Penulis Adalah Honorable Faculty Lembaga Pengembangan Perbankan Indonesia (Lppi). Tulisan Ini Merupakan Pendapat Pribadi.
Tampaknya sudah menjadi suatu keniscayaan bahwa setiap kebaruan inovasi teknologi selain memberikan manfaat positif juga dapat disalahgunakan. Menggunakan teknologi mutakhir sekalipun belum tentu bebas dari kehadiran pihak lain untuk melakukan tindak kejahatan, misalnya dalam bentuk penipuan (fraud). Jangan salah, modus penipuan juga sudah menggunakan kekinian teknologi. Dengan artificial intelligence (AI), misalnya, atau generative artificial intelligence (GAI). Sudah lebih cepat, canggih, dan dapat dilakukan kapan dan dari mana saja.
Modus penipuan yang dilakukan para pelaku kejahatan, seperti terhadap sektor perbankan dan lembaga keuangan lainnya, dapat dikatakan selalu ada meskipun bankbank atau lembaga keuangan lainnya itu sudah menginikan pengamanannya. Hal itu akan selalu ada, karena para pelaku kejahatan juga mengikuti kekinian teknologi yang sama seperti yang dilakukan bankbank dan lembaga keuangan lainnya. Modus penipuannya pun dapat dikatakan ituitu saja, seperti pengambilalihan akun, penipuan akun baru, dan penipuan dengan memanfaatkan kelengahan bank atau lembaga keuangan lainnya dan nasabahnya.
Menurut Deloitte (2024), kehadiran AI dan GAI akan berdampak pada konvergensi industri dan keuangan, digitalisasi, dekarbonisasi, identitas digital, dan meningkatkan penipuan. Deloitte memperkirakan, kerugian akibat penipuan email menggunakan GAI, misalnya, dapat mencapai sekitar US$11,5 miliar pada 2027. Informasi lainnya menyatakan, potensi kerugian akibat penipuan pembayaran digital secara global diperkirakan akan melampaui US$43 miliar sampai dengan 2027 (Erick Tran Le, 2023).
Maraknya penipuan juga disampaikan oleh Bank Administration Institute (BAI) berdasarkan laporan tahun 2023. Penipuan melalui phishing (73%) dan penipuan cek (72%) menjadi jenis penipuan pihak ketiga yang paling umum dilaporkan oleh nasabah lembaga yang disurvei. Jenis penipuan lainnya menurut BAI adalah penipuan melalui kartu debit (69%), penipuan melalui perbankan elektronik (52%), pengambilalihan akun (47%), penipuan terkait jaminan sosial dan program pemerintah lainnya (37%), malware (25%), serta penipuan terkait amal (13%), dan penipuan bantuan ekonomi (13%).
AI Versus GAI
Potensi penipuan tersebut tentunya harus ditanggapi secara lebih saksama. Tidak ada yang meragukan bahwa penggunaan AI dan GAI dapat menganalisis sejumlah besar data untuk mengidentifikasi pola yang mungkin mengindikasikan penipuan. Keduanya sudah banyak membuktikan dapat membantu sistem pengenalan pola untuk mengidentifikasi dengan lebih tepat dan efisien dibandingkan dengan metode tradisional. Hal itu karena AI dan GAI dapat belajar dari sejumlah data dan mengenali pola kompleks yang tidak dapat dikenali oleh manusia termasuk modus penipuan. Dapat dikatakan bahwa modus penipuan tidaklah terlalu sulit.
Secara praktis, penipuan ternyata tidak sulit untuk diidentifikasi. Berdasarkan pengalaman, ada tidaknya kemungkinan penipuan dapat diidentifikasi dari halhal berikut: (i) perilaku yang tidak biasa dalam transaksi, (ii) penyimpangan keuangan, seperti transaksi yang tidak dapat dijelaskan atau ketidaksesuaian dengan catatan keuangan, (iii) transaksi tidak didukung dokumen yang valid, (iv) transaksi yang mencurigakan, seperti melakukan pembelian atau transfer dalam jumlah besar, (v) kontrol internal yang lemah, dan (vi) tidak optimalnya pengawasan. Terkait hal tersebut, ada beberapa hal yang dapat dilakukan untuk meningkatkan pencegahan penipuan, antara lain sebagai berikut.
Pertama, meningkatkan dan menyempurnakan pattern recognition. Secara harfiah, pattern recognition adalah salah satu teknik kecerdasan buatan (AI) yang memungkinkan mesin mengidentifikasi dan mengklasifikasikan pola data, serta meniru kemampuan manusia yang sama untuk mengenali dan memproses informasi serta membuat keputusan atau prediksi menggunakan algoritma komputer.
Kedua, meningkatkan dan menyempurnakan anomaly detection. Secara definisi, anomaly detection adalah metode untuk mengidentifikasi titik data yang berbeda dari yang diharapkan atau normal. Anomaly detection juga diartikan sebagai proses membandingkan definisi aktivitas apa yang dianggap normal dengan kejadian yang diamati untuk mengidentifikasi penyimpangan yang signifikan. Dalam praktiknya, anomaly detection menjadi penting karena dapat mendeteksi penipuan, interupsi jaringan, dan kejadian langka lainnya yang mungkin memiliki dampak yang signifikan dan besar tetapi sulit ditemukan.
Ketiga, terkait penyempurnaan data verification menggunakan AI untuk memverifikasi data guna membantu mencegah penipuan. Verifikasi data merupakan hal penting untuk mengurangi risiko penipuan dan utamanya dalam rangka memastikan keamanan data pribadi. Manfaat lainnya adalah untuk mencegah kejahatan dunia maya, seperti malware, peretasan, dan pencurian data, melindungi informasi pribadi pengguna dari akses yang tidak sah, menjaga reputasi perusahaan, dan menghindari sanksi hukum. Hal ini dapat dilakukan dengan mengambil sampel data dari sistem sumber dan tujuan untuk memverifikasi keakuratan secara manual. Lebih dari itu dapat melibatkan proses otomatis yang melakukan verifikasi penuh atas data yang diperoleh, mencocokkan semua catatan, dan menandai pengecualian.
Keempat, melakukan penginian terkait dengan behavioral analysis. Secara akademis, behavioral analysis adalah studi ilmiah tentang perilaku dengan tujuan memahami, mendeskripsikan, memprediksi, dan mengubah perilaku. Behavioral analysis diterapkan untuk kepentingan bisnis, juga dapat difungsikan dalam rangka pencegahan penipuan dengan memantau pola perilaku nasabah. Manfaat lainnya mencakup saat nasabah masuk menggunakan aplikasi, jenis transaksi yang dilakukan, perangkat yang digunakan, dan bahkan kebiasaan lainnya. Behavioral analysis juga dapat untuk melacak pola perilaku yang biasanya terlewatkan oleh pantauan manusia.
Beberapa Catatan
Keempat hal tersebut banyak dikatakan sebagai hal mendasar untuk melakukan identifikasi transaksi yang berpeluang disalahgunakan dalam bentuk penipuan. Misalnya, penggunaan phishing yang sebenarnya tidak canggih tapi tingkat keberhasilannya masih tinggi. Dengan menggunakan AI atau GAI, email phishing hasilnya bisa seperti benar dari nasabah. Cara lainnya yang juga termasuk sering digunakan adalah deepfakes. Sudah banyak pelaku penipuan menggunakan AI untuk membuat video yang membuat siapa pun dapat mengatakan apa saja, dengan gerakan bibir dan ekspresi wajah yang terlihat persis seperti orang yang ditiru. Bisa juga para penipu ini menggunakan voice cloning melalui AI yang dapat mengkloning suara nasabah sehingga dapat digunakan untuk mengalihkan dananya di bank melalui aplikasi.
Saat ini, sudah banyak bank dan lembaga keuangan lainnya yang menggunakan AI dan/atau GAI untuk menyesuaikan layanan dan produknya sesuai dengan kebutuhan nasabahnya. AI dan/atau GAI juga digunakan untuk mengidentifikasi peluang bisnis baru, memprediksi dan mengidentifikasi risiko dan penipuan, dan merampingkan struktur organisasi serta layanan operasional. Penggunaan AI dan/atau GAI dapat menghemat waktu, memperkecil bias, otomatisasi tugastugas yang berulang, dan tentunya masih banyak lagi.
Dengan makin pesatnya inovasi AI dan/atau GAI dapat dikatakan bahwa bank, lembaga keuangan lainnya, juga para pelaku penipuan terbiasa menggunakannya. Tidak salah kalau dikatakan fenomena yang terjadi saat ini dan seterusnya adalah “pertarungan” tidak resmi penggunaan AI dan/atau GAI.
Dalam rangka mengikuti kekinian teknologi dan era digitalisasi, bank dan lembaga keuangan lainnya juga telah menggunakan machine learning (ML) untuk tujuan yang baik, termasuk dalam rangka mendeteksi berbagai bentuk penipuan, pengambilalihan akun, pencucian uang, dan transaksi ilegal oleh orang dalam. Namun, harus juga diingat bahwa para pelaku penipuan menggunakan hal yang sama dengan tujuan sebaliknya.
Dengan demikian, terjadi juga “pertarungan” penggunaan ML tapi dengan tujuan yang bertolak belakang. Fenomena ini harus dimaknai bahwa kreativitas dan inovasi kalangan perbankan dan lembaga keuangan lainnya harus lebih unggul sebagai entitas bisnis yang legal.
Meskipun AI dan ML dapat mengotomatiskan tugastugas seperti deteksi ancaman dan analisis log, sebenarnya keduanya belum memiliki kemampuan untuk menafsirkan ancaman baru dengan cara yang sama seperti apa yang dilakukan manusia. Pekerjaanpekerjaan yang membutuhkan pemikiran mendalam, kemampuan kognitif, pengambilan keputusan yang kompleks, dan hubungan interpersonal akan terus membutuhkan manusia yang sebenarnya. Demikian juga terkait pemikiran strategis, pengambilan keputusan, kemampuan untuk memotivasi, menginspirasi, dan membangun tim, serta pengembangan sistem etika. Itu adalah area kekuatan di mana AI dan GAI masih memiliki keterbatasan yang mungkin tidak akan pernah dapat dihilangkannya.
Mungkin saya bisa salah kalau mengatakan keunggulan AI dan GAI hanyalah lebih cepat, teliti, dan hasil yang konsisten linier. Hal lainnya tetap akan dilakukan oleh manusia. Implikasinya adalah kemampuan atau kompetensi para pekerja di bank dan lembaga keuangan lainnya harus terus ditingkatkan. Jadi, tidak sekadar menginikan peranti lunak dan keras untuk mendukung kepuasan nasabah. Tanpa memiliki pekerja yang memiliki kompetensi yang kekinian terkait AI dan GAI, upaya mengatasi penipuan tidak akan maksimal, utamanya dalam hal pencegahan. Dapat dibayangkan bagaimana kasus penipuan dan dampaknya apabila kalangan penipu justru lebih agresif meningkatkan kompetensinya terkait AI dan GAI ini
Modus penipuan yang dilakukan para pelaku kejahatan, seperti terhadap sektor perbankan dan lembaga keuangan lainnya, dapat dikatakan selalu ada meskipun bankbank atau lembaga keuangan lainnya itu sudah menginikan pengamanannya. Hal itu akan selalu ada, karena para pelaku kejahatan juga mengikuti kekinian teknologi yang sama seperti yang dilakukan bankbank dan lembaga keuangan lainnya. Modus penipuannya pun dapat dikatakan ituitu saja, seperti pengambilalihan akun, penipuan akun baru, dan penipuan dengan memanfaatkan kelengahan bank atau lembaga keuangan lainnya dan nasabahnya.
