Kesenjangan Penemuan AI: Mengapa Pinjaman yang Baik Berisiko Diabaikan, dan Apa yang Dapat Dilakukan Bank

Yaacov Martin adalah CEO dari Jifiti.

Temukan berita dan acara fintech teratas!

Berlangganan buletin FinTech Weekly

Dibaca oleh para eksekutif di JP Morgan, Coinbase, Blackrock, Klarna, dan lainnya

AI sedang mengubah setiap sudut keuangan, dan sektor layanan keuangan diperkirakan akan menghabiskan jumlah yang mengesankan sebesar $97 miliar untuk AI pada tahun 2027. Ketika teknologi seperti agen AI yang bersifat agentic mengubah perbankan dan pengalaman pelanggan, satu faktor muncul sebagai keunggulan kompetitif baru: discoverability. Saat ini, 44% konsumen mempercayai agen AI dalam layanan keuangan, menandakan adanya pergeseran dalam perilaku konsumen.

Agen AI bergerak melampaui nasihat keuangan yang dipersonalisasi dan deteksi penipuan. Bukan hanya muncul use case ketika agen tersebut menampilkan opsi pinjaman bagi konsumen, tetapi pada akhirnya mereka akan menyelesaikan aplikasi untuk konsumen dan mengotomatisasi penyaluran dana. Dalam waktu yang sangat dekat, agen AI kemungkinan akan menangani semuanya, mulai dari mengisi formulir hingga memverifikasi identitas dan memulai underwriting otomatis.

Untuk bank, pertanyaannya bukan lagi apakah harus menjadi berbasis AI, melainkan seberapa cepat. Ketika underwriting yang dioptimalkan untuk AI dan pemberi pinjaman yang mengutamakan digital merombak pasar, institusi keuangan yang berinvestasi sekarang akan tetap berada di pusat ekosistem kredit. Mereka yang menunda adopsi AI berisiko kehilangan visibilitas sama sekali, karena peminjam yang lebih muda dan melek teknologi melewati saluran tradisional demi alternatif yang lebih cerdas dan terotomatisasi.

Discoverability Adalah Pintu Depan yang Baru

Menggunakan mesin AI untuk keduanya mencari dan mengajukan pinjaman adalah lompatan besar berikutnya dalam pengalaman pelanggan, dengan agen AI global di pasar layanan keuangan diproyeksikan bernilai $4.28 miliar pada tahun 2032. Dan meskipun peluang ini sangat besar bagi bank dan FIs, ini justru menghadirkan masalah baru ke permukaan: invisibility.

Mesin AI tidak menemukan dan memberi peringkat pinjaman berdasarkan kualitas; mereka diberi peringkat berdasarkan keterbacaan. Ini dikenal sebagai answer engine optimization (AEO). Jika produk pinjaman tidak disusun untuk memudahkan pengindeksan, produk itu tidak akan dipertimbangkan.

Sebagai contoh, jika APR dan kriteria kelayakan pemberi pinjaman terkubur dalam sebuah PDF, mesin AI tidak akan menampilkan pinjaman tersebut, terlepas dari seberapa kompetitif pinjaman itu. Bank harus memastikan metadata penawaran terpapar: produk pinjaman perlu dijelaskan secara jelas dalam format terstruktur—jenis produk, APR, ketentuan, dan kriteria kelayakan. Metadata terstruktur memastikan agen AI dapat mengindeks, membandingkan, dan bertindak secara akurat pada produk pinjaman. Tanpa itu, bahkan penawaran pinjaman yang sangat baik pun mungkin tetap tidak terlihat.

Namun masalah discoverability ini bahkan lebih dalam lagi. AEO membantu agen AI menampilkan pinjaman, tetapi selain menempatkan data dalam format yang tepat, bank juga perlu infrastruktur yang tepat untuk memungkinkan agen AI memberikan penawaran pinjaman yang bersumber dari AI kepada pelanggan.

Misalnya, seorang pelanggan bisa memasukkan kriteria pinjamannya ke mesin pencarian agen AI, yang langsung menampilkan semua penawaran pinjaman yang relevan dan opsi untuk auto-apply. Dengan satu klik, pelanggan menerima persetujuan pinjaman bersyarat, yang sepenuhnya didukung oleh data yang dapat dibaca mesin dan alur kerja berbasis API.

Bank yang tidak memiliki teknologi lending berbasis API, perjalanan pengguna yang terdigitalisasi, data yang tidak tersilo, serta onboarding dan decisioning yang terotomatisasi bahkan tidak akan masuk dalam persaingan. Dalam lingkungan ini, menjadi pemberi pinjaman yang lebih baik tidak ada artinya jika Anda tidak discoverable.

Tapi ini lebih mudah diucapkan daripada dilakukan. Sebuah laporan PYMNTS menemukan bahwa 75% bank kesulitan menerapkan solusi digital baru karena infrastruktur warisan mereka. Dan “59% dari para banker menganggap sistem legacy mereka sebagai tantangan bisnis utama, menggambarkannya sebagai ‘spaghetti’ dari teknologi yang saling terhubung tetapi sudah ketinggalan zaman.”

Fairness, dan Batas Kepatuhan yang Baru

Jika discoverability adalah pintu depan untuk lending yang bersifat agentic, fairness adalah batas kepatuhan yang baru. Mesin AI tidak hanya berisiko mengecualikan produk yang tidak dioptimalkan untuk discoverability AI; mereka juga mengancam untuk mengecualikan seluruh kategori pemberi pinjaman yang tidak memenuhi standar teknis mereka. Tetapi di sini masalahnya bukan visibilitas; melainkan kesetaraan.

Lending agentic masa kini memperkenalkan variasi modern dari biased lending: konsumen mungkin diarahkan ke pemberi pinjaman dengan infrastruktur yang tepat—API, data yang bersih, alur kerja otomatis—bukan ke produk keuangan terbaik.

Tanpa transparansi mengenai bagaimana platform berbasis AI memberi peringkat atau menampilkan penawaran pinjaman, konsumen berisiko diarahkan ke pinjaman berbiaya lebih tinggi atau yang kurang sesuai hanya karena pemberi pinjaman tersebut memiliki infrastruktur yang tepat, bukan produk yang tepat. Ini menciptakan celah buta kepatuhan baru bagi regulator. Regulator mungkin segera bertanya, “Apakah infrastruktur bank Anda yang sudah ketinggalan secara efektif memblokir akses ke produk terbaik Anda?”

Selama puluhan tahun, pengawasan regulasi berfokus pada praktik diskriminatif dalam keputusan pemberian pinjaman. Tetapi ketika agentic lending mulai diterapkan, lensa regulasi akan melebar. Bank yang gagal memodernisasi mungkin tidak hanya kehilangan pangsa pasar; mereka mungkin dianggap berkontribusi pada bias sistemik.

Bank Masih Bisa Bersaing—Jika Mereka Memodernisasi

Di permukaan, agentic lending tampaknya dibuat khusus untuk fintech, yang tumpukan teknologinya dibangun untuk kecepatan dan fleksibilitas. Tetapi keunggulannya tidak eksklusif. Bank hanya perlu memperbarui model operasional mereka.

Agen AI yang baru muncul sedang dirancang untuk menemukan produk yang sesuai, menyelesaikan aplikasi, mengirimkan dokumen KYC, dan memicu underwriting otomatis. Bank yang belum mendigitalkan alur kerja end-to-end mereka berisiko dilewati, bahkan jika mereka menawarkan tarif yang kompetitif. Mereka memerlukan sistem yang terkoordinasi, atau platform orkestrasi, yang menghubungkan semua bagian penting dari proses pemberian pinjaman, mengotomatisasi alur kerja, dan memastikan setiap langkah dapat dibaca mesin serta dapat diakses melalui API.

Lapisan orkestrasi yang menyediakan infrastruktur ini biasanya mengintegrasikan semua fungsionalitas penting sekaligus fungsionalitas pihak ketiga, termasuk verifikasi ID, KYC/KYB, anti-fraud, open banking, pengecekan risiko kredit, dan decisioning otomatis.

Fintech sudah API-native, tetapi banyak bank masih perlu mengejar ketertinggalan dengan tumpukan teknologi mereka yang terfragmentasi. Tanpa orkestrasi, semua integrasi penting ini tetap tersilo, dan agen AI memerlukan kesinambungan end-to-end untuk akhirnya menyediakan pengalaman pengajuan pinjaman end-to-end. Lapisan orkestrasi bukan sekadar membantu—ia adalah jembatan yang memungkinkan bank-bank legacy bersaing dalam ekosistem agentic lending tanpa membongkar seluruh infrastruktur mereka.

Bank yang memodernisasi infrastruktur mereka dan mengotomatisasi alur kerja mereka dapat merebut kembali kendali atas saluran pemberian pinjaman, memastikan platform AI menampilkan produk mereka dan pelanggan mendapatkan akses yang didorong AI ke opsi terbaik dan paling sesuai yang tersedia, bukan hanya yang paling mudah ditampilkan.