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

Yaacov Martin adalah CEO 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. Seiring teknologi seperti agen AI yang bersifat agentic mengubah perbankan dan pengalaman pelanggan, satu faktor muncul sebagai keunggulan kompetitif baru: discoverability (kemudahan ditemukan). Saat ini, 44% konsumen mempercayai agen AI dalam layanan keuangan, menandakan perubahan dalam perilaku konsumen.

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

Bagi bank, pertanyaannya bukan lagi apakah harus menjadi yang digerakkan oleh AI, tetapi seberapa cepat. Ketika underwriting yang dioptimalkan AI dan pemberi pinjaman yang mengutamakan digital merombak pasar, institusi keuangan yang berinvestasi sekarang akan mempertahankan posisinya di pusat ekosistem kredit. Mereka yang menunda adopsi AI berisiko kehilangan visibilitas sama sekali, karena peminjam yang lebih muda dan tech-native melewati kanal tradisional demi alternatif yang lebih cerdas dan terotomatisasi.

Discoverability (Kemudahan Ditemukan) adalah Pintu Depan Baru

Menggunakan mesin AI untuk mencari sekaligus mengajukan pinjaman adalah lompatan besar berikutnya dalam pengalaman pelanggan, dengan proyeksi nilai agen AI di pasar layanan keuangan global sebesar $4,28 miliar pada tahun 2032. Dan meskipun peluangnya sangat besar bagi bank dan FI, ini menghadirkan isu baru yang berada di garis depan: invisibility (ketidakmudahan terlihat).

Mesin AI tidak menemukan dan mengurutkan pinjaman berdasarkan kualitas; mesin AI diurutkan berdasarkan keterbacaan. Ini dikenal sebagai answer engine optimization (AEO). Jika produk pinjaman tidak disusun agar mudah diindeks, produk tersebut tidak akan dipertimbangkan.

Misalnya, jika APR pemberi pinjaman dan kriteria kelayakannya “terkubur” di dalam PDF, mesin AI tidak akan menampilkan pinjaman itu, apa pun tingkat daya saingnya. Bank harus memastikan metadata penawaran yang terekspos: produk pinjaman perlu dijelaskan dengan jelas dalam format terstruktur—jenis produk, APR, ketentuan, dan kriteria kelayakan. Metadata terstruktur memastikan agen AI dapat mengindeks, membandingkan, dan bertindak pada produk pinjaman secara akurat. Tanpa itu, bahkan penawaran pinjaman yang sangat baik pun bisa tetap tidak terlihat.

Namun, persoalan discoverability justru lebih dalam lagi. AEO membantu agen AI menampilkan pinjaman, tetapi selain menempatkan data dalam format yang tepat, bank juga membutuhkan infrastruktur yang tepat agar agen AI dapat memberikan kepada pelanggan penawaran pinjaman yang bersumber dari AI.

Sebagai contoh, seorang pelanggan dapat memasukkan kriteria pinjamannya ke mesin pencarian agen AI, yang langsung menampilkan semua penawaran pinjaman yang relevan serta opsi untuk auto-apply. Dengan satu klik, pelanggan menerima persetujuan pinjaman bersyarat, yang sepenuhnya didukung oleh data yang dapat dibaca mesin dan workflow yang digerakkan oleh API.

Bank tanpa teknologi lending yang digerakkan oleh API, perjalanan pengguna yang sudah terdigitalisasi, data yang tidak terisolasi (non-siloed), serta onboarding dan decisioning yang otomatis tidak akan ikut bersaing. Dalam lingkungan ini, menjadi pemberi pinjaman yang lebih baik menjadi tidak relevan jika Anda tidak discoverable (tidak mudah ditemukan).

Tapi ini lebih mudah diucapkan daripada dilakukan. Laporan PYMNTS menemukan bahwa 75% bank kesulitan menerapkan solusi digital baru karena infrastruktur warisan (legacy) mereka. Dan “59% dari para bankir melihat sistem legacy mereka sebagai tantangan bisnis utama, dengan menggambarkannya sebagai sebuah ‘spaghetti’ dari teknologi yang saling terhubung namun ketinggalan zaman.”

Fairness (Keadilan), dan Frontier Kepatuhan Baru

Jika discoverability adalah pintu depan untuk lending yang bersifat agentic, maka fairness (keadilan) adalah frontier kepatuhan baru. Mesin AI tidak hanya berisiko mengecualikan produk yang tidak dioptimalkan untuk discoverability AI; mesin AI juga mengancam mengecualikan seluruh kategori pemberi pinjaman yang tidak memenuhi standar teknis mereka. Namun, masalah di sini bukanlah visibilitas; melainkan kesetaraan.

Lending agentic saat ini menghadirkan variasi modern dari biased lending: konsumen mungkin diarahkan ke pemberi pinjaman dengan infrastruktur yang tepat—API, data yang bersih, workflow otomatis—bukan ke produk keuangan terbaik.

Tanpa transparansi tentang bagaimana platform berbasis AI mengurutkan 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 karena produknya yang tepat. Ini menciptakan blind spot kepatuhan baru bagi regulator. Regulator mungkin segera bertanya, “Apakah infrastruktur bank Anda yang ketinggalan zaman secara efektif memblokir akses ke produk terbaik Anda?”

Selama puluhan tahun, pengawasan regulatori berfokus pada praktik diskriminatif dalam keputusan pemberian pinjaman. Namun, saat lending agentic semakin diterapkan, lensa regulasi akan melebar. Bank yang gagal memodernisasi mungkin bukan hanya kehilangan pangsa pasar; bank tersebut juga bisa dianggap berkontribusi pada bias sistemik.

Bank Masih Bisa Bersaing—Jika Mereka Memodernisasi

Di permukaan, lending agentic tampak dibuat khusus untuk fintech, yang tumpukan teknologinya (tech stacks) dibangun untuk kecepatan dan fleksibilitas. Namun keunggulannya tidak eksklusif. Bank hanya perlu memperbarui model operasional mereka.

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

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

Fintech sudah berbasis API, tetapi banyak bank masih perlu mengejar ketinggalan dengan tumpukan teknologi mereka yang terpecah-pecah. Tanpa orkestrasi, semua integrasi penting ini tetap terisolasi (siloed), dan agen AI akan memerlukan kesinambungan end-to-end agar pada akhirnya bisa memberikan pengalaman pengajuan pinjaman end-to-end. Lapisan orkestrasi bukan sekadar membantu—lapisan inilah jembatan yang memungkinkan bank-bank legacy bersaing dalam ekosistem lending agentic tanpa harus membongkar seluruh infrastruktur mereka.

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