Bank di Indonesia Siapkan AI Tempur untuk Hentikan Penjahat Siber: Ini Cara Mereka Lindungi Uang Anda

Transformasi digital di sektor perbankan Indonesia kini memasuki babak baru: kecerdasan buatan (AI) bukan lagi sekadar alat inovasi produk, tetapi juga garis depan perang melawan kejahatan siber yang semakin canggih. Ancaman seperti ransomware, advanced persistent threats (APT), deepfake, dan phishing generatif menuntut arsitektur keamanan baru yang mengintegrasikan AI secara native — bukan sekadar sebagai lapisan tambahan. Pernyataan ini diungkapkan oleh Armand Hermawan, Direktur Utama dan Kepala Eksekutif Lintasarta, dalam forum diskusi di Jakarta pada 13 Mei 2026.

AI: solusi sekaligus sumber risiko

AI mempercepat pengembangan layanan keuangan—mulai dari bot layanan nasabah, scoring kredit real-time, hingga otomatisasi back‑office—namun kemampuan yang sama memungkinkan pelaku kejahatan menskalakan serangan dengan tingkat kecanggihan lebih tinggi. Deepfake dapat meniru suara dan wajah nasabah untuk melakukan penarikan, sedangkan phishing generatif menciptakan pesan personalisasi massal yang sulit dibedakan dari komunikasi resmi. Oleh karena itu, keamanan siber harus dirancang sebagai fondasi ekosistem digital perbankan, bukan sekadar pelengkap.

Lintasarta dan kerangka layanan 4C

Lintasarta memposisikan diri sebagai enabler transformasi digital dengan kerangka layanan terintegrasi yang disebut 4C: Connectivity, Cloud, Cybersecurity, dan Collaboration. Pendekatan ini bertujuan memastikan setiap inisiatif berbasis AI berjalan di atas infrastruktur yang aman dan skalabel. Secara praktis, itu berarti:

  • Konektivitas dengan jalur komunikasi tersegmentasi dan ter‑encrypted untuk mencegah interception;
  • Cloud dengan kontrol akses ketat, enkripsi data at‑rest dan in‑transit, serta orchestration yang mendukung beban kerja AI;
  • Cybersecurity yang memanfaatkan AI untuk deteksi anomali, threat hunting otomatis, dan respons insiden cepat;
  • Collaboration antara bank, penyedia layanan, regulator, dan komunitas keamanan untuk berbagi threat intelligence secara proaktif.
  • Deteksi ancaman yang lebih cepat berkat AI

    Model AI yang dilatih pada pola serangan dapat mengenali anomali dalam trafik, perilaku transaksi, atau akses user jauh lebih cepat dibandingkan sistem rule‑based tradisional. Misalnya, sistem bisa mendeteksi skenario credential stuffing berdasarkan ribuan percobaan login yang menunjukkan pola bot, atau mengidentifikasi skema manipulasi internal sebelum kerugian besar terjadi. Namun efektivitas ini bergantung pada kualitas data, pipeline pelatihan model, dan governance yang ketat untuk mencegah bias atau false positive berlebihan.

    Peran kolaborasi industri

    Wakil Ketua Umum Perbanas, Hendra Lembong, menekankan bahwa ketahanan siber nasional memerlukan kolaborasi lintas pemangku kepentingan. Kepercayaan nasabah adalah aset utama perbankan; bila diretas, reputasi dan likuiditas bisa hancur dalam hitungan jam. Pertukaran threat intelligence, standar sertifikasi keamanan untuk layanan cloud perbankan, serta latihan gabungan (cyber drills) adalah contoh praktik kolaboratif yang perlu diperkuat.

    Tantangan implementasi

    Pemanfaatan AI untuk keamanan bukan tanpa hambatan. Beberapa tantangan kunci yang harus diatasi antara lain:

  • Kekurangan talenta spesialis AI‑security yang memahami domain finansial dan teknik serangan siber mutakhir;
  • Kebutuhan infrastruktur data yang andal dan terintegrasi — banyak bank masih bekerja dengan silo data yang menyulitkan pelatihan model AI skala enterprise;
  • Regulasi yang harus seimbang: mendorong inovasi sekaligus menjamin perlindungan data nasabah dan auditabilitas model AI;
  • Risiko privasi dan etika, terutama ketika AI digunakan untuk profil risiko dan screening yang dapat memengaruhi akses layanan finansial.
  • Strategi adaptif bagi bank

    Untuk memanfaatkan AI secara aman, bank perlu menempuh strategi berlapis:

  • Membangun data lake terstandarisasi dan governance data yang memungkinkan model AI dilatih dengan dataset representatif tanpa melanggar privasi;
  • Mengadopsi model AI hibrid: kombinasi rule‑based dan machine learning untuk menjaga explainability sambil meningkatkan deteksi;
  • Menerapkan continuous monitoring dan model retraining untuk menanggapi evolusi taktik penyerang;
  • Investasi pada talenta dan pelatihan internal, serta kolaborasi dengan penyedia teknologi dan akademia untuk membangun kapabilitas R&D.
  • Peran regulator dan ekosistem

    Regulator perbankan dan keamanan siber perlu menyediakan kerangka kerja yang jelas untuk penggunaan AI — termasuk standard audit, persyaratan robust testing, dan mekanisme transparansi untuk model yang memengaruhi keputusan finansial nasabah. Selain itu, insentif untuk berbagi threat intelligence antarbank dan public‑private partnerships akan memperkuat ketahanan nasional terhadap serangan berskala besar.

    Implikasi bagi nasabah

    Bagi pengguna layanan perbankan, integrasi AI dalam keamanan berarti perlindungan yang lebih proaktif: deteksi penipuan lebih cepat, otentikasi adaptif yang menurunkan gesekan pengalaman pengguna, dan pemulihan insiden yang lebih terkoordinasi. Namun, nasabah juga harus tetap waspada: praktik keamanan dasar seperti verifikasi dua faktor, mengecek alamat URL, dan tidak membagikan OTP tetap relevan di era AI.

    Kesimpulan sementara perkembangan

    Transformasi digital sektor perbankan Indonesia memang membuka peluang besar untuk inklusi dan efisiensi, tetapi juga memperbesar permukaan serangan. Penerapan AI sebagai alat pertahanan menawarkan keunggulan signifikan, asalkan disertai infrastruktur, tata kelola, sumber daya manusia, dan kerjasama lintas industri yang memadai. Dalam konteks ini, peran perusahaan seperti Lintasarta sebagai enabler 4C menjadi krusial untuk membangun fondasi keamanan yang kokoh bagi bank yang ingin berinovasi tanpa mengorbankan kepercayaan nasabah.