OJK Izinkan Fintech Lending Gunakan AI untuk Analisis Kredit

Berdasarkan data Otoritas Jasa Keuangan (OJK) per akhir 2024, outstanding pembiayaan atau pinjaman berjalan di sektor fintech peer-to-peer (P2P) lending tercatat menembus sekitar Rp 70 triliun, mengalami kenaikan belasan persen secara year-on-year. Di tengah tren ekspansi tersebut, regulator membuka ruang baru: perusahaan pinjaman daring dipersilakan memanfaatkan teknologi kecerdasan buatan (artificial intelligence/AI) untuk mempertajam analisis kredit mereka.

Sinyal kebijakan ini menegaskan bahwa OJK tidak anti-inovasi, sepanjang penerapannya tetap berada dalam koridor prinsip kehati-hatian (prudential) dan perlindungan konsumen. Bagi industri, arahan tersebut penting karena analisis kredit merupakan jantung bisnis pinjaman daring—menentukan siapa yang layak dibiayai, berapa plafon yang diberikan, serta berapa tingkat bunga yang dikenakan.

Di Satu Sisi: Efisiensi dan Perluasan Inklusi Keuangan

Dari sisi peluang, penggunaan AI dalam penilaian kelayakan kredit (credit scoring) menawarkan lompatan efisiensi yang signifikan. Proses analisis yang sebelumnya memakan waktu berjam-jam hingga berhari-hari berpotensi dipangkas menjadi hitungan menit, sekaligus menekan biaya operasional per aplikasi pinjaman. Bagi fintech lending yang melayani segmen mikro dan kecil, efisiensi semacam ini bukan sekadar penghematan, melainkan penentu kelangsungan model bisnis.

AI juga memungkinkan pengolahan data alternatif—seperti pola transaksi digital, riwayat pembayaran tagihan, hingga jejak aktivitas usaha daring—yang selama ini tidak tertangkap oleh skor kredit konvensional. Ini relevan bagi Indonesia, di mana jutaan pelaku usaha mikro, kecil, dan menengah (UMKM) belum memiliki riwayat kredit formal. Dengan model berbasis machine learning, segmen unbanked dan underbanked berpotensi memperoleh akses pembiayaan yang lebih adil, sehingga inklusi keuangan bisa terdongkrak lebih cepat.

"Kecerdasan buatan dalam penilaian kredit ibarat pisau bermata dua: sangat tajam untuk memotong inefisiensi, tetapi menuntut tata kelola yang sama tajamnya agar tidak melukai konsumen," ujar seorang pengamat perbankan digital di Jakarta.

Di Sisi Lain: Risiko Bias Algoritma dan Tata Kelola Data

Namun, di sisi lain, ketergantungan pada AI menyimpan risiko yang tidak bisa dianggap remeh. Model machine learning hanya sebaik data yang melatihnya. Jika data historis mengandung bias—misalnya terhadap gender, domisili, atau jenis pekerjaan tertentu—maka keputusan kredit otomatis berisiko mendiskriminasi kelompok masyarakat tertentu secara sistematis dan sulit dideteksi.

Risiko kedua adalah perlindungan data pribadi. Analisis berbasis AI umumnya membutuhkan volume data yang besar, sehingga kepatuhan terhadap Undang-Undang Perlindungan Data Pribadi (UU PDP) menjadi prasyarat mutlak. Kebocoran atau penyalahgunaan data tidak hanya berdampak hukum, tetapi juga menggerus kepercayaan publik—fundamental utama industri jasa keuangan.

Ada pula risiko model yang tidak transparan (black box). Ketika pinjaman ditolak, konsumen dan regulator perlu bisa memahami alasannya. Tanpa keterjelasan model (explainability), pengawasan menjadi sulit dan sengketa berpotensi meningkat. Kualitas kredit industri sendiri masih menjadi pekerjaan rumah: rasio pinjaman bermasalah di atas 90 hari (TWP90) masih berfluktuasi di kisaran 2–3 persen, sehingga model AI yang keliru justru bisa memperbesar risiko gagal bayar dalam portofolio pembiayaan.

Implikasi bagi Industri, Investor, dan Nasabah

Bagi industri, lampu hijau regulasi ini berpotensi mempercepat konsolidasi. Perusahaan dengan fundamental teknologi dan tata kelola data yang kuat akan lebih diuntungkan, sementara pemain kecil bisa tertinggal karena investasi AI membutuhkan modal yang tidak sedikit. Dari sisi sentimen pasar, kejelasan regulasi umumnya direspons positif oleh investor karena mengurangi ketidakpastian hukum (regulatory uncertainty), yang pada gilirannya dapat memengaruhi valuasi dan likuiditas pendanaan bagi penyelenggara.

Bagi nasabah, manfaatnya bisa berupa persetujuan yang lebih cepat dan bunga yang lebih kompetitif apabila risiko benar-benar terukur lebih akurat. Namun konsumen juga perlu sadar bahwa data mereka menjadi bahan baku model, sehingga transparansi penggunaan data adalah hak yang layak ditagih.

Proyeksi ke Depan

Ke depan, arah kebijakan kemungkinan mengikuti pola dua jalur: mendorong inovasi sekaligus memperketat tata kelola. OJK berpotensi menerbitkan panduan teknis mengenai audit model, uji bias, dan standar keamanan data bagi fintech lending yang mengadopsi AI. Jika tata kelola berjalan baik, proyeksi pertumbuhan outstanding pembiayaan fintech lending bisa berlanjut pada kisaran dua digit per tahun dengan kualitas aset yang terjaga. Sebaliknya, jika implementasi serampangan, risiko kredit macet dan pelanggaran data dapat memicu capital outflow kepercayaan dari sektor ini.

Pada akhirnya, AI dalam analisis kredit bukanlah jaminan otomatis kinerja yang lebih baik. Ia adalah instrumen—hasilnya ditentukan oleh kualitas data, integritas tata kelola, dan konsistensi pengawasan. Bagi pembaca dan pelaku pasar, memantau indikator seperti TWP90, pertumbuhan outstanding, serta kebijakan turunan OJK akan menjadi kompas yang lebih andal ketimbang sekadar mengikuti euforia teknologi.