Risiko dan Peluang Agentic AI bagi Sektor Keuangan Indonesia

Krisis 1998 dan taper tantrum 2013 memiliki satu kesamaan struktural. Kecepatan aliran modal pada kedua peristiwa itu masih ditentukan oleh kecepatan pengambilan keputusan manusia. Trader menelepon, komite investasi rapat, kepala dana pensiun menimbang. Ada jeda, betapapun singkatnya, antara sinyal dan eksekusi. Jeda itulah yang kini menyusut hingga hampir mendekati nol seiring implementasi agentic AI di berbagai institusi keuangan global.

Yang dulu sangat elastis terhadap keputusan manusia, kini menjadi keputusan yang dibuat dan dieksekusi oleh sistem itu sendiri. Agen-agen otonom mengirim instruksi langsung ke bursa dan kliring dalam hitungan milidetik. Perbedaannya bukan sekadar kecepatan, melainkan hilangnya lapisan emosional dari pertimbangan manusia yang selama ini menjadi peredam alami volatilitas.

Namun, agentic AI juga membawa manfaat besar. Ia mampu memproses data dalam volume dan kecepatan yang tak terjangkau manusia, mendeteksi anomali pasar lebih awal, mengoptimalkan alokasi portofolio secara dinamis, dan meningkatkan akurasi penilaian kredit. Dalam konteks stabilitas keuangan, AI justru dapat menjadi early warning system yang lebih andal, asalkan dikelola dengan kerangka tata kelola yang memadai.

Dari Otomasi Aturan ke Otonomi Keputusan

Perdagangan algoritmik berbasis aturan sudah berjalan lebih dari dua dekade. Selama ini, algoritma hanya menjalankan instruksi yang telah ditetapkan. Yang membedakan agentic AI adalah kapasitasnya untuk merencanakan, menalar, dan bertindak menuju tujuan kompleks tanpa instruksi eksplisit di setiap langkah. Ia bukan lagi sekadar alat pendukung keputusan, melainkan entitas pengambil keputusan mandiri. Ini adalah lompatan kualitatif yang mengubah cara kita memahami agensi dalam sistem keuangan.

Perbedaan ini bukan sekadar soal tingkat kerumitan. Sistem agentic AI memiliki karakteristik yang secara fundamental berbeda dari sistem otomatis biasa. Ia tidak sekadar rumit, tetapi kompleks secara adaptif. Perilakunya muncul dari interaksi antar-komponennya sendiri, bukan semata-mata dari desain awal. Ia belajar dari pengalaman, menyesuaikan diri dengan lingkungan, dan dapat mengembangkan perilaku yang tidak pernah diprogram. 

Dalam simulasi, agen trading berbasis pembelajaran mesin diketahui dapat menemukan sendiri cara memanipulasi harga. Fenomena serupa teramati dalam kasus kolusi harga dan perilaku menyembunyikan tujuan sebenarnya.

Inilah mengapa kerangka pengawasan yang selama ini kita andalkan tidak lagi cukup. Selama puluhan tahun, otoritas keuangan mengandalkan Model Risk Management yang dirancang untuk model-model statis. Kerangka ini kuat dalam menguji akurasi dan konsistensi, tetapi tidak dirancang untuk menghadapi sistem yang dapat beradaptasi dan mengembangkan strategi sendiri. 

Sistem agentic memperkenalkan jenis risiko yang berbeda: perilaku yang berubah sesuai konteks, strategi yang melewati kendali, ketidakselarasan tujuan, dan upaya menghindari pengawasan.

Lintasan adopsi teknologi memperkuat urgensi ini. Survei Wolters Kluwer menunjukkan adopsi agentic AI diproyeksikan melonjak hingga 600% sepanjang 2026, dengan rasio 44% dari keseluruhan fungsi korporasi. Meskipun saat ini masih terbatas pada fungsi perencanaan dan pelaporan, arah trennya konsisten menuju eksekusi di lantai perdagangan.

Lembaga multilateral telah menangkap sinyal ini. FSB, dalam laporan konsultasi Juni 2026, menyatakan bahwa tingkat otonomi tinggi pada agen AI dapat memperbesar risiko yang termanifestasi dengan kecepatan luar biasa. 

IMF, dalam laporan stabilitas keuangan global Oktober 2024, mengidentifikasi perilaku berkerumun algoritmik sebagai kanal risiko sistemik paling signifikan. Ketika ribuan model dilatih dari arsitektur dan sumber data yang serupa, risiko yang semula spesifik di tingkat institusi berubah menjadi risiko pasar yang bergerak serentak.

Yang perlu dicermati, risiko ini tidak lagi semata-mata berasal dari guncangan eksternal. Ia dapat muncul secara internal dari interaksi antar-agen AI. Agen-agen otonom yang saling memengaruhi melalui umpan balik data pasar dapat menciptakan penularan algoritmik, di mana kesalahan satu model diperkuat oleh model lain. Inilah yang membedakan ancaman saat ini dari krisis-krisis sebelumnya.

Peluang dan Risiko bagi Indonesia

Kerentanan Indonesia terletak pada kombinasi dua faktor. Pertama, kedalaman pasar kita masih dangkal dibandingkan negara maju. Kedua, investor asing secara historis sangat responsif terhadap sentimen global. Dalam bahasa tata kelola AI, ini adalah persoalan pengendalian di bawah tekanan.

Porsi kepemilikan investor non-residen di Surat Berharga Negara tercatat 13,0% per 15 Juli 2026, setara Rp892 triliun. Angka ini turun dari 14,71% tahun sebelumnya dan jauh di bawah puncak 38,6% pada 2019. Namun dalam perspektif komparatif, porsi ini masih signifikan. Thailand dan Filipina mencatatkan kepemilikan asing masing-masing di kisaran 9%-10% dan 5%-7%. Pasar SBN Indonesia masih lebih terbuka terhadap aliran modal asing dibandingkan sebagian besar negara di kawasan.

Pada Maret 2026, di tengah ketegangan geopolitik, pasar modal mencatat penjualan bersih asing Rp45 triliun dalam hitungan minggu. Skenario kepanikan algoritmik bisa mempercepat fenomena serupa menjadi hitungan detik. Anomali kecil pada data fiskal dapat dibaca oleh ribuan agen AI sebagai sinyal jual kolektif, lalu dieksekusi sebelum otoritas sempat merespons.

Ada analogi yang relevan dari dunia pelaporan keberlanjutan. Penelitian menunjukkan bahwa AI generatif dapat menghasilkan laporan ESG yang terlihat meyakinkan secara gaya bahasa, lengkap secara struktural, dan sesuai dengan kerangka regulasi, tetapi mengandung klaim yang tidak terverifikasi atau bahkan fiktif. 

Dalam konteks pasar keuangan, agen AI asing yang membaca data fiskal atau laporan keuangan Indonesia tidak memiliki kemampuan untuk membedakan antara sinyal substantif dan sekadar kepatuhan formal. Mereka hanya melihat pola dalam data dan mengeksekusi. Ini menciptakan risiko distorsi: keputusan jual atau beli yang dihasilkan bukan berdasarkan realitas fundamental, tetapi berdasarkan representasi data yang mungkin dangkal atau bahkan salah.

Ada dimensi lain yang sering terlewat. Sebuah kajian dari Bank Indonesia mencatat bahwa meskipun Indonesia berada di peringkat kedelapan dunia dalam kunjungan ke situs AI tools, skor literasi AI masyarakatnya justru rendah. Akibatnya, konsumen sering tidak menyadari ketika hak mereka dilanggar oleh keputusan algoritmik yang tidak transparan. Ini adalah celah berbahaya. Tidak adanya pengaduan bukan berarti tidak ada risiko, melainkan cerminan ketidaksadaran akan hak-hak dasar di era digital.

Selain itu, kerangka regulasi AI di Indonesia saat ini masih terfragmentasi. Berbagai institusi seperti Bank Indonesia, OJK, dan Kementerian Komunikasi dan Digital memiliki aturan masing-masing, namun belum ada kerangka yang terintegrasi dan komprehensif. Sektor keuangan sendiri belum menjadi prioritas dalam strategi nasional AI. 

Pengadilan Indonesia melalui Putusan MA No. 1206 K/Pdt/2024 telah menegaskan bahwa pemerintah dapat dikategorikan melakukan perbuatan melawan hukum jika membiarkan praktik digital beroperasi tanpa pengawasan yang memadai. Putusan ini mengidentifikasi belasan jenis pelanggaran sistematis dalam industri pinjaman online, termasuk kurangnya transparansi dalam mekanisme penilaian kredit otomatis dan tidak adanya mekanisme keberatan yang efektif bagi konsumen.

Namun peluang juga hadir. Agentic AI dapat menjadi bagian dari solusi. Sistem surveilans berbasis AI dapat memantau aliran dana asing secara real-time, mendeteksi pola perilaku berkerumun, dan memberi peringatan dini. Kita bisa menggunakan senjata yang sama untuk melawan risiko, asalkan bergerak lebih cepat dari kurva adopsi.

Penutup

Agentic AI adalah gelombang teknologi yang tidak bisa dibendung dan tidak perlu dibendung. Efisiensi dan kecepatan yang ditawarkannya adalah berkah. Namun berkah itu bisa menjadi ancaman tanpa benteng pertahanan yang memadai.

Menghadapi paradigma ini, ada beberapa langkah awal yang dapat diambil oleh tiga otoritas secara terkoordinasi. Bagi otoritas fiskal, penguatan kapasitas pengawasan pasar SBN menjadi langkah strategis, termasuk pengembangan sistem deteksi pola transaksi anomali secara langsung dan mekanisme pemutus sirkuit yang mempertimbangkan pola eksekusi. Bagi otoritas moneter, penguatan sistem deteksi dini berbasis skenario dan pengujian protokol respons secara berkala melalui simulasi menjadi prioritas. 

Bagi otoritas mikroprudensial, harmonisasi kerangka tata kelola AI di industri jasa keuangan dan pengenalan kategori risiko yang terdefinisi menjadi langkah antisipatif. Yang juga penting adalah penguatan mekanisme hak penjelasan bagi konsumen, yaitu hak untuk memperoleh informasi yang jelas dan dapat dipahami tentang bagaimana keputusan otomatis yang berdampak signifikan terhadap kehidupan ekonomi mereka diambil. Tanpa hak ini, transparansi dan akuntabilitas yang dijanjikan dalam berbagai regulasi hanya akan menjadi retorika.

Benteng pertahanan yang memadai bukan hanya regulasi dan teknologi, tetapi juga literasi. Masyarakat yang paham AI adalah lapisan pertahanan terakhir. Mereka dapat mengenali ketika hak mereka dilanggar dan melapor ke otoritas. Di sinilah kolaborasi antara regulator, industri, akademisi, dan masyarakat menjadi kunci. 

Salah satu pelajaran dari pengalaman AI dalam pelaporan keberlanjutan adalah bahwa teknologi canggih sekalipun tidak dapat menggantikan substansi. AI dapat menghasilkan laporan yang terlihat sempurna secara formal, tetapi tanpa akuntabilitas manusia dan verifikasi substantif, ia hanya menciptakan ilusi kredibilitas.

Godaan untuk terintegrasi penuh ke dalam arus finansial global berbasis AI memang masuk akal secara ekonomi. Namun manfaat itu perlu ditimbang terhadap kesiapan struktur pasar domestik merespons guncangan milidetik. Dalam paradigma agentic AI, pertanyaan kritisnya bukan lagi apa yang terjadi, tetapi seberapa cepat dan seberapa terkorelasinya respons.

Pertanyaan bagi pembuat kebijakan bukanlah apakah kita harus mengadopsi AI. Itu sudah keniscayaan. Pertanyaannya adalah apakah kerangka mitigasi dan pengawasan akan terbangun sebelum episode kepanikan algoritmik tiba, atau baru dirumuskan setelahnya. Jawabannya akan menentukan apakah kita menjadi pengemudi teknologi atau sekadar penumpang yang terbawa arus.

Tulisan ini merupakan pendapat pribadi penulis.