Penyaluran Kredit Berbasis AI Memperluas Akses Kredit, tetapi Pengawasan Tetap Penting

Pada dasarnya, banyak layanan keuangan merupakan bisnis yang mengandalkan informasi. Misalnya, perusahaan asuransi perlu memiliki informasi yang akurat tentang tingkat kecelakaan di masa depan dan biayanya agar dapat menentukan harga polis yang tetap menguntungkan.

Demikian pula, pemberian pinjaman memerlukan penilaian yang tepat atas risiko gagal bayar dari nasabah tertentu, serta penetapan suku bunga pada tingkat yang sesuai.

Secara historis, penilaian ini awalnya dilakukan hanya berdasarkan pertimbangan manusia dan rumus matematika sederhana. Kelas sosial, koneksi pribadi, dan perilaku seseorang turut memengaruhi akses individu tersebut ke layanan keuangan.

Seiring waktu, metode yang lebih profesional dan objektif mulai digunakan untuk menilai risiko secara tepat dengan bias yang lebih rendah. Misalnya, di Amerika, skor kredit dapat menjadi bentuk evaluasi yang dominan untuk menilai kemampuan pemohon dalam meminjam.

Namun, metode yang lebih canggih kini semakin banyak digunakan, dengan memanfaatkan AI untuk menilai risiko pinjaman secara lebih akurat dan menggali segudang data berguna yang tidak digunakan oleh skor kredit tradisional.

Dengan demikian, penyaluran kredit berbasis AI dapat menjangkau peminjam yang biasanya diabaikan oleh model kredit konvensional dan secara keseluruhan meningkatkan penilaian risiko. Namun, perluasan akses kredit ini juga dapat menimbulkan risiko jika dilakukan secara tidak tepat, mulai dari kekeliruan dalam kualitas penilaian kredit hingga meningkatnya diskriminasi.

Sebuah studi baru oleh para peneliti dari Kunming University (Tiongkok), Shanghai University of Finance and Economics (Tiongkok), dan University of Hamburg (Jerman) menyelidiki dampak kecerdasan buatan di pasar kredit.

Studi tersebut menemukan bahwa penyaluran kredit berbasis AI meningkatkan inklusi keuangan rata-rata sebesar 8,4–11,2 poin persentase, terutama di kalangan pemberi pinjaman fintech. Namun, studi itu juga menemukan bahwa perluasan kredit yang didorong AI memperbesar volatilitas risiko ekstrem.

Mereka menerbitkan temuan tersebut di International Review of Economics & Finance¹, dengan judul “Kecerdasan buatan di pasar kredit: Pinjaman algoritmik, inklusi keuangan, dan arbitrase regulasi”.

Menganalisis Pinjaman Berbasis AI

Janji dan Risiko Pinjaman Berbasis AI

Teknologi terkait AI, yang awalnya merupakan hal baru dan diadopsi oleh pendatang baru seperti Upstart (lihat di bawah untuk informasi lebih lanjut tentang perusahaan ini), kini digunakan dalam berbagai kapasitas di sebagian besar proses pemberian pinjaman.

“Algoritma pembelajaran mesin kini menjadi landasan sistem penyaluran pinjaman di bank-bank ritel besar, platform pinjaman digital, dan semakin banyak perusahaan FinTech pendatang baru.”

Sistem ini dapat memproses dan menghitung ribuan variabel yang mencakup riwayat transaksi, penilaian psikometrik, pola perilaku di perangkat seluler, dan sinyal sosial waktu nyata. Namun, hal ini juga berpotensi menimbulkan masalah baru:

• Sistem tersebut dapat melanggengkan atau memperkuat bias historis yang tertanam dalam data pelatihan.
• Sistem tersebut beroperasi dengan tingkat keterbukaan yang terbatas sehingga menyulitkan pengawasan oleh regulator.
• Penerapannya lintas batas yurisdiksi membuka peluang bagi bentuk arbitrase regulasi yang menantang logika teritorial dalam regulasi kehati-hatian.

Membangun Data yang Tepat

Untuk memahami dampak pinjaman berbasis AI tidak hanya di tingkat lokal, tetapi juga lintas yurisdiksi, para peneliti menganalisis 42 negara dari Asia-Pasifik (14 negara), Eropa (10 negara), Amerika Latin (10 negara), dan Afrika Sub-Sahara (8 negara) selama periode 2012–2022.

Mereka mengumpulkan data negara-negara tersebut mengenai inklusi keuangan, kualitas arsitektur pengawasan, dan kelengkapan kerangka makroprudensial.

Metrik terpenting, yaitu inklusi keuangan, diukur dengan mempertimbangkan:

• Tingkat kepemilikan rekening kredit formal.
• Penetrasi kredit bagi usaha mikro, kecil, dan menengah (UMKM).
• Rasio jumlah peminjam terhadap populasi orang dewasa.
• Jumlah kantor cabang bank komersial per 100.000 orang dewasa.
• Tingkat kepemilikan rekening uang seluler.

Mereka juga membuat indikator baru, yaitu intensitas adopsi pinjaman berbasis AI (ALII), untuk menilai sejauh mana pinjaman berbasis AI digunakan di suatu negara.

“ALII berfungsi sebagai metrik struktural untuk mengukur intensitas adopsi teknologi di tingkat makro dan distribusi kapasitas di seluruh sektor. Alih-alih mengaudit akurasi model individual atau keselarasan algoritmik di tingkat mikro, indeks ini mengukur kepadatan struktural dan penetrasi operasional jalur pengambilan keputusan otomatis dalam ekosistem keuangan yang lebih luas.”

Hasil Studi

Kesenjangan yang Besar

Tidak mengherankan, studi tersebut menemukan bahwa inklusi keuangan sangat bervariasi antarwilayah, mulai dari 0,042 di negara-negara berpendapatan rendah di Afrika Sub-Sahara pada tahun-tahun awal sampel hingga 0,941 di negara-negara berpendapatan tinggi di Asia-Pasifik pada tahun-tahun berikutnya.

Indeks Intensitas Pinjaman AI menunjukkan sebaran yang bahkan lebih lebar: nilai rata-rata 0,317 menyamarkan koefisien variasi sebesar 0,89, dengan rata-rata 0,089 di negara berpendapatan rendah dan 0,524 di negara berpendapatan tinggi.

Temuan lainnya adalah percepatan ALII yang mencolok setelah 2016, bertepatan dengan penerapan komersial aplikasi pembelajaran mendalam dalam penilaian kredit. Sementara itu, nilai tertinggi Volatilitas Siklus Kredit (CCV) tercatat di negara-negara pasar berkembang pada periode setelah 2015, bertepatan dengan ekspansi pesat kredit FinTech yang terdokumentasi dalam data ALII.

Pinjaman AI Mendorong Inklusi

Studi tersebut menemukan hubungan langsung antara pinjaman AI dan inklusi keuangan.

“Peningkatan satu simpangan baku pada Indeks Intensitas Pinjaman AI berkaitan dengan kenaikan 0,084 simpangan baku pada Indeks Inklusi Keuangan.”

Dampak positif pinjaman AI terhadap inklusi keuangan juga tampak lebih kuat ketika kapasitas pengawasan lebih lemah. Hal ini mungkin disebabkan oleh dua alasan yang dapat terjadi secara bersamaan:

• Lingkungan dengan pengawasan yang lebih lemah memiliki kelompok peminjam yang kurang terlayani dalam jumlah lebih besar, yang dapat dilayani secara menguntungkan oleh pemberi pinjaman AI dengan menggunakan data alternatif.
• Pemberi pinjaman AI di lingkungan dengan pengawasan rendah lebih bersedia memberikan kredit kepada peminjam marginal karena biaya regulasi yang timbul dari kemungkinan penetapan tanggung jawab atas gagal bayar lebih rendah.

Dampak ini juga tampaknya terutama didorong oleh perusahaan FinTech, karena pemberi pinjaman AI dari perusahaan teknologi menghasilkan manfaat inklusi keuangan yang jauh lebih besar (3x) daripada bank-bank mapan yang menerapkan perangkat AI.

“Peningkatan satu simpangan baku pada intensitas pinjaman AI FinTech menaikkan FII sekitar 13,8 poin persentase, hampir tiga kali lipat dampak yang dihasilkan oleh penerapan AI dalam skala setara oleh bank-bank mapan.”

Dengan demikian, peningkatan inklusi keuangan tampaknya bukan disebabkan oleh AI yang menurunkan biaya pemrosesan bagi nasabah bank yang sudah ada, melainkan oleh penggunaan AI oleh FinTech untuk menjangkau peminjam yang tidak terlayani sistem perbankan konvensional.

Hal ini sejalan dengan pandangan umum bahwa bank-bank mapan menerapkan AI sebagai langkah defensif (untuk melindungi hubungan dengan nasabah yang sudah ada), bukan secara ekspansif (untuk menyasar segmen baru).

Apakah Risikonya Lebih Besar di Negara Tertentu?

Studi tersebut menemukan bahwa peningkatan inklusi keuangan melalui pinjaman AI tidak berkaitan secara signifikan dengan risiko sistemik yang lebih tinggi di lingkungan dengan pengawasan rendah. Jadi, kemungkinan besar kondisi inilah yang memungkinkan pinjaman AI memberikan hasil terbaik, dengan peningkatan inklusi keuangan yang lebih besar dan risiko yang lebih rendah.

Sebaliknya, di negara yang lebih maju dan lingkungan keuangan yang regulasinya lebih ketat, pinjaman AI memberikan manfaat inklusi yang lebih moderat. Dalam kondisi tersebut, pinjaman AI juga menyebabkan peningkatan risiko yang kecil, tetapi tidak dapat diabaikan. Kemungkinan, hal ini terjadi karena hanya peminjam yang paling marginal yang benar-benar tidak dapat memperoleh pinjaman dalam bentuk apa pun di negara-negara tersebut.

“Inklusi keuangan sudah hampir universal di kalangan penduduk dewasa, sehingga ruang bagi pinjaman AI untuk memperluas jangkauan peminjam yang terinklusi sangat terbatas.”

Seperti halnya semua jenis pinjaman, risiko terbesar muncul bukan dalam kondisi pasar normal, melainkan saat sistem keuangan mengalami tekanan berat. Jadi, meskipun pinjaman otomatis tampak stabil pada masa tenang, saat krisis pinjaman ini memicu pemangkasan modal yang cepat dan seragam. Karena itu, penyangga makroprudensial yang kuat sangat penting untuk mencegah keruntuhan sistemik dan kepanikan pasar.

Arbitrase Regulasi

Temuan studi yang sedikit lebih mengkhawatirkan adalah kecenderungan perusahaan FinTech yang menggunakan AI untuk penyaluran pinjaman berupaya menghindari regulasi yang lebih ketat, termasuk dengan menggunakan perusahaan cangkang.

“Di kawasan Asia-Pasifik, ketika intensitas pengawasan setempat meningkat dari ＋0,02 menjadi ＋0,22, perusahaan tidak memperlambat kegiatan mereka. Sebaliknya, mereka memindahkan operasinya ke luar jangkauan pengawasan, dengan jumlah anak perusahaan cangkang di luar cakupan pengawasan melonjak dari 2 menjadi 11. Pada saat yang sama, pengalihan aset lintas negara mereka meningkat lebih dari tiga kali lipat, dari 14,5% menjadi 52,8%, sehingga memicu lonjakan sengketa hukum.”

Hal ini menunjukkan bahwa regulasi setempat kesulitan mengawasi pemberi pinjaman jenis ini secara menyeluruh. Alih-alih mengatasinya, regulasi tersebut justru mendorong pemberi pinjaman digital yang lincah untuk memisah-misahkan bisnis mereka dan mengalirkan modal ke wilayah yang tidak diawasi.

Kesimpulan bagi Investor tentang Pinjaman AI

Studi ini menguatkan temuan studi-studi sebelumnya bahwa pinjaman AI meningkatkan inklusi keuangan. Sebagai contoh, telah diketahui bahwa penilaian kelayakan hipotek berbasis algoritma di Amerika Serikat meningkatkan tingkat persetujuan bagi peminjam dari kelompok minoritas tanpa peningkatan gagal bayar yang sebanding. Hasil ini konsisten dengan pengecualian akibat diskriminasi, bukan pengecualian berdasarkan penyesuaian terhadap risiko.

Studi ini menunjukkan bahwa dampak tersebut konsisten di hampir semua kawasan dan jenis perekonomian, sekaligus mendukung adanya hubungan sebab-akibat langsung antara peningkatan pinjaman AI dan akses ke modal yang lebih baik dan lebih adil. Dampak ini terutama kuat di kawasan dengan inklusi keuangan yang rendah dan/atau lingkungan pengawasan yang lebih lemah.

Pada saat yang sama, studi tersebut juga menemukan bahwa risiko yang lebih tinggi dan manfaat yang lebih sedikit lazim terjadi di negara-negara maju.

Jadi, meskipun pada awalnya pinjaman berbasis AI meningkatkan akses terhadap modal, manfaat terbesar dan risiko terendah mungkin terdapat di pasar frontier. Tentu saja, perlu diingat bahwa pasar seperti itu pada dasarnya umumnya lebih berisiko daripada perekonomian maju, terlepas dari kualitas masing-masing perusahaan pinjaman berbasis AI.

Terakhir, tampaknya perusahaan teknologi finansial (FinTech) dengan cepat memanfaatkan arbitrase regional dan berupaya menghindari regulasi yang lebih ketat. Hal ini dapat menjadi risiko jangka panjang, karena koordinasi regional yang lebih baik atau respons regulator yang lebih keras dapat memengaruhi margin, bahkan memicu perkara hukum terhadap perusahaan-perusahaan tersebut—risiko yang perlu dipertimbangkan oleh para pemegang sahamnya.

Secara keseluruhan, investor di perusahaan FinTech yang bergerak di bidang pinjaman berbasis AI sebaiknya menilai apakah platform tersebut dapat memperluas akses secara berkelanjutan, sekaligus mengembangkan pinjaman yang mereka salurkan.

Jika terdapat cukup banyak orang yang kurang terlayani oleh industri keuangan saat ini, pinjaman berbasis AI kemungkinan akan sangat bermanfaat dan memiliki pasar potensial yang luas.

Jika jumlahnya terlalu sedikit, meningkatnya risiko gagal bayar saat pasar mengalami tekanan atau penggunaan metode lintas yurisdiksi yang sama berisikonya untuk menghindari regulasi dapat menimbulkan bahaya tersembunyi bagi pemegang saham perusahaan dalam jangka panjang.

Berinvestasi dalam Pinjaman Berbasis AI

Upstart Holdings

Seiring berkembangnya pinjaman dan skor kredit, bermunculan perusahaan baru yang menawarkan alternatif lebih baik daripada skor kredit dan praktik pinjaman tradisional. Salah satunya adalah Upstart, sebuah marketplace pinjaman berbasis AI yang diluncurkan pada 2012, jauh sebelum AI menjadi pusat perbincangan teknologi.

Gagasan di balik pendirian Upstart adalah bahwa sistem skor kredit yang ada tidak efisien dan sudah ketinggalan zaman. Dengan jauh lebih banyak data yang tersedia, seharusnya risiko pinjaman dapat diidentifikasi dengan lebih baik dan, sebagai hasilnya, pinjaman yang lebih murah dapat diberikan kepada kelompok penduduk yang luas.

“Model pinjaman pribadi kami jauh lebih akurat daripada model kredit tradisional dalam menilai risiko peminjam. Kami yakin masih ada banyak peluang untuk menyempurnakan pemodelan selama bertahun-tahun ke depan.”

Dengan memulai lebih awal, perusahaan ini memiliki sumber data yang melimpah untuk melatih AI-nya sendiri dan memanfaatkan kemajuan terbaru dalam metode pelatihan AI.

Sumber: Upstart

Artinya, metode Upstart dapat mengidentifikasi orang-orang dengan skor FICO tinggi yang dalam praktiknya berisiko tinggi gagal membayar pinjaman. Sebaliknya, orang-orang dengan skor FICO rendah belum tentu cenderung gagal bayar.

Dengan memanfaatkan AI dan data, Upstart dapat mencapai hasil yang luar biasa untuk kelompok tertentu. Sebagai contoh, perusahaan ini dapat menawarkan lebih banyak pinjaman dengan tingkat risiko yang sama, dengan meningkatkan tingkat persetujuan dari 27% menjadi 67%. Atau, perusahaan ini dapat mengurangi kerugian secara signifikan, dengan menurunkan tingkat gagal bayar dari 9% menjadi 5%, atau hampir separuhnya.

Sumber: Upstart

Selain itu, penggunaan algoritme alih-alih petugas pinjaman membuat prosesnya otomatis. Cara ini lebih murah dan jauh lebih cepat, serta membuat pengajuan pinjaman lebih nyaman.

Marketplace Upstart menghubungkan peminjam dengan bank, koperasi kredit, dan penyedia modal institusional. Perusahaan ini melaporkan bahwa pada 2025, investor institusional membeli 64% dari pokok pinjaman yang disalurkan melalui marketplace-nya.

Upstart melayani pasar yang sangat besar, dengan kredit senilai $25 triliun yang disalurkan setiap tahun di seluruh dunia. Dari jumlah tersebut, platform yang menyalurkan dan melayani kredit itu memiliki peluang memperoleh pendapatan hingga $1 triliun.

Pada 2025, perusahaan ini menyalurkan 1,5 juta pinjaman (naik 115% dibandingkan tahun sebelumnya), dengan total nilai $11 miliar (naik 86% dibandingkan tahun sebelumnya), dan membukukan total pendapatan sebesar $1 miliar (naik 64% dibandingkan tahun sebelumnya). Perusahaan ini juga berkembang pesat di segmen baru. Sebagai contoh, penyaluran pinjaman mobil tumbuh 5x (dari $45 juta pada Q4 2024 menjadi $263 juta pada Q1 2026), sedangkan penyaluran pinjaman rumah tumbuh 6x (dari $27 juta pada Q4 2024 menjadi $143 juta pada Q1 2026).

Jadi, meskipun jumlah pinjaman saat ini sudah besar, angkanya masih jauh di bawah potensi penuh metode penilaian skor kredit yang canggih dan penilaian pinjaman berbasis AI.

Sumber: Upstart

Pertumbuhan terkini dan fakta bahwa Upstart dibangun dengan AI sebagai inti bisnisnya merupakan faktor positif yang kuat bagi masa depannya. Namun, harga sahamnya belum benar-benar mencerminkan keberhasilan ini: harganya masih di level yang sama seperti pada 2022 dan jauh di bawah puncaknya pada 2021 selama pandemi.

Salah satu alasannya adalah model bisnis Upstart juga memiliki beberapa risiko.

Pertama, kinerja modelnya dapat memburuk ketika kondisi ekonomi berubah hingga melampaui cakupan data pelatihan, sehingga AI-nya mungkin gagal mengenali tren baru.

Risiko lainnya adalah meningkatnya tekanan regulasi terkait keterjelasan, keadilan, dan pelaporan kinerja demografis. AI dapat memunculkan kembali praktik diskriminatif yang sebelumnya dilarang di industri keuangan, meskipun hal itu tidak disengaja.

Terakhir, perusahaan ini masih bergantung pada ketersediaan pendanaan institusional di sepanjang siklus kredit. Tanda-tanda tekanan dalam sistem keuangan semakin terlihat di tengah tingginya tingkat utang dan situasi geopolitik yang tegang.

Namun, Upstart berada pada posisi yang sangat strategis untuk menjadi marketplace pinjaman berbasis AI terkemuka sekaligus penyedia infrastruktur penilaian kredit, sebuah evolusi yang diperlukan dari dorongan awal jaringan FinTech dan P2P untuk menghadirkan praktik penyaluran pinjaman baru.

Investor mungkin ingin memperoleh eksposur terhadap perusahaan yang sejak dini telah mengubah secara radikal cara penilaian kredit pinjaman dilakukan.

Berita dan Perkembangan Terbaru Saham Upstart Holdings (UPST)

Studi yang Dirujuk

^{1. Podong Song, Shutong Wu, Janson Partab. Kecerdasan buatan di pasar kredit: Pemberian pinjaman algoritmik, inklusi keuangan, dan arbitrase regulasi. International Review of Economics & Finance. Desember 2026. Artikel: 105937. Volume 112. 10.1016/j.iref.2026.105937}