BI Beberkan Strategi AI, Trusted Data Jadi Kunci Utama

Kecerdasan artifisial (Artificial Intelligence/AI) semakin menjadi bagian penting dalam transformasi sektor jasa keuangan. Namun, di balik pesatnya perkembangan teknologi tersebut, terdapat satu hal yang tidak boleh diabaikan, yakni kualitas data. Tanpa data yang terstandarisasi, memiliki konteks yang jelas, dan dikelola dengan baik, AI justru berpotensi menghasilkan keputusan yang keliru.

Pandangan itu disampaikan Muhammad Zikri, Direktur Departemen Inovasi dan Digitalisasi Data Bank Indonesia (BI), dalam forum Data & AI in Finance: Shaping the Future of Financial Services. Menurutnya, keberhasilan penerapan AI tidak hanya ditentukan oleh kecanggihan model atau algoritma, melainkan oleh kesiapan data yang menjadi fondasi utama teknologi tersebut.

"Semakin berkembang teknologi, semakin canggih pemanfaatan data, semakin besar dampak dari kesalahan data," kata Muhammad Zikri saat memaparkan arah transformasi data dan AI di lingkungan Bank Indonesia.

Menurut Zikri, transformasi digital di sektor jasa keuangan juga harus berjalan seiring dengan penguatan keamanan siber, perlindungan privasi, manajemen risiko, hingga kepatuhan terhadap regulasi yang terus berkembang. Dalam konteks tersebut, data dan AI menjadi dua elemen yang tidak dapat dipisahkan.

Dari Digitalisasi Dokumen hingga Era AI

Muhammad Zikri menjelaskan bahwa perjalanan pengelolaan data telah mengalami perubahan yang sangat signifikan selama lebih dari dua dekade.

Pada awal tahun 2000, organisasi masih berfokus pada digitalisasi dokumen. Tantangan terbesar saat itu adalah bagaimana mengubah proses manual menjadi digital agar dokumen tidak lagi bergantung pada arsip fisik.

"Masalah yang banyak muncul saat itu adalah dokumen hilang, sulit ditelusuri, hingga kurang akuntabel karena masih bergantung pada penyimpanan fisik," jelasnya.

Memasuki tahun 2008, perkembangan internet melahirkan era data warehouse. Organisasi mulai mengintegrasikan berbagai sumber data dan mengadopsi praktik manajemen data berdasarkan kerangka DAMA Data Management Body of Knowledge (DMBOK). Namun, tantangan baru bermunculan, seperti silo data, duplikasi informasi, serta inkonsistensi data antarsistem.

Kini, memasuki era AI pada 2025, kompleksitas tersebut meningkat berkali-kali lipat. Organisasi harus menghadapi ledakan big data, cloud computing, pola kerja jarak jauh, hingga penggunaan AI generatif yang berkembang sangat cepat.

"Risiko yang dihadapi sekarang bukan hanya kebocoran data atau persoalan privasi, tetapi juga bias AI, misinformation, hingga AI hallucination," ujar Zikri.

Karena itu, menurutnya, fokus pengelolaan data tidak lagi berhenti pada integrasi, melainkan memastikan data terlindungi, memiliki tata kelola yang baik, dan siap dimanfaatkan AI.

Data Governance Harus Berorientasi pada Nilai

Dalam paparannya, Muhammad Zikri menegaskan bahwa konsep data governance sering kali dipahami secara sempit sebagai aktivitas mengelola data. Padahal, menurut dia, tujuan utamanya adalah memastikan data mampu menciptakan nilai bagi organisasi.

"Data governance bukan sekadar mengelola data, tetapi harus memastikan adanya nilai tambah dari pemanfaatan data," ujarnya.

Karena itu, Bank Indonesia mengembangkan pendekatan Decision-Led Intelligence, yakni strategi yang menjadikan kebutuhan bisnis dan pengambilan keputusan sebagai titik awal dalam membangun sistem data dan AI.

Pendekatan tersebut kemudian diperkuat melalui Integrated Data Insight, yaitu integrasi berbagai sumber data agar menghasilkan informasi yang lebih cepat, lebih luas, dan lebih mendalam untuk mendukung proses perumusan kebijakan.

Sementara itu, konsep Ready-to-Use Data memastikan setiap data memiliki kualitas yang baik, aman, terdokumentasi dengan benar, serta dapat digunakan kembali untuk berbagai kebutuhan analisis maupun pengembangan AI.

"Seluruh proses pengelolaan data harus selalu diarahkan untuk menjawab kebutuhan organisasi, bukan sekadar menghasilkan data yang banyak," kata Zikri.

Metadata Jadi "Bahasa" yang Dipahami AI

Salah satu bagian yang paling mendapat perhatian dalam presentasi tersebut adalah pentingnya metadata. Muhammad Zikri menjelaskan bahwa metadata merupakan identitas yang menjelaskan suatu data sehingga AI dapat memahami arti, konteks, serta hubungan antar informasi. 

Menurutnya, metadata memiliki tiga fungsi utama. Pertama, metadata membangun fondasi agar data siap diproses AI. Tanpa standarisasi metadata, data dari berbagai sistem akan sulit diintegrasikan.

"Kalau datanya tidak terstandarisasi, AI hanya menerima potongan-potongan informasi. Berlaku prinsip garbage in, garbage out. Input yang buruk akan menghasilkan output yang buruk," ujarnya.

Kedua, metadata memberikan konteks. Ia menjelaskan bahwa AI saat ini memiliki kelemahan berupa kecenderungan menghasilkan jawaban yang terdengar sangat meyakinkan meskipun belum tentu benar. Karena itu, data harus dilengkapi informasi mengenai siapa, apa, kapan, di mana, mengapa, dan bagaimana (5W1H) sehingga AI memahami makna sebenarnya.

"Semakin jelas metadata, semakin kecil AI berhalusinasi," kata Muhammad Zikri.

Ketiga, metadata membuka pengetahuan baru. Bank Indonesia memiliki jutaan dokumen, laporan, publikasi, gambar, hingga video yang tersimpan dalam berbagai sistem. AI mampu menemukan pola tersembunyi dari seluruh data tersebut, tetapi hanya jika AI memahami konteks informasi yang sedang diproses.

"Metadata mengubah data menjadi pengetahuan," ujarnya.

AI Makin Banyak Digunakan Bank Sentral

Muhammad Zikri juga memaparkan bahwa pemanfaatan AI di bank sentral dunia meningkat sangat cepat. Berdasarkan survei Bank for International Settlements (BIS), sebanyak 95 persen bank sentral responden telah menggunakan AI dalam berbagai aktivitas. Pemanfaatannya mencakup penelitian ekonomi, statistik, keamanan siber, stabilitas sistem keuangan, hingga kebijakan moneter.

Sementara itu, survei SEACEN 2025 menunjukkan sekitar 89 persen bank sentral anggota juga telah mengimplementasikan AI, terutama pada kegiatan forecasting, pengawasan regulasi, penilaian risiko, sistem pembayaran, serta layanan kepada pemangku kepentingan.

"Proses pencarian informasi dan penyusunan laporan yang sebelumnya membutuhkan waktu sekitar tiga hari kini dapat diselesaikan hanya dalam waktu sekitar 30 menit," katanya.

AI juga mulai dimanfaatkan untuk memberikan sinyal dini terhadap potensi risiko perbankan sebelum terjadi gagal bayar, sekaligus mengevaluasi persepsi investor terhadap kebijakan secara real time.

Belajar dari Korea, Eropa, hingga Singapura

Dalam kesempatan tersebut, Muhammad Zikri juga memperlihatkan bagaimana berbagai bank sentral di dunia telah mengembangkan AI sesuai kebutuhan masing-masing. Bank of Korea mengembangkan BOKI-BIDAS.AI untuk membantu analisis ekonomi secara otomatis.

European Central Bank menghadirkan Project Athena, platform AI generatif yang mampu menelusuri jutaan dokumen pengawasan di kawasan Eropa hanya dalam hitungan detik.

Sementara Monetary Authority of Singapore (MAS) menggunakan AI untuk memprediksi rekening yang berpotensi digunakan dalam aktivitas penipuan melalui AI Scam Center yang menghubungkan regulator dengan industri perbankan.

"Contoh-contoh tersebut menunjukkan bahwa AI bukan sekadar teknologi pendukung, tetapi telah menjadi bagian dari proses pengambilan kebijakan di berbagai bank sentral," ujar Zikri.

Perjalanan AI Bank Indonesia

Bank Indonesia sendiri memulai perjalanan transformasi AI sejak 2015 melalui tiga proyek percontohan, yaitu personal workstation, big data analytics, dan text mining. Delapan tahun kemudian, inisiatif tersebut berkembang pesat.

Pada 2023, unit pengelola data telah berkembang menjadi sebuah departemen yang mengembangkan lebih dari 50 use case AI di berbagai bidang, mulai dari perumusan kebijakan, pengawasan, sistem pembayaran, hingga analisis ekonomi.

Ke depan, BI menargetkan menjadi "the foremost digital central bank" melalui pengembangan Generative AI, Responsible AI, Knowledge Graph, Cloud AI Services, Computer Vision, serta AI Agents.

Seluruh pengembangan tersebut akan diorkestrasi melalui Rencana Induk Kecerdasan Artifisial Bank Indonesia (RIKABI) yang menjadi arah strategis pemanfaatan AI di lingkungan Bank Indonesia.

Menutup paparannya, Muhammad Zikri menegaskan bahwa AI yang berkualitas hanya dapat dibangun di atas data yang terpercaya.

"Trusted data menjadi fondasi AI yang andal. AI hanya akan menghasilkan keputusan yang berkualitas apabila didukung oleh data yang terstandarisasi, berkualitas, aman, dan memiliki konteks yang jelas," ujarnya.

Ia juga mengingatkan bahwa transformasi data bukan semata-mata proyek teknologi. Lebih dari itu, transformasi harus mampu menciptakan nilai nyata melalui peningkatan kualitas keputusan, efisiensi organisasi, serta pelayanan yang lebih baik kepada masyarakat.

"Data saat ini posisinya bukan hanya sebagai produk suatu sistem informasi, tetapi telah menjadi suatu kapital dan faktor produksi dari suatu organisasi. Karena itu, investasi terhadap data yang terpercaya menjadi investasi terhadap masa depan organisasi itu sendiri," tutup Muhammad Zikri.