Walau Sistem Terintegrasi, 86% Bank Masih Gagal Memetakan Hubungan Fraud dan Pencucian Uang
Ringkasnya: 86% institusi keuangan melaporkan adanya missed links, yaitu keterkaitan antara aktivitas fraud dan pencucian uang yang tidak terdeteksi karena kedua fungsi bekerja di meja yang berbeda. Temuan ini berasal dari studi Datos Insights yang dikomisikan SAS terhadap 165 eksekutif fraud dan AML di 21 negara (survei Juli–Agustus 2026).
Bagi bank dan lembaga keuangan di Indonesia, pesannya jelas: di era pembayaran real-time, memisahkan fraud dan AML bukan lagi sekadar urusan struktur organisasi, melainkan risiko yang berdampak langsung pada kerugian dan kepatuhan.
Mengapa Celah Ini Semakin Berbahaya?
Tim fraud menghentikan kerugian saat itu juga, sedangkan tim AML menelaah aktivitas setelahnya dan melapor sesuai tenggat regulator. Pada pembayaran real-time tanpa mekanisme pembatalan, dana sering sudah berpindah melalui rekening mule sebelum kedua tim sempat menghubungkan titik-titiknya. Padahal, rekening mule pada dasarnya menjalankan fungsi pencucian uang, bukan hanya menimbulkan kerugian fraud.
Harga yang Dibayar karena Terpisah
| Konsekuensi yang dialami | Persentase institusi |
|---|---|
| Missed links antara fraud dan pencucian uang | 86% |
| Alert atau kasus ganda | 81% |
| Biaya operasional lebih tinggi akibat tim/teknologi ganda | 71% |
| Investigasi paralel untuk nasabah atau jaringan yang sama | 65% |
| False positive berlebih akibat pemantauan terfragmentasi | 59% |
Sumber: Datos Insights, 2026.
Teknologi Sudah Menyatu, Tata Kelola Belum
Sebanyak 71% institusi sudah menggabungkan teknologi deteksi, tetapi hanya 13% yang melakukan hal serupa pada tata kelola dan struktur organisasi. Akibatnya, banyak institusi punya platform bersama namun tetap bekerja dengan model dan proses terpisah.
- 72% menjalankan analitik dan AI di infrastruktur bersama, tetapi dengan model dan proses yang terpisah untuk fraud dan AML. Hanya 1% yang benar-benar berbagi data, model, infrastruktur, dan tata kelola.
- 21% yang memakai network analytics, padahal inilah analisis yang menghubungkan kejadian fraud dengan jaringan pencucian uang di baliknya.
- 17% yang berbagi intelijen secara otomatis pada pemantauan berkelanjutan. Berbagi informasi baru berjalan baik ketika seorang investigator sudah menangani kasus (73%).
- 87% menilai kemampuan membangun unified customer risk view masih parsial. Hanya 1% yang menyebutnya komprehensif.
Integrasi Paling Kuat di Data, Paling Lemah di Tata Kelola
| Area | Terintegrasi | Terkoordinasi tapi terpisah | Terpisah (silo) |
|---|---|---|---|
| Data dan profil nasabah | 62% | 29% | 8% |
| Data transaksi dan alert | 53% | 39% | 8% |
| Model deteksi/analitik | 28% | 53% | 19% |
| Staf investigasi/unit gabungan | 31% | 47% | 22% |
| Alur kerja case management | 36% | 30% | 33% |
| Manajemen risiko model | 32% | 29% | 39% |
Polanya konsisten: data bisa berpindah tanpa mengubah jabatan siapa pun, sedangkan kepemilikan kasus, garis pelaporan, dan persetujuan model menuntut perubahan yang jauh lebih lambat.
Apa yang Menghambat?
Responden menilai hambatan berikut sebagai “utama” atau “besar”:
- Silo organisasi dan garis pelaporan terpisah: 88%
- Keterbatasan teknologi: 73%
- Tata kelola dan kualitas data: 70%
- Tidak adanya alur kerja atau trigger bersama untuk pertukaran intelijen: 64%
Kabar baiknya, hambatan terakhir sering kali lebih mudah diatasi. Studi menyebutnya sebagai proyek integrasi yang lebih kecil daripada penggantian platform: menghubungkan dua sistem yang sudah ada dan menentukan kejadian di sisi fraud yang otomatis memunculkan flag di sisi AML, begitu pula sebaliknya, tanpa harus mengubah struktur organisasi.
Asia-Pasifik Lebih Maju
Sekitar 69% institusi di Asia-Pasifik menargetkan konvergensi operasional sebagai kondisi akhir, jauh di atas wilayah lain (AS 44%, Kanada 27%). Studi mengaitkannya dengan struktur regulasi di Singapura, tempat satu regulator (MAS) mengawasi perbankan sekaligus pembayaran, serta platform COSMIC yang memungkinkan bank berbagi intelijen kejahatan keuangan secara langsung. Ini bukan berarti bank Singapura otomatis lebih unggul, melainkan hambatan struktural di sana lebih sedikit. Menariknya, di Asia-Pasifik 63% responden tetap menyebut silo organisasi sebagai hambatan terbesar, jadi pekerjaan organisasinya belum selesai.
Alasan Investasi: Bukan Soal Hemat Biaya
Penghematan biaya justru berada di urutan terakhir dari 10 pendorong dan manfaat yang dinilai. Yang teratas adalah peningkatan deteksi kejahatan keuangan yang kompleks (79% menilainya sebagai pendorong atau manfaat utama). Sebanyak 96% institusi menilai ekspektasi regulator sebagai pendorong utama atau besar, dan 89% menilai perlindungan nasabah yang lebih baik sebagai manfaat utama atau besar.
Lima Rekomendasi untuk Pimpinan Fraud dan AML
- Tetapkan pemilik yang bertanggung jawab atas “jembatan” fraud–AML, yakni seseorang yang merancang dan menjaga alur handoff otomatis antar tim dan sistem.
- Bangun business case di atas kualitas deteksi, bukan penghematan biaya.
- Pilih mitra strategis berdasarkan keahlian, portabilitas solusi, dan kekuatan sinyal. Pekerjaan penilaian (judgment) tetap di dalam institusi.
- Percepat investasi network analytics dan visualisasi, dipadukan dengan pembangunan unified customer view.
- Selesaikan isu berbagi data antar-entitas dalam grup sebagai latihan hukum dan tata kelola sejak dini, sebelum menjadi penghambat saat reorganisasi.
Apa Artinya bagi Institusi Keuangan Indonesia?
Konvergensi FRAML bukan berarti menggabungkan tim fraud dan AML menjadi satu. Mandat dan metodologi keduanya memang berbeda, dan perbedaan itu layak dijaga. Peluangnya ada pada penghubung yang tepat: data, sinyal, titik temu alur kerja, dan keputusan yang dibuat dengan konteks risiko seluruh perusahaan.
Sebagai SAS Strategic Partner, Mitra Mandiri Informatika (MMI) mendampingi institusi keuangan di Indonesia dalam menyiapkan fondasi tersebut, mulai dari solusi FRAML hingga analitik berbasis SAS Viya.
Ingin mengetahui seberapa siap institusi Anda? Hubungi tim MMI via WhatsApp
Sumber: “Fraud and AML Convergence: Closing the Speed Gap”, Datos Insights (dikomisikan SAS), Oktober 2026. Survei terhadap 165 eksekutif; margin of error 7 poin pada tingkat kepercayaan 90%.
