Bagian VI: Ekonomi dan Tren Masa Depan

Bagaimana AI Akan Mengubah Dunia Keuangan?

Bayangkan sistem keuangan sebagai sistem saraf pusat perekonomian global. Ia memproses informasi dalam jumlah besar, mengubahnya menjadi sinyal harga, dan mengoordinasikan seluruh pelaku ekonomi . Selama ribuan tahun, kemampuan sistem ini bergantung pada teknologi yang tersedia—mulai dari sempoa di era Sumeria kuno hingga pembukuan berpasangan di Italia abad pertengahan . Kini, kecerdasan buatan (AI) hadir sebagai lompatan terbesar sejak komputer ditemukan. Pertanyaannya, bagaimana AI akan mengubah dunia keuangan? Bukan sekadar "apakah", melainkan "sejauh mana" dan "seberapa cepat". Mari kita bedah bersama di Catatan Pahupahu.

AI: Otak Baru Sistem Keuangan

Untuk memahami skala perubahannya, kita perlu melihat AI dari tiga generasi. Pertama, AI berbasis aturan (rule-based) yang sudah digunakan sejak lama untuk trading otomatis dan deteksi penipuan. Kedua, machine learning dan deep learning yang mampu memproses data non-tradisional dan digunakan luas dalam penilaian kredit, analisis risiko, dan penetapan harga aset. Ketiga, yang paling disruptif, AI generatif (GenAI) seperti model bahasa besar (LLM) yang tidak hanya menganalisis, tetapi juga menciptakan konten, merangkum dokumen, dan bahkan bertindak sebagai agen otonom .

Para peneliti dari Aldasoro dkk. (2024) dalam kajian komprehensif mereka di Journal of Financial Intermediation menggambarkan evolusi ini sebagai peningkatan kapasitas kognitif sistem keuangan. AI memungkinkan sistem keuangan tidak hanya memproses data lebih cepat, tetapi juga "berpikir" lebih cerdas .

Empat Fungsi Utama yang Bertransformasi

1. Intermediasi Keuangan: Dari Penilaian Manual ke Prediksi Real-Time

AI merevolusi cara bank menilai kredit dan risiko. Model machine learning dapat menganalisis data non-tradisional—misalnya pola transaksi, perilaku digital, bahkan data media sosial—untuk menilai kelayakan kredit dengan lebih akurat. Ini bukan sekadar efisiensi, tetapi membuka akses kredit bagi segmen masyarakat yang sebelumnya tidak terjangkau .

Ilustrasi:
Bayangkan Anda seorang petani di daerah terpencil tanpa riwayat kredit formal. Sebelum AI, Anda sulit mendapat pinjaman. Dengan AI, lembaga keuangan dapat menganalisis data panen Anda dari citra satelit, riwayat transaksi di warung lokal, dan pola cuaca untuk menilai kapasitas Anda membayar pinjaman. AI menciptakan "skor kredit" dari data yang sebelumnya tidak terpakai.

2. Manajemen Aset: Pasar yang Lebih Cerdas, juga Lebih Volatil?

Di pasar modal, AI telah digunakan untuk perdagangan frekuensi tinggi dan analisis prediktif. GenAI membawa kemampuan baru: memproses data tidak terstruktur—seperti laporan tahunan perusahaan, siaran pers, bahkan unggahan media sosial—untuk mengidentifikasi sinyal pasar lebih awal .

Sanjay Jhamna, Global Head of Credit Trading JP Morgan, menyebut bahwa pasar kredit adalah "frontier terakhir" dalam otomatisasi pasar. GenAI sangat cocok untuk menangani data tidak terstruktur yang melimpah di pasar kredit, dan ini akan "mereset siapa yang bisa bersaing dan bagaimana mereka bersaing" .

Namun, ada sisi gelapnya. Model herding—ketika banyak institusi menggunakan model AI serupa—dapat memperkuat gerakan pasar yang seragam. Jika model yang sama merekomendasikan aksi jual di saat yang bersamaan, volatilitas bisa melonjak drastis .

3. Asuransi: Penetapan Harga yang Lebih Adil (atau Diskriminatif?)

AI memungkinkan perusahaan asuransi menilai risiko dengan presisi lebih tinggi, yang berarti premi bisa lebih sesuai dengan profil risiko individu. Namun, ini juga memicu kekhawatiran tentang bias algoritmik dan diskriminasi. Jika data pelatihan mengandung bias historis, AI dapat melestarikannya .

4. Pembayaran dan Layanan Nasabah: Revolusi Pengalaman

Di lini depan, chatbot dan asisten virtual bertenaga GenAI mengubah interaksi nasabah. Mereka dapat memberikan saran investasi personal, menjawab pertanyaan kompleks, dan bahkan mengotomatiskan proses klaim. Di belakang layar, AI mengotomatiskan kepatuhan regulasi dan pemrosesan transaksi .

Dampak Nyata: Studi Kasus dan Data Terkini

Transformasi ini bukan wacana masa depan. Ia terjadi sekarang. Di beberapa bagian dunia, dampaknya sangat nyata hingga mengubah lanskap ketenagakerjaan.

Kasus: PHK Massal dan Lahirnya Pekerjaan Baru

Awal 2026,渣打银行 (Standard Chartered) mengumumkan pengurangan lebih dari 15% posisi di fungsi korporat—sekitar 8.000 pekerjaan—didorong oleh adopsi AI dan otomatisasi .

Bukan hanya渣打. Di Jepang,瑞穗金融集团 (Mizuho Financial Group) berencana mengurangi hingga 5.000 posisi administratif dalam dekade mendatang. Sementara itu,星展银行 (DBS) secara terbuka menyatakan akan mengganti sebagian tenaga kerja manusia dengan AI, namun juga menambah sekitar 1.000 posisi baru di bidang AI .

Ilustrasi:
Bayangkan sebuah bank memiliki 100 analis kredit yang menghabiskan 80% waktu untuk mengumpulkan dan memverifikasi data. Dengan AI, 80% pekerjaan rutin itu diotomatisasi. Bank hanya membutuhkan 20 analis yang ahli dalam "menginterogasi" AI dan mengambil keputusan strategis. Ini bukan penggantian "manusia oleh mesin" sepenuhnya, tetapi pergeseran dari pekerjaan rutin ke pekerjaan yang membutuhkan kecerdasan tingkat tinggi.

Di sisi lain, bank justru berlomba merekrut talenta AI. Enam bank terbesar di Tiongkok melaporkan total tenaga teknologi mencapai 13,59 juta orang pada akhir 2025, naik signifikan dari tahun sebelumnya . Mereka mencari PhD dari universitas terkemuka dengan spesialisasi machine learning dan model bahasa besar.

Pandangan Ahli:
Prof. Hongwei Mo dan Shumiao Ouyang dari Saïd Business School, Oxford, dalam tinjauan literatur mereka yang komprehensif (2025) mencatat bahwa AI tidak hanya menjadi alat analitik tetapi juga "guncangan eksternal" bagi perekonomian dan "agen ekonomi otonom" .

Dua Sisi Mata Uang: Peluang dan Risiko Stabilitas Keuangan

Dalam pidatonya di Asian Financial Forum 2026, Tao Zhang, Kepala Perwakilan Bank for International Settlements (BIS) untuk Asia Pasifik, mengingatkan bahwa AI dan keuangan digital membawa tiga risiko utama bagi stabilitas keuangan :

1.     Fungsi Pasar dan Likuiditas: Perdagangan yang lebih cepat dengan AI dapat memperburuk pergerakan harga jangka pendek. Dalam situasi stres, ini bisa menguras likuiditas dan memperbesar volatilitas .

2.     Ketergantungan Operasional: AI sangat bergantung pada perangkat keras khusus, penyedia cloud, dan data eksternal yang terkonsentrasi pada segelintir pemain. Gangguan pada satu penyedia bisa berdampak sistemik .

3.     Penularan Risiko: Penggunaan model AI yang seragam dapat menyebabkan institusi bereaksi terhadap guncangan dengan cara yang sama, menciptakan "efek domino" yang lebih cepat dan lebih luas .

Ilustrasi:
Bayangkan 10 bank besar menggunakan model AI yang sama untuk manajemen risiko. Suatu hari, model tersebut mendeteksi sinyal bahaya dan merekomendasikan pengurangan posisi di sektor properti. Jika semua bank menjual aset properti secara bersamaan, harga properti jatuh, memperkuat sinyal bahaya, dan memicu putaran umpan balik yang negatif. Inilah yang disebut BIS sebagai "amplifikasi dan propagasi stres" .

Jalan ke Depan: Tata Kelola dan Regulasi

Menghadapi kompleksitas ini, regulator global seperti BIS, IMF, dan FSB mendorong kerja sama internasional untuk menyusun kerangka tata kelola yang mencakup akuntabilitas, manajemen risiko, dan transparansi .

Aldasoro dkk. (2024) mengusulkan prinsip-prinsip regulasi AI berdasarkan kesejahteraan sosial, transparansi, akuntabilitas, keadilan, privasi, keamanan, dan pengawasan manusia . Ini bukan sekadar aturan main, tetapi fondasi agar AI menjadi "enabler" yang aman bagi sistem keuangan, bukan "risk blind box" (kotak risiko buta) seperti yang diingatkan oleh ekonom董希淼 .

Kesimpulan: Peta Jalan ke Masa Depan

AI akan mengubah dunia keuangan secara fundamental: dari cara kita menabung, meminjam, berinvestasi, hingga cara bank dan regulator bekerja. Ini adalah gelombang besar yang akan berlangsung satu dekade atau lebih .

• Efisiensi meningkat: Biaya turun, layanan lebih cepat dan personal.
• Inklusi keuangan meluas: Akses kredit dan layanan keuangan menjangkau lebih banyak orang.
• Risiko baru muncul: Volatilitas pasar, bias algoritmik, dan risiko sistemik akibat homogenitas model dan ketergantungan teknologi.
• Transformasi tenaga kerja: Pekerjaan rutin hilang, pekerjaan berbasis kecerdasan dan AI muncul.

Kunci keberhasilannya bukan pada teknologi itu sendiri, tetapi pada tata kelola dan kebijaksanaan manusia dalam mengarahkannya. Seperti yang ditekankan Tao Zhang, "Tantangan bagi bank sentral bukanlah menolak inovasi, tetapi memahami bagaimana inovasi mengubah sifat dan penularan risiko" . Kita semua—pembuat kebijakan, pelaku industri, dan konsumen—memiliki peran dalam memastikan AI menjadi kekuatan untuk kebaikan, bukan sumber kerentanan baru.

 

Daftar Pustaka

Aldasoro, I., Gambacorta, L., Korinek, A., & Shreeti, V. (2024). Intelligent financial system: How AI is transforming finance. Journal of Financial Intermediation, *60*, 101-125. 

Mo, H., & Ouyang, S. (2025). (Generative) AI in Financial Economics. The European Journal of Finance, 1-79. 

Zhang, T. (2026, January 26). The financial stability implications of artificial intelligence and digital finance [Speech presentation]. Asian Financial Forum, Hong Kong. Bank for International Settlements.