Dari Manual ke Prediktif: Transformasi Pengawasan BMPK Berbasis AI

Ilustrasi: Kecerdasan buatan telah banyak digunakan dalam bisnis dan keuangan. Konsep tangan robot. Karya: in-future/iStock

Batas Maksimum Pemberian Kredit (BMPK) adalah salah satu instrumen kehati-hatian paling mendasar dalam perbankan—aturan yang membatasi seberapa besar bank boleh menyalurkan kredit kepada satu peminjam atau kelompok peminjam tertentu, demi mencegah konsentrasi risiko yang berlebihan. Namun catatan Badan Pemeriksa Keuangan (BPK) mengungkap fakta yang mengkhawatirkan: sistem pengawasan manual yang selama ini diandalkan regulator ternyata punya celah signifikan dalam mendeteksi pelanggaran BMPK sebelum terlambat.

Ketika Pengawasan Manual Gagal Mendeteksi Tepat Waktu

BPK menemukan bahwa pengawas OJK tidak sepenuhnya melakukan pengawasan sesuai ketentuan terhadap sejumlah bank, termasuk terkait penggunaan fasilitas kredit modal kerja debitur inti di Bank Tabungan Negara (BTN) kelalaian yang mengakibatkan penyimpangan ketentuan pemberian kredit di bank tersebut tidak dapat terdeteksi tepat waktu oleh OJK. Kasus serupa juga mengemuka pada penyelesaian pelanggaran BMPK di Bank Yudha Bhakti yang tidak sesuai komitmen bank berdasarkan hasil pemeriksaan OJK, serta indikasi pelanggaran BMPK pada Bank Mayapada yang bahkan belum bisa dipastikan keterjadiannya.

Temuan ini menyingkap kelemahan struktural sistem pengawasan berbasis manual: proses deteksi yang bergantung pada pemeriksaan periodik dan analisis manual auditor cenderung reaktif, bukan proaktif pelanggaran baru terungkap setelah pemeriksaan dilakukan, bukan saat pelanggaran itu sedang terjadi. Jeda waktu inilah yang membuka celah bagi risiko kredit terkonsentrasi terus membesar tanpa terdeteksi.

Pergeseran ke Arah Pengawasan Prediktif

Momentum pergeseran menuju pengawasan berbasis teknologi kini mulai terlihat, meski belum secara spesifik menyasar BMPK. Kepala Eksekutif Pengawas Lembaga Pembiayaan OJK, Agusman, menegaskan bahwa AI dapat mendukung operasional lembaga jasa keuangan dalam proses credit scoring, deteksi fraud, dan monitoring portofolio asalkan penggunaannya tetap transparan dan dapat dipertanggungjawabkan. Dorongan ini menandakan pergeseran filosofi pengawasan: dari sekadar memeriksa kepatuhan secara berkala, menuju pemantauan berkelanjutan yang bisa mendeteksi anomali secara lebih dini.

Secara teknis, sistem AI berbasis machine learning dan analisis prediktif memungkinkan deteksi pola transaksi mencurigakan secara real-time kemampuan yang secara struktural jauh lebih unggul dibanding pemeriksaan periodik untuk kasus seperti BMPK, di mana konsentrasi kredit pada pihak tertentu perlu dipantau secara konsisten dari waktu ke waktu, bukan hanya dicek sesekali saat jadwal pemeriksaan tiba.

Namun, OJK Tetap Berhati-hati

Meski mendorong adopsi AI, OJK secara eksplisit mengingatkan agar lembaga keuangan tidak sepenuhnya bergantung pada credit scoring berbasis AI. Direktur Analisis Informasi dan Manajemen Krisis Perbankan OJK, Bayu Husodo, menegaskan pengawasan terhadap model perhitungan AI menjadi bagian penting menjaga kualitas hasil penilaian keputusan pemberian kredit tetap perlu mempertimbangkan informasi dan kebijakan masing-masing lembaga keuangan, bukan sepenuhnya diserahkan pada output algoritma.

Kehati-hatian ini relevan mengingat kompleksitas perhitungan BMPK itu sendiri yang melibatkan identifikasi hubungan kepemilikan, hubungan pengendalian, dan keterkaitan keuangan antarentitas untuk memastikan eksposur kredit tidak salah dicatat sebagai kredit pihak tidak terkait. Kesalahan dalam pemetaan hubungan kompleks semacam ini, jika sepenuhnya diserahkan pada sistem otomatis tanpa verifikasi manusia, berpotensi menciptakan blind spot baru yang sama berbahayanya dengan celah pengawasan manual yang ingin diperbaiki.

Masalah yang Belum Terpecahkan

Berdasarkan tinjauan di atas, ada beberapa celah yang masih perlu dikaji lebih jauh:

1. Belum ada kerangka regulasi spesifik yang mewajibkan penerapan sistem pengawasan berbasis AI untuk pemantauan BMPK secara khusus, mengingat dorongan AI yang ada saat ini lebih banyak menyasar credit scoring dan fraud detection secara umum

2. Minim studi yang mengukur seberapa efektif sistem AI dalam mengidentifikasi hubungan kepemilikan dan pengendalian kompleks antarentitas yang menjadi inti perhitungan pelanggaran BMPK, dibanding sekadar mendeteksi pola transaksi mencurigakan yang lebih sederhana

3. Belum jelas bagaimana OJK akan menyeimbangkan kecepatan deteksi berbasis AI dengan kebutuhan verifikasi manusia yang tetap ditekankan regulator, mengingat kasus-kasus BMPK yang terungkap BPK menunjukkan kompleksitas yang membutuhkan pertimbangan konteks, bukan sekadar analisis data mentah

Penutup

Transformasi pengawasan BMPK dari manual ke prediktif menjanjikan perbaikan signifikan atas kelemahan yang selama ini terungkap lewat temuan BPK dari deteksi yang reaktif dan berjeda waktu, menuju pemantauan berkelanjutan yang bisa menangkap anomali lebih dini. Namun transformasi ini perlu dijalankan dengan kehati-hatian yang sama besarnya dengan potensi manfaatnya, mengingat kompleksitas perhitungan BMPK yang melibatkan pemetaan hubungan antarentitas yang rumit area yang masih membutuhkan keseimbangan antara kecepatan algoritma dan kejelian pertimbangan manusia.