Cara AI memodernisasi kredit bersama sistem perbankan lama tanpa menggantinya

Setiap intervensi pada sistem inti bank membuat tim rekayasa cemas. Solusi lama bersifat kaku, sehingga satu perubahan saja dapat memerlukan waktu sebulan untuk melewati seluruh proses. Kredit, yang menjadi salah satu sumber pendapatan utama bank, paling merasakan masalah ini.

Siapa pun yang pernah merilis pembaruan pada sistem inti bank mengetahui polanya: produk baru memerlukan tingkat persetujuan baru, daftar dokumen yang diperbarui, aturan penilaian yang disesuaikan, dan alur pelaporan yang diperbarui, dengan setiap unsur menyentuh kode yang telah berjalan selama puluhan tahun.

Akibatnya, produk dan pembaruan baru ditunda meskipun semua pihak sepakat bahwa keduanya diperlukan: risiko kesalahan selalu dianggap lebih besar daripada risiko menunggu. Atau lebih tepatnya, dahulu demikian. Kini, tertinggal dari perubahan teknologi telah menjadi risiko yang jauh lebih besar.

Namun, bayangkan platform kredit terpisah yang dikonfigurasi oleh AI dan diterapkan berdampingan dengan sistem inti. Alur kredit baru berjalan secara mandiri dan terhubung ke sistem inti melalui integrasi. Dengan cara ini, perubahan pada infrastruktur kredit menjadi rangkaian rilis kecil yang telah diuji, dan kesalahan muncul dalam pengujian sebelum mencapai peminjam yang sebenarnya. Mungkinkah pendekatan ini mengurangi beban tim rekayasa?

Permintaan tumbuh lebih cepat daripada kemampuan sistem lama untuk berubah

Pasar perangkat lunak originasi pinjaman diperkirakan tumbuh dengan tingkat tahunan majemuk sebesar 11,8% hingga 2030, menurut The Business Research Company. Sebagai perbandingan, lajunya hampir sama dengan pasar perangkat lunak perusahaan yang lebih luas, berdasarkan proyeksi Technavio. Hal itu patut diperhatikan karena kredit biasanya merupakan bagian dari tumpukan teknologi bank yang paling enggan berubah.

Salah satu pendorong pertumbuhan ini adalah kekakuan sistem inti lama, yang memperlambat perubahan pada kredit. Bank dan fintech semakin banyak membeli perangkat yang memungkinkan mereka meluncurkan produk kredit di sekitar sistem inti tanpa menunggu berbulan-bulan untuk persetujuan pembaruan kecil.

Tim rekayasa mengetahui bahwa satu kesalahan saja dapat menimbulkan biaya besar. Pada April 2018, TSB Bank memigrasikan data pelanggannya ke platform baru yang gagal begitu mulai beroperasi. Sebagian besar pelanggannya kehilangan akses ke layanan perbankan dan bank tersebut mengalami kerugian besar. Banyak tim rekayasa masih mengangkat kasus itu setiap kali merencanakan rilis sistem inti.

Selain itu, dalam kredit, kesalahan berdampak langsung pada neraca. Ambang persetujuan yang salah konfigurasi dapat menyetujui pinjaman yang seharusnya ditolak atau menolak peminjam yang memenuhi syarat. Kedua kesalahan itu akan terlihat sebagai kerugian atau pendapatan yang hilang dalam beberapa minggu.

Bagaimana AI memberi daya ungkit dalam kredit

Bank biasanya mulai menambahkan AI melalui integrasi yang paling dikenal dan tampak aman: chatbot dan asisten layanan pada antarmuka pelanggan. Pemberi pinjaman yang menambahkan chatbot juga mengambil risiko yang kurang terlihat. Model generatif terkadang memberikan jawaban yang salah dengan penuh keyakinan. Dalam AI Impact Survey 2026 dari Grant Thornton, hanya 18% eksekutif perbankan yang mengatakan bahwa mereka sepenuhnya yakin terhadap pengendalian AI mereka.

Daya ungkit AI dalam kredit berasal dari kecepatan pemberi pinjaman mengubah segala hal yang mengelilingi keputusan kredit. Keputusan itu sendiri tetap berada di tangan model penilaian yang disetujui dan komite kredit.

Kecepatan selalu memiliki nilai komersial. Mengubah infrastruktur kredit pada sistem inti lama memerlukan 12 hingga 18 bulan pekerjaan rekayasa, dan peluncuran baru terhenti selama seluruh periode itu. Penggantian sistem inti secara menyeluruh membutuhkan tiga hingga lima tahun. Sementara itu, peminjam mengajukan permohonan di tempat lain.

Laporan 2026 Report on Employer Firms dari Federal Reserve menemukan bahwa porsi pemohon kredit usaha kecil AS yang mencari pembiayaan dari pemberi pinjaman fintech daring naik dari 17% pada 2020 menjadi 29% pada 2025, dan banyak perusahaan menyebut keputusan yang lebih cepat sebagai alasannya.

AI berawal dari kebutuhan bisnis

Alih-alih menjalankan analitik atau mengambil bagian dalam keputusan kredit, AI dapat memberikan nilai besar dalam pekerjaan konfigurasi yang membantu peluncuran dan pembaruan produk kredit. Masukannya berupa kebutuhan bisnis yang ditulis oleh pemilik produk. Tim kredit menjelaskan hal yang diinginkan: siapa yang boleh mengajukan permohonan, dokumen apa yang diperlukan, tingkat persetujuan, data apa yang masuk ke dalam skor, apa yang dilaporkan, dan kapan.

AI mengubah setiap poin menjadi konfigurasi platform: kriteria kelayakan, daftar dokumen, alur persetujuan beserta tingkatannya, koneksi ke sumber data di balik skor, dan jadwal pelaporan. Pada sistem inti lama, insinyur membangun setiap unsur secara manual dan setiap perubahan melewati siklus rilis penuh. Dengan AI, produk dibangun fitur demi fitur di atas fondasi bersama. Tim rekayasa dan kepatuhan meninjau dan menguji setiap perubahan sebelum mulai beroperasi, dan persetujuan akhir tetap berada pada mereka.

Kebutuhan tersebut dapat sepenuhnya terpisah dari sistem inti yang ada. AI tidak perlu membaca atau menafsirkan logika sistem inti, sehingga pemberi pinjaman dapat menentukan produk yang tidak pernah dirancang untuk didukung oleh sistem saat ini. Kode dua dekade yang tidak terdokumentasi tetap tidak tersentuh.

Alur kredit baru berjalan pada platform terpisah yang diterapkan berdampingan dengan sistem inti. Keduanya terhubung melalui integrasi, sementara sistem inti mempertahankan catatan dan fungsi yang sudah ada. Tidak ada kodenya yang perlu ditulis ulang sebelum produk baru dapat diluncurkan.

Membangun dengan data yang tersedia saat ini

Namun, banyak proyek AI perbankan terhenti karena data. Sebenarnya tidak ada kebutuhan mutlak akan basis data yang sangat besar: hal itu baik untuk dimiliki, tetapi bukan suatu keharusan. AI menyusun aturan penjaminan kredit dan kebutuhan data berdasarkan sumber yang tersedia, lalu tim risiko menyetujuinya sebelum apa pun dijalankan. Ketika suatu sumber tidak tersedia, AI menentukan cara mengumpulkannya: penerimaan data peminjam, penerimaan data penjamin, dokumen wajib dan yang dapat diunggah, serta sumber data eksternal.

Proses “pembangunan data” ini membantu bank dan fintech memperluas inventaris data nyata mereka, termasuk kesenjangannya, dan asumsi vendor mengenai data yang semestinya telah dikumpulkan tidak lagi mengarahkan proyek.

Kesiapan data tidak lagi menjadi prasyarat peluncuran produk kredit dan beralih menjadi bagian dari langkah konfigurasi yang sama.

Perubahan produk dibandingkan perubahan sistem inti

Bagi kebanyakan pemberi pinjaman, pertanyaan praktisnya adalah apakah produk kredit baru dapat diluncurkan dan produk lama dapat disesuaikan ketika migrasi sistem inti selama beberapa tahun masih berlangsung. Platform kredit terpisah yang dikonfigurasi dengan AI berdasarkan kebutuhan bisnis menjawab pertanyaan itu. Pemberi pinjaman dapat meluncurkan dan menyesuaikan produk kredit setiap kuartal sementara program sistem inti mengikuti jadwalnya sendiri. Pemisahan inilah yang menunjukkan nilai AI dalam kredit saat ini.