi lambat, mahal, dan rawan kesalahan.
Accenture memperkirakan bank menghabiskan sekitar 70% anggaran IT hanya untuk memelihara sistem lama. Akibatnya, ruang investasi untuk inovasi, AI, dan pengembangan produk baru menjadi sangat terbatas.
Biaya integrasi juga tidak murah. Menghubungkan 200 layanan legacy system dapat menghabiskan biaya awal sekitar US$480 ribu, membutuhkan hingga 1.000 hari kerja developer, dan menambah biaya maintenance tahunan sekitar US$100 ribu.
Dalam jangka panjang, kondisi ini memunculkan apa yang mulai disebut industri sebagai “technical bankruptcy” — situasi ketika biaya dan kompleksitas sistem lama mulai melumpuhkan inovasi.
Tekanan lain datang dari regulator. Otoritas keuangan di Singapura, Malaysia, dan Indonesia kini semakin agresif mengawasi ketahanan sistem teknologi bank digital. Gangguan sistem tidak lagi dipandang sekadar masalah operasional, tetapi sudah dianggap risiko finansial yang dapat memengaruhi modal bank.
Kasus DBS Bank di Singapura menjadi contoh penting. Setelah mengalami serangkaian gangguan layanan digital, Monetary Authority of Singapore (MAS) meminta DBS menambah modal operasional sekitar US$1,2 miliar akibat meningkatnya operational risk weighted assets. Malaysia juga mulai mengambil langkah keras. Bank Negara Malaysia menjatuhkan sanksi finansial terhadap sejumlah institusi yang mengalami downtime berulang pada sistem kritikal mereka.
Sementara di Indonesia, regulasi baru OJK pada 2025 mewajibkan penyedia layanan digital dan agregator keuangan menempatkan pusat data dan pusat pemulihan di dalam negeri. Pelanggaran aturan ini dapat dikenai denda hingga Rp1 miliar.
Kondisi tersebut membuat modernisasi core banking kini tidak lagi dipandang sebagai proyek teknologi biasa, melainkan isu strategis tingkat direksi.
Bank mulai bergerak menuju arsitektur cloud-native dan API-first, yang memungkinkan data bergerak secara real-time, lebih mudah diaudit regulator, serta lebih kompatibel dengan AI.
Model baru ini memisahkan “lapisan kontrol” dan “lapisan inovasi”. Core banking bertindak sebagai pusat integritas data dan kepatuhan, sementara AI dan layanan digital bisa dikembangkan lebih fleksibel di lapisan atas tanpa mengganggu sistem inti.
“Di seluruh Asia Tenggara, kami melihat fase baru pertumbuhan layanan keuangan digital, di mana institusi mulai bergerak dari sekadar tahap eksperimen menuju pembangunan operasional yang benar-benar scalable dan cerdas,” kata CEO Antonio Separovic dari Oradian.
Ia menambahkan, institusi yang paling progresif saat ini adalah mereka yang membangun fondasi cloud-native modern sebagai “single source of truth” untuk data, operasional, dan kepatuhan secara real-time.
Sejumlah bank besar mulai membuktikan manfaat AI secara nyata. DBS Bank misalnya melaporkan AI menghasilkan sekitar US$565 juta pada 2024 melalui lebih dari 350 use case AI di berbagai lini bisnis. Sementara JP Morgan menggunakan AI untuk meningkatkan produktivitas wealth advisor dan mempercepat engagement nasabah.
Di masa lalu, bank digital menang karena kecepatan meluncurkan layanan. Kini, kecepatan tanpa fondasi yang kuat justru menjadi sumber risiko baru.
Era AI membuat industri perbankan memasuki fase berbeda: bukan lagi soal siapa paling digital, melainkan siapa yang memiliki infrastruktur paling cerdas, stabil, dan tahan tekanan. ■
Digi-Insights:
Transformasi AI di industri perbankan ternyata bukan terutama soal membeli model AI paling canggih atau membangun chatbot paling pintar. Problem terbesar justru berada di fondasi teknologi bank itu sendiri. Banyak bank digital Asia Tenggara tumbuh sangat cepat di atas sistem yang didesain untuk era transaksi tradisional, bukan untuk AI real-time yang membutuhkan data bersih, terintegrasi, dan selalu aktif. Karena itu, AI kini berfungsi seperti “alat diagnostik” yang membongkar kelemahan tersembunyi dalam arsitektur perbankan modern. Bank yang selama ini terlihat agresif secara digital bisa tiba-tiba tersendat ketika volume transaksi, kebutuhan compliance, dan otomasi AI bertemu dalam skala besar.
Di Indonesia, isu ini menjadi sangat relevan karena pertumbuhan QRIS, digital lending, embedded finance, dan open banking meningkat jauh lebih cepat dibanding kesiapan infrastruktur inti sebagian institusi keuangan. Dalam beberapa tahun ke depan, keunggulan bank kemungkinan tidak lagi ditentukan oleh jumlah aplikasi atau fitur digital, tetapi oleh kemampuan mereka membangun “AI-ready banking architecture”.
Artinya, bank yang menang adalah yang memiliki data real-time, core banking modular, API terbuka, governance kuat, dan kemampuan mengintegrasikan AI langsung ke workflow bisnis. Di era agentic AI, core banking tidak lagi sekadar sistem pencatatan transaksi, melainkan “otak operasional” yang menentukan apakah bank mampu bertahan, tumbuh, atau justru runtuh akibat kompleksitas digital yang mereka ciptakan sendiri. ■
Digionary:
● API-First: Pendekatan pengembangan sistem yang menjadikan API sebagai fondasi utama integrasi aplikasi dan layanan digital.
● Batch Processing: Metode pemrosesan data secara berkala dalam jumlah besar, bukan secara real-time.
● Cloud-Native: Sistem teknologi yang dirancang khusus untuk berjalan optimal di lingkungan cloud modern.
● Core Banking: Sistem inti perbankan yang mengelola transaksi, rekening, kredit, dan operasional utama bank.
● Fraud Detection: Teknologi untuk mendeteksi aktivitas penipuan atau transaksi mencurigakan secara otomatis.
● Integration Tax: Biaya dan kompleksitas tambahan akibat banyaknya sistem teknologi yang tidak terintegrasi sempurna.
● Legacy System: Sistem teknologi lama yang masih digunakan meski sudah tidak sesuai kebutuhan modern.
● Operational Risk Weighted Assets: Perhitungan risiko operasional yang memengaruhi kebutuhan modal bank.
● Pilot Purgatory: Kondisi ketika proyek AI berhenti di tahap uji coba dan gagal diterapkan secara luas.
● QRIS: Standar kode QR nasional Indonesia untuk transaksi pembayaran digital lintas platform.
● Real-Time Data: Data yang diperbarui dan diproses secara langsung tanpa jeda waktu.
● Technical Bankruptcy: Situasi ketika sistem lama membuat inovasi menjadi sangat sulit dan mahal dilakukan.
#AI #ArtificialIntelligence #BankDigital #DigitalBanking #CoreBanking #CloudNative #API #Fintech #PerbankanDigital #TransformasiDigital #QRIS #OpenBanking #AgenticAI #BankingTechnology #FintechIndonesia #Cybersecurity #DataRealTime #LegacySystem #OJK #ASEANBanking
